房产中介
客户房源智能匹配 · 场景方案展示

设想一家区域房产中介机构，26 家门店、约 1.8 万套在库房源。运营总监最想弄清的一个问题是——「为什么带看了这么多次，成交还是上不去」。拆开看是四件事：经纪人凭记忆和习惯翻房源，新人和老人推的房子完全不在一个水平；客户在企微里说的「想要安静一点」「老人方便」这类软性需求，没人记录、也没法检索；客户咨询后平均要等 4 小时才收到第一批房源推荐，热门客户早被同行约走；大量房源因为没被匹配给合适的人，长期在库里沉睡。在这样的场景下，「人」和「房」之间缺一座能对得上的桥。

这类场景的诊断路径，是先把「客户咨询 → 需求记录 → 房源筛选 → 推荐带看 → 成交」这条业务流逐段画清，再抽样近半年成交与未成交客户的真实对话做需求拆解。结论通常是：能 AI 化的是「把口语化需求翻译成结构化条件，并在房源库里做语义匹配」，不能 AI 化的是「带看现场的临场判断与议价」。金牌经纪人值钱的地方，从来不在翻房源。

这一方案按四个模块分段落地，每两周推进一段、由业务方复核一次。第一段是 客户需求语义画像——把企微对话里的硬条件（预算 / 面积 / 区域 / 户型）和软需求（采光 / 楼层偏好 / 通勤 / 学区）一起解析成结构化画像；第二段是 房源语义检索引擎——把房源描述、户型、周边信息向量化，支持「按需求语义找房」而不只是字段过滤；第三段是 经纪人推荐清单——为每位客户生成带匹配理由的房源推荐，自动写回既有房源管理系统，经纪人上班直接看；第四段是 房源活跃度看板——把长期沉睡的房源标出来，引导经纪人主动盘活。

• 模块 1 · 客户需求语义画像（硬条件 + 软需求 / 口语转结构化）
• 模块 2 · 房源语义检索（向量化 / 按需求语义匹配 · 非纯字段过滤）
• 模块 3 · 经纪人推荐清单（带匹配理由 / 自动写回房源系统）
• 模块 4 · 房源活跃度看板（沉睡房源识别 / 引导主动盘活）

这类场景里有三个值得主动「不做」的取舍：不做自动派单，房源匹配是辅助，最终推哪几套、怎么带看仍由经纪人定，AI 越权会让经验丰富的经纪人不信任系统；不让客户直接看匹配结果，匹配清单是经纪人的工作工具而非对客产品，避免客户绕过经纪人、也避免错误推荐直达客户；不做无理由推荐，每条推荐必须附「为什么匹配」的简短说明，经纪人能一眼判断、客户问起来也答得上。这三个「不做」，是让一线经纪人真正用起来、方案能落地的根本原因。