快捷导航
目前赶集网覆盖全国近400个城市,每月为超过3亿人次提供生活服务信息,在招聘、房产、汽车等多个领域拥有深厚用户基础。到目前为止,80%流量来自移动端,居行业之首。平台效应使得赶集网各个业务线齐头并进发展。



4月14日,赶集网与房多多达成重要战略合作协议。根据合作协议:双方合作将从从新房领域切入。
对房多多而言,其自身平台全部新房资源同步至赶集网房产频道,凭借赶集网自身流量优势,为开放商引入全新购房者群体和销售渠道;对赶集网而言,依托房多多海量新房资源+赶集网已有流量优势,补强自身在新房领域的竞争优势。目前赶集网在房产租赁细分市场相继推出了100%个人房源、精品公寓等房产服务;在二手房细分市场,赶集网推出100%真实房源,帮助经纪公司提升营销效果。未来双方在此合作基础上,将合作契机拓展至其他更多品类,进行更深层合作。

赶集网COO陈国环说:赶集网选择房多多作为切入新房领域的战略合作伙伴,主要基于三方面因素考量:一是双方理念一致,都是在新房领域有所作为的公司;二是资源互补,房多多拥有一支强大的地推团队,赶集网房产频道是房产领域的信息沉淀汇合平台,两家合作完成线上与线下的信息流交合。赶集网与房多多将实现交易闭环,达成双赢目标;三是人才补缺,房多多创始团对房产行业、经纪人、房子的理解深度与广度都是超过同业其他竞争对手。这三方面是赶集网与房多多展开合作的关键因素。

据陈国环介绍:目前赶集网覆盖全国近400个城市,每月为超过3亿人次提供生活服务信息,在招聘、房产、汽车等多个领域拥有深厚用户基础。到目前为止,80%流量来自移动端,居行业之首。平台效应使得赶集网各个业务线齐头并进发展。

2014年在中国房产领域大萧条背景下,赶集网房产频道以依然实现100%增长。2015年,赶集网房产频道将实现收入翻倍的目标。
房多多COO曾熙表示:此次与赶集网合作,希望帮助赶集网上亿买新房用户需求得到有效满足。2013年,房多多平台交易额达到400亿元;2014年平台交易额达到2000亿元。在赶集网助力下,希望平台交易额能够再创新高。
你若盛开,清风自来~
举报 使用道具
| 回复

共 3 个关于本帖的回复 最后回复于 2015-4-15 02:08

沙发
徐文洁 管理员 发表于 2015-4-15 02:06:53 | 只看该作者
房多多:如何用互联网卖房子?
房多多的平台模式让经纪人和购房者双方都能看到线上所有的房源信息,扩大了经纪人的服务半径。

三年前,拥有十余年地产行业经验的段毅清楚感受到房产交易各个链条的痛点:地产销售方的推广成本太高、经纪人的收入却很低;大量房源集中在经纪人手中,购房者却经常被充斥的假房源信息困扰。线下难以解决的问题能否通过互联网的优势让交易发生变化?在这一背景下,段毅萌生了一个想法:创立一个能解决房地产交易买房、卖房痛点的平台。

今年7月,在成立三年之后,房多多宣布完成8000万美金的 B 轮融资,成了房地产行业的一匹黑马。过去三年中,从帮开发商卖新房起步,房多多逐渐吸引了开发商、经纪公司、卖房者、买房者等各个环节交易方的入驻,通过将和开发商合作的500多个项目分发至各地签约的50万线下经纪人,到今年上半年,房多多已经实现了累积接近1000亿的平台交易额。

在接下来,据段毅介绍,房多多在2014年的交易额目标是突破2000亿人民币,这其中还包括下半年刚启动的二手房业务。这项今年11月刚开始正式铺开的新业务目前已经覆盖了深圳、上海、成都三个城市,“马上就会到十个”。
你若盛开,清风自来~
举报 使用道具
板凳
徐文洁 管理员 发表于 2015-4-15 02:07:33 | 只看该作者
解放信息
找开发商拿项目,再把新房分发给能够直接接触到购房者的经纪人,用二手房的流量拓宽新房的销售渠道。房多多的这种模式并不新鲜,早在上个世纪90年代,这种被称为“一二手联动”的销售模式就曾出现在香港,后来在2008年受房地产行情低迷的影响被引入广东,之后陆续北上。
段毅回忆,当时作为创业公司的房多多选择这种模式作为切入点,是因为进入的门槛相对二手房交易较低:“新房可以按照开发商的项目批量拿到房源,而且还能解决实际存在的问题。”

对交易的参与者来说,这种模式的好处在于营造了一种各方都能共赢的状态:开发商借助经纪人的客源获得了新房销量、经纪人可以基于房多多平台大量的新房房源,提供优质的服务,从而带来更多的交易、而购房者则可以获得更多的真实房源信息和真实优惠信息。
而对刚成立不久的房多多来说,这种模式可以巧妙地把开发商、经纪人和购房者的需求结合在一起。“因为房子是非标品,一套也可以做,只要找到想买房子的人,就能卖掉”,靠着一家家去找开发商和中介,房多多迈出了第一步。

在线下一二手联动的销售模式中,大中型中介公司会更有优势,凭借手中更多的经纪人和资源,这些公司相对更容易产生聚合效应。而互联网的出现让信息的流动更加扁平:房多多可以把拿到的新房房源开放给线上所有的经纪人,让在线下并不具备竞争优势的中小型中介公司能够快速参与到一二手联动这种销售模式中去,再逐步拉动大型中介的上线。

在另一方面,房源信息也不再被局限在经纪人手中,而是汇集到房多多平台。在线下,经纪人所掌握的新房信息有限、所面向的购房者数量也有限,房多多的平台模式则改变了这种“点对点”状态,让经纪人和购房者双方都能看到线上所有的房源信息,扩大了经纪人的服务范围。

这种对信息的解放也体现在房多多刚上线不久的二手房业务上,在面向有售房意愿的业主做线下推广时,房多多的工作人员会着重强调的一个因素就是:“在这里,你发布的房源能被全城所有的经纪人和购房者看到”。
“信息对称,交易的效率就提高了”,段毅认为:“商业的本质一定是哪里的交易效率最高,大家就去哪”。
你若盛开,清风自来~
举报 使用道具
地板
徐文洁 管理员 发表于 2015-4-15 02:08:28 | 只看该作者
“约束”中介
信息不对称通常还会带来另一个问题,当房源信息和房产交易的专业知识都集中在经纪人手中时,便会有相当数量的经纪人靠信息的不对称来获取收入。
“比如到处都是假房源、经纪人的服务水平也参差不齐,购房者还要靠运气买房,因为遇到的经纪人水平和能够提供的房源能够影响购房结果”,在段毅看来,这种不对称带来的结果是交易的效率变低。

在房多多的三大口号中,排在第一个的是“真房源”。保障真房源的方式是平台自身变成房源信息的发布者,房多多有个庞大的地推团队,这个总数接近1500人的地推团队有块重要业务即是获取线下房源:在新房领域,房多多直接找开发商拿房源;而在假房源信息泛滥的二手房领域,房多多的方式则是直接找到有售房需求的业主。

通过在房源层面对经纪人的“约束”,一方面可以解决经纪人和购房者之间的信息不对称,让双方都能看到线上所有的房源信息;在另一方面,则能够促进经纪人身份向服务者的回归。

段毅很认同马云曾经表达过的一个观点:淘宝让很多人第一次意识到诚信的重要性、意识到诚信就是财富。
互联网能够让参与者行为和数据的累积更加便利和透明,和淘宝类似,段毅也给房多多上的经纪人建立了一套评价体系:经纪人在房多多上的每个行为背后都有一套规则和计算方式,大到成交的业务量、小到每次服务时的响应速度、专业程度等,这些经纬度交叉,最终构成的则是每个经纪人的积分,这些积分所代表的,则是每个经纪人的信用。

段毅认为,信用是之前经纪人最缺失的东西,“越缺失的东西就越值钱”。信用体系的建立在一定程度上构成了对经纪人的约束力,从而用这种约束力进一步改善经纪人在线下的行为。
“打破信息不对称和解决用户体验的问题”,在段毅看来,这就是电商。

让各方共赢
和前三年相比,今年的房多多明显高调了许多。这和它的业务模式有关,之前的一二手联动其实是 B2B模式,对接的双方是开发商和经纪公司;而随着二手房业务的逐步推广,房多多也开始发力C端。

在互联网把“去中介化”的旗帜插到各个传统领域时,房多多则选择了服务于中介。在房多多的发展思路中,中介公司类似于一个枢纽,通过这个枢纽,房多多逐渐将触角延伸到了房地产交易的上下游:先是经纪人、再是开发商和业主处的房源、随后则是基数更大的购房者。
房多多还尝试吸引更多的玩家进来。今年8月下旬,房多多发布了一个“O2O 超级平台”,旨在通过开放自己的技术和资源,吸引更多的传统代理公司入驻。

而对坚持做平台的房多多来说,平台模式之所以成立的关键因素还在于,平台上的各方都能在此找到自己的定位:无论是能够更快更便捷卖房的业主、还是能获得更多客源的中介、以及能有更好体验完成交易的购房者,房多多相比较于其他平台的优势,才是吸引各方参与的动力。

在8月下旬的发布会上,房多多B 轮的投资方之一、嘉御基金的卫哲曾总结过,房多多在使闲置资源得到释放的同时,还能打造各方都能受益的生态圈。
段毅并不认为房多多“要灭掉谁”,在他看来,房多多最大的价值是在房地产这个复杂的交易过程中,让各个环节都能回到自己本身的角色和价值。

在采访最后,段毅引用了凯文▪凯利在《失控》一书中的观点表达了他对“共赢”的理解:任何一个物种都是在彼此需要的情况下进化,“当谁和谁都能在这上面活得很好,自然就共赢了”。
你若盛开,清风自来~
举报 使用道具
您需要登录后才可以回帖 登录 | 立即注册

本版积分规则

精彩推荐

  • 房企的转型之道
  • 张一鸣成名前的2000条微博,关于自我提升、
  • 创新的可能性——分享来自罗汉堂陈龙教授
  • 土地招拍挂项目各阶段融资操作指引(23号文
  • 地产金融网广告与服务(首页广告报价)

明星用户

申请合作开关音效

Archiver|手机版|小黑屋| 地产金融网论坛 Inc. ( 苏ICP备13054326号 )  

GMT+8, 2024-11-23 18:41 , Processed in 0.458045 second(s), 36 queries .