「不问租房」：既然不能去中介，那么用AI做个新型中介？

租房是个尚待解决的巨大痛点。传统中介效率低下，近年来行业尝试了C2C去中介和互联网改造中介的多种模式，但都以失败告终：前者的问题是C端房源太过分散且信息不透明，只能作为一种补充手段；后者是因为在实际运营中，房源、客源和撮合效率都没有比在小区里外渗透的线下中介更有优势。

尽管出现了嗨住、蘑菇租房、巴乐兔等从小B切入市场的租房平台，但不问租房创始人李泽凡认为，租房平台中迟迟没有出现携程这样提供一站式解决方案的公司，且线下中介仍在市场中占领主导地位，这个现象证明平台模式并没有真正成为一个完整的解决方案：

从使用习惯来看，用户在筛选条件之后，要连续刷好几页房源，这是对平台推荐机制的不信任；而房子作为非标产品，很多信息都包含在详情页的描述里，推荐的准确度也不够高；更重要的是，用户往往不清楚自己的需求，精准的匹配更难以实现。

因此，不问租房想要把租客作为第一服务对象，结合AI进行房源的智能推荐。把租客需求当作核心，是基于团队的一个判断：租赁市场的天平正在向消费者端倾斜，供不应求的情况将在2020年前后消失，租客的话语权会越来越强。

作为一个数据生意，核心在于通过数据模型高效完成供需匹配。精准的算法推荐依赖大量数据，在房源端，数量规模已经很可观，但具体的标签仍需细化。目前不问租房与四川大学合作，将对装修程度和户型等特殊构造的信息做深度识别和分析；而在需求端，这是目前整个房产领域缺失的一块信息，且行为低频、需求模糊，并不适合冷启动。

对团队来说，用户的信息获取是智能推荐的第一步。不问租房推出了REVE找房机器人，会与用户进行1V1的对话交流，根据区域、交通、居室、人数、预算、入住时间等显性需求推荐1-3套房源，用户不断提出反馈，REVE再把隐形的需求泛化和清晰化，进一步推荐合适的房源，如果用户满意则帮助预约。

联合创始人孙思远表示，交互式信息检索与房地产垂直行业知识图谱的结合，大幅提升了REVA的房源推荐精准度。不问租房试运营期间，REVA在一个月内服务了近千名真实租客，且预约转化率比一般平台高出10倍。

不问租房的初期目标人群是大学毕业生，由于客单较低，中介并不重视，豆瓣找房小组等形式的存在就是需求溢出的表现。这类人群找房时间集中，需求相对统一，在数据采集时效率更高；同时他们对租房的认知模糊，更需要个性化的深度服务，也更容易接受新模式。

在房源方面，主要来自职业二房东和长租公寓等B端机构，早期也会与中介合作，为其免费引流。不问租房采用机器人客服确认房源状态，以保证房源的准确性。平台两周更新一次，目前在上海拥有4万5千套实时在租房源。

不问租房定位为AI中介，在盈利模式上是向租客收取佣金。不过团队认为，未来中介的佣金模式会被市场淘汰，而AI所带来的高人效比与和机构化房东的深度合作将成为破题的关键。不问租房会向房东端推出房租定价服务，基于实际用户需求和历史交易提供数据支持。孙思远表示，历史交易价格只能反映供给，结合需求的定价会更加科学。

不问租房团队有多次AI创业的经历。创始人李泽凡曾就读于UC Berkeley，2008年开始接触地产并负责公寓募资业务，10年创办电商网站shui.mu，大学期间投资了14家早期公司后辍学创业；联合创始人孙思远是交大密西根EECS系本科、UC Berkeley运筹学硕博士，曾任Simply Hired高级数据科学家、亚马逊研究员，负责过千万MAU级别的个性化推荐算法设计。两人在UC Berkeley上学期间结识，在2012年底一起创立了AI驱动的个人CRM系统Etch.ai，运营3年后被收购。

团队目前共有5人，base上海。运营负责人张旭东曾任太平洋房屋副总裁；公司的导师还包括LinkedIn联合创始人、携程联合创始人、同策房产集团副总裁等。此前，不问租房曾获得LinkedIn创始人、Thiel Fellowship创始人的种子轮融资，下个月将开启天使轮融资。