AI房产营销配置：零基础搭建自动房源推荐与客户线索评分
AI房产营销配置的核心目标，是把房源数据、客户行为和AI评分模型串成一条可自动运行的流程，让系统主动推荐匹配房源并给线索打分。
本文按“准备数据—对接AI服务—配置评分规则—验证效果”的顺序展开，零基础用户也能照着做。
先理清需要准备哪些数据和账号
动手配置前，先确认以下四项是否齐备，缺一项都会导致后续步骤卡住。
- 房源数据表：至少包含房源编号、小区名称、户型、面积、总价、单价、朝向、楼层、装修情况、标签（如“近地铁”“学区”）。建议存成 CSV 或直接建 MySQL 表。
- 客户线索表：包含客户编号、预算区间、意向区域、户型偏好、浏览记录、咨询时间。
- AI 服务账号：如果使用云端大模型 API，需要准备好 API Key 和接口地址；如果使用本地模型，需要确认服务器内存和 GPU 是否满足要求。
- 服务器环境：一台可运行 Python 或 Node.js 的服务器，建议 2 核 4G 起步，安装好 Docker 或宝塔面板，方便后续部署。
数据准备阶段最容易忽略的是字段格式统一。
例如预算区间必须写成“300-500万”这种固定格式，否则后续评分规则无法正确解析。
建议先用表格工具检查一遍，确保没有空值和错位。
对接AI服务并测试连通性
以常见的 HTTP API 方式为例，配置分为三步：填写接口地址、设置鉴权头、发送测试请求。
在服务器上新建配置文件 ai_config.env，写入以下内容（把示例值替换成你自己的）：
AI_API_URL=https://你的服务商接口地址/v1/chat/completions
AI_API_KEY=你的API密钥
AI_MODEL=模型名称然后使用 curl 发送一条测试消息，确认网络和密钥都正常：
curl -X POST "$AI_API_URL" \
-H "Authorization: Bearer $AI_API_KEY" \
-H "Content-Type: application/json" \
-d '{"model":"'"$AI_MODEL"'","messages":[{"role":"user","content":"你好"}]}'如果返回内容中包含正常的回复文本，说明接口通了；
如果报 401，检查 API Key 是否复制完整；
如果报 404，检查接口地址是否多了或少了路径；
如果超时，检查服务器出站网络和防火墙规则。
配置线索评分与房源推荐规则
AI 房产营销的关键不是让模型自由发挥，而是把业务规则写成可执行的评分逻辑。
推荐在代码中维护一份规则表，例如：
- 预算匹配：客户预算区间与房源总价重叠，加 30 分；相差 10% 以内，加 15 分。
- 区域匹配：意向区域与房源所在区一致，加 25 分；同城市不同区，加 10 分。
- 户型匹配：完全一致加 20 分；相差一个房间加 10 分。
- 行为加权：近 7 天浏览过同类房源，额外加 10 分。
具体实现时，可以用 Python 写一个评分函数，输入客户记录和房源记录，输出总分和推荐理由。
然后把评分结果写入一张 lead_score 表，字段包括客户编号、房源编号、总分、推荐理由、生成时间。
配置完成后，在宝塔面板的“计划任务”中添加一条定时任务，例如每 10 分钟运行一次评分脚本：
cd /www/wwwroot/你的项目目录 && /usr/bin/python3 score_job.py >> /var/log/score_job.log 2>&1这样系统就会持续更新评分，营销人员只需查看高分线索即可。
验证配置是否生效
不要等业务人员反馈才发现问题，配置完先做三项检查：
- 查看日志：执行
tail -f /var/log/score_job.log，确认没有报错，并且每次运行都有“处理完成”记录。 - 抽查数据：从
lead_score表中随机选几条记录，手动核对评分是否合理，推荐理由是否写清楚。 - 模拟客户行为：在测试环境中修改某个客户的预算或浏览记录，重新运行脚本，观察评分是否按预期变化。
如果评分结果全部为 0 或不变，优先检查数据字段是否为空、规则条件是否写反、定时任务是否真的在运行。
容易踩坑的几个地方
- API Key 写进代码仓库：不要把密钥硬编码在脚本里，使用环境变量或配置文件，并限制文件权限为
600。 - 没有做请求频率限制：批量调用 AI 接口时容易触发限流，建议在脚本中加入
sleep 0.5或使用队列分批处理。 - 评分规则过于复杂：规则越多越难维护，建议先上线 3-5 条核心规则，跑通后再逐步增加。
- 忽略数据更新：房源下架或价格变动后，评分表要及时清理或重算，否则会推荐无效房源。
常见问题
评分脚本运行报“ModuleNotFoundError”怎么办？
说明缺少 Python 依赖，进入项目目录执行 pip3 install -r requirements.txt 安装依赖，再重新运行。
AI 接口返回内容为空或格式不对？
检查请求体中的 model 名称是否与账号权限一致，同时确认接口地址没有多余空格。可以先用最简单的“你好”测试，排除业务逻辑干扰。
定时任务没有按预期执行？
在宝塔面板计划任务中查看执行日志，确认脚本路径和 Python 解释器路径都是绝对路径，不要依赖环境变量。
按照以上步骤完成 AI 房产营销配置后，建议先小范围试运行一周，观察评分准确率和线索转化情况，再根据实际反馈调整规则权重。
遇到异常时，优先回看日志和本文的避坑部分，多数问题都能定位到具体配置项。
