传统找房网站里，用户是在「填表单」：选区域、拉价格、勾户型。但在 AI 专家这里，用户是在「说话」。近 7 天 1008 次真实提问，把用户与 AI 找房专家的互动方式摊开给了我们看——结果和直觉很不一样：大多数人一个关键词都不打。

一、77.4% 的人，直接说条件1008 次提问里，只有 22.6% 携带关键词描述（小区名、路段、政策），其余 77.4% 是纯粹的筛选条件——「长沙 100 万以内两房」「1500 元以下的两室」。这和传统搜索框的行为完全相反：搜索时代大家先打关键词再筛选，AI 时代大家直接把完整需求一口气说完。对 AI 产品来说，这意味着结构化条件解析能力比关键词匹配更重要。

图 1 · 直给条件式 vs 关键词式（近 7 天 1008 次提问）

二、打字描述的 22.6%，在报名字带关键词的 228 次提问里，商圈、路段、区名占了 145 次，一半以上——「江岸区」「三阳路」「长春街」，用户用一个地名锚定一片区域。其次是政策类（限购、楼市行情）、具体楼盘名（滨江苑、武汉天地）、通勤词（地铁口）和学区词。有意思的是，同一个意图有好几种写法：「地铁口」「近地铁」「13 号线」是三种问法、同一个需求——AI 需要听懂同义词，而不只是匹配字面。

图 2 · 带关键词提问的内部结构（共 228 次）

三、同一个问题，平均要问 2.3 遍这是最像「对话」的数据：1008 次提问按请求参数去重后，只剩 445 个独立问题，重复率 55.9%。用户不是在重复，而是在逐轮调整——上一轮嫌贵就降预算，这一轮嫌远就换区域。这正是 AI 专家相对搜索框的核心价值：它接得住「再便宜一点」「换到地铁旁边」这种追加条件，而表单做不到。

图 3 · 提问总量与独立问题数（重复率 55.9%）

四、四种典型互动画像把上面三组数据合起来，用户与 AI 专家的互动可以概括成四种画像：直给条件式一口气说完需求；点名式直接报小区和路段；重复追问式逐轮收紧条件；串联式则像一位用户在 18 分钟里连查二手房、学校、小区等 7 类信息——买房决策需要交叉验证，AI 把过去要开多个网页的事变成了一连串对话。

图 4 · 四种典型互动画像一览

五、这些方式，答得住吗？本月全量口径下，提问命中率 85.44%、全程零报错；近 7 天的零结果率 17.9%，主要集中在租房和商铺租赁——对话方式再自然，数据兜不住也是空谈。「听得懂人话」和「接得住条件」之后，第三关是「库里得有房」，这三关一起过关，AI 找房才算真的能用。

数据来源：象盒 AI 开放平台调用明细（近 7 天 10-15～10-21 共 1008 条，按日拉取后本地聚合；本月口径 4052 条）。样本期含内部测试流量（17 个用户、前 3 人占 91.8%），互动结构反映测试期行为，不代表真实客户分布；测试词已剔除。四种画像为基于请求参数的行为归纳，非用户调研结论。