房仲業 AI 工作流完整指南：客戶分群、智慧議價、看屋報告、廣告文案、知識傳承 5 場景 SOP

週六下午三點，店裡電話響第七次。客戶劈頭就問：「永和那間三房，現在還在嗎？」你翻開系統一看，這位客戶上個月底才看過信義區的兩房，預算明明設在 1,800 萬以下，永和那間掛 2,650 萬，他突然加碼是怎麼回事？你心裡浮現兩個可能：是夫妻吵架想換區、還是家裡長輩決定贊助頭期款。你還沒掛電話，店長走過來問：「下午四點要簽委託，你跟屋主談的成交價區間落點在哪？」

這是台灣中型房仲店每天上演的日常。你的腦袋同時跑三個程序：客戶意圖判讀、屋主預期管理、店內人力調度。問題在於——這三個程序的資料全部散在 LINE、紙本、店內白板、和你自己的腦袋裡。AI 工具進場後，要做的不是「換掉房仲」，是把這些散落的資料整合起來，讓你在電話響到第七次的時候，腦袋裡有現成的判讀框架。

這篇寫給三類房仲業老闆：直營小店 5-15 人、加盟總部底下的單店、以及想轉型純線上的接案型房仲。底下會把房仲業 AI 工作流拆成 5 個場景的具體 SOP，配上台灣中小房仲導入後實際省下的時間數字，以及 3 個常見導入失敗的踩雷案例。看完你會知道：哪幾個流程現在就能用 AI 取代，哪幾個還沒成熟、別急著上。

為什麼房仲業突然變成 AI 落地速度最快的傳產之一

過去房仲業界對科技工具的態度一直很矛盾。一方面急著要 CRM、要看屋紀錄系統、要客戶分群；另一方面，業務最值錢的「客戶感」和「議價直覺」靠的是現場經驗，工程師寫的軟體很難取代。這個矛盾在 2025 下半年開始鬆動，原因不是 AI 變強，是「AI 介面變得跟業務說話一樣」。

有一個數字很值得注意——國家發展委員會 2026 數位轉型調查顯示，房仲業是台灣中小服務業中導入生成式 AI 比例成長最快的行業，從 2024 年的 8% 跳到 2026 年第一季的 41%。對比餐飲業（19%）和零售業（28%），房仲業領先得驚人。背後原因有三個：客戶資料是高結構化的（坪數、區段、預算、家庭組成）、業務每天大量產出文字（看屋報告、屋況描述、廣告文案）、以及房仲業天然有強烈的「不能輸給競品店」壓力。

看看實際情境就明白：一個資深房仲一週要寫 12-18 份看屋報告、7-10 則 Facebook 廣告文案、20 多次 LINE 屋況回覆。這些東西品質落差很大，菜鳥寫的跟資深寫的，廣告點擊率差三倍。AI 進場後最直接的價值——把全店業務的文字產出拉齊到「八十分」的水準，剩下二十分的個人風格再由業務自己加上去。

場景一：客戶分群與意圖判讀——把 LINE 對話變成可分析的資料

房仲最常見的痛點：客戶資料分散在 LINE、店內 CRM、業務私人 Notion、以及一張被翻爛的 A4 紙。當你想找「上個月看過信義區的三房客戶」時，得翻 5 個地方。AI 工作流的第一步，就是把這些散落資料拉進一個統一視角。

做法不是叫業務去學 Notion——那行不通。實際可行的做法是：把 LINE 對話用 OCR 或 Make/n8n 自動同步到 Google Sheet（或店內 CRM 的客戶筆記欄），再讓 ChatGPT 或 Claude 定期跑「客戶意圖摘要」。例如每週日晚上自動掃過該業務本週所有對話，產出一份「本週客戶意圖變化表」——哪幾位客戶突然加碼預算、哪幾位開始問學區、哪幾位的訊息語氣變得急迫。

分群的關鍵不是「年齡 + 預算」這種靜態欄位，是「意圖訊號」這種動態欄位。AI 在這裡能補的是業務直覺中最難量化的那一塊——客戶說話節奏的變化、用詞從「想看看」變「下週能不能簽」的時間差、訊息回覆頻率突然從一天三則跳到一小時三則。這些訊號資深業務感受得到，但說不清楚；菜鳥業務完全看不到。AI 可以把訊號「翻譯」出來，讓全店業務拉齊到相近的判讀水準。

資料來源：Deloitte 2026 房地產數位轉型報告，整理自台灣本地房仲試點。

場景二：屋況描述與 Facebook 廣告文案自動化

這是最容易看到 ROI 的場景。一份典型的房仲廣告文案，業務要花 25-40 分鐘寫，反覆修改、上版、再被店長挑語病。導入 AI 後，這流程能壓到 5-8 分鐘，且品質還比較穩。

具體做法分三層。第一層是把屋況關鍵字（坪數、樓層、座向、屋齡、特色、生活機能、學區、交通）整理成 Prompt 範本。第二層讓 AI 產出三個版本：理性版（強調性價比）、感性版（強調生活想像）、急迫版（強調機會稀缺）。第三層是業務挑選後微調，加入「這間房子的個人故事」——這部分 AI 取代不了，也不該取代。

實務上要注意：AI 寫的文案如果直接上 Facebook 廣告，很容易被審核擋下（用詞太絕對、出現「保證」「最便宜」等詞）。導入 SOP 時要加一層「合規檢查」，把 Meta 廣告政策當成提示詞餵給 AI，讓它自動避開地雷詞。一家高雄的 50 人房仲店實測，導入這層檢查後廣告被拒率從 14% 降到 2%，等於每月多出 12-18 則廣告能準時上架。

LINE 屋況回覆模板：先回應情緒，再給資訊

LINE 上客戶問「永和那間還在嗎」這種短訊息，業務常常用一句「在喔」回完。資深業務知道這時候要做兩件事：先確認急迫程度，再給出能引導下一步的資訊。AI 模板可以協助菜鳥業務寫出這種「先回應、再引導」的回覆——它不會搶走業務的對話權，反而是業務的隨身教練。

場景三：智慧議價與屋主預期管理

這個場景最微妙。議價是房仲業最值錢的技能，AI 能不能切進來，業界有兩派聲音。我們的觀察是——AI 不是來搶議價權，是來補充資料佐證。一個熟悉區域行情的資深房仲，對某條街的成交價有體感；但他可能說不清楚「為什麼這條街兩個月前的成交均價是 X，現在合理價應該落在 Y」。AI 可以把這個推理過程「攤開來」，讓屋主聽得懂、業務有依據。

實際做法是把實價登錄、區域 PR 值（priceless rank）、學區評等、近一年成交筆數、屋齡折舊曲線，整合成一份「議價簡報」。屋主拿到簡報後，會看到三個數字：天花板價、合理價、地板價，以及每個價位對應的「成交需要的等待時間」。資深業務再用這份簡報跟屋主對話，溝通成本下降很多。

有一家在新北中和的 30 人房仲店做了一個有趣的實驗：把這份議價簡報做成 PDF，由業務寄給屋主後 24 小時再電話跟進。對照組（沒有簡報）的屋主開價調降幅度平均 1.8%，實驗組（有簡報）的調降幅度平均 4.3%——換算成成交週期，等於縮短了 11-14 天。

場景四：自動看屋報告與客戶簡報

看屋報告是房仲業另一個重災區。客戶一週看 4-6 間，業務要寫 4-6 份報告，每份至少 15 分鐘。一個月下來，光寫報告就吃掉 30-50 小時。AI 工作流在這裡的價值最直接。

SOP 大致是：業務在現場用手機錄音（5-10 分鐘自由說），上傳到 Otter 或 Fathom 轉文字，AI 從文字中抽出「優點清單」「缺點清單」「客戶在意的三件事」「下一步行動建議」四個區塊，自動產出標準格式的報告。業務最後花 3-5 分鐘檢查、加上自己的判斷，就能寄給客戶。

這裡有個常見地雷：很多店長導入後要求業務「全部用 AI 寫」，結果客戶收到三份語氣一模一樣的報告，反而覺得「房仲不用心」。我們的建議是把 AI 當骨架，個人化的肉要由業務自己加。例如報告最後加一段「我覺得這間最適合您家小朋友，因為從前廊望出去就是社區遊樂場」——這種話 AI 寫不出來，但業務只要花 30 秒就能加。

場景五：店內知識傳承與菜鳥業務養成

這個場景常常被忽略，但它的長期 ROI 最高。傳統房仲店養一個業務需要 9-12 個月，期間流失率高達 40-50%。AI 工作流可以把這個曲線壓縮到 4-6 個月，且新人留任率提升 15-20 個百分點。

做法是建立一個「店內知識庫」——把資深業務這幾年累積的議價技巧、屋主說服模板、區域行情判讀邏輯、客戶異議處理 SOP，全部整理成文字，餵給內部用的 AI 助理（可以是 Claude Projects、ChatGPT Custom GPT、或自架的 RAG 系統）。菜鳥業務在現場遇到狀況，可以隨時用手機問：「客戶說頭期款只有 200 萬但想買 2,000 萬的房，怎麼回應？」AI 助理會直接給出資深業務的標準答案。

常見三個導入地雷與避坑做法

講完場景，講地雷。我們看過大概 30 家房仲店導入 AI 的過程，失敗的案例都長得很像。

地雷一：先買工具再找場景

最常見的失敗——店長看到別人用 ChatGPT Team，就買了 10 個帳號發給業務，沒有對應場景、沒有 SOP、沒有檢核機制。三個月後業務全部回到舊流程，帳號變成擺設。正確順序是先選 1-2 個場景（建議從「廣告文案」「看屋報告」開始），跑 6-8 週看到效果，再擴張到下一個場景。

地雷二：個資外洩沒人管

業務把客戶身分證字號、聯絡電話、財務狀況丟到免費版 ChatGPT，這在房仲業是高頻違規。除了違反個資法（最高 1,500 萬罰鍰），更嚴重的是品牌信任流失。導入前一定要建立「敏感資料分級」SOP，配合企業版 AI 工具（資料不會被拿去訓練）和員工教育訓練。延伸閱讀可參考AI agent 越權存取資料防禦指南，把治理框架建好再上工具。

地雷三：AI 寫出來的內容沒人審

Facebook 廣告 AI 寫好直接送審、看屋報告 AI 產出直接寄客戶、議價簡報 AI 算完直接給屋主——這種「AI 全自動」的做法，遲早會出大事。每個 AI 產出物都要有人類最後審核，這不是浪費時間，是保險。實際上 AI 把初稿做好之後，業務檢查只要 3-5 分鐘，遠比從頭寫快 5-8 倍。

中小房仲店 90 天導入路線圖

最後給一份實際可執行的 90 天清單。這份路線圖不是教科書，是從幾家 15-50 人房仲店實際做過的版本歸納出來的。

90 天是合理但偏緊的時程。如果店裡有「資深抗拒」或「IT 完全外包」這兩個狀況，建議延長到 120-150 天。重點不是快，是讓 SOP 內化到日常工作裡——一旦 AI 變成業務「天天用、不用會不舒服」的工具，往後再加新場景就很順。

下一步：把場景轉成你店裡的 SOP

看完這五個場景，你心裡應該已經有 1-2 個最想先試的。建議是先別自己一頭埋下去買工具——找一個熟悉房仲業流程、又懂 AI 工作流的顧問，花 2-3 小時把現況拆解清楚，再決定要從哪個場景下手。

我們在 恆遠數位行銷的 AI 顧問服務 幫過幾家中型房仲店做這件事，平均一場診斷會議能找出 2-3 個立即可動工的場景。也可以參考 中小企業 AI 治理委員會啟動指南 先把基礎治理建好。