写了两篇「第一问」——二手房、租房，这篇写「第二问」：小区。小区查询（get_stress_info）近 30 天 636 次，环比 +71%（371 → 636），增速在八类查询里排第三。它很少是第一句提问，却越来越多地出现在每一次看房之后——查完房子查小区，已经成了标准动作。

一、+71%：第二问涨得比第一问还快两次快照对比：371 → 636 次，+71%，增速排八类第三。对照它服务的对象——二手房查询同期 +46%——小区查询的增速明显跑在前面。第一问决定「看哪套房」，第二问决定「住进来是什么样」：房子可以装修，小区没法搬走。第二问涨得更快，说明用户的决策越来越完整。

图 1 · 小区查询：两次快照对比

二、占比 13.1%，稳坐第三放回全景：小区查询占全部提问的 13.1%，排在二手房（40.0%）、租房（19.7%）之后，稳坐第三——比新房（11.4%）还高。一个不直接展示任何房源的接口，做到这个排位只有一种解释：几乎每一个认真看房的人，都会绕到它这里来。

图 2 · 近 30 天提问占比：小区查询排第三

三、过半提问走这条动线把二手房和小区放在一起看：1941 + 636 = 2577 次，占全部提问的 53.2%——过半提问沿着「先查房、再查小区」这条动线走。「XX 小区怎么样？」跟在每一条房源提问后面：物业费多少、绿化率如何、梯户比、车位好不好停、对口哪所学校。过去这些信息要翻十几个页面拼，现在一句话问完。

图 3 · 二手房 + 小区：53.2% 的标准动线

四、一个小区，要看的信息有这么多小区决定了居住体验的大半：物业与费用（物业费、车位配比）、居住品质（绿化率、梯户比、建成年代）、通勤与配套（地铁、商圈、医院）、教育与学位（对口学校、学位占用）。这些维度分散在户型页、物业页、学区页和点评帖里；而对 AI 说「XX 小区怎么样，对口学校是哪个」，一次就能给全——这是小区查询涨得快的根本原因。

图 4 · 小区查询覆盖的四类信息

数据来源：象盒 AI 开放平台管理员接口。环比口径为两次「近 30 天」窗口对比，窗口大部分重叠，涨幅主要来自最近一周的新增调用。示例问法为提问写法演示，实际查询结果以象盒实时房源数据为准；样本期含内部测试流量，不代表全量市场。