creams写字楼中介和园区招商招商物业管理系统怎么样

原标题:从租约管理SaaS切入CREAMS全国樓宇管理面积突破1亿方 | 爱分析调研

传统商办领域楼宇管理方式较为原始和落后,以Excel管理居多CREAMS从楼宇租约管理SaaS切入,进一步帮助业主实现樓宇管理数据化和智能化目前管理楼宇数量超过5300幢,管理楼宇面积突破1.2亿平方米未来CREAMS定位楼宇资产管理平台,作为业主方内部资产管悝的入口提供包含物业、招商、停车、能源、财务等全部模块。

项铭2015年创立搜办网在运营一年后便转型,成立新品牌CREAMS定位楼宇资产管理SaaS平台,并于2017年2月正式上线

搜办网定位O2O写字楼中介和园区招商租赁平台,转型的原因主要有两点:第一由于办公室租赁本身属于典型的周期性单次消费,需要不断拓新客户第二,商办领域房源相对集中业主方通常有专门的招商运营团队,租赁中介的附加价值有限市场竞争激烈。

商办领域单一业权是主流传统资产管理模式落后

区别于住宅领域的二手房交易,商办领域的办公楼持有方大多是单一業权的大业主以北京写字楼中介和园区招商为例,北京主要商圈写字楼中介和园区招商单一业权楼宇约占比81%分散业权占比19%(按写字楼Φ介和园区招商面积计算)。此外创始人项铭补充,“目前新增楼盘中单一业权的比重更高通常超过90%。”因此大业主管理的建筑面積通常从数万平方米到几百万平方米不等。

由于在楼宇管理系统领域尚没有特定的标准目前业主方大多使用Word、Excel等工具对包括租金、物业費、公司材料等相关合同及数据进行管理和记录,存在着出错率高效率低下、反馈不及时等问题。如果选择外包软件公司进行定制软件開发又存在成本高、周期长、更迭速度慢等痛点。

定位行业标准工具低价+SaaS获取先发优势

瞄准这一契机,CREAMS选择从租约管理切入包含资產组合、楼宇管理、招商管理、租客管理、租赁合同、收付款、统计分析、资产评估、权限管理等主要模块。

选择从租约管理切入的核心原因是对于持有写字楼中介和园区招商的业主方,主要运营收入来自租金收入而租约的产生是楼宇资产管理中租户与业主产生关系的源头。通常楼宇的招商及管理可以大致分为三个环节前期主要以招商团队负责通过渠道招商获客,中期由财务、法务等部门配合完成合哃签订及财务流程后期由运营和物业人员进行服务,包括日常物业管理、运营服务等

提供功能方面,首先CREAMS通过将原有的楼宇信息、紙质合同等全面数字化,帮助招商、运营等部门人员提升管理效率和降低出错率;其次由于商办租赁行业合同周期普遍在2-3年,收入可预測性强CREAMS设立“资产风险预警机制”模块,能根据现存合同数据和运营成本预测本年度的资产收益情况并实时反馈绩效进度,以便业主方及时调整招商计划等工作提升资产运营收益。

目前CREAMS采用低价策略切入市场。除了避免相似竞品留有打价格战的空间外更主要的原洇是抢占先发优势,获取市场占有率收费方面,大多数管理建筑面积在5万㎡以内的客户一年收费3万元左右不足1元/㎡。

关于产品部署項铭表示,目前98%客户采取了标准版SaaS模式只有少数国企客户有明确的私有化部署需求,比如泰康人寿、中信集团等

标准版SaaS产品的部署周期非常短,平均只需3-5天左右时间主要工作包括前期合同数据的录入、数据整理和相关人员的培训等。目前CREAMS最大的客户大约拥有2000多份合同整个部署时间花费最长也不超过2-3周。

楼宇资产管理面积超1亿方

目前CREAMS主要服务写字楼中介和园区招商、产业园区、联合办公和购物中心等其中写字楼中介和园区招商比重约占80%。仅一年多时间CREAMS管理楼宇数量超过5300幢,管理楼宇面积突破1.2亿平方米今年预计覆盖幢楼宇,管理媔积翻番;

根据CREAMS内部统计口径包含写字楼中介和园区招商、工业园区/产业园、联合办公和大型购物中心等,保守估计存量市场规模大概茬9-10亿㎡以上市场增速方面,根据国家统计局数据从2011年-2017年,每年办公楼的新增房屋开工面积稳定在万㎡之间由此推测,未来市场规模增速将会逐渐下降市场集中度会更高。

便捷、快速的部署方式和低价的市场策略是CREAMS实现迅速扩张的主要原因。今年CREAMS将覆盖成杭州、北京、上海、深圳、广州、武汉、成都、重庆这八大直营城市同时通过招募城市合伙人的代理模式进驻宁波、苏州、长春、济南等18个合伙城市,逐步推进楼宇资产管理体系的全国战略布局

获客方面,CREAMS的团队十分精简目前40人左右的团队负责8个直营城市,平均每座城市6-8人銷售运营人效非常高。这背后与CREAMS团队深耕行业多年的经验和资源积累密切相关多位合伙人在商办租赁行业从事十年以上,经验丰富其Φ一位联合创始人是戴德梁行中国区第一批元老,客户资源丰富

未来1-3年,CREAMS将进一步提高市场份额同时,目标客户更多扩张至诸如大型商业综合体、购物中心等其他涉及租赁、租约管理的物业但是相较于办公类地产,偏零售类商业地产的获客与场景理解有所不同横向擴张具有一定难度。

未来掌握楼宇管理系统入口搭建智能楼宇生态

作为一款聚焦垂直领域的SaaS软件,楼宇管理系统的技术门槛并不高主偠壁垒在于对租赁行业的场景理解能力。CREAMS平均每15天进行一次产品的迭代升级目前已迭代57个版本。

高频率的更新背后一方面是公司近百囚的技术研发团队一直聚焦楼宇管理系统,另一方面随着用户基数逐渐扩大,接收的客户信息反馈越来越多产品得以不断优化。

除了租约管理业主方管理楼宇资产还涉及诸多信息化入口,比如停车系统、访客管理系统、能耗管理系统等目前这些系统大多完全割裂,數据并无交集效率低下。

CREAMS的做法是以楼宇租约管理系统为入口通过开放标准接口,对接第三方增值应用最终实现业主管理资产的一體化。

预计今年第三季度CREAMS将合作第一批大约20多个楼宇服务应用嵌入现有的平台。据创始人项铭介绍以租约管理为基础版的CREAMS系统会一直保持低价策略,未来客单价的提升主要依赖其他应用和服务最终形成像办公领域“钉钉”一样的生态。

随着国内办公楼逐渐往智能楼宇嘚形态转型CREAMS后续如何介入楼宇内所有的智能硬件,对接所有的信息化入口从而实现一个大入口解决楼宇全部的信息化管理,仍需要未來数年时间慢慢验证

爱分析从规模、技术&产品、获客、场景理解和LTV这五个维度对CREAMS进行评价。

规模:目前管理楼宇数量超过5300幢管理楼宇媔积突破1.2亿平方米。杭州占有率超过50%覆盖北京、上海、深圳、广州等8个直营城市和18个代理城市,今年目标覆盖幢楼宇管理面积翻番;

技术&产品:研发团队近百人。从楼宇租约管理SaaS切入目前98%客户选择标准化产品,部署周期平均3-5天周期短;少部分国企等客户选择私有化蔀署,开发周期稍长产品迭代速度快,平均每两周更新迭代一次目前已迭代57个版本。近两年时间客户续费率92%-95%之间;

获客:合伙人团隊多位资深商业地产人士,多年从业经验和资源积累目前运营BD团队30多人,平均每6-8人负责一个城市获客能力强,人效高;

场景理解:团隊主要来自商业地产行业对行业理解较深;

LTV:目前产品客单价较低,平均3万元左右衍生应用发展和LTV仍有待观察。

近期爱分析专访CREAMS创始人项铭,就商业地产SaaS的发展趋势和CREAMS的战略发展进行交流摘选部分内容分享如下。

创始人项铭互联网创业老兵。2009年进入地产行业曾於2011年创办巨基地产。

从搜办转型潜在服务建筑面积10亿方

爱分析:当时搜办转型的原因是什么?

项铭:搜办在2016年覆盖9个城市每个月大概幾百单成交,但是我们选择在业绩最好的时候全部停掉坚决转型。

首先商办租赁行业的特性是周期性单次消费,这意味着我们每个月嘟面临着拓展新客户的压力;其次写字楼中介和园区招商业主50-60%都是单一业权,通常拥有专门的招商运营团队不需要第三方背书,而且茭易对手、交易环节和二手房交易行业完全不同所以至今没有发展出类似链家的头部公司;第三,我们发现人效水平一直无法提升因此果断放弃。

爱分析:为什么转型楼宇管理SaaS服务后没有继续提供招租服务?

项铭:首先CREAMS没有自己的经纪人队伍,可以将自身的系统和垺务与外部所有的经纪人产生交集而不仅仅是自营交易团队。

其次目前整个商办领域,偏互联网模式的租赁平台成交量加总也达不到市场总规模10%这与二手房交易领域链家一家独大的市场格局完全不一样,商办领域的中介渠道非常分散对于业主方而言,他希望SaaS系统真囸解决的痛点是管理效率而不是带客招商。

爱分析:目前商办领域存量建筑面积大概在什么规模

项铭:目前没有官方统一、准确的数據,按照CREAMS统计口径包括一些政府的公用房、改造的园区、联合办公空间和购物中心等,保守估计存量规模至少在9-10亿㎡以上

爱分析:单個客户管理建筑面积一般要达到多大规模,才会有系统管理的需求

项铭:CREAMS目前最小的客户做联合办公空间,管理㎡内部差不多二三十镓租户客户。我们一年收费几千元钱非常便宜,同时也能帮助它解决一些管理效率问题

爱分析:国外有对标的公司吗?

项铭:国外像VTS、Hightower等公司在资产管理系统这方面与CREAMS是很相似的都是提供解决资产管理方案,但是国内外产品的内核并不一样因为国外跟国内的市场完铨不一样,这也是为什么他们的产品都进不来国内市场的原因

爱分析:中美在楼宇管理的运营效率方面有多大差距?

项铭:在北美管悝100万㎡面积只需要7-8个人,而在中国同等面积差不多需要50-60个人管理效率上差7-8倍。差距主要体现在两个层面第一是北美有很成熟的第三方專业服务商;第二的北美写字楼中介和园区招商的信息化程度非常全面,包括智能的机控、门控、能耗、客户设备、资产管理、访客管理等智能化程度和覆盖率都非常高,而目前国内暂时还实现不了

标准化产品输出,收费仅占业主年收入万分之几

爱分析:CREAMS产品迭代速度赽主要原因有哪些?

项铭:一方面我们现在用户基数越来越大,接收的信息反馈和企业优化越来越多;另一方面我们公司近100人的研發团队一直聚焦在资产管理这件事情。

爱分析:CREAMS的定价策略是什么

项铭:目前客单价是属于偏低的,起初制定价格策略时考虑到CREAMS是一个噺产品如果定价过高会提高客户的尝试门槛,我们希望客户以较低的转换成本先使用它提高客户的使用粘性。

另外CREAMS本身定位是服务整个行业的一款标准工具,而不是仅仅服务头部大公司无论管理3000平方米还是3000万平方米,都是CREAMS的客户这是我们的出发点。所以我们的产品定价必然是要要满足绝大多数客户的需求不能太高。

爱分析:一般情况下业主客户愿意在软件方面投入多少预算?

项铭:以管理两彡万平方米方的业主为例他一年的租金收入规模大概在两三千万左右。诸如CREAMS系统收费一年几万块钱几乎对他没有任何压力,差不多相當于一个基本员工一年1/3的工资成本

所以CREAMS客单价存有上涨的空间,但是我认为这个上涨的动作未来主要发生在CREAMS上新增的产品应用及服务

愛分析:续约率情况如何?

项铭:现在续约率大概在92%-95%之间非常高。基本上不需要担心客户的续约率问题除非客户倒闭。

爱分析:SaaS产品嘚部署周期一般多长时间

项铭:大多数公司只需3-5天时间,主要取决于客户的楼宇管理面积和合同数量比如目前合作过最大的客户大概囿2000多份合同,我们从合同录入、数据整理到人员培训前后花费大约半个多月时间。小公司可能1-2天就可以上线

爱分析:客户对产品定制囮需求高吗?

项铭:目前标准版产品的用户占到98%仅面对非常少部分的国企或该领域顶级公司,我们会接受定制化需求因为对公司现有嘚研发团队而言,定制开发会对我们的研发力量产生很大牵扯所以公司会根据用户的体量和资质选择是否定制开发,而且定制的费用相對高很多

以租约管理为入口,未来靠对接第三方应用提升客单价

爱分析:CREAMS选择从租约管理切入的原因是什么

项铭:因为对于任何一个樓宇方来说,租约是收入的主要入口

爱分析:目前CREAMS系统覆盖了哪些模块?未来有什么衍生服务

项铭:针对资产的租约管理端,CREAMS已经折騰了两年时间在这块已经做得比较极致。从今年第三季度开始我们将开展与其他应用的合作,第一批嵌入到CREAMS系统的应用将大概有20多个

我认为,未来管理楼宇的趋势必然只有一个入口而不是像现在停车系统管停车、访客系统管访客、能耗系统管能耗、财务系统管财务等完全分开。

CREAMS今年在杭州会举办一场楼宇服务生态会议大概会有六七百家服务于楼宇的供应商参加。目前我们已经在与多家楼宇服务商溝通、合作通过开放标准接口,欢迎第三方的服务应用接入到CREAMS

以后客户只需要对接CREAMS系统,然后所有的楼宇服务商全部嵌入在CREAMS平台类姒钉钉一样,所有办公性的应用都嵌入在钉钉

今年目标市场渗透率25%,BD团队人效高

爱分析:目前CREAMS市场占有率最高的城市有哪几个

项铭:占有率最高是杭州,覆盖率超过50%其次是北京、上海、深圳这三个城市的占有率最高。今年CREAMS将将覆盖8个直营城市和18个代理城市总共26个城市。

爱分析:获客渠道有哪些

项铭:这是我们的核心竞争力,公司几位合伙人都是地产行业的老兵相关资源非常丰富,而地产行业又恰好是一个资源导向性非常明显的行业因此,对资源的把握和行业的理解是我们最大的优势

CREAMS在选取BD运营团队时,非常重视人员的质量通常8-10人覆盖一个城市。

爱分析:如何选择CREAMS代理城市的城市合伙人

项铭:城市合伙人其实就是CREAMS在指定城市的独家代理商,我们会选择具囿一定行业影响力、在指定城市从事相关行业多年经验且业绩出色的人成为CREAMS的城市合伙人负责CREAMS在该城市全部的市场BD、销售和经营,产品研发则由CREAMS总部承担

爱分析:团队结构大概是怎么样?

项铭:目前公司一共有135人其中人数最多的研发团队,有90多人;市场BD团队大概30多人负责直营城市的全部运营。今年研发团队至少增加30%

爱分析:未来1-3年的战略规划?

项铭:近三年我们将聚焦楼宇管理系统,把产品做箌极致目前为止,CREAMS产品已经升级了57个版本接下来除了租约管理外,我们将在智慧楼宇升级方面一直研究下去

关于如何打造一个真正嘚楼宇服务生态,如何真正形成一个入口实现楼宇的信息化管理包括CREAMS如何介入楼宇的智能硬件、信息化入口等,让数据产生交集提高樓宇运营效率,这将是我们最主要的研究方向

我要回帖

更多关于 写字楼中介和园区招商 的文章

 

随机推荐