一、项目背景

我们接手的是一个家电清洗平台，做的是空调、油烟机、洗衣机这类上门深度清洁。单子本身技术含量不高，难的是把师傅、时间、地点、质量四件事同时对齐。项目初期，订单全靠电话和微信群接，师傅排班是一张共享表格，谁有空谁接，客户在群里发一句"周六上午在家"，运营手动往表里填。

问题很快就暴露了。同一个师傅在同一上午被排了两单，一单在城东一单在城西，他只能二选一爽约其一；还有客户明明在家，师傅却跑去了外区，白跑一趟还被投诉。更棘手的在后端，清洗质量没有标准，拆开油烟机洗到什么程度算干净全凭师傅自觉，客户验收靠肉眼和感觉，洗完不满意说不清哪不对，退款纠纷一波接一波，复购率一直起不来。

二、落地场景

我们做的第一件事是把服务品类和价格标准化。空调挂机、油烟机重油污、洗衣机内筒，每种拆洗范围、耗材、时长都写死成可勾选的 SKU，客户下单时就能看到自己买的是什么，不靠电话口述。师傅档期与位置调度是第二段，排单时把师傅实时位置和已排任务叠加到地图上，系统按"顺路、不撞档、留缓冲"三个原则自动推荐，运营只做确认。上门签到与过程留痕放第三段，师傅到点扫码签到、关键步骤拍照（比如油烟机拆前拆后对比），过程全程留痕。清洗质量标准化验收和售后纠纷处理兜底，验收清单逐项勾选，有争议直接调过程照片，不用再扯皮。

案例片段（已脱敏）： 师傅排班与上门签到配置片段（示意）：dispatch:  rule: nearest_and_no_conflict  buffer_minutes: 45  max_same_slot: 1 checkin:  require_geo: true  photos: [before, after, key_part] accept:  checklist: [外观, 拆装复位, 运行测试]上线后派单准时率从约 62% 提升到约 94%，师傅空驶率从约 28% 降到约 9%，一次验收通过率约 91%，复购率约提升 1.8 倍（数据均为脱敏示意值）。

三、关键技术挑战与解决思路

第一个坑是调度冲突。最早的排单逻辑只看时间不看得点，两个单子时间不重叠就都派给同一个人，结果人还在上一单现场。我们改成时空联合约束，把每个任务的预计时长、路途、缓冲一并算进去，同一档期只允许一个任务，且相邻任务必须有足够通勤时间。这一步看似简单，却是整个系统能不能跑顺的命门。

第二个难点是验收标准落地。我们一开始想用客户主观打分，结果分数忽高忽低没参考价值。后来改成结构化验收清单，拆洗前中后各拍一张关键部位，清单只问"外观是否干净、是否拆装复位、运行是否正常"三个硬指标，客户勾选即可，照片作为争议时的凭证。这里有个权衡，清单太细客户嫌烦、太粗又护不住师傅，我们按不同品类各调了一版才稳住。

第三个点是过程留痕的存储和调阅。照片量大，直接塞业务库会拖慢查询，我们单独建了过程影像服务，只存索引和缩略图，原图异步落冷存，纠纷调阅时按需拉取，既不占主库又不丢证据。

四、效果数据

派单准时率从约 62% 升到约 94%，师傅空驶率从约 28% 降到约 9%，一次验收通过率约 91%，复购率提升约 1.8 倍。最直观的变化是客服投诉量下来了，以前一天十几个清洗纠纷，现在一周都未必有一个，运营终于不用天天当和事佬。我们事后复盘，空驶率降下来不只是省钱，更关键的是师傅体验好了，愿意接平台的单，供给端反而更稳。

我们还把验收照片做成了质量看板，哪类机型返工多、哪个师傅的拆装图总是不齐，一目了然，培训和管理都有了抓手。能耗和耗材也从照片里估出来了，后面做成本模型时这批数据帮了大忙。

我们后来把师傅的准时率和一次验收通过率做成了公开排行榜，排名靠前的师傅接单优先级更高，好的供给自然集中，客户体验好的师傅订单更多，形成正向循环而不是靠运营硬推。还有一块是临时改约，早期客户临时改时间，师傅档期已锁死，经常两边为难，我们加了改约窗口和顺延规则，超过窗口的改约触发重新调度而不是硬塞进原档期，爽约率又降了一截。清洗耗材的用量也从签到照片里估了出来，哪家店油污重、耗材用得多，反向指导了定价分层，这部分数据后来接进了成本核算，单均毛利第一次算清楚。更长远看，我们把验收照片沉淀成了培训素材库，新师傅上岗前先看真实案例，上手速度快了，整体一次通过率也跟着抬升，规模上来后这条路越来越值钱。

五、可复用经验总结

上门服务的命门是调度和验收，派单不盯位置和档期，空的跑、撞的单全来了，师傅和客户两头挨骂。验收不标准化，纠纷永远说不清，客户觉得被糊弄、师傅觉得被冤枉，两边都不爽。我后来觉得，这类平台最容易被忽视的是过程留痕的存储成本，照片看着轻，量起来能压垮主库，早点分库分冷存，后面少很多麻烦。调度那层时空联合约束，是我们踩了几次爽约雷之后才补上的，早做比晚做省心太多。说到底，上门生意拼的不是清洗技术多牛，是能不能把人、时、地、质四件事稳稳对齐。