叨客家之旅

2016-4-9

晚上八点开始，九点结束的面试，很感激面试官，最有营养的一次面试了，未完待续。

2016-4-10

思考BOSS给我留下的问题，从官网入手，寻找企业基因。

·“善良比努力更重要，温度比百度更重要”

·热心、踏实、做事有样

·从用户立场出发给到用户最好、专业的咨询建议！

·用户满意

·叨客家隶属于深圳叨客科技有限公司。基于过去楼市“信息不透明”“中介从业乱象”“强势卖方”等行业特点，基于过去购房者“弱势被动”痛点。

正如最新数据调查所显示“超八成以上用户对现有中介服务不满”“超六成房屋服务出现问题”的现状。

本着“互联网+房产”最终将回归服务本身的判断。

叨客家，秉持高品质服务+C端立场理念，推出全新房产咨询服务，切实解决用户痛点。

叨客家，

希望做一个有温度的房产咨询方。

那么从c端入手，看一下c端需求的资料。

·房价，房价构成

·大小，房型，房子硬件。

·居住环境，位置。

·特色

设想我要买房子我会考虑：

我的工作地点 价格户型 周围设施 学区 未来前景

如果房多多是淘宝，叨客家是什么，导购？大众点评？

明天继续思考，如果我要买房子，如何选出一套最适合我的房子。

2016-4-11

中介代理商这个传统模式有个最大的弊端就是目标从来都只是追求快速地把房子卖出去，对于房子的很多缺点信息都对购房者隐瞒销售.（传统）

因为搜房网拥有庞大的线上客户源，过去一直在为代理商带客户，现在却成为了他们的直接最大竞争对手，他们能不上火吗？（线上没线下）

当然，从互联网思维的角度来看，如果一个平台一旦拥有了用户也就拥有了话语权，还怕找不到盈利点？（买哪网）

经纪公司平台模式，用户抱怨，依旧是线下。

平安好房目前在流量入口上也没有任何优势，相对于搜房网、房多多等新房O2O交易平台来说，平安好房的交易规模甚至可以忽略不计。而缺乏互联网基因的平安好房既没有线上的优势，同时也没有线下的长处，未来在新房O2O这条路上，平安好房何以发展壮大？

随着新房市场的不断饱和，消费者购房需求和品质不断地提升，未来哪类新房O2O平台能真正为消费者解决购房需求，它将会得到购房者的拥戴成为最终的赢家。

未来的房地产交易模式将出现创新，传统的交易模式会得到改变。通过“线上+线下”的模式，消费者们购买房产，能够更为快速和直观地得到较为全面的房产信息，体验到更方便舒适的一站式服务，未来的房产交易也会变得更为安全。

依然是不断出现的词语，服务，那么怎么样算服务？

以下是一些数据：

百度大数据统计的揪心问题，买房渠道，需求因素。

（作为c端的我，选择看起来最复杂的情况，做一个情景分析，大致为，刚攒够首付，还没小孩，准备要小孩，那么我的需求比较复杂，资金方面的解决是选房时的上线硬伤，又是最难被服务的，那么假设技术上这个公司可以帮我拿到低价，我选择这个公司，如果买房这个刚需，在深圳的话，发现还是以位置以及发展为主，之后的优先级是孩子学区·上班距离·房屋数据·周边设施，把优先级量化成为权重，这样一个复杂的问题，所有方面又都不是硬伤，所以简化控制变量。）

推翻这个low b想法，用数学思维，想到（熵值法，集对分析法），（层次分析法），查找买房决策方面的数学建模论文，

http://www.doc88.com/p-9923458261382.html

http://wenku.baidu.com/link?url=l0ty7qoJancLlQ2MMRaVANfCtUWDw0Q6zdiI_K2_9v1yvv9709faqaa0XIethvBZWuIzMEtWPSNs4-govLLkN5D-XxZx8KgvFp7GHKoP0Uu

得出以下思路：

如果给出需求，那么必定可以得到一个最优解，问题在于好多自主性因素还没有考虑，比如个例的偏好，政治因素等，还需要思考。

那么解决了这个问题，就需要走入线下，线下的服务是什么呢，帮客户安排好看房时间，食品交通，等等，关系到叨客师的绩效评分，客户满意程度。

买完房子可能存在交接问题，物业问题，这个一方面可以通过模型在开发商数据方面考虑，也可以通过后期的跟进谈判等做出分析。不再多说。

那么得到数据的过程，又存在如下难点，第一步，资金贷款的选择，需要用到经济学模型。第二步，各项指标的得出，地理位置需要考虑交通便利，交通费用，学区政策，。第三，开发商的房屋质量评估，户型面积，物业服务，都需要进行量化。第四，周边设施偏好，如健身房，瑜伽馆，足球场等等等，也需要量化，所以数据分析果然是提升买房咨询服务的重中之重！！！

下一步明天打算根据这些，一步步探寻方法，找到处理这些小问题的办法。

2016-4-12

重新看了叨客家网站，阅读完整服务流程，看到了房屋的优缺点，找到了成文的分析。

那么有一个疑问，是否这个也应该建立到模型之内？还是进行简化处理。

寻找案例又得到了新的问题，就是在业主考虑期间的跟进，比如信息方面，导致的分析结果变动，时间成本。

继续阅读叨客家的买房课堂，感觉这里也大有可为。

感觉可以做一个买房知识百科，自己做一些精品文章变成社区，类似知乎+知乎日报，这样方便搜索又多又杂的买房知识，或者自己做出类目。

做脑图归纳一下：

2016-4-13

首先，用经济学模型求出用户贷款承受能力，划定大概区域楼盘。

之后，建模分析用户需求，评判出TOP3的楼盘，这其中：

·地理位置，因素有学区、上班路程，学区根据学位政策查询，上班路程根据出行方式计算出时间

·开发商能力评估，查询其评价和服务能力，价格余地等

·在建模完成之后，大量的难以建模因素进行简化处理，给用户进行选择

再后，用户决策完成后进行看房，需要根据用户需求安排日程，吃饭交通等；用户进行决策同时跟进项目，留意变量的变动，随时更新建议。

100多项指标我觉得我是想得到的，怎么处理是个大问题，我觉得可以分类。

首先我认同了公司的理念，房地产的o2o一定要是线上的流量加上线下的服务。

然后我能带给公司的是，我可以把数据分析这里，做的更好，找到更合适的模型，更合理的建模，需要在解决问题的过程中发现。