News

利嘉閣首推「真盤源」 AI賣樓更真更準

  •  
  •  
  •  

利嘉閣地產隆重推出「真盤源」計劃,摒棄業界中常見的「一盤多出」、「影子盤」等銷售手法及風氣,致力為客戶提供最真實盤源,令客戶可以掌握市場實況、加強盤源的透明度及真確性,同時買家及租客更能省時便捷覓得心儀單位,享受更流暢的搵樓體驗。

約八成受訪者:網上放盤單位資料及相片多重複 真實存疑

為更深入了解市民網上搵樓的體驗,利嘉閣地產較早前委託民意調查公司進行隨機街頭訪問,成功收回200份有效問卷。結果發現,高逾七成(72%)曾於網上揾樓盤的受訪者表示,間中、甚至經常見到一些屋苑放盤,單位都以相同或類近的相片和資料作刊登;另有約九成(86%)的受訪者表示,經常或間中出現心儀的單位仍在刊登,但地產代理卻表示該單位已出售或租出的情況。接近全部(97%)受訪者認為上述情況會增加搵樓盤的時間,當中有14%受訪者更認為情況「非常影響」搵樓時間。單位相片和資料重覆,以及心儀單位已售出/租出的情況亦明顯影響客戶對代理公司的印象及信任度,更有約九成(87%)的受訪者表示,會由於上述出現的情況而考慮更換其他地產代理或搵樓平台。

拒絕「一盤多出」、「影子盤」 顛覆業界營銷手法

業界過往一直慣常將同一放盤單位以相近的描述、價錢或相片重複刊登,行內稱為「一盤多出」或「影子盤」。箇中原因,除因不同代理同時為同一單位刊登放盤廣告外,「影子盤」更可以營造平台擁有大量盤源,讓客戶產生錯覺,誤以為屋苑放盤有較多選擇;唯「影子盤」令資訊重覆混亂,刊登的價錢、相片、資料等亦可能有所偏差,令客戶未能清晰掌握真實市況,甚或窒礙買家置業計劃。為了大力提升客戶的搵樓體驗,利嘉閣地產破革推出「真盤源」計劃,務求公司所有刊登的放盤均符合「真實委託」、「真實在售」、「真實價格」及「真實圖片」,合共四大「真盤源」承諾,將行業固有的不良營銷歪風重納正軌。

 「真盤源」締造買家、業主、公司三贏局面

利嘉閣地產總裁廖偉強表示,利嘉閣地產勇於成為業界首間推行「真盤源」計劃的地產代理公司,實肩負著重要的領頭作用,提升整個行業的服務及專業水平。全面實施「真盤源」計劃,篩除資料及圖片相近的重覆盤源—「影子盤」,除有助買家以更快捷的時間尋找理想樓盤,減少時間浪費,更可有助買家清晰掌握放盤價錢,了解真實市況,從而作出更精準的入市決定;於業主而言,「真盤源」計劃可保障一切放盤資料均屬真確,而且符合業主原意;於公司而言,實行「真盤源」更可提升品牌形象及消費者信心,不論對買家、業主以及公司均有受益,可謂一舉三得。

利嘉閣集團主席兼創辦人施永青先生(左五)、利嘉閣地產總裁廖偉強先生(右)及一眾管理層

投放四千萬推「真盤源」 公司盈利料增三成

廖偉強又表示,近年人工智能(AI)技術發展迅速,公司正好應用一系列相關技術,協助判別刊登單位是否符合「真盤源」四大承諾,大大減輕人手的品質監控工作,加快促使「真盤源」的落實。

指出,「真盤源」計劃由籌備至今,公司投入了很多資源,加上一眾管理層的合力推動,才令這個計劃得以順利登場。公司已計劃全年投入4,000萬元推行「真盤源」計劃。當中包括斥資二千萬元於資訊科技研發、軟硬件設備的提升及更新、擴充資訊科技部門,增聘人手應付增加的工作量等,確保「真盤源」有效實行,提供更優質的客戶體驗。另外,公司亦將投放約2,000萬元於市場推廣及廣告投放,全面覆蓋平面、數碼及廣播媒體。廖氏預期,隨著公司推行「真盤源」後,配合數碼轉型及更精準的數碼營銷策略,公司業務收益預期將有約20%增長,全年達20億元,而盈利與去年相比更可增加約三成。

 

人工智能(AI)把關 為「真盤源」品質監控

利嘉閣地產資訊科技部聯席董事譚宗秩表示,「真盤源」利用一系列的人工智能(AI)技術協助盤源的品質監控及把關工作。系統會利用人工智能的電腦視覺(Computer Vision)功能作為放盤單位相片的第一重辨別及品質監控,例如辨別照片屬於室內或室外照片,屬洗手間抑或廚房等,自動將單位照片歸類,減輕人手負擔。

其次,公司網站及手機應用程式亦配合「真盤源」新增多項功能,其中包括「評語」功能,讓前線寫下對單位的真實評價,令客戶對相關單位有更深入了解。而人工智能中的文字分析(Text Analytics) 功能,能自動分析代理評語的內文品質以及長度,從而決定相關評語的擺放優次及先後,讓客戶優先看到較高質素的內容。

另外,公司深明每個買家都希望覓得「筍盤」,而「筍盤」是由很多不同的因素組成,包括售價較平宜、優質、熱門等等。過往這個工作需要依靠營業員的經驗來發掘,然後推廣及介紹予客戶,然而,現在系統正透過人工智能技術,運用機械學習(Machine Learning)分析、計算及預測市場上最有可能成交的單位。過程中需要收集大量的外來資訊及數據,例如物業基本資料、最近成交、銀行估價,以及前線內部紀錄的叫價比較、跟進情況等,數據被標準化後,在Machine Learning的模型內經過反覆多次測試,最終得出較客觀且最有潛力的「筍盤」,繼而集中資源來推廣,提高配對成功率,除了更省時快捷外,亦減少了代理挑選「筍盤」時的人為主觀因素。


  •  
  •  
  •  

Chris

Chris Wong,主修新聞傳理,曾任職調查公司,細心發掘數據及真相,所有事情皆由微小因素所連繫。