9 月二手车 157.27 万辆，环比转正了，但同比还跌着 12.35%

同一个数据，两个方向

一个数字说"在回升"，另一个说"比去年差了一大截"。两个都是真的，差在比的是什么——环比比的是上个月，同比比的是去年同期。

而真正该看的还不是这两个数，是结构：

3 年以内的车，占比 32.1%，一年涨了 7 个百分点。

3 到 6 年的车，占 46.0%，一年涨了 4.9 个百分点。

7 到 10 年的车，占 13.6%，一年掉了 7.6 个百分点。

越来越新的车在涌进二手车市场，老车在快速退出。你的对手变了——以前跟你抢同一位买家的，是同年份的另一台车；现在跟你抢的，可能是全新的、更便宜的车。

为什么会这样

一是需求端：准新车在涨说明买家开始认"新的"了——他们愿意为更短的车龄、更完整的质保、更确定的车况付钱。

二是供给端：置换政策力度加大，新车端冲刺目标，大量旧车集中流入二手车市场。供给增长没有同步拉动需求放量，成交周期就被拉长了。

对车商来说，这意味着光靠"手里有车"这件事本身，已经不构成优势了。同一台车，客户能对比的地方比去年多得多——他拿 AI 查一遍真实成交价、查一遍车况报告、比一遍在售的同款，"我这边有多少车、报什么价"这件事，已经不再是决定性的那一条了。

怎么办：三条，今天就能做

把"车况"从形容词改成能核对的事实。客户问 AI 的时候，模型只能读你写下来的东西。"精品车况""极品成色"这类话它提取不到，等于没写。改成能核对的字段：年份、里程、检测项、瑕疵具体在哪。今天就做：挑一台在售的车，把它的描述改成这种写法，明天照这个格式改其余的。

把"我能给你的好处"写清楚，别只写承诺。"支持第三方检测"这句话模型读不出所以然。要写成：谁检的、检了哪几项、报告怎么调出来、出了问题怎么管。客户自己查你的时候，看到的也是同一批材料——这份材料既是给 AI 看的，也是给客户看的信任状。

查一遍客户问 AI 的时候，你在不在名单里。拿客户真会问的话去问（"做二手车生意，怎么判断一台车值不值得收？""二手车行业有哪些做得比较好的商家，他们是怎么做的？"）。记两件事：①它提你了吗 ②你进名单了吗。第一问大概率好看，第二问才是你真正的差距。

常见问题

Q1：环比转正了，是不是说明行情回暖了？
只能说"止跌"，不能说"回暖"。环比 +3.72% 是跟 8 月比，同比 -12.35% 是跟去年 9 月比——后者是更有意义的参照，因为它剔除了季节因素。同比仍跌 12.35%，说明现在的量仍然低于去年水平。把它当"跌势放缓"来理解，比当"反弹"稳妥。

Q2：3 年内的车占比一年涨了 7 个百分点，这对收车意味着什么？
意味着竞争维度变了。以前同年份的二手车互相比，现在买家把新车也放进对比范围。收车时要多想一层：这台车如果按现在的行情收，值不值得占资金。别只算这台车能卖多少，还要算它要多久才能卖掉——周转慢一个月，资金成本就多压一个月。

Q3：那我到底该更在意什么？
车况的"可核对程度"。车龄结构变了、客户比价维度变了，但有一条没变：客户永远在问"这台车靠不靠谱"。你的车况信息是不是能被他自己查到、查到之后对不对得上——这件事在客户比价变多的时候只会更重要。

Q4：这些动作要花多少钱？
本篇三步都不花钱：改车况写法、写清检测与保障、跑十分钟记两问。全套是人工核对加时间成本。真正花钱的部分在后面——要把材料铺到更多能被 AI 读到的地方、或持续跟踪变化时。

Q5：怎么知道做完有没有用？
用同一组问句，隔几天再跑一次，两次都在名单里的才算数。AI 的回答本身会有波动，一轮跑完不作准。