华邻 HuaLocal · Investor memo · Sydney wedge

让澳洲华人的本地服务，有确定答案。

用户说需求，平台确认结果。

华邻把退租清洁、车检、房检和维修等高信任本地服务，转化为可报价、可确认、可预约的选择。第一阶段聚焦悉尼华人退租清洁，用最小闭环验证需求、商户响应和确认预约。

品牌
华邻 HuaLocal 一眼传达“华人、本地、附近服务”的定位。
Slogan
让澳洲华人的本地服务，有确定答案。 有愿景感，也回应用户最真实的不确定感。
解释
用户说需求，平台确认结果。 讲清楚产品机制：不是黄页，不是广告流，而是确认型推荐。
AI Confirmation Agent AI 不是用来推荐更多广告，而是理解需求、拆解报价、匹配商户、跟进 SLA，和人工运营一起把模糊需求推进到可预约结果。

01 · Why now

澳洲华人不缺广告，缺一个可信的确认层。

现有渠道把信息放到用户面前，却没有替用户完成筛选、确认、比价和留痕。这里正是平台可以创造价值的位置。

从信息流走向交易前确认。

用户不是想浏览 100 个清洁广告。用户想知道：谁真的能来、多少钱、什么时候、会不会临时加价、出了问题有没有记录。

中文语境 结构化报价 商户响应数据 平台内确认预约
552,680 Greater Sydney Chinese ancestry, ABS 2021 Census
AUD 1.4bn Australia residential cleaning services market, IBISWorld 2025 estimate
5-10 第一个月确认预约目标，不用 GMV 虚胖

02 · Market sizing

市场不是一个数，而是三层可验证假设。

TAM 看澳洲住宅清洁总盘，SAM 看悉尼华人可触达服务需求，SOM 用 12 个月真实确认预约倒推。这样每一层都能被数据更新，而不是写一个漂亮但无法执行的大数字。

TAM AUD 1.4bn 澳洲住宅清洁服务市场 2025 年规模估算。它是退租清洁所在的大类，而不是华邻第一年要吃下的市场。
SAM 552,680 Greater Sydney 报告 Chinese ancestry 的人口数，占当地人口 10.6%。这是第一阶段中文服务、华人社群和悉尼租房场景的可触达密度基础。
Need pool 330,256 NSW 2024-25 财年新住宅租赁 bond lodgements。退租清洁需求与租赁流动高度相关，后续应按 postcode 与华人密度叠加建热区模型。
SOM 300-600 12 个月目标确认预约数的工作模型：先覆盖悉尼核心华人租赁区域、50-80 个服务商、月度 30-50 单稳定确认预约。

注：SOM 是运营假设，不是外部统计结论。下一步要用真实漏斗更新：需求提交数、有效需求率、商户 SLA 响应率、用户确认预约率、商户付费意愿。

03 · Product model

把用户自己打电话的过程，产品化。

第一版采用 B 模式：平台先向商户确认可接单，再给用户可预约选项。后端可以人工兜底，前端必须让用户感到路径明确。

01提交需求区域、房型、日期、预算、发票、返工、照片。
02结构化AI 或规则把自然语言变成可匹配字段。
03筛商户区域、时间、晚间、发票、服务半径先硬过滤。
04确认可接微信优先，电话加速，短信确认。
05生成选项给 2-3 个已确认报价和时间。
06确认预约平台内按钮为主，联系方式兜底。
07沉淀数据记录响应、成交、加价、爽约、反馈。
AI Confirmation Agent AI Agent 是确认层的发动机，不是一个聊天噱头。

华邻的 AI 能力和当前价值主张天然契合：用户只需要说需求，AI Agent 负责理解、补全、匹配、追踪和汇总；人工运营负责关键确认与异常兜底，直到数据足够后逐步自动化。

01 理解模糊需求 从自然语言、照片和退租场景里提取区域、房型、日期、预算、invoice、返工和加价风险。
02 拆解报价条件 把“多少钱”拆成基础价、变量项、风险项和确认条件，减少平台价和商户价不一致。
03 匹配并跟进商户 根据服务区域、时间窗口、响应速度和历史表现生成联系任务，追踪微信、电话和短信 SLA。
04 生成可预约选项 把商户回复转成 2-3 个可比较的确认结果：可接、报价、时间、条件和联系方式。

04 · Competitive wedge

比今日悉尼更靠近交易，比 Airtasker 更垂直。

差异不是“也有商户”，而是把退租清洁这个场景做成短路径、中文、可确认、可留痕的体验。

TODAY SYDNEY

信息多，但确认成本高。

用户仍然要自己翻广告、打电话、判断报价和承担服务风险。

WECHAT GROUPS

沟通快，但不可沉淀。

推荐分散在聊天记录里，难搜索、难比较、难形成服务商信用。

XIAOHONGSHU

内容强，但交易弱。

适合发现和种草，不适合确认档期、报价、返工和售后边界。

AIRTASKER

平台成熟，但不够垂直。

通用任务市场很强，但缺少华人退租清洁的中文语境和字段深度。

对标产品 它强在哪里 留下的空位 华邻的差异
今日悉尼 华人流量和商户广告密度高。 用户仍要自己筛选、打电话、问档期、比报价。 平台先确认可接、报价、时间，再给 2-3 个选项。
Airtasker 任务发布、报价和评价机制成熟。 通用型任务市场，对华人语境和退租清洁字段不够深。 更垂直、更短路径，围绕退租清洁 checklist 做结构化撮合。
Hipages / Oneflare 本地 tradie 和服务商线索体系更完整。 偏英文、本地通用服务，用户仍需自己判断是否适配华人需求。 中文需求入口 + 商户响应 SLA + 平台确认预约。
Google Business 搜索意图强，评价可见。 评价噪音高，无法直接确认今日/本周是否可接。 把搜索后的电话确认动作变成平台流程。
小红书 / 微信群 发现和信任传播强，适合华人社群。 信息碎片化，不可比较，不沉淀履约数据。 把社群推荐转为可报价、可预约、可追溯记录。

05 · Business model canvas

商业画布，围绕第一条闭环。

画布不是大而全战略图，而是回答一个问题：悉尼退租清洁这条链路如何跑出真实供需和可收费信号。

客户细分

C 端：悉尼华人租客、新移民、留学生、白领。B 端：退租清洁服务商，后续扩展到二手车检测、房屋检查、维修装修。

价值主张

用户不用自己逐个联系商户。平台先确认可接、报价、时间和关键条件，再给出少量可预约选项。

渠道

小红书、微信群、今日悉尼、Google SEO、LegalLink、租房群、校园社群。

客户关系

轻客服 + 自动通知 + 平台内确认预约。商户侧用接单池、SLA 和排序激励管理。

收入来源

确认预约费、有效线索费、商户会员、优先推荐、类目工具、争议/法律转介。

关键资源

商户数据库、响应速度、报价模板、需求数据、交易反馈、LegalLink 资源、AI Confirmation Agent 工作流。

关键活动

商户 BD、AI 辅助需求结构化、撮合确认、SLA 跟进、报价校验、评价沉淀、内容获客、争议协助。

成本结构

产品开发、运营客服、商户 BD、获客投放、短信/电话成本、工具订阅、争议处理。早期用人工兜底验证，避免过早建设重系统。

06 · Revenue architecture

先证明线索价值，再谈抽佣。

MVP 前 30-50 单免费。真实收费优先从确认预约费开始，佣金等平台内支付或订金成熟后再推。

为什么不是一开始抽佣

  • 绕单风险没有平台内支付时，成交佣金最难追踪。
  • 商户接受度确认预约费更接近可感知价值，比无成交也收费的线索费更公平。
  • 验证优先先看商户是否愿意为高意向、结构化需求付费。
Stage 1
免费撮合

前 30-50 单免费，换取真实报价、响应速度、成交反馈和付费意愿。

Stage 2
AUD 5-15 / 单

普通确认预约费。紧急单可测试 AUD 15-30，因为用户时间成本更高。

Stage 3
AUD 49 / 99 / 199

商户会员和线索包，绑定优先推荐、完整商户页、多区域覆盖和数据报告。

Stage 4
5%-12%

成交佣金适合后续高客单类目，需平台内支付或订金能力支撑。

07 · Validation plan

第一阶段只追一个北极星：确认预约数。

这不是 GMV 游戏。MVP 要证明用户愿意提交真实需求，商户愿意响应，用户愿意在平台内确认预约。

50 用户需求提交。目标不是流量，而是真实、可联系、有明确时间的需求。
20 有效需求。可匹配区域、日期、房型、预算和联系方式。
10+ 商户在 SLA 内确认可接。响应速度会成为排序资产。
5-10 用户确认预约。这个指标决定是否继续投入。
关键假设 验证方式 成功标准
用户愿意提交真实需求 H5 表单 + 微信入口 50 个需求中 20 个有效
用户愿意等待平台确认 匹配中页面 + 通知 50% 有效用户愿意等待
商户愿意响应平台线索 微信、电话、短信测试 20 家完整商户中 10 家可在 SLA 内响应
商户认可线索价值 成交后访谈和付费意愿测试 至少 5 家愿意测试付费

08 · Pricing framework

报价必须结构化，但不必由平台定死。

退租清洁报价采用“基础价 + 变量项 + 风险项 + 确认条件”。这套框架后续可以迁移到车检、房检和维修。

层级 退租清洁示例 后续类目复用
基础价 studio、1b1b、2b2b、3b2b 车检标准检查、房检标准报告、维修上门费
变量项 地毯、烤箱、阳台、窗户、车库、墙面 车型、面积、报告深度、材料和工时
风险项 重油污、霉菌、宠物毛发、垃圾残留 事故车、老房结构、隐蔽工程、临时加项
确认条件 是否看过照片、是否含 invoice、是否支持返工 是否出报告、是否持证、是否书面报价、保修多久

09 · Risk boundary

第一版做协助型平台，不做担保型平台。

平台协助记录需求、确认报价和保留沟通信息。具体服务由第三方商户提供，平台不直接承诺服务结果。

风险 严重性 应对方式
商户响应慢 高 SLA 分层，超时降权，优先推荐响应快商户。
临时加价 高 报价结构化、照片确认、加价项提前列明。
服务质量差 高 反馈记录、商户降权、争议协助，不做履约担保。
绕单 高 早期接受部分绕单，后续用优惠、售后记录和订金降低绕单。
平台责任过重 高 明确第三方服务边界，保留沟通和报价记录。

10 · Roadmap

用数据解锁下一阶段。

不要过早做完整 App、支付、公开评价或多类目平台。每一步都要回答一个新的商业假设。

0-1 个月

跑通闭环

20 个完整商户档案，50 个用户需求，5-10 个确认预约，收集付费意愿。

2-3 个月

验证商业化

测试确认预约费，建立商户排序规则，用内容和社群获得稳定需求。

4-6 个月

扩区域或扩类目

优先在悉尼核心华人区域加密，也可测试二手车检测作为第二类目。

7-12 个月

平台化

商户后台、自动通知、会员线索包、LegalLink 场景导流和墨尔本测试。

11 · Method and evidence

这些结论，不是从愿望里推出来的。

我们用金字塔原则先定顶层判断，再用用户任务、商业画布、精益实验和风险边界逐层验证。

顶层判断

华邻的核心不是“有更多商户”，而是建立澳洲华人本地服务的确认层：用户说需求，平台确认结果。只要这个确认层能降低沟通成本、决策成本和信任成本，后续类目扩展才有意义。

Pyramid 先写一句结论，再拆成用户痛点、供给响应、变现路径和风险边界四条支撑。
JTBD 用户不是想浏览广告，而是想在退租前得到一个可信、可预约、可追溯的服务答案。
Lean MVP 用 Concierge / Wizard of Oz 模式跑前 30-50 单，先验证行为，再建设系统。
Canvas 用商业画布检查客户、价值主张、渠道、关键活动、收入来源和成本结构是否闭合。
Unit logic 先用确认预约数作为北极星，而不是过早追 GMV、下载量或页面访问量。
CTO review 用 awesome-cto 的创业、产品、数据、架构、技术尽调和财务清单复查：哪些要现在验证，哪些不能过早工程化。
为什么先做退租清洁？ 需求明确、时间刚性、报价可拆解、信任风险高，且可通过照片、invoice、返工条件和中介 checklist 结构化。
为什么不是先做 App？ 当前最大风险不是技术，而是用户是否提交需求、商户是否响应、用户是否确认预约。H5 + 表单 + 人工兜底更快验证。
为什么先不抽佣？ 没有平台内支付时佣金难追踪，容易刺激绕单。确认预约费更接近商户可感知价值。
如何处理服务争议？ 第一版做协助型平台，不做担保型平台。核心是需求、报价、照片、加价项和确认条件留痕。
怎么判断值得继续？ 第一个月看 50 个需求、20 个有效需求、10 个商户 SLA 内确认、5-10 个用户确认预约。
下一类目怎么选？ 优先选同样具备高信任、可字段化、可确认档期、客单更高的服务，例如二手车检测和房屋检查。
仍需讲清的问题 为什么重要 第一版验证方式
商户响应 SLA 是否真的成立 平台承诺的“确定答案”依赖商户在窗口期内回复。 记录每个商户微信、电话、短信的响应时间和可接率。
报价结构能否减少临时加价 临时加价会直接伤害信任，也是退租清洁最大风险之一。 要求照片、加价项、invoice、返工条件在推荐前确认。
平台责任边界如何被用户接受 第一版不做担保，但必须让用户理解平台提供的是确认和协助。 在确认预约页展示第三方服务边界和争议协助流程。
商户愿意为什么付钱 收入模型不能只靠想象，必须从商户付费意愿倒推。 免费跑单后访谈，测试确认预约费、线索包、会员优先推荐。
数据资产是否可复用到下一类目 如果字段和匹配规则不可复用，平台会变成人工中介。 把需求拆成基础价、变量项、风险项、确认条件四层。
技术架构是否保持轻但可迁移 过早做复杂系统会拖慢验证；太随意又会丢失关键数据。 H5 + 表单 + Airtable/轻后台起步，但从第一天定义需求、商户、响应和预约四个核心对象。

12 · Sources

外部数据只是起点。

投资人最终会看一手数据：有效需求率、商户响应率、确认预约率和付费意愿。