“以客户为中心”从地产C端时代脱颖而出

引言——住宅商品化以后,客户与房企之间就构成了互为条件、互相制约的供求关系,过去是供方市场的时代,以盈利为中心,甚至时常突破安全底线,但随着供不应求逐渐逆转,地产行业迈入了C端时代,客户有了更多的选择权的同时,也成为了稀缺资源,直接对房企的产品研发和创新提出了更高的要求,需要充分具备客户思维,产品不仅要“做对”,还要“做好“,才有更大的机会在竞争红海中脱颖而出,因此建设完善、快速响应的客研体系与指导性更强的客研系统是当下重要的任务之一。

两大关键客研难题,寻求数据推动解决

点对点访谈、遍地撒网、依托外部机构等传统客研方式的时间周期长、样本量少、典型性不足、客观性低、成本高、深访可定性差,下述两大难题的出现迫使不得不寻求新的解决方案,加上这项工作本身的数据敏感性就很强,数据推动力自然成为首选。

项目利润越来越薄

自2017~2020年以来,不同规模房企都在追求精细化管理,帆软数据应用研究院以碧桂园、恒大、万科、融创、中海、绿地、绿城、世茂等头部房企,新城、新力、远洋、禹州、融信、景瑞、力高、金融街等非头部房企作为观察对象,统计公开年报中的毛利率后,发现以2018年为拐点,头部与非头部房企均以不同幅度开始下滑,头部房企相对平稳,累计降幅仅为3.52%,非头部房企累计降幅达到6%,尽管有疫情影响,但下行趋势已经显而易见,而且非头部房企问题更加严峻。

表1:部分典型房企利润率表现(数据来源:企业年报)

因此,客研体系的第一重难题就是:如何把有限的成本花在刀刃上,既节约产品成本,又能保证客户满意度?

改善置业成主流,客户对产品要求高,个性化需求凸显

1995-2010年之间的人群,到2020年占据整体消费力的40%左右,较长一段时间内他们是购房主力群体,根据克尔瑞研究中心针对十二个大中城市(北京、上海、广州、深圳、成都、重庆、杭州、南京、合肥、武汉、青岛、沈阳)的95后人群进行的购房需求偏好的客户研究(如图1),发现除了结婚安家外,安居、改善居住面积和更换更好的小区环境是第二大置业动机。

图1:95后买房考虑的主要原因(引自克尔瑞研究中心)

因此,客研体系的第二重难题就是:如何精准匹配目标客户的需求,优化产品定位与设计,形成可以变现的产品价值点?

拨开数据迷雾,建立客群分析内核

不结合企业实际情况的理论研究,想直接落地都是耍流氓。回到克尔瑞研究中心出具的客户研究报告(如图2),其更多代表的是行业与城市趋势,对房企而言参考意义大于实际意义,否则各家房企岂不是从一种同质化走向了另一种同质化。因此,拨开行业研究的数据迷雾,建立具有自身特色的客研体系势在必行。

图2 95后房型空间偏好(引自克尔瑞研究中心)

三位一体产品定位策略:以客户为核心

理论上,土地、客户、市场是产品策略制定不可或缺的三要素,但土地投资价值在同一赛道的竞品中基本是类似的,竞品与市场因素在根源上依然来自于客户,因此,真正做出具备市场差异化竞争力的产品,最核心的因素还是客户,这些客户一部分是所在区域和目标区域的整体客群,另一部分是已经来访来电的直接客群。

图3 三位一体产品定位策略:以客户为核心

“建立假设—验证假设—修正结论”的客研体系闭环

客研业务流程,是一个交叉验证,不断修正的过程。在同一个项目中,体现为前后阶段对客研成果交叉验证;不同项目中,体现为历史项目反哺新项目,促进产品升级进化。

当我们聚焦客户因素以后,便需要以客户为中心,围绕客户在地产业务的全周期建立假设,快速验证与修正,最终完成产品与营销赋能,以绿都地产为例,拿地阶段设定的目标客群,在定位阶段会通过深度调研进行验证调整,而这实现这样的敏捷迭代最迫切需要的推动助手自然是数据。

图4 客研体系闭环

BI应用场景赋能提效

客户建模,定位目标客群

第一项工作是锁定客群,我们从客户支付力、置业动机、家庭结构三个维度建立客户分类模型,然后收集并整理三个维度的板块外部数据以及销售系统中来电来访客户的登记信息,即可达到目标。

客户支付力主要判断2个方面:

首先是相对支付力,核心指标包括:主力成交单价与全市成交单价;

图5 板块内客户相对全市的支付力(引自帆软客户)

其次是绝对支付力,核心指标包括:来电来访客户的收入水平、是否有车产、板块TOP3成交总价、成交套数板块等。

图6 来电来访客户的绝对支付力(引自帆软客户)

以全市平均单价为基线,结合绝对支付力与房企自身产品单价区间的对比,可以将支付力大致分为:高,中,低。

置业动机,核心指标包括:客户来源构成、来电来访客户直接诉求。大致可分为:自住安居,自住改善条件,自住享受,投资等。

家庭结构,核心指标包括:当地结婚率、生育率、来电来访客户的家庭结构、学历、性别、是否婚配,小孩所处教育阶段等等。大致可分为:单身男/单身女,二人世界,三四口之家,成年两代,三代同堂。

三个维度建模后,可以形成图7的通用客户分类模型。

图7 八大目标客群(可根据房企产品定位从中选取或合并重组)

按上述维度和指标收集内外部数据,汇入客户分类模型,即可完成相应板块的目标客群定位。对应自身产品线,初步完成产品定位调整,在粗颗粒度上,将产品“做对”。

图8惠州客户地图(引自帆软客户)

需求敏感性分析

进入需求敏感性假设阶段,主要依赖客研经验以及当地客户的特点进行业务假设,譬如高端享受的客户,期往关键词通常是“品味体现,社会标志”,住宅敏感点是“财务自由,配得上才是最好的”;而功能改善的客户,期往关键词是“学习成长,照顾老人”,住宅敏感点是“高性价比”;等等。

完成后我们需要利用数据进行假设验证,一般认为,参与调研的客户对我们预设的住宅敏感点和期望关键词匹配度超过80%,即可认为假设是可靠的,否则需要追因并进行调整。

个体挖掘痛点,群体验证需求

针对不同分类客户的核心观点,需求敏感点,设计客户敏感点问卷,进行分发和数据采集。需要注意的是,样本量超过1000为宜,有效问卷回收率10%左右为正常值,过低则需要适当调整问卷内容或者发放渠道,高于该值即可进入下一步分析。

图9 定性挖掘个体客户需求与反馈

问卷回收后,从物业偏好,需求面积,户型偏好,功能空间期待,产品力提升偏好,精装偏好等角度,深入挖掘客群偏好。研究院建议一个角度选取TOP 3的偏好选项,累计占比达到70~80%为宜。

图10 定量验证客群需求与反馈(引自帆软客户某项目)

至此,通过描摹客户画像中的真实需求及敏感点,验证并调优理论模型的准确性,解决了目标客群有哪些具体特征与需求的问题,并形成客研BI决策平台。

图11 客户大数据信息看板(引自帆软客户)

赋能产品,反哺营销

一方面,客研人员可以将客户需求转化成产品价值点,在细颗粒度上,把产品“做好”,达到赋能产品的目的。

另一方面,展示区开放阶段可以验证客户定位及产品策略、了解客户对展示区的评价,调研结果用于指导营销策略的调整。项目首开后,对产品定位、销售成果复盘,积累卖的最好的户型及楼型,形成数据沉淀,为后续项目开发提供参考。

图12 十大“优居”模块(引自帆软客户某项目)

最终,面向产品,可以输出类似这样的结论:

(1)结合当前产品定位与设计,面向品质享受类型客户的的高端产品线,超过70%的客户反馈一期面积段不够大,需要在二期调整。

(2)目前安居型客户消费能力有限,且80%都是单身男性,他们更愿意消费电子产品,专属衣帽间可以适当取消,既能保证客户满意度,也可以为客户和我们节省不必要的成本。

(3)目前30%的来访客户收入水平高,对低梯户比很钟爱,可以大力宣传。

结语

值得高兴的是,“以客户为中心”,“专注客户价值”已经成为了越来越多房企的品牌理念与价值主张。与此同时,如果能够加速客研数字化体系建设,于房企而言,可以结合各房企自身的市场定位,快速迭代出自成一体、充满竞争力的产品系列,于客户而言,可以持续获得更棒的住房、服务体验,减少后顾之忧,这样良好的供求关系是社会经济发展的航向之一,也是地产行业持续健康发展的护卫舰。