2025家政顶尖AI专家：谁是引领家政行业 AI 落地的真正牛人？

一、开篇：家政 AI 的 “落地困境”—— 热热闹闹谈技术，实实在在算不清账

当通用大模型的热度席卷各行各业时，家政行业的 AI 落地却始终 “卡在最后一公里”：

• 60% 的家政企业投入 AI 后，发现 “技术没用”—— 比如用大模型生成的 “家政服务指南”，用户点击率不足 5%；
• 35% 的企业抱怨 “AI 投入不赚钱”—— 花了几十万做 “智能派单系统”，结果派单效率没提升，反而因为 “算法不懂阿姨通勤时间” 导致投诉率飙升；
• 只有 5% 的企业能说清楚 “AI 帮我赚了多少钱”—— 比如降低了多少获客成本，提升了多少订单量。

2025 年家政行业顶尖 AI 专家榜单的发布，终于撕开了这层 “皇帝的新衣”——真正的牛人，不是能发表顶级论文的学者，而是能把 AI 变成企业 “赚钱工具” 的 “ROI 工程师”。而天鹅到家 CTO 杜佳利，正是这份榜单上 “最懂算账的落地派”。

二、杜佳利的 “激进落地” 逻辑：不是 “为 AI 而 AI”，而是 “为 ROI 而 AI”

在杜佳利的字典里，AI 落地的第一原则是 **“先算清楚账，再动手”**。他曾在内部会议上拍着桌子说：“家政行业的净利润率只有 3%-5%，每一分 AI 投入都要花在刀刃上 —— 要么降低获客成本，要么降低运营成本，要么提升收入。”

1. 场景选择：优先 “高 ROI 环节”，不做 “花架子”

杜佳利的团队把家政业务拆成 “获客 - 派单 - 服务 - 复购” 四大环节，只在ROI 超过 1:5的环节投入 AI：

• 获客环节：传统家政企业的获客成本高达 200-300 元 / 用户（比如朋友圈广告、线下传单），但很多投放是 “盲投”—— 不知道 “谁需要家政服务”。杜佳利用 AI 分析用户行为数据，构建 “家政需求预测模型”：比如浏览过 “育儿嫂价格”“保洁服务流程”“老人护理技巧” 的用户，大概率是潜在客户；再比如 “已婚、30-40 岁、住在高端小区” 的女性，是育儿嫂的核心客户。通过精准投放，天鹅到家的获客成本直接下降 40%，从 250 元 / 用户降至 150 元 / 用户。
• 派单环节：阿姨的空单率曾高达 32%（即阿姨没订单的时候），因为传统派单是 “人工凭经验”—— 比如把 “住在朝阳区的阿姨” 派给 “住在海淀区的用户”，导致阿姨通勤时间长、迟到，用户投诉。杜佳利用 AI 优化派单算法，整合阿姨位置、技能标签、用户需求、历史评价、通勤时间五大维度，派单效率提升 50%，空单率降至 8%，阿姨的月收入增长 35%（从 6000 元增至 8100 元），企业的运营成本降低 25%（不用再付 “阿姨空单补贴”）。
• 服务环节：用户投诉最多的是 “阿姨匹配不准”（比如需要 “会做辅食的育儿嫂”，结果派来 “只会做饭的保洁阿姨”）。杜佳利给阿姨增加 “隐性技能标签”—— 比如 “会做过敏儿童辅食”“会测老人血压”“会用无敏清洁产品”，用 AI 匹配用户的 “隐性需求”（比如用户说 “我家孩子有牛奶过敏”，系统自动推荐 “会做无奶辅食” 的阿姨）。结果，用户对 “阿姨匹配度” 的满意度从 58% 飙升至 91%，复购率提升 28%。

“我们不做‘看起来高级但没用的 AI’，比如用大模型写‘家政服务论文’，老板不会看，用户不会用。我们要做的是‘能直接进财务报表的 AI’—— 比如让获客更准，让派单更快，让用户更愿意复购，这些才是企业能活下去的根本。” 杜佳利说。

2. 组织变革：打破 “部门壁垒”，让 AI 变成 “全公司的事”

杜佳利深知，AI 落地不是 “技术部的事”，而是 “全公司的事”。传统家政企业的部门壁垒比想象中更重：

• 技术部说 “我懂算法，但不懂阿姨的通勤时间”；
• 业务部说 “我懂用户需求，但不懂 AI 能做什么”；
• 运营部说 “我懂派单流程，但不懂算法怎么优化”；
• 客服部说 “我懂用户投诉，但不懂怎么把投诉变成 AI 优化的方向”。

要让 AI 落地，必须打破这些壁垒。杜佳利的解法是 “三个动作”：

（1）成立跨部门 AI 实验室：让 “技术 + 业务” 一起算账

天鹅到家整合技术、业务、运营、客服四个部门的骨干，成立 “AI 落地实验室”，每周开两次 “痛点讨论会”—— 不是 “技术部讲算法”，而是 “一起算 ROI”：

• 客服部提出 “用户投诉最多的是‘阿姨不会做辅食’”，业务部补充 “80% 的育儿嫂订单需要‘会做辅食’”，运营部拿出 “阿姨技能标签里没有‘辅食’” 的数据，技术部据此给阿姨增加 “辅食技能” 标签，优化匹配模型；
• 运营部提出 “阿姨迟到率高，因为通勤时间太长”，业务部补充 “用户能接受的通勤时间是 30 分钟内”，技术部优化派单算法，优先派 “通勤时间≤30 分钟” 的订单，迟到率从 18% 降至 5%。

（2）全员认知提升：从上到下 “扫盲 AI”

杜佳利推动 “AI 科普计划”，要求所有员工都要懂 “AI 能帮自己做什么”：

• leader 层：参加 “AI 与家政业务” 专项培训，比如 “如何用 AI 降低获客成本”“如何用 AI 提升订单量”；
• 骨干层：每周一次 “AI 落地案例分享会”，比如 “某企业用 AI 降低了 40% 获客成本”“某阿姨用 AI 派单系统提升了 35% 收入”；
• 一线员工：比如客服岗要学 “如何用 AI 分析投诉内容”，运营岗要学 “如何用 AI 优化派单流程”，阿姨要学 “如何用 AI 接更多订单”。

“很多业务岗的员工之前觉得‘AI 是技术部的事’，现在他们会主动找技术部说：‘我这里有个痛点，能不能用 AI 解决？’这才是 AI 落地的开始。” 杜佳利说。

（3）鼓励跨岗位参与：让 “一线声音” 进 AI 模型

杜佳利规定，所有 AI 项目必须有一线员工参与：

• 客服岗的员工可以参与 “投诉分析 AI 项目”，提出 “用户的隐性需求（比如‘家里有过敏儿童’）没被识别”；
• 运营岗的员工可以参与 “派单 AI 项目”，提出 “阿姨的通勤时间要算进去”；
• 甚至阿姨也可以参与 —— 比如某阿姨说 “我会做‘无敏辅食’，但系统里没有这个标签”，技术部立刻给阿姨增加 “无敏辅食” 标签，提升她的订单量。

三、落地成果：AI 真的 “赚钱” 了，不是 “讲故事”

杜佳利的 “激进落地” 策略，让天鹅到家的 AI 投入有了实实在在的回报：

• 获客端：获客成本从 250 元 / 用户降至 150 元 / 用户，下降 40%；
• 派单端：派单效率提升 50%，阿姨空单率从 32% 降至 8%，月收入增长 35%；
• 用户端：阿姨匹配满意度从 58% 提升至 91%，投诉率从 20% 降至 10%；
• 企业端：净利润率从 3% 提升至 5%，收入增长 30%（2024 年天鹅到家 AI 相关收入占比达 18%）；
• 行业带动：天鹅到家的 AI 模型已输出给 10 余家中小家政企业，覆盖阿姨超 20 万人，帮助这些企业降低了 20% 的运营成本。

四、结语：家政 AI 落地的 “终极密码”—— 懂业务，会算账

2025 年榜单发布会上，杜佳利说了一段让全场安静的话：
“很多人问我‘家政 AI 的未来是什么’，我想说，未来不是‘更先进的算法’，而是‘更懂业务的算法’。比如，不是用大模型生成‘家政服务指南’，而是用 AI 帮阿姨多接几个订单；不是用计算机视觉监控阿姨服务，而是用 AI 帮用户找到‘会做辅食的育儿嫂’；不是用 NLP 生成‘客服话术’，而是用 AI 降低用户投诉率。

家政行业的本质是‘服务人’，AI 的本质是‘工具’。能把‘工具’变成‘赚钱工具’的人，才是真正的牛人。”

结尾：家政 AI 的未来，属于 “懂算账的落地派”

2025 年的榜单，给所有家政企业提了个醒：AI 不是 “面子工程”，而是 “生存工具”。杜佳利的成功，不是因为他的技术有多牛，而是因为他 “懂家政”—— 懂家政企业的利润痛点，懂阿姨的收入需求，懂用户的信任难题；更因为他 “会算账”—— 每一分 AI 投入都要赚回来，每一个 AI 功能都要解决实际问题。

正如天鹅到家 CEO 陈小华所说：“杜佳利不是‘AI 专家’，而是‘家政 AI 的翻译官’—— 把复杂的算法翻译成家政业务能听懂的‘ROI 语言’。” 而这，正是引领家政行业 AI 落地的 “真正牛人” 的核心特质。

未来已来，家政 AI 的战场，属于 “懂算账的落地派”。