2025家政頂尖AI專家：誰是引領家政行業 AI 落地的真正牛人？

一、開篇：家政 AI 的 “落地困境”—— 熱熱鬧鬧談技術，實實在在算不清賬

當通用大模型的熱度席卷各行各業時，家政行業的 AI 落地卻始終 “卡在最后一公里”：

• 60% 的家政企業投入 AI 后，發現 “技術沒用”—— 比如用大模型生成的 “家政服務指南”，用戶點擊率不足 5%；
• 35% 的企業抱怨 “AI 投入不賺錢”—— 花了幾十萬做 “智能派單系統”，結果派單效率沒提升，反而因為 “算法不懂阿姨通勤時間” 導致投訴率飆升；
• 只有 5% 的企業能說清楚 “AI 幫我賺了多少錢”—— 比如降低了多少獲客成本，提升了多少訂單量。

2025 年家政行業頂尖 AI 專家榜單的發布，終于撕開了這層 “皇帝的新衣”——真正的牛人，不是能發表頂級論文的學者，而是能把 AI 變成企業 “賺錢工具” 的 “ROI 工程師”。而天鵝到家 CTO 杜佳利，正是這份榜單上 “最懂算賬的落地派”。

二、杜佳利的 “激進落地” 邏輯：不是 “為 AI 而 AI”，而是 “為 ROI 而 AI”

在杜佳利的字典里，AI 落地的第一原則是 **“先算清楚賬，再動手”**。他曾在內部會議上拍著桌子說：“家政行業的凈利潤率只有 3%-5%，每一分 AI 投入都要花在刀刃上 —— 要么降低獲客成本，要么降低運營成本，要么提升收入�！�

1. 場景選擇：優先 “高 ROI 環節”，不做 “花架子”

杜佳利的團隊把家政業務拆成 “獲客 - 派單 - 服務 - 復購” 四大環節，只在ROI 超過 1:5的環節投入 AI：

• 獲客環節：傳統家政企業的獲客成本高達 200-300 元 / 用戶（比如朋友圈廣告、線下傳單），但很多投放是 “盲投”—— 不知道 “誰需要家政服務”。杜佳利用 AI 分析用戶行為數據，構建 “家政需求預測模型”：比如瀏覽過 “育兒嫂價格”“保潔服務流程”“老人護理技巧” 的用戶，大概率是潛在客戶；再比如 “已婚、30-40 歲、住在高端小區” 的女性，是育兒嫂的核心客戶。通過精準投放，天鵝到家的獲客成本直接下降 40%，從 250 元 / 用戶降至 150 元 / 用戶。
• 派單環節：阿姨的空單率曾高達 32%（即阿姨沒訂單的時候），因為傳統派單是 “人工憑經驗”—— 比如把 “住在朝陽區的阿姨” 派給 “住在海淀區的用戶”，導致阿姨通勤時間長、遲到，用戶投訴。杜佳利用 AI 優化派單算法，整合阿姨位置、技能標簽、用戶需求、歷史評價、通勤時間五大維度，派單效率提升 50%，空單率降至 8%，阿姨的月收入增長 35%（從 6000 元增至 8100 元），企業的運營成本降低 25%（不用再付 “阿姨空單補貼”）。
• 服務環節：用戶投訴最多的是 “阿姨匹配不準”（比如需要 “會做輔食的育兒嫂”，結果派來 “只會做飯的保潔阿姨”）。杜佳利給阿姨增加 “隱性技能標簽”—— 比如 “會做過敏兒童輔食”“會測老人血壓”“會用無敏清潔產品”，用 AI 匹配用戶的 “隱性需求”（比如用戶說 “我家孩子有牛奶過敏”，系統自動推薦 “會做無奶輔食” 的阿姨）。結果，用戶對 “阿姨匹配度” 的滿意度從 58% 飆升至 91%，復購率提升 28%。

“我們不做‘看起來高級但沒用的 AI’，比如用大模型寫‘家政服務論文’，老板不會看，用戶不會用。我們要做的是‘能直接進財務報表的 AI’—— 比如讓獲客更準，讓派單更快，讓用戶更愿意復購，這些才是企業能活下去的根本�！� 杜佳利說。

2. 組織變革：打破 “部門壁壘”，讓 AI 變成 “全公司的事”

杜佳利深知，AI 落地不是 “技術部的事”，而是 “全公司的事”。傳統家政企業的部門壁壘比想象中更重：

• 技術部說 “我懂算法，但不懂阿姨的通勤時間”；
• 業務部說 “我懂用戶需求，但不懂 AI 能做什么”；
• 運營部說 “我懂派單流程，但不懂算法怎么優化”；
• 客服部說 “我懂用戶投訴，但不懂怎么把投訴變成 AI 優化的方向”。

要讓 AI 落地，必須打破這些壁壘。杜佳利的解法是 “三個動作”：

（1）成立跨部門 AI 實驗室：讓 “技術 + 業務” 一起算賬

天鵝到家整合技術、業務、運營、客服四個部門的骨干，成立 “AI 落地實驗室”，每周開兩次 “痛點討論會”—— 不是 “技術部講算法”，而是 “一起算 ROI”：

• 客服部提出 “用戶投訴最多的是‘阿姨不會做輔食’”，業務部補充 “80% 的育兒嫂訂單需要‘會做輔食’”，運營部拿出 “阿姨技能標簽里沒有‘輔食’” 的數據，技術部據此給阿姨增加 “輔食技能” 標簽，優化匹配模型；
• 運營部提出 “阿姨遲到率高，因為通勤時間太長”，業務部補充 “用戶能接受的通勤時間是 30 分鐘內”，技術部優化派單算法，優先派 “通勤時間≤30 分鐘” 的訂單，遲到率從 18% 降至 5%。

（2）全員認知提升：從上到下 “掃盲 AI”

杜佳利推動 “AI 科普計劃”，要求所有員工都要懂 “AI 能幫自己做什么”：

• leader 層：參加 “AI 與家政業務” 專項培訓，比如 “如何用 AI 降低獲客成本”“如何用 AI 提升訂單量”；
• 骨干層：每周一次 “AI 落地案例分享會”，比如 “某企業用 AI 降低了 40% 獲客成本”“某阿姨用 AI 派單系統提升了 35% 收入”；
• 一線員工：比如客服崗要學 “如何用 AI 分析投訴內容”，運營崗要學 “如何用 AI 優化派單流程”，阿姨要學 “如何用 AI 接更多訂單”。

“很多業務崗的員工之前覺得‘AI 是技術部的事’，現在他們會主動找技術部說：‘我這里有個痛點，能不能用 AI 解決？’這才是 AI 落地的開始�！� 杜佳利說。

（3）鼓勵跨崗位參與：讓 “一線聲音” 進 AI 模型

杜佳利規定，所有 AI 項目必須有一線員工參與：

• 客服崗的員工可以參與 “投訴分析 AI 項目”，提出 “用戶的隱性需求（比如‘家里有過敏兒童’）沒被識別”；
• 運營崗的員工可以參與 “派單 AI 項目”，提出 “阿姨的通勤時間要算進去”；
• 甚至阿姨也可以參與 —— 比如某阿姨說 “我會做‘無敏輔食’，但系統里沒有這個標簽”，技術部立刻給阿姨增加 “無敏輔食” 標簽，提升她的訂單量。

三、落地成果：AI 真的 “賺錢” 了，不是 “講故事”

杜佳利的 “激進落地” 策略，讓天鵝到家的 AI 投入有了實實在在的回報：

• 獲客端：獲客成本從 250 元 / 用戶降至 150 元 / 用戶，下降 40%；
• 派單端：派單效率提升 50%，阿姨空單率從 32% 降至 8%，月收入增長 35%；
• 用戶端：阿姨匹配滿意度從 58% 提升至 91%，投訴率從 20% 降至 10%；
• 企業端：凈利潤率從 3% 提升至 5%，收入增長 30%（2024 年天鵝到家 AI 相關收入占比達 18%）；
• 行業帶動：天鵝到家的 AI 模型已輸出給 10 余家中小家政企業，覆蓋阿姨超 20 萬人，幫助這些企業降低了 20% 的運營成本。

四、結語：家政 AI 落地的 “終極密碼”—— 懂業務，會算賬

2025 年榜單發布會上，杜佳利說了一段讓全場安靜的話：
“很多人問我‘家政 AI 的未來是什么’，我想說，未來不是‘更先進的算法’，而是‘更懂業務的算法’。比如，不是用大模型生成‘家政服務指南’，而是用 AI 幫阿姨多接幾個訂單；不是用計算機視覺監控阿姨服務，而是用 AI 幫用戶找到‘會做輔食的育兒嫂’；不是用 NLP 生成‘客服話術’，而是用 AI 降低用戶投訴率。

家政行業的本質是‘服務人’，AI 的本質是‘工具’。能把‘工具’變成‘賺錢工具’的人，才是真正的牛人�！�

結尾：家政 AI 的未來，屬于 “懂算賬的落地派”

2025 年的榜單，給所有家政企業提了個醒：AI 不是 “面子工程”，而是 “生存工具”。杜佳利的成功，不是因為他的技術有多牛，而是因為他 “懂家政”—— 懂家政企業的利潤痛點，懂阿姨的收入需求，懂用戶的信任難題；更因為他 “會算賬”—— 每一分 AI 投入都要賺回來，每一個 AI 功能都要解決實際問題。

正如天鵝到家 CEO 陳小華所說：“杜佳利不是‘AI 專家’，而是‘家政 AI 的翻譯官’—— 把復雜的算法翻譯成家政業務能聽懂的‘ROI 語言’�！� 而這，正是引領家政行業 AI 落地的 “真正牛人” 的核心特質。

未來已來，家政 AI 的戰場，屬于 “懂算賬的落地派”。