Back to blog
    real-estatecrmfollow-upfine-tuningcommunication

    房地产 CRM AI 助手：用经纪人自己的沟通记录微调跟进模型

    房地产经纪人常常因为没跟进而丢单。用经纪人自己的沟通历史微调出的模型，能以他本人的语气起草个性化跟进消息，把每月维护客户关系的时间从 6 小时压到 45 分钟。

    Edward Xi Yang

    年收入 20 万美元的经纪人和年收入 80 万美元的经纪人之间，差的通常不是能力，而是持续的跟进。头部经纪人会和自己整个人脉圈保持联系，而多数经纪人在成交两年内就和 80% 的老客户断了联系。

    通用的 CRM 自动化工具会给所有人发同一封「就是来问候一下！」的邮件。收件人一眼就认出这是模板，然后忽略它。用经纪人自己的沟通历史微调出的模型不一样：它学的是这个人真实的用词、真实的关系背景和自然的行文习惯，写出来的消息之所以显得像本人写的，是因为它本来就建立在本人的语气之上。

    这个 AI 具体做什么

    输入： 联系人档案（是谁、关系背景、上次互动、任何相关的人生事件或所在片区的房产动态）

    输出： 一封可以直接发出的草稿，用经纪人的语气写成，并针对该联系人的具体情况做了个性化处理

    示例：

    输入：

    Contact: Michael and Sarah Nguyen
Relationship: Closed buyers, purchased 4BR in Lakeview Heights 18 months ago
Last contact: 6 months ago (congratulations on baby announcement)
Recent neighborhood activity: 3 comparable sales in last 60 days, values up 8%
Agent: Jordan Chen
Jordan's communication style: casual, warm, uses first names, brief messages

    输出：

    Hey Michael and Sarah! Hope you and the little one are doing amazing — those early months fly by.

Wanted to touch base because your neighborhood has been really active lately. A few homes similar to yours have sold in the last couple months and values are up roughly 8% from when you bought. Nothing you need to do anything about right now, just good news for your equity position.

How are you settling in? Any projects or updates you have been working on?

Jordan

    这不是模板。模型之所以能生成这条特定的消息，是因为它知道 Jordan 的语气、这段关系的来龙去脉，以及该片区当下的行情。经纪人发出这样一条消息，回复率在 30% 到 40%。发一条通用的「新年快乐，有需要随时找我！」，回复率是 3% 到 5%。

    数据需要哪些

    来源： 经纪人的邮件历史、CRM 备注，以及过往的沟通记录

    需要采集的内容：

    • 经纪人发给客户或潜在客户的邮件
    • 针对每位联系人写下的 CRM 备注
    • 经纪人愿意纳入的社交媒体私信

    需要多少数据： 一位从业三年以上的经纪人手上会有数百条高质量的沟通样本。你需要 300 到 800 组干净的「上下文与消息」配对。

    清洗：

    • 移除涉及法律敏感的沟通（谈判条款、价格讨论）
    • 移除转发了第三方内容的邮件
    • 聚焦于维护关系类的消息（问候、市场动态、道贺、请求转介绍）

    构造训练样本：

    {"messages": [
  {"role": "system", "content": "You are drafting follow-up messages for Jordan Chen, a real estate agent. Jordan's voice: warm, brief, first names always, conversational. Never salesy. Genuine interest in clients' lives. Messages should be 3-6 sentences unless context suggests more."},
  {"role": "user", "content": "Draft a follow-up for:\nContact: Tom and Lisa Hadley\nRelationship: Buyers who purchased their first home 2 years ago\nLast contact: 4 months ago\nContext: Tom posted about a home renovation project on LinkedIn\nGoal: Re-engage, check in, mention you saw his post"},
  {"role": "assistant", "content": "Hey Tom and Lisa! Caught your LinkedIn post about the kitchen project — that's going to look incredible when it's done. First homes always get the most love.\n\nHow are you two doing? Two years in the house already, it goes so fast. Let me know if you ever have questions about values in your area or need any contractor recommendations — I'm always happy to help.\n\nJordan"}
]}

    训练时的考量

    模型选择： Llama 3 8B Instruct，对话类微调正是它的强项。

    要注意： 你训练的不是一个通用的邮件写手，而是Jordan 的邮件写手。输出质量在很大程度上取决于训练集里是否有足够多 Jordan 真实写过的内容。如果这位经纪人能提供的邮件不多，就用改写过的样本来补充。

    隐私： 和经纪人确认哪些沟通适合用作训练数据。过往客户的沟通内容通常应当在训练数据里先去除可识别信息，因为你要训练的是这位经纪人的风格，而不是让模型记住某位客户的个人信息。

    与 CRM 的集成

    这个模型直接接入 CRM 的联系人数据库时效果最好。

    工作流：

    1. 经纪人打开 CRM，看到自己的「待跟进队列」，也就是该联系的联系人
    2. 对每位联系人，点击「起草消息」，带上联系人上下文调用模型 API
    3. 模型在 3 到 5 秒内返回草稿
    4. 经纪人过目，需要的话改一改，点发送

    理想的集成对象：

    • Follow Up Boss： 提供 API 并支持自定义操作。可以做一个 Chrome 扩展，在联系人页面上加一个「用 AI 起草」按钮。
    • HubSpot CRM： 同样可以用扩展的思路，或者通过 HubSpot 的 UI Extension SDK 做一个自定义侧边栏。
    • KVCore / Chime： 可通过 API 做自定义集成。

    每位经纪人每月节省的时间：

    • 改造前：每月 30 位联系人 × 每条个性化消息 12 分钟 = 6 小时
    • 改造后：30 位联系人 × 2 分钟（审阅并修改草稿）= 1 小时
    • 节省时间：每位经纪人每月 5 小时

    对一个 10 人的团队来说，每月就是 50 小时被重新投回到开发客户和服务客户上。

    为什么值得按月付费维护

    经纪人的沟通方式会演变，新客户会进入人脉圈，人生事件也会改变既有关系的背景。模型需要按季度重新训练，才能持续贴合：

    • 新的沟通样本（经纪人的风格仍在发展）
    • 新的联系人类型（商业地产、投资客、豪宅客户，各自需要不同的语气）
    • 市场行情变化（熊市和牛市的沟通口径并不一样）

    维护费用：每位经纪人每月 300 到 500 美元；若是团队套餐（共享模型加上每位经纪人的个性化），每月 800 到 1,200 美元。

    延伸阅读

    就本文向 AI 提问

    Ship AI that runs on your users' devices.

    Free plan with 30 credits/mo, no card required. Paid plans from $10/mo USD.

    or view pricing →

    Keep reading

    微调指南

    房地产线索评估 AI：用你自己的成交历史微调一个打分模型

    房地产团队把大量时间浪费在低意向线索上。用已成交和已流失的线索微调出的分类模型，能自动为新进线索打分，让经纪人把精力放在真正会成交的那些上。

    Edward Xi Yang
    微调指南

    房地产微调房源描述 AI：分步指南

    房地产经纪人每条房源花费 30-45 分钟撰写描述。基于经纪公司自有房源训练的微调模型可在 2 分钟内生成品牌一致的描述。以下是构建方法。

    Edward Xi Yang
    微调指南

    电商客服 AI：构建微调支持模型

    用基于工单历史训练的微调模型替换昂贵的 GPT-4 支持调用。以下是完整构建：数据准备、训练、部署和准确率目标。

    Edward Xi Yang