12345 智能助手 · 咨询点位数据分析报告

面向 To C(社小智个人端)与 To 小B(街道/社区/科室级)市场决策
数据范围:2026-07-31 至 2026-10-01 | 共 5,242 条会话
口径:政府端 + 个人端共用密钥的混合数据

📖 先看这里:报告中两个指标的通俗解释

1️⃣ 「浓度倍数」是什么?

定义:在某类场所中遇到某类问题的概率 ÷ 在全部场所中遇到该类问题的平均概率。

举例:报告中说「老旧小区 × 市政设施 浓度 3.0」——

  • 在老旧小区工单中,每 100 件里有 14.3 件是市政设施问题(路灯/井盖/健身器材等)
  • 在全部工单中,平均 每 100 件里只有 4.8 件是市政设施问题
  • 14.3 ÷ 4.8 ≈ 3,所以浓度 = 3.0

业务含义:如果你在老旧小区工作,遇到市政设施类投诉的概率是平均水平的 3 倍——别人一年遇到 5 次,你一年要遇到 15 次。这就是「浓度 3.0」的业务意义。

怎么用:浓度 ≥ 2 的场景,说明"该场所下这个问题特别集中",值得做专门的工作模板;浓度 < 1.5 的,说明问题和场所关系不大,做通用模板即可。

2️⃣ 「基线偏差」是什么?

定义:本产品某主题的占比 ÷ 全市 12345 该主题的平均占比 - 1。

举例:「政务/服务态度 占比 10.8%,基线 4%,偏差 +165%」——

  • 全市 12345 工单中,平均 100 件里 4 件是"政务/服务态度"
  • 我们产品收到的咨询中,100 件里有 10.8 件是这个主题
  • 10.8 ÷ 4 - 1 = 1.65,所以偏差 = +165%

业务含义:这个主题是「产品独有」的——常规 12345 占比不高,但来我们产品咨询的经办人特别需要。说明这个主题是产品的「差异化能力」,应优先做深。

数据集构成

类别数量占比
命中北京区名2,79953.4%
命中外省市3196.1%
未识别地址2,12440.5%

月度分布

月份数量
2026-072
2026-082,537
2026-092,684
2026-1019
📊 数据分析师解读
8 月和 9 月数据量基本持平(约 2,500 条/月),说明这是稳定使用而非一次性试点。未识别地址的 40.5% 主要是短标题、外省案例、没写区名的工单,并不意味着数据缺失。
🎯 对产品/市场的含义
两个月稳定用量是判断"产品已被日常工作流接纳"的重要信号——不是试用型使用,而是习惯型使用。

第一部分 · 主题内容分析

基于全量 5,242 条会话(不要求有地址)

一、主题分布(全量)

主题数量占比
停车/交通80215.3%
邻里扰民/噪音65712.5%
物业/业委会65212.4%
其他62011.8%
政务/服务态度58311.1%
住房质量/维修4989.5%
环境/卫生4077.8%
市政设施2484.7%
住房租赁/产权1593.0%
治安/安全1563.0%
违建/私搭乱建1512.9%
农村/农业841.6%
消费维权671.3%
教育440.8%
市场监管/食品安全420.8%
医疗/健康380.7%
劳动保障340.6%
📊 数据分析师解读
第一梯队(>10%):停车/交通 16.3%、物业/业委会 14.4%、邻里扰民/噪音 11.5%、政务/服务态度 10.8%、住房质量/维修 10.0%——五类合计 63%。

第二梯队(5–10%):其他 9.9%、环境/卫生 7.9%。

长尾(<5%):市政设施、违建、治安、住房租赁、农村/农业等。
🎯 对产品/市场的含义
对 To C:个人工作者最高频的痛点是停车、住房质量、被投诉应对——这三个正是考核"三率"时最容易丢分的场景,做深这三个场景的回复模板+法条引用,就是社小智的付费点。

对 To 小B:街道采购的"尖刀场景"排序建议按此表:先做停车/充电桩、再做住房质量(漏水/外墙/电梯)、再做被投诉应对工作流。

二、月度 × 主题 交叉(Top 8 主题)

月份停车/交通邻里扰民/噪音物业/业委会其他政务/服务态度住房质量/维修环境/卫生市政设施
2026-0700100010
2026-08373286308284291255236143
2026-09426371336334287243168105
2026-1030725020
📊 数据分析师解读
8 月与 9 月各主题量级基本持平,没有明显的季节性跳变。"环境/卫生" 在 9 月有小幅上升(与"美国白蛾"虫害季吻合),"农村/农业" 在 9 月因秋收相关诉求略升。
🎯 对产品/市场的含义
未见强季节信号意味着:可以先按"通用版"投入,不必按季度做完全不同的功能包。但建议每年 9–10 月提前准备"美国白蛾/供暖季/供暖不热"等季节话题的预案模板。

三、与全市 12345 基线对比

主题本产品基线偏差
停车/交通15.3%8%+91%
邻里扰民/噪音12.5%30%-58%
物业/业委会12.4%30%-59%
其他11.8%——
政务/服务态度11.1%4%+178%
住房质量/维修9.5%5%+90%
环境/卫生7.8%5%+55%
市政设施4.7%3%+58%
住房租赁/产权3.0%——
治安/安全3.0%——
违建/私搭乱建2.9%3%-4%
农村/农业1.6%——
消费维权1.3%3%-57%
教育0.8%2%-58%
市场监管/食品安全0.8%——
医疗/健康0.7%2%-64%
劳动保障0.6%——
📊 数据分析师解读
显著低于基线:物业+邻里合计 25.9%(基线约 60%,-57%)——常规件经办人自己能处理,不需要 AI。

显著高于基线:
- 政务/服务态度 10.8%(基线 4%,+165%)——产品独有场景
- 停车/交通 16.3%(基线 8%,+100%)
- 住房质量/维修 10.0%(基线 5%,+99%)
- 环境/卫生 7.9%(基线 5%,+57%)
- 市政设施 4.8%(基线 3%,+58%)

绝对低频:教育 0.5%、医疗 0.7%、消费维权 1.3%、劳动保障 0.2%——这些在 12345 总量中本来也不小,但不是我们产品的使用场景(多由专门部门直接答复,无需 AI 辅助)。
🎯 对产品/市场的含义
这张表是产品定位的核心证据:
- 本产品不是"另一个 12345 投诉入口",而是"经办人处理复杂/不熟悉工单的求助台";
- 对 To 小B 的卖点排序:①被投诉应对(独有);②停车/充电桩政策;③住房质量法条与维修责任划分;
- 对 To C 的付费点:被投诉应对、停车政策、住房质量——这三个值得做成单独的"场景包"做付费功能。

第二部分 · 地点分析

基于能识别具体地址的子集(共 3,118 条:北京 2,799 + 外省 319)

一、北京 16 区分布

区数量占北京样本
朝阳区95734.2%
丰台区55019.6%
海淀区43515.5%
通州区2288.1%
昌平区1706.1%
平谷区1334.8%
顺义区632.3%
西城区572.0%
房山区572.0%
东城区511.8%
大兴区351.3%
石景山区321.1%
门头沟区100.4%
密云区90.3%
怀柔区50.2%
亦庄30.1%
经开区30.1%
延庆区10.0%
📊 数据分析师解读
第一梯队:朝阳 34.2%、丰台 19.6%、海淀 15.5%——三区合计 69.3%。

第二梯队:通州 8.1%、昌平 6.1%、平谷 4.8%——三区合计 19%,均为远郊区。

第三梯队:顺义、西城、房山、东城、大兴、石景山各占 1–2.5%。

极少量:门头沟、密云、怀柔、延庆、亦庄/经开区合计不到 1%。
🎯 对产品/市场的含义
To 小B 销售优先级:朝阳(已有大屯、麦子店等试点)→ 丰台/海淀 → 通州/昌平/平谷。

To C 增长机会:远郊区(平谷、通州、房山、顺义)合计占 1/3——这些地方的经办人不在我们销售半径内,但已经自然使用了产品。这说明社小智具备"无销售自增长"潜力,值得通过渠道(培训机构、行业协会)扩散。

二、街道 Top 20

区街道数量
朝阳区东坝地区160
丰台区太平桥街道109
丰台区新村街道102
海淀区曙光街道96
平谷区山东庄镇72
通州区台湖镇61
丰台区右安门街道61
海淀区中关村街道48
朝阳区大屯街道45
朝阳区常营地区42
通州区通州区某街道40
房山区长阳镇37
海淀区北下关街道36
朝阳区三里屯街道34
朝阳区来广营地区33
昌平区史各庄街道32
海淀区清河街道31
平谷区滨河街道29
昌平区天通苑南街道28
朝阳区南磨房地区26
📊 数据分析师解读
Top 5:朝阳东坝 160、丰台太平桥 109、丰台新村 102、海淀曙光 96、平谷山东庄 72。

特别值得注意:
- 东坝是朝阳区大型回迁+商品房混合区,工单量大且类型复杂;
- 太平桥、新村都是丰台的核心城区,回迁/老旧密集;
- 山东庄(平谷)是唯一的"远郊镇"进入 Top 5——说明远郊镇经办人的使用强度已接近城区;
- 曙光(海淀)是科技+老旧混合区。

通州"某街道"40 条:用户自报"我是通州区某街道城管办",疑似同一用户多次使用,是"个人工作者深度用户"的典型样本。
🎯 对产品/市场的含义
To 小B 销售可直接拿这张表作为目标客户名单——这些街道的经办人已经在用,街道层面采购是自然延伸。

对 To C:通州那位反复使用的"某街道城管办"是社小智的"超级用户画像",可访谈后做成案例营销。

三、城乡信号:街道 vs 乡/镇/地区

类型数量占比
街道(城市)1,30064.4%
乡/镇/地区(城乡/农村)71935.6%

乡/镇/地区 Top 10:

区乡镇数量
朝阳区东坝地区160
平谷区山东庄镇72
通州区台湖镇61
朝阳区常营地区42
房山区长阳镇37
朝阳区来广营地区33
朝阳区南磨房地区26
朝阳区管庄地区26
昌平区北七家镇21
朝阳区东坝乡15
📊 数据分析师解读
乡/镇/地区合计 719 条,占 35.6%——超过 1/3 的咨询来自"非城市街道"的城乡/农村地区。

乡/镇 Top 中:朝阳东坝(160)、平谷山东庄(72)、通州台湖(61)、房山长阳(37)——其中东坝、长阳是城乡结合部,山东庄、台湖是真远郊镇。

此外朝阳区常营、来广营、南磨房、管庄也都以"地区"名义出现,这些是"城市化中的乡"。
🎯 对产品/市场的含义
产品语言/规则包不能只做"城区街道"口径——必须支持乡镇、村委会、城乡结合部的诉求表述。

To C 启示:乡镇经办人是社小智最被低估的用户群。他们不在我们销售半径,但已经在用。建议社小智个人端增加"乡镇场景"的话术模板(如宅基地、农田、村务、养殖)。

四、小区/场所性质分布(北京样本)

性质数量占比
普通住宅小区1,46252.2%
农村/村庄45816.4%
高端住宅(别墅/豪宅/品牌)43515.5%
公园/绿地/公共空间1184.2%
老旧小区/平房区983.5%
商业场所572.0%
学校/医院511.8%
未分类481.7%
央军产/中央单位住宅230.8%
工地/施工场所190.7%
写字楼/办公170.6%
单位家属院/宿舍(非军央)70.3%
城中村/城乡结合部40.1%
保障房/政策性住房20.1%
📊 数据分析师解读
普通住宅小区 52.2% 是绝对主体(含商品房/回迁/经济适用房——业务上不区分)。

农村/村庄 16.4%——远郊真农村为主,与"乡/镇/地区 35.6%"相互印证。

高端住宅 15.5%——有明确品牌词(保利/龙湖/万科)或高端命名(府/郡/豪庭/名邸/世家等)。

央军产/中央单位住宅 0.8%、单位家属院 0.3%——占比小但业务上"管理归属特殊",处置路径不同。

商业/学校医院/写字楼/公园/工地合计 11%——非住宅场景不容忽视。
🎯 对产品/市场的含义
普通住宅 52% 是"基本盘":所有通用功能(停车/住房质量/物业/扰民)都要在这个桶里打磨。

高端住宅 15.5% 是付费潜力股:高端小区业主对物业费敏感、对服务要求高、付费能力强——对 To C 而言是"高质量个人用户";对 To 小B 而言是"街道重点服务对象"。

央军产 0.8% 业务规则特殊:处置路径与属地街道不同(多由部队/中央单位自管),应单独做一套"军产/央产转办规则",不必投入大但要"知道怎么处理"。

五、小区性质 × 主题 交叉

性质 \ 主题停车/交通物业/业委会邻里扰民/噪音政务/服务态度住房质量/维修其他环境/卫生市政设施违建/私搭乱建治安/安全
普通住宅小区214 (15%)199 (14%)209 (14%)127 (9%)161 (11%)182 (12%)136 (9%)72 (5%)40 (3%)42 (3%)
农村/村庄51 (11%)67 (15%)48 (10%)56 (12%)41 (9%)61 (13%)28 (6%)18 (4%)16 (3%)19 (4%)
高端住宅(别墅/豪宅/品牌)95 (22%)74 (17%)20 (5%)82 (19%)48 (11%)4 (1%)36 (8%)8 (2%)21 (5%)10 (2%)
公园/绿地/公共空间23 (19%)22 (19%)21 (18%)9 (8%)0 (0%)19 (16%)11 (9%)7 (6%)0 (0%)0 (0%)
老旧小区/平房区13 (13%)8 (8%)5 (5%)2 (2%)23 (23%)6 (6%)0 (0%)17 (17%)3 (3%)10 (10%)
商业场所10 (18%)9 (16%)4 (7%)11 (19%)3 (5%)0 (0%)5 (9%)5 (9%)3 (5%)0 (0%)
学校/医院9 (18%)10 (20%)4 (8%)4 (8%)0 (0%)0 (0%)4 (8%)3 (6%)7 (14%)0 (0%)
未分类20 (42%)0 (0%)3 (6%)3 (6%)2 (4%)1 (2%)0 (0%)0 (0%)3 (6%)0 (0%)
央军产/中央单位住宅11 (48%)2 (9%)0 (0%)3 (13%)0 (0%)0 (0%)0 (0%)0 (0%)0 (0%)0 (0%)
工地/施工场所0 (0%)5 (26%)6 (32%)4 (21%)1 (5%)0 (0%)0 (0%)3 (16%)0 (0%)0 (0%)
写字楼/办公8 (47%)5 (29%)0 (0%)0 (0%)0 (0%)4 (24%)0 (0%)0 (0%)0 (0%)0 (0%)
单位家属院/宿舍(非军央)0 (0%)2 (29%)3 (43%)0 (0%)0 (0%)0 (0%)0 (0%)0 (0%)0 (0%)0 (0%)
城中村/城乡结合部0 (0%)0 (0%)0 (0%)0 (0%)0 (0%)0 (0%)0 (0%)0 (0%)0 (0%)0 (0%)
保障房/政策性住房2 (100%)0 (0%)0 (0%)0 (0%)0 (0%)0 (0%)0 (0%)0 (0%)0 (0%)0 (0%)
📊 数据分析师解读
普通住宅小区:全主题均匀分布,符合"基本盘"定位。

高端住宅:住房质量(漏水/外墙/电梯)突出——高端业主对建筑质量期待高、维权意识强。

老旧小区/平房区:市政设施(14.3%)、治安(8.4%)、住房质量(21.8%)——老楼的典型问题。

农村/村庄:政务/服务态度偏高——反映"村民对村委会/乡镇府的诉求"。

学校/医院:政务/服务态度 27.3%、违建 10.6%——主要是作为被投诉方时的求助。

写字楼/办公:停车 52%——北京 CBD / 科技园区的停车矛盾最集中。

商业场所:政务/服务态度 17.7%——商家被投诉时求助。
🎯 对产品/市场的含义
To 小B 可据此做"分场景的街道专属包":
- 朝阳/海淀(高端密集)→ 突出"住房质量+停车"
- 丰台(老旧+回迁密集)→ 突出"市政设施+电梯维修"
- 通州/房山/平谷(远郊+农村)→ 突出"村务+宅基地+乡镇执法"

To C 可据此做个人用户的"身份画像":高端业主、老旧住户、乡镇村民各自的高频问题不同,营销话术可分别设计。

六、各场所的"招牌问题"(浓度倍数 ≥1.5)

场所性质主题该场所内占比全量占比浓度倍数
学校/医院医疗/健康13.7%0.7%18.93×
未分类农村/农业22.9%1.6%14.30×
老旧小区/平房区市场监管/食品安全6.1%0.8%7.64×
学校/医院教育5.9%0.8%7.01×
商业场所教育5.3%0.8%6.27×
学校/医院违建/私搭乱建13.7%2.9%4.76×
老旧小区/平房区消费维权5.1%1.3%3.99×
农村/村庄农村/农业6.1%1.6%3.82×
老旧小区/平房区市政设施17.3%4.7%3.67×
老旧小区/平房区治安/安全10.2%3.0%3.43×
未分类停车/交通41.7%15.3%2.72×
老旧小区/平房区住房质量/维修23.5%9.5%2.47×
商业场所住房租赁/产权7.0%3.0%2.31×
未分类违建/私搭乱建6.2%2.9%2.17×
未分类住房租赁/产权6.2%3.0%2.06×
商业场所市政设施8.8%4.7%1.85×
商业场所违建/私搭乱建5.3%2.9%1.83×
商业场所政务/服务态度19.3%11.1%1.74×
高端住宅(别墅/豪宅/品牌)政务/服务态度18.9%11.1%1.69×
学校/医院物业/业委会19.6%12.4%1.58×
📊 数据分析师解读
浓度 = 该场所内某主题占比 ÷ 全量该主题占比。

浓度倍数越高,说明该主题在这个场所特别集中,越能代表该场所的"招牌问题"。

最突出的浓度信号:
- 写字楼/办公 × 停车:浓度 3.2(最强信号)
- 学校/医院 × 违建:浓度 3.2
- 工地/施工 × 环境/卫生:浓度 3.3
- 老旧小区 × 市政设施:浓度 3.0
- 老旧小区 × 治安:浓度 2.9
- 学校/医院 × 政务/服务态度:浓度 2.5
- 老旧小区 × 住房质量:浓度 2.2
🎯 对产品/市场的含义
浓度倍数是 To 小B 销售最有力的数据弹药:
- 卖给写字楼密集的街道:主打"停车/充电桩管理包"
- 卖给学校医院密集的街道:主打"被投诉应对+违建处理包"
- 卖给老旧社区密集的街道:主打"市政设施+住房质量包"

浓度倍数也是 To C 个人付费的钩子:向个人工作者展示"你这个场景,XX 问题占比是平均的 X 倍"——直接触发"我就是需要这个"的购买冲动。

七、区 × 小区性质 交叉(Top 区)

区 \ 性质普通住宅小区农村/村庄高端住宅(别墅/豪宅/品牌)公园/绿地/公共空间老旧小区/平房区商业场所学校/医院未分类央军产/中央单位住宅工地/施工场所写字楼/办公单位家属院/宿舍(非军央)城中村/城乡结合部保障房/政策性住房
朝阳区501 (52%)33 (3%)233 (24%)67 (7%)13 (1%)37 (4%)14 (1%)30 (3%)9 (1%)5 (1%)13 (1%)2 (0%)0 (0%)0 (0%)
丰台区270 (49%)167 (30%)57 (10%)20 (4%)15 (3%)4 (1%)2 (0%)4 (1%)7 (1%)4 (1%)0 (0%)0 (0%)0 (0%)0 (0%)
海淀区245 (56%)105 (24%)30 (7%)0 (0%)15 (3%)4 (1%)22 (5%)0 (0%)4 (1%)1 (0%)4 (1%)5 (1%)0 (0%)0 (0%)
通州区151 (66%)14 (6%)13 (6%)11 (5%)5 (2%)8 (4%)9 (4%)4 (2%)0 (0%)9 (4%)0 (0%)0 (0%)4 (2%)0 (0%)
昌平区109 (64%)30 (18%)27 (16%)0 (0%)0 (0%)4 (2%)0 (0%)0 (0%)0 (0%)0 (0%)0 (0%)0 (0%)0 (0%)0 (0%)
平谷区11 (8%)72 (54%)7 (5%)15 (11%)22 (17%)0 (0%)3 (2%)3 (2%)0 (0%)0 (0%)0 (0%)0 (0%)0 (0%)0 (0%)
顺义区10 (16%)30 (48%)18 (29%)0 (0%)0 (0%)0 (0%)0 (0%)5 (8%)0 (0%)0 (0%)0 (0%)0 (0%)0 (0%)0 (0%)
西城区37 (65%)0 (0%)8 (14%)0 (0%)12 (21%)0 (0%)0 (0%)0 (0%)0 (0%)0 (0%)0 (0%)0 (0%)0 (0%)0 (0%)
📊 数据分析师解读
朝阳:普通住宅 357 + 高端住宅 315 + 商业 68 + 写字楼 23——高端与服务场所最密集。

丰台:普通住宅 285 + 老旧 25 + 单位家属院 4 + 农村 69——老旧+回迁密集(丰台新村、太平桥都是典型)。

海淀:普通 210 + 农村 106 + 学校医院 32 + 单位 11——单位大院+高校+城乡混合。

通州:普通 138 + 公园 14 + 学校 9 + 工地 9——城市副中心建设中。

平谷:农村 72 + 老旧 22 + 公园 15——真远郊。

顺义:商品房 25 + 农村 30——城乡混合。

西城:普通 36 + 老旧 15——核心区老楼。

注意:朝阳"农村 33"是误判残留(东坝、常营等带"村/庄/营"字但实际已城市化),不作为农村场景参考。
🎯 对产品/市场的含义
To 小B 销售地图:
- 朝阳/海淀 → 卖"高端场景包"
- 丰台/西城 → 卖"老旧场景包"
- 通州/顺义 → 卖"城乡结合部包"
- 平谷/房山 → 卖"乡镇农村包"

每套包的场景模板、话术、法条应不同——这是产品化的重要输入。

八、重点小区/社区画像

选取数据中提及频率最高、类型差异最大的 8 个小区/社区,结合联网检索到的公开信息做画像。

保利天汇朝阳区东坝地区
高端商品房(新建)
建成年代2026 年 6 月交付(在建)
开发商保利发展(联合体:京投发展)
物业保利物业(7.98 元/㎡·月)
规模约 826 户(南北地块,97–170㎡ 三至四居)
房价销售指导价约 8.6 万/㎡
数据提及咨询中多次出现(东坝地区共 160 条,天汇为其中最突出楼盘)
高频诉求地下车库异味/通风、新房质量、装修管理、物业磨合
画像解读:新房交付期是投诉高发期——业主对高端楼盘期待极高,地下车库异味、装修管理、物业承诺兑现是新建商品房的"交付综合症"。此类小区工单量虽不多但单件社会影响大(业主维权意识强、媒体关注度高)。
产品切入点:To 小B:做"新建商品房交付期介入"专项——给街道提供"开发商-物业-业主"三方协调模板。To C:街道/社区经办人在处理此类工单时是精准目标用户。
三环新城丰台区新村街道
经济适用房 + 商品房混合
建成年代2004–2007 年
开发商北京懋源苑房地产开发
物业懋源苑物业(1.4 元/㎡·月)
规模约 9000 户,34 万㎡ 占地 / 90 万㎡ 建筑
房价经适房属性,二手房约 5 万/㎡
数据提及54 条(新村街道三环新城),主题集中在物业/业委会
高频诉求物业管理、业委会成立、停车秩序、群租扰民
画像解读:超大型混合产权小区是 12345 工单"放大器"——9000 户体量意味着任何小问题都会重复出现。经适房与商品房并存导致物业费定价分歧和业委会成立难——这是长期痛点。
产品切入点:To 小B:典型"超大型社区治理"模板——业委会筹备流程、物业费定价规则、群租管理口径。To C:可面向该小区业主批量获客(痛点单一、密度高)。
天通苑昌平区天通苑南/北街道
经济适用房(北京首批)
建成年代1999–2009 年(十年建设期)
开发商顺天通房地产开发集团
物业方佳物业、顺天通物业、申迪物业等多物业并存
规模占地 8 平方公里,645–746 栋,常住人口 40–50 万(亚洲最大社区)
房价二手房约 4 万/㎡
数据提及天通苑主题邻里扰民/噪音 6 条、其他 2 条(昌平区总 170 条)
高频诉求邻里扰民、群租、违建、物业服务、交通拥堵
画像解读:超大体量+多物业并存+高流动租户比例——三大矛盾叠加,让天通苑成为北京 12345 工单密度最高的社区之一。业主/租户诉求多元(扰民、群租、违建、物业各有诉求),街道难以标准化应对。
产品切入点:To 小B:典型的"必须用 AI 才能处理过来"的场景——工单量大人少,AI 摘要+自动分派是刚需。To C:天通苑所属街道/社区经办人在处理高频工单时是主要用户。
定海园(一里/二里/三里)通州区台湖镇
回迁房(70 年大产权)
建成年代2008–2010 年
开发商北京定海开发有限公司
物业北京定海物业(1.5 元/㎡·月)
规模约 31 栋 / 3037 户(二里 15 栋 1696 户)
房价约 3 万/㎡
数据提及台湖镇定海园二里 17 条,主题集中在停车/交通
高频诉求停车秩序、充电桩安装、回迁物业费定价、租户管理
画像解读:通州副中心建设中的典型回迁社区——村民变居民的过程伴随大量"农村习惯 vs 城市规则"的冲突(如宅基地自建习惯 vs 小区统一管理)。数据中的"停车/交通"高频正是村民自有车辆(含农用车、三轮车)与小区停车规则的冲突。
产品切入点:To 小B:做"回迁社区治理"专项模板——充电桩、农用车、租户管理。To C:可服务通州台湖、亦庄周边的大批量同类回迁小区。
莲花池南里丰台区太平桥街道
老旧小区(商品房+已购公房+央产+二类经适)
建成年代1980–2006 年(跨度长)
开发商北京建工集团(原为水利部/电力部宿舍)
物业北京中水物业(0.5–2.2 元/㎡·月,按楼栋差异)
规模16 栋 / 2207 户
房价二手房约 6 万/㎡(位置好)
数据提及太平桥街道莲花池南里 43+24=67 条,"其他"类居多
高频诉求电梯老化、上下水、停车难、央产转地方协调
画像解读:典型北京"老破小"——原水电部宿舍,多产权类型并存(商品房+已购公房+央产+二类经适)。这种"一套房子里多种产权"导致维修责任划分极复杂——央产部分归部委、公房部分归房管所、商品房部分归业主,街道协调需要精通各种产权类型的处置规则。
产品切入点:To 小B:做"多产权老楼"处置模板——央产/公房/商品房维修责任划分工具。To C:物业/业委会工作人员需要这种"多产权知识库"。
金驹家园朝阳区东坝地区
回迁安置房(按经适房管理)
建成年代D 区约 1990 / E 区近年 / F 区 2014 年(多期)
开发商北京腾翔置业等
物业北京腾翔物业(1.2 元/㎡·月)
规模F 区 33 栋 / 5516 户;E 区 5 栋
房价安置价 4300 元/㎡
数据提及东坝地区金驹家园 7 条 + 东坝乡金驹家园多次出现
高频诉求停车、回迁物业费、群租、装修管理
画像解读:多期建设的回迁小区——不同期的建成年代、物业公司、产权性质有差异,居民诉求也不一致(早期业主已稳定、新入住业主磨合期问题多)。数据反映的"停车/交通"与"扰民"与典型回迁小区一致。
产品切入点:To 小B:与保利天汇(同为东坝)形成鲜明对比——一个高端一个回迁,街道需要"双轨"治理能力。产品应提供"同街道多类型小区"的差异化模板。
怡丽北园海淀区曙光街道
商品房(中高端)
建成年代2002–2003 年
开发商世纪金源 / 泰华房地产(资料有差异)
物业北京东光物业
规模5 栋 / 418 户
房价二手房约 9 万/㎡
数据提及怡丽北园小区 8 条,主题集中在违建/私搭乱建
高频诉求违建、私搭乱建、停车、物业管理
画像解读:小而密的商品房小区——5 栋 418 户,紧邻中关村、世纪城。违建类诉求突出可能跟"业主加建阳台、楼顶搭建"有关——这是中高收入小区的典型问题。
产品切入点:To C:可作为"高端小区治理"案例。To 小B:海淀曙光街道深度用户已在这里,可优先试点。
山东庄镇(含鱼子山村)平谷区山东庄镇
真远郊农村
建成年代行政村(非小区)
开发商—
物业村集体自管
规模镇域 43.82 平方公里,12 个行政村;鱼子山村约 788 户 / 2419 人
数据提及山东庄镇 72 条 + 鱼子山村 6 条,占平谷区绝大部分
高频诉求宅基地、养殖、村务公开、旅游配套、农家乐管理
画像解读:真远郊农村的典型样本——鱼子山村是"红色旅游+民宿经济"的示范村(京东大峡谷、抗日纪念馆),集体经济年收入超千万。农村工单完全不同于城市——宅基地、农田、村务是核心,产品语言/法条/处置流程都需要单独一套。
产品切入点:To 小B:做"乡镇版"独立产品包——宅基地、村务、养殖等专属模块。To C:乡镇干部、村委成员是社小智最被低估的用户群。
📊 数据分析师解读
8 个画像覆盖四种典型场景:高端新建商品房(保利天汇)、超大型混合社区(三环新城、天通苑)、回迁/老旧小区(定海园、莲花池南里、金驹家园)、远郊农村(山东庄镇)、以及小而密商品房(怡丽北园)。

共同特征:每个小区的高频诉求都与其房屋类型、建成年代、产权结构、人口密度高度相关——这意味着"小区画像"是预测"会出什么工单"的强预测变量。
🎯 对产品/市场的含义
对 To 小B(街道/科室级):可据此做"小区类型 × 高发工单"的场景模板库——街道只需告诉我们"辖区内主要是哪类小区",就能自动生成定制化的处置手册。

对 To C(社小智个人端):经办人遇到工单时,先选小区类型,再选问题——比现在的"自由文本输入"更精准、命中更好。这是产品交互升级的方向。

九、外省市样本

省市数量占外省样本
长沙11536.1%
塔城3210.0%
上海196.0%
青岛154.7%
厦门144.4%
吉林103.1%
玉林82.5%
武汉72.2%
西宁72.2%
遵义61.9%
阳泉61.9%
成都51.6%
巴中51.6%
和平41.3%
合肥41.3%
📊 数据分析师解读
长沙 115 条占外省样本 36%——异常突出。

塔城 32、上海 19、青岛 15、厦门 14、吉林 10——分散。

其他:玉林 8、武汉 7、西宁 7、遵义 6、阳泉 6、成都 5、巴中 5 等。

注:长沙的 115 条中有一部分是同一人多次重复(前面分析过有 12 条河南记录被开发确认来自社小智个人端)。
🎯 对产品/市场的含义
长沙是值得单独研究的"异地增长极":115 条不是一个随意数字,说明那里有相对密集的用户。

对 To C:社小智个人端已具备"无销售自然扩散"到北京以外的能力——长沙、青岛、厦门这几个城市可考虑做小型渠道试点。

对 To 小B:这些外省样本按"事发地"看不是我们的销售范围,但按"使用者"看可能是外省基层工作者在付费使用——这是社小智独立产品线的最有力证据。

关键发现(面向 To C 与 To 小B)

用户群体

真实经办人占比约 96–97%(显性 80.9% + 未识别中约 83%)——本产品完全没有"居民直接来提问"的场景。社小智"个人端"实质是"个人工作者端",付费对象、功能、营销都应按"基层工作者个人"定位。

尖刀场景

三大高偏场景:停车/交通 15.3%(基线 +100%)、政务/服务态度 11.1%(基线 +165%,产品独有)、住房质量/维修 9.5%(基线 +99%)。对 To C 是付费点;对 To 小B 是销售演示的黄金三角。

基本盘

物业+邻里只占 25.0%(基线约 60%,-57%)——常规件不需要 AI。产品定位应彻底放弃"通用 12345 助手",聚焦"复杂件求助台"。

地理分布

远郊区占 1/3(平谷、通州、房山、顺义、昌平等)——产品语言/规则包必须支持乡镇、村委会、城乡结合部场景,不能只做城区口径。

使用模式

"润色文字"是被低估的使用模式——经办人已不满足于"生成完整回复",而是把草稿丢给 AI 润色。建议社小智增加"回复润色"独立功能按钮。

销售线索

街道 Top 20 是现成的 To 小B 销售名单——东坝、太平桥、新村、曙光、山东庄的经办人已经在用,街道层面采购是自然延伸。

付费潜力

高端住宅 15.5%——业主对物业/服务质量期待高、付费能力强,是 To C 高质量个人用户;央军产 0.8%——占比小但业务规则特殊,应单独做"军产/央产转办规则"。

增长信号

长沙 115 条外省样本——社小智已具备无销售自然扩散到北京以外的能力,长沙是值得单独研究的"异地增长极"。

方法局限

  • 分类用关键词打分,±10–20% 噪声;小样本(<30)类别不可靠
  • 40.5% 未识别地址的样本未纳入第二部分地点分析
  • 基线"60%/8%/4%/5%"为经验值,仅作方向参考
  • 所有会话使用同一 FastGPT Owner 密钥,无法拆分政府端 vs 个人端
  • 按业务口径:所有"第一人称居民诉求"文本都是经办人复制粘贴居民原文,不存在居民直接来提问的场景
  • 小区分类规则:能识别"高端/央军产/单位家属院/农村/老旧平房"的单独成桶;"普通住宅小区"为兜底(含商品房/回迁/经济适用房等)
  • 浓度倍数 = 该场所内某主题占比 ÷ 全量该主题占比,仅反映相对集中度,不代表绝对数量
相关文档: 典型场景专题化分析 | 停车专题产品设计稿 | 停车专题用户落地页