贝壳找房搜索架构演进
关于贝壳分中的重点字段完备指标
关于贝壳分中的重点字段完备指标标题：贝壳分中的重点字段完备指标：优化住房信息搜索与交易体验摘要：贝壳分是房产交易领域的关键指标之一，它综合考量住房在位置、价格、户型、装修等多个维度的信息，帮助用户更便捷地搜索和比较房源。
其中的重点字段完备指标对于保障数据可靠性和用户满意度至关重要。
本文将深入探讨贝壳分中的重点字段完备指标，并分享对其影响因素和优化方法的个人见解。
正文：一、引言贝壳分是贝壳找房平台上重要的评价指标之一，它综合考量了住房的各项关键信息，帮助用户迅速筛选心仪的房源。
在贝壳分中，重点字段完备指标扮演着至关重要的角色。
本文将从以下几个方面探讨贝壳分中的重点字段完备指标，包括其定义、重要性以及相关的影响因素和优化方法。
二、重点字段完备指标的定义与重要性重点字段完备指标是指贝壳分中的关键字段信息是否完整。
在用户进行住房搜索和比较时，完备的字段信息能够提供更准确和全面的房源描述，帮助用户更好地了解和选择适合自己的住房。
位置、价格、户型、装修等字段信息都是用户在选择住房时重要的参考因素，而这些信息的完备性直接影响用户对房源的满意度和交易成交率。
三、重点字段完备指标的影响因素1. 数据来源和合作伙伴贝壳找房平台依托广泛的数据来源和合作伙伴网络，获取房源信息。
重点字段完备指标的可靠性和完整性需要依赖可信的数据源和合作伙伴的提供。
与房地产中介机构和房东的合作关系密切，是保障重点字段完备指标的重要因素之一。
2. 数据录入和审核流程贝壳找房平台采用严格的数据录入和审核流程，确保重点字段的准确性和完整性。
数据录入人员需要全面地填写各个字段信息，并经过严格的审核流程确保数据的真实性和可靠性。
良好的数据录入和审核流程是保障重点字段完备指标的关键因素之一。
四、重点字段完备指标的优化方法1. 强化数据源和合作伙伴网络贝壳找房平台可以进一步拓展与房地产中介机构和房东的合作伙伴关系，扩大可靠的数据源，提高重点字段完备指标的可靠性。
国内房地产经纪主要企业(贝壳)业务与营销模式解析
贝壳：链家升级版，国内房地产经纪龙头亿元业务交易总额（GTV ） 市占率9.5% 212775.5% 5.6%1329111531101448896➢ 贝壳由链家网升级而来，打造技术驱动的开放型品质居住服务生态。
链家最早成立于2001年，2008年推出“链家在线”；2011年在业内率先承诺“真房源”，形成良好的口碑效应；2015年与伊诚地产、德佑地产、深圳中联地产等合并，带动规模再上台阶；2018年推出 “贝壳找房”。
不同于链家网垂直自营模式，贝壳通过ACN 模式聚合和赋能全行业的优质服务者，打造开放的品质居住服务生态，为用 户提供包括二手房、新房、租赁、装修和社区服务等全方位居住服务。
➢ 贝壳已成为国内最大的住宅交易和服务的线上与线下集成平台。
2017-2019年贝壳GTV 从1.01万亿增至2.13万亿元，CAGR 达44.8%，市占率从5.5%提升至9.5%（其中存量房、新房市占率分别达15.4%、5.4%）；尽管受疫情影响，2020H1仍实现GTV1.3万亿元，同比增49.4%。
目前公司业务覆盖全国103个城市。
贝壳发展历程贝壳平台构成与协同优势贝壳业务交易总额及市占率（分母为全国房屋交易总额）25000200001500010000500012%10%8%6%4%2%0%2017201820192019H12020H1贝壳：存量房交易为主，营收快速增长股权激励支出（亿元）➢ 存量房为贝壳交易贡献主力，但新房占比显著提升。
贝壳积极利用渠道、客源优势挖掘一二手联动效应、拓展新房市场，2017-2020H1存量房交易占比从73%降至59%，新房交易规模占比则从25%升至37%，另外装修、金融等新兴服务和其他占比从2%略微升至4%。
➢ 营收近年增长快速，净利润上半年明显改善。
2017-2019年贝壳营收从255亿元增至460亿元，CAGR 达34.3%；受股权激励支出增加（2019 年达29.6亿元）等因素影响，净亏损从5.4亿元增至21.8亿元；若剔除股权激励支出、因收购导致的无形资产摊销、投资减值损失、公 允价值变动等，调整后净利润从0.7亿元增至16.6亿元，若进一步剔除利息、税费、折旧等，调整后EBITDA 从10.7亿元增至29.2亿元。
贝壳采购数字化项目二期签约,商越助力打造互联网行业全场景全链路采购数字化平台
贝壳采购数字化项目二期签约，商越助力打造互联网行业全场景全链路采购数字化平台近日，贝壳找房(北京)科技有限公司（以下简称“贝壳”）与北京商越网络科技有限公司（以下简称“商越”）完成二期签约，双方将继续扩大合作。
在商越与贝壳项目组的密切配合、精诚合作下，贝壳一期采购商城项目已成功上线并稳定运行一年多，此次二期合作贝壳将从采购业务全流程、财务协同、合同管理等方面着手，构建采购全链路、全品类、全场景的数字化管理闭环，打造互联网行业采购数字化标杆。
作为商越的第一家客户，贝壳在2019年4月完成了企业采购商城建设（详情点击：链家签约商越，搭建采购互联网平台）。
贝壳采购商城上线后,通过商越为其提供的持续运营服务,现已覆盖贝壳全国8000多门店, 使采购周期由原来平均的25天缩减至2天，协议采购比例由30%提升至90%，采购效率显著提升。
相比一期单一的目录化商城采购需求，双方二期合作将完成寻源招标采购、场景化采购的上线和聚贤阁接口范围的升级，可进一步支持贝壳定制类商品和服务的电商采购，满足贝壳在快速发展中诞生的非目录化采购需求。
贝壳二期将以更个性化、多样性、多场景的方式，满足贝壳全链路采购，实现所有采购业务集中在商越的系统中完成，替换原有的SRM系统。
在实现全链路采购的同时，贝壳二期合作也将从财务视角打造从采购预算、核算到支付的全流程协同，并切入合同管理功能，实现业财一体化的管控，以财务合规推动业务高效发展。
据悉，贝壳二期合作启动会已于6月28日在商越北京总部召开，贝壳采购中心总经理方瀛，商越北方区总经理张雁明及双方项目组成员参加会议。
从本次合作启动会上了解到，未来越来越多的房子都将用数字化串联，贝壳的数字化优势将持续彰显。
贝壳是一家互联网企业，将数字化建设视为企业头等战略。
贝壳高度认可商越在采购数字化领域的专业度,极为稳定的系统和持续有效的运营服务是贝壳继续选择商越的原因。
商越北方区总经理张雁明表示，感谢贝壳对商越的信任，贝壳是商越在互联网领域的战略级合作伙伴。
贝壳找房组织架构 -回复
贝壳找房组织架构-回复贝壳找房是中国领先的房产在线交易平台，为用户提供全面的房产信息搜索、交易服务，以及在线房屋租赁等解决方案。
作为一个快速发展的互联网公司，贝壳找房的组织架构是一个关键的组成部分，影响着公司的运营效率和发展方向。
下面将以中括号内的内容为主题，逐步探讨贝壳找房的组织架构。
1. 什么是组织架构？组织架构是一个企业或组织在人力资源管理方面的重要组成部分，它定义了不同层级的职责、权限和关系，并为组织提供了一个清晰的运作框架。
2. 贝壳找房的组织架构是什么样的？贝壳找房的组织架构分为多个部门和团队，以实现高效的业务运营和快速的决策执行。
下面是贝壳找房的主要组织架构：2.1 高层领导团队贝壳找房的高层领导团队由总裁和副总裁组成，他们负责制定公司的战略方向和业务规划，并监督公司的整体运营和发展。
2.2 业务部门贝壳找房的业务部门是公司的核心，它们负责不同的业务线，包括房产信息搜索、在线交易和房屋租赁等。
每个业务部门由一个部门经理领导，负责该部门的运作和目标实现。
2.3 技术团队作为一个互联网公司，技术团队在贝壳找房的组织架构中起着重要的作用。
技术团队负责开发和维护公司的核心技术平台，包括房屋信息数据库、交易系统和搜索引擎等。
技术团队由多个子团队组成，如产品开发、前端开发和后台开发等。
2.4 运营团队贝壳找房的运营团队负责市场营销、用户支持和客户关系管理等工作。
运营团队与业务部门和技术团队紧密合作，确保公司运作的顺利和用户满意度的提高。
2.5 市场部门贝壳找房的市场部门负责制定市场推广策略，提升公司的品牌知名度和市场份额。
市场部门负责营销活动、品牌建设和媒体关系等工作。
2.6 数据分析团队数据分析团队负责收集、分析和解读大数据，为公司的决策提供支持。
他们利用数据分析工具和技术，提取有价值的信息，帮助公司更好地了解客户需求和市场趋势。
3. 如何实现组织架构的有效管理和协调？为了实现组织架构的有效管理和协调，贝壳找房采取了以下措施：3.1 设立公司目标和绩效指标贝壳找房制定了明确的公司目标和绩效指标，将其分解到不同部门和团队，并通过定期评估和反馈机制确保各个部门和团队的工作与战略目标保持一致。
产品分析报告 贝壳找房App以及互联网房产服务行业
产品分析报告| 贝壳找房App以及互联网房产服务行业编辑导语：随着生活水平的不断进步以及互联网的持续发展，找房行业也与互联网相结合，冒出不少互联网房产服务的平台；本文是关于“贝壳找房”的深度剖析以及分析互联网房产服务行业的运转逻辑，我们一起来看一下。
贝壳找房是一款房产租赁与买卖交易服务平台，通过继承链家的线下房源数据，与三方公寓和中介合作，为广大用户提供海量且真实的房源，旨在解决用户租房、买房、卖房的难题。
自2018年创立以来，势如破竹，发展迅速；2019年成交额达到21277亿元，并已于2020年8月IPO上市。
本文以贝壳找房APP为切入点，深入剖析贝壳以及互联网房产服务行业的运转逻辑。
将从下列几个方面进行分析：1.行业分析2.竞品分析3.用户价值分析4.商业价值分析5.产品迭代分析6.产品结构分析7.运营分析8.总结一、行业分析房产服务是指房地产各个环节中为当事人提供服务的经营活动。
随着居民的收入增加，生活水平上升，进一步的城镇化发展，买房卖房租房依旧火热；在对线下中介信任不足的大环境下，线上的大型房产服务平台开始涌现，旨在为用户提供优质房源信息等综合服务。
自2014年以来，互联网房产服务行业突飞猛进，而房地产行业往往受宏观政策因素影响，接下来用PEST模型来分析一下。
1. 政策层面我国的城镇化率的进一步提升和货币信贷环境宽松，且地方楼市政策略有放宽，继续推动房产行业在疫情后的回暖复苏。
具体体现在，2019年全国城镇化仅60.6%，置业需求随人口迁移仍有上升空间；中央经济工作会议表明2020年全国货币信贷将比2019年增长提升，同时因城施策下更多城市的政策有一定的放宽，帮助房产行业稳定发展。
2. 经济层面据经济学家任泽平的测算，中国住房地产2018年总市值321万亿元，相当于美国的2.4倍；其中每年有6万多亿元价值的住宅换手、12-13万亿元的新房卖出，再加上租房，就是一年25万亿元成交额的大市场。
贝壳找房搜索架构演进
•业务垂直拆分 •引入入分布式事务 •代码量量拆分 •单个资源进行行行拆分
回顾&未来发展
1. ⻉贝壳找房 2. ⻉贝壳搜索的场景 3. 搜索架构的迭代 4. 架构的思考
Cost-Oriented Architecture Design 资源隔离、弹性服务
Thanks
elasticsearch 插件 索引备份 索引恢复
缓存层
DA SUG NLU 纠错
人人工工 干干预 相关召回 策略略 扩大大召回 召回
规则特征 个性化 LTR
DIG采集 北北极星 日日志采集 效果分析 A/B流量量 搜索回放 全局ID 人人工工评测
用用户画像 会话保持 实时画像
实时模型 离线模型
mysql mongo kafka zookeeper redis hadoop 数仓 指标平台 DataPipeline clickhouse
• 调用用混乱 – IP直连 – 谁在使用用这个服务？
• 扩展性差 – Lucene本地索引，机器器强依赖 – 搜索、索引服务在同一一机器器 – 索引数据不不一一致
管理理流程 技术架构
⻉贝壳找房-搜索V2(2016~2017)
Dig埋点
效果流
Log
采集
ETL
计算
输出
Kafka
Hive
数据模型
业务数据
2016
2017
2018
12,000,000,000 9,500,000,000 7,000,000,000 4,500,000,000 2,000,000,000
2016
月月hits
2017
2018
搜索服务-基本构成
DB 文文件
人人工工录入入
贝壳找房组织架构
贝壳找房组织架构
贝壳找房的组织架构如下：
1. 高层领导层：包括董事长、总裁等高级管理人员，负责公司的整体决策和战略规划。
2. 部门和团队：贝壳找房按照不同的职能划分了多个部门和团队，包括但不限于：
- 技术研发部门：负责平台技术研发和产品迭代。
包括前端、后端、数据、算法等团队。
- 运营部门：负责平台的日常运营管理和市场推广。
包括运营管理、市场推广、用户服务等团队。
- 商业合作部门：负责与业务合作伙伴进行合作，包括经纪公司、开发商等团队。
- 人力资源部门：负责人才招聘、员工培训、绩效管理等人力资源管理工作。
- 财务部门：负责公司的财务管理和资金运营。
- 法务部门：负责公司的法律事务和合规管理。
3. 地区和分公司：贝壳找房在全国范围内设立了多个地区和分公司，按照不同的地理区域进行管理和运营。
4. 基层员工：包括各个部门和团队的员工，负责具体的工作任务和项目实施。
以上仅为贝壳找房组织架构的一个概览，具体结构和人员设置可能会有所调整和变化。
cai的基本模式与结构综述
cai的基本模式与结构综述
随着移动互联网的飞速发展，引发了大量应用的产生，用户也不断增长，而这
些用户数据往往便变成了巨大的独立海洋，这给平台提出了越来越大的挑战。
越来越多的应用产品开始引入智能联网服务——基于智能硬件的信息服务，使得多元的信息均可连接起来，形成一个全新的信息数据工厂，其中，百度开放云平台中的兴趣抽取服务，被成为了"Cai (Interest Finding Technology)"。
百度复杂兴趣（Cai）是一项基于AI技术的应用，它可以帮助企业探索、提
取和解码客户兴趣，并使用计算机建模的方法快速、准确的评估兴趣点。
这样，企业可以更全面地将客户的意向和产品关联起来，建立更有效的推荐机制，为客户提供更加精准的服务。
Cai的主要构成是：数据采集，关联规则学习，兴趣知识获取和推荐服务。
首先，数据采集部分需要企业收集、处理数据，以便将客户行为（搜索、浏览等）转化为可计算的形式，然后运用关联规则学习优化这些数据对客户兴趣的预测；其次，通过解码和结构化，根据客户的行为找出主题，以及客户与主题之间的关联；最后，根据客户之前的兴趣和行为，为客户推荐适合其兴趣点的产品及服务。
总而言之，百度复杂兴趣（Cai）可以将用户需求从普通平台独立海洋转变为
便携式互联网，帮助企业深入洞察客户内心，根据客户的行为建立复杂兴趣知识图谱，通过实时兴趣智能推荐，为企业实现相应的商业洞察和客户服务优化，从而改善企业的核心竞争力。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
品牌架构
集团品牌矩阵
平台品牌
资管品牌
贝壳
T o C:找房大平台 ToB：以技术驱动的品质居住服务平台
（
0贝壳经纪 0贝壳新房0贝壳租房 0贝壳装修 0贝壳海外 0.…..
新经纪品牌
自如
创造品质租住生活
链家
德佑
•■•■■•
国民链家品质为先 ToC：更用心的社区专家
＼｀、、、 、 ．
关键词 中文文文文本
⻉贝壳搜索-V2架构-公司级平台(2016~2017)
域名负载
http
搜索服务 搜索服务 搜索服务…
SolrCloud集群 （Collection）
DAS服务集群 全量量 增量量
二二手手房在售 成交
xx服务 楼盘字典
Link 新房 未知服务
索引服务 索引服务…
binlog
HTTP HTTP HTTP 接口口1 接口口2 接口口3
ElasticSearch: •社区活跃，发展势头好 •人人才更更充足足，补充人人才容易易 •Zen Discovery节点发现 •JSON友好 •ELK日日志分析，⻉贝壳内应用用广广泛 •多语言言(Java,Php,Go等)开发者 •底层基于Lucene，定制化复用用 •优秀的可扩展能力力力 •支支持Nested功能 •良好的跨索引查询能力力力
2016
2017
2018
12,000,000,000 9,500,000,000 7,000,000,000 4,500,000,000 2,000,000,000
2016
月月hits
2017
2018
搜索服务-基本构成
DB 文文件
人人工工录入入
收集数据
Query UI展现
索引文文档
索引
搜索
—引自自 apache lucene
服务
增量量 API
SolrCloud
SolrCloud - 引擎
Solr版本定制
Zookeeper- C.A.P 索引数据的一一致性 Leader-Replica的扩展
long float double
int
小小区名 手手机号码 邮箱
姓名
拼音音 拼音音声⺟母 拼音音前缀 地址 目目录 斜线
NGRAM 经纬度 前缀 后缀 空格
ToB：新经纪，共未来
/， I
金融品牌
贝壳金服
（暂）
领先的居住金融服务商
数说贝壳
才 0000亿日⑨
2017年交易总额
40地区
进驻城市和地区
20 LI)
万
经纪人连接
1107人 ℃
产昂技术人才 ～
E:::3"" 6PB
E雪数据能力
才亿套 ｜命
楼盘字典管理房屋数 一千
。 2000万
l.(f)月活跃用户（链家网＋贝壳找房）
1000万
累计服务用户
，
⻉贝壳找房-搜索无无处不不在
搜索
⻉贝壳找房-高高速发展
高高频
⻉贝壳找房-业务场景
打⻋车
决策周期短
外卖
代 驾
手手机 维修
配钥匙
低频
1.决策周期⻓长
非非独立立决策
决策周期⻓长
二二手手房平均3月月 租房平均2周
买房
2.低频
租房
二二手手⻋车
婚 庆
找工工作
旅 游
搜索、品牌、攻略略
⻉贝壳找房-搜索V1(2015)
http
搜索A
硬件负载(F5)
搜索B
搜索C
二二手手房在售 成交
XX服务 楼盘字典
rpc
Link 新房 未知服务
索引A
lucene
索引B
lucene
索引C
lucene
FTP
RPC 接口口
HTTP 接口口
Redis
⻉贝壳搜索-V1主要问题
• 功能复用用差 – 索引服务千差万别(接口口) – 搜索服务不不可共用用
注册中心心 配置中心心
网网关 限流 熔断 链路路追踪 监控报警 权限验证 消息总线 动态路路由 服务编排
EPX-MySQL增量量消息订阅平台
配置UI
MySQL MySQL
MySQL MySQL
MySQL ...
MySQL
binlog
EPX
EPX
EPX EPX
Message
canal
topic… topic… topic… topic… topic… topic…
elasticsearch 插件 索引备份 索引恢复
缓存层
DA SUG NLU 纠错
人人工工 干干预 相关召回 策略略 扩大大召回 召回
规则特征 个性化 LTR
DIG采集 北北极星 日日志采集 效果分析 A/B流量量 搜索回放 全局ID 人人工工评测
用用户画像 会话保持 实时画像
实时模型 离线模型
mysql mongo kafka zookeeper redis hadoop 数仓 指标平台 DataPipeline clickhouse
• 调用用混乱 – IP直连 – 谁在使用用这个服务？
• 扩展性差 – Lucene本地索引，机器器强依赖 – 搜索、索引服务在同一一机器器 – 索引数据不不一一致
管理理流程 技术架构
⻉贝壳找房-搜索V2(2016~2017)
Dig埋点
效果流
Log
采集
ETL
计算
输出
Kafka
Hive
数据模型
业务数据
使用用场景单一一 用用户不不易易形成习惯
“真房源” “信息丰富”
⻉贝壳搜索-成⻓长历程
功能模块
2015~2016
公司级 平台化产品
2016~2017
房产领域 信息服务平台
2017~
⻉贝壳搜索-技术参数
100,000,000
索引量量
77,000,000
54,000,000
31,000,000
8,000,000
微服务
D.I.D原则 • Design: 20X • Implement: 3X • Deploy: 1.5X
⻉贝壳找房-V3-搜索架构体系
楼 盘 字 典
业 务 库
统一一API网网关
事件构造 实时增量量 EPX
数据构造 全量量校准
实时写入入 索引配置 索引切换 全量量写入入 文文档路路由 集群分发
⻉贝壳搜索-V2架构
DAS同步阻 塞流
开发不不够敏敏 捷
亟需解决
自自我保护能 力力力差
排序效果迭 代困难
⻉贝壳搜索-V3架构-信息服务平台(2017)
数据更更灵活 稳定可扩展
效果更更好
⻉贝壳搜索-V3架构设计
友好的API, 无无状态 权限认证 限流与熔断 横向扩展能力力力 容灾机制 服务接入入简单&多样 监控与追踪 敏敏捷迭代
效果分析平台
mongo index
全量量
数据流 DAS
模型数据
Trans
HouseQ
局部全量量
索引
增量量
SolrCloud
业务+端
二二手手
BS 新房
租房
A/B 实验 Query分析
召回 排序
离线
在线
⻉贝壳找房-搜索V2-DAS数据流
全量量 API
全量量数据
拉取
索引
binlog 监听
事件 解析
数据获取
⻉贝壳搜索-增量量数据流
1
DB
binlog
EPX
23
4
全 量量 事件
增 量量 事件
推送事件
Event API
5
6
业务系统
拉取数据
数据 拼接
推送数据
Data API
索引服务
7
查询
Search API
源事件管道
binlog事件事件管道来自数据管道搜索引擎
数据校验 权限认证
数据追踪
数据补偿
索引读写
⻉贝壳搜索-V3-引擎的选择