快捷导航
新房市场的渠道电商开始崛起,吉屋希望搭建一个中小代理商卖房的平台,互联网与传统行业在这里碰撞。


经纬城市绿洲家园,这个位于上海市宝山区的项目以平均每天5套的速度销售了897套房子,销售额达到了21.16亿元,一跃成为2015年上半年上海的销量冠军。

出身阿里的潘国栋帮助它完成了这个“不可能完成的任务”。

当然,这和整个房地产市场回暖的大势密不可分——整个上半年,上海的成交总量为610万平米,为5年来最高。但经纬城市绿洲家园的热卖,更多的是进驻房产电商吉屋、接受电商对交易每个环节改造的结果。

楼盘的销售代理新聚仁只派出了7个人进驻项目,几乎是传统销售团队的1/3。这7个人2015年1月中旬进场,当时,楼盘的销量只有53套,而在3、4、5月销量分别为110套、233套和237套。

代理商困局
吉屋早就瞄准了新房销售市场。创始人之一潘国栋出身阿里,他试图带领团队建立一个像天猫一样普惠的电商平台,中小代理商可以直接入住,而吉屋提供所有的线上服务,包括流量导入和支付接口。

从2013年开始,新房销售代理商的生存空间不断缩小,最直接的体现就是佣金点数不断下降,2012年之前,销售代理佣金普遍在1.5%-3%之间,之后一路下降到1%左右,最低甚至低到了0.3%。

代理商的核心能力正在下降。房产的黄金年代,他们的价值来自项目策划和拓客,但现在开发商项目策划的能力越来越强,代理商的工作基本上只剩下销售接待。强势的开发商诸如万科甚至试图完全绕过代理商——2014年,西安万科发布全民经纪人平台“万科通”,引起了代理商的强烈抗议。

销售开始正式进入客流量的比拼,而电商平台无疑是最好的导流工具。大的代理商逐渐意识到这一点,而且他们有能力拥抱电商——他们自己组建技术团队,建立电商平台将客流导入到销售案场内,提升销售能力。行业龙头世联行推出了线上平台房联宝,中原悄悄上线了房友圈,同策和高策的产品则分别是51买房和房江湖。

但是更多的中小代理商或者没有意识到电商渠道的重要性,或者没有能力建立自己的电商团队。即使新聚仁这样一年代理销售额为500亿的代理商,也逐渐有掉队的危险。

吉屋这个“房产界的天猫”也曾尝试亲自去各地建立直营的分公司,发展团队介入销售代理,他们为此进入了12个城市。但是,事实证明效率很低——与开发商快速地建立合作关系并非这个平台型公司所擅长的事情。

从那时开始,这家公司和另一家明星电商房多多走上了完全相反的道路。如今房多多在各地建立分公司,拥有庞大的3000名员工,而吉屋只在4个城市有直营公司,其他的城市完全向传统代理商开放。“我们自己就不参与了,只服务于参与交易的各方。”潘国栋这样告诉界面新闻记者。如今,吉屋只有500名员工。

交易流程变革
吉屋清楚地意识到,传统代理公司的优势在于当地积累的市场经验和团队,只是缺乏高效的业务流程和销售通道管控。以新聚仁为例,这个上海最大的新房代理商之一有近3000名员工,在上海有几十个项目。但是房地产的成交周期不断拉长,高昂的人力成本出现负现金流的风险。

代理商必须改变工作方式,不能再坐在售楼处等客上门,而是要走出去揽客。吉屋要帮助代理转型为渠道电商,接触外场。

吉屋的改革从缩减人手开始,一个项目的人数从30个缩减到3个——一个项目经理、一个项目助理、一个联动经理,像经纬城市绿洲家园这样体量巨大的项目,还多配备了3名联动专员。

联动经理和联动专员是吉屋新创造的岗位,他们的工作就是去带动项目周边所有的中介公司来为自己揽客。同时,他们的业绩也来自于自己手下中介门店的成交。联动人员手机上安装着吉屋为他们开发的应用,他们需要每天拜访至少10家中介门店,需要每天上传拜访记录,还得拍照证明自己的拜访有效。

当联动人员与门店中的经纪人达成合作后,手中握有大量客户信息的经纪人就成了项目客流量的来源。联动人员会要求经纪人安装“吉屋惠”,这个应用会发布房源和佣金额度等实施消息。同时,经纪人可以通过这个应用报备自己的带看记录。经纪人报备的带看会瞬间传达到项目内场的项目助理。往常,销售人员聚集在项目内场等待客户上门,现在只需要项目助理一个人留守,他只需要对比和确定经纪人的报备是新的有效客源,接下来,就只需要等待经纪人带人上门了。

就这样,在经纬城市绿洲家园的销售中,3个联动人员在10天的时间里与200多家经纪门店达成合作,发动了1024名经纪人。经纪人一次有效的带看会带来50元的收入,如果带来的客户最终达成成交,还可以分红。

通过吉屋的移动应用,代理商新聚仁不停地指挥、激励着年轻的经纪人们。充满诱惑的佣金信息隔几分钟就会闪现,刺激着经纪人带更多的人上门。同时,新聚仁通过手机消息向经纪人描述自己的目标客户。他们告诉经纪人,“应该在周六和周日人流量大的时候,在地铁7号线大路站、南阵站发单拦截客户;应该在沪太路沿线4s店门口拦截年轻客户,尤其是开着福特汽车、雪佛兰汽车的那批人;应该对租房客户中的高价客户进行电话拜访……”

经纪人开始“卖命干活”了,这样的流程设置让经纬城市绿洲家园迅速从同类楼盘中脱颖而出,经过统计,该项目60%的成交来自于新聚仁的渠道。和新聚仁的合作证明,吉屋可以帮助提高项目的单产和人均产能,缩短销售周期。“我们发现电商比传统的代理的人均效率能高上10倍,同样的30个人,传统代理公司可能只能服务于一个项目,而电商可以服务10个项目”。

销售提升的同时,吉屋还让代理公司有了与开发商对话的底气,优化了现金流。之前,代理销售的佣金是项目结束后结算,有些拖欠也非常严重,占代理商年营收的三成以上,甚至有开发商最后只用几套房子抵扣佣金。

但是在吉屋平台上,代理商的账目中“应收款项”消失了,可以很快结算。吉屋这样的渠道电商开创了团购费的机制,而吉屋控制了团购费的入口,他们在售楼处设置了POS机,买房人交的团购费不是进入开发商口袋,而是直接进入了吉屋的口袋。吉屋可以借此迅速结算经纪人的带看费和佣金。这个POS机,正是吉屋自己的“支付宝”。

“天猫门徒”的野心
“天猫模式”的威力逐渐显现——入驻的代理商越多,新房房源就越多,经纪人的选择就更多,成交率就越大。2014年,吉屋平台的成交规模为300亿元,2015年的目标为1500亿元。目前,平台上注册的经纪人达到60万。

吉屋的野心也和天猫一样大,他们看中的不止是1500亿元的销售额。言必称阿里的老阿里人潘国栋认为,现在是房产电商的“2003年”,是淘宝诞生的前夜。“我们就像2003年的阿里巴巴,苦口婆心教小型零售商做电商,这个市场又和电子商务一样足够巨大”。

的确,这是一个巨大的蓝海。根据国家统计局数据,2014年中国的商品住宅的销售额为6万亿。这一年,房多多、好屋、吉屋网这样的渠道电商的交易总额大约为4000亿左右,占总额的7%。而2015年,他们的目标都翻了一番,也就是说将占到交易总额的14%。

吉屋未来的真正价值来自平台上的数据和商户的合作。之前代理公司是高度竞争的关系,潘国栋希望能让他们从竞争关系变成竞合关系。如果吉屋拥有足够多的客户和房源数据,就可以满足所有客户的需求,从而提升代理商内场的成交转换率。同时,经纪人可以掌握客户的动态,这会让他们有压力去服务和留住客户。

“优秀的服务都是竞争出来的。单一的代理公司干不了这个事情。就和阿里巴巴一样。”潘国栋告诉界面新闻记者。现在,大数据开始指导线下的经纪人。吉屋的统计发现,买房者的线上活跃时间已经发生改变——晚上7-9点是他们在线上最活跃的时期,而传统的代理商此时已经关门打烊。由此,吉屋不断地督促合作的代理商在这个时间段拜访客户,“像淘宝卖家那样拼命”。

他们还瞄准了上下游的市场。吉屋手中的数据让他们有了和金融机构、零售商对话的资格。一方面,他们可以为客户争取P2P公司首付贷款,也可以和家电销售商有议价能力,为新业主集中采购商品。

吉屋建立起来的支付体系也和支付宝一样有着巨大的想象空间。这个支付工具现在用来向经纪人结算带看费和佣金,也是经纪人的一个理财平台,他们可以将佣金放在这里实现升值。更耐人寻味的是,这像“吉屋发给经纪人的一张工资卡”。当平台上聚拢了大量的经纪人,未来吉屋就可以涉足房地产的各个交易环节,包括令人眼红的二手房市场。

目前吉屋完成了A轮融资,获得了赛富亚洲领投的1亿元,之前的两轮天使融资来自于曾李青的德迅资本,融资400万美元。和淘宝一样,吉屋在总部树立了大屏幕来监测交易,屏幕上如星光一样闪耀着白色的光点,每一个点代表着1个经纪人,他们的手机打开又合上,接收着一个个交易指令。

这背后,是电商对传统团队的艰难改造。潘国栋说吉屋遇到的最大的问题依然是改变传统代理商的行为习惯。因此在和每个代理商合作之前,吉屋会要求他们成立一个全新的电商公司来对接,以此表示对互联网的“投诚”。

这个互联网出身的团队也在改变。他们在用互联网改变传统行业,传统行业也在改变他们。他们要去线下见合作伙伴,要改变自己的穿着、谈吐,要习惯出差时合作伙伴开着两百万的车来接送,他们都带着能喝酒的助理出差,要学会猜拳和挡酒。而这些,只是线上和线下碰撞中最容易的部分。

举报 使用道具
| 回复

共 0 个关于本帖的回复 最后回复于 2015-7-17 14:07

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, 2024-11-24 02:37 , Processed in 0.438581 second(s), 37 queries .