来Come
在家里开小店——让每个小区,像一夜之间长出配套设施
执行摘要
时代背景与机会
产品与体验
从打开到成交
核心竞争力
飞轮设计与增长
市场与融资
规模、路线图与计划
执行摘要
让每个普通人,像一夜之间有了自己的小生意
核心洞察
如果把一座城市拆解成"人、路、房、店",传统平台解决的是"店的可见性"(地图、外卖、团购、点评),而今天真正被浪费的,是人的可见性:大量具备技能的人在家里、在社区里、在校园里,却无法被附近的需求看见;大量真实而细碎的需求发生在一公里生活圈,却只能靠微信群、中介、熟人介绍去碰运气。
《来》要做的,是把第三层服务经济的毛细血管数字化:让每个人都能在地图上开一家"只服务附近"的小店。
用户价值
住在老小区的人不再缺配套——美甲、修鞋、陪学、收纳、修电脑、宠物护理、陪诊、跑腿……不是要新开 100 家店,而是把周围 100 个"会做事的人"点亮。
想找事干的人不必"等上班"——在附近上岗,直接与邻居形成小规模服务循环。
产品形态
"来"是一张超本地服务地图(1–3km 半径),每个点位是一个人/一个小店;最大亮点是 AI 开店导演:像 Gamma 做演示页一样,把普通人的服务包装成可传播的介绍页,并自动生成外链,降低发布与传播摩擦,让服务者自愿分享、自然增长。

来:在家里开小店。让每个小区,像一夜之间长出配套设施;让每个普通人,像一夜之间有了自己的小生意。
时代背景与机会
供给侧从未如此充足,长尾服务仍在黑箱流动
2.1 就业压力与"灵活就业"规模扩大
全国层面,城镇调查失业率、就业结构等数据持续被高度关注。与此同时,公开报道与研究普遍指出中国灵活就业人群规模已达到"数亿级",并且成为就业"蓄水池"。例如人民日报相关报道提到灵活就业人员规模已超 2 亿
这意味着"来"面对的供给侧不是稀缺,而是过剩:
  • 有大量人愿意用时间与技能换取收入
  • 他们缺的是"入口、可见性、信任与成交路径"
2.2 本地生活服务市场巨大,"长尾服务"仍大量在线下黑箱流动
预计 2025 年本地生活服务规模将超过 2.5 万亿元。大平台能做的是"规模化交易",但它们很难系统性地呈现"我小区里/我的一公里里有哪些人能提供什么服务"。这正是"来"的结构性机会。
低频但刚需
陪诊、跑腿、修小家电、收纳
高频但分散
陪学、托管式学习管理、宠物基础护理
情绪与体验
陪伴、陪练、兴趣教学、小型体验
问题
城市"服务供给不可见"——三重不可见
这不是简单的供需不匹配,而是三重不可见
3.1 对需求方:不知道附近有没有人能解决
很多需求不是"全国最便宜",而是"附近、马上、靠谱"。一个老小区里,可能住着会美甲的小姐姐、会修鞋的叔叔、会陪学的大学生、会按摩理疗的师傅,但看不见他们,于是只能:
  • 在微信群里问(信息被聊天淹没)
  • 找中介(信息不透明、价格被抬高)
  • 或干脆放弃(需求被压抑)
3.2 对供给方:不知道怎么把自己变成"可被选择的服务"
供给方的阻力不是"不会做",而是:
  • 写不出介绍、拍不出作品、定不好价格
  • 发朋友圈尴尬,像乞求
  • 发平台又担心沉没、担心被骗
  • 不知道怎么获得第一单、第一条评价
3.3 对城市:大量服务交易停留在"黑箱"
这些交易真实存在,却不被数字化记录:
  • 无法沉淀信任
  • 无法沉淀服务供给结构
  • 无法形成服务密度
  • 城市配套仍被理解为"商铺数量",而不是"能力数量"
解决方案
“来”是什么
来 = 城市地图 + 每个人的小店 + AI辅助开店导演 + 外链传播
它不是招聘网站,不是家政平台,不是闲鱼,也不是微信群替代品。它是一种新的基础设施:把"人能提供的服务"像店铺一样挂在地图上。
4.1 产品定义
对需求方:打开地图,看到小区里下楼就能触及的服务
对服务者:不用找公司,直接在家上线
对城市:让一个老城区瞬间拥有大量看得见的配套服务
4.2 服务边界
主体是个人/微个体,不以企业招聘为核心,强调"附近解决"
早期不碰资金托管:平台不代收代付,先做连接与可见性(但会预留合规升级路径)
产品与体验
从打开到成交
5.1 需求方故事:老小区的一天
你住在一个老城区,晚上孩子作业没人盯,周末你又想做个美甲、手机屏幕也裂了。你打开"来",看到地图上出现很多"人"的点位:
🎓 "同济大二土木小王|作业陪学(有耐心)|晚 7-10 点|离你 420 米"
🔧 "心灵手巧张阿姨|修鞋修包|楼下便民|离你 280 米"
💅 "陈陈爱美甲💅🏻|美甲(上门/到店)|离你 100 米"
你点进其中一个点位,进入的不是"帖子",而是一张Ai演示页一样清晰的介绍页:这个人擅长什么、适合什么类型的人;过往案例与照片;价格范围与可预约时间;"常见问题"与"你可以直接问我什么"。
你发起咨询,对方秒回,并且 AI 在对话里像一个助理一样提醒双方把关键问题讲清楚:时间、地点、价格、服务范围、注意事项。

成交发生在你家门口,小区内完成闭环。这就是"来"想要的世界:需求不用跑远、供给不用远跑。
5.2 供给方故事:失业的人如何"在附近上岗"
王师傅失业后不想跑外卖,他会修电脑、会装路由器、会做简单上门维护,但他不知道怎么宣传。他打开"来"点击"开店",AI 开始像采访一样问他:
  • 请问把你的服务归类为:"电子产品修理"是否准确?
  • 你最擅长解决哪三种常见问题?
  • 你服务最快多久能到?
  • 你做过哪些案例(哪怕是帮邻居/亲戚)?
  • 你希望服务哪些人(老人家庭/上班族/学生)?
  • 你不做什么(边界)?
三分钟内,AI 给他生成:一段地图上的短简介;一张结构化的介绍页;一张可分享到微信群的海报图与外链。
他把外链发到小区群里,邻居点开直接能看,不需要先下载。咨询来得很快——因为他的介绍不是"我接单",而是"我在家开了个小店,这是我的服务名片"。
第一单完成后,评价写下"靠谱、快、价格透明",信任开始累积,飞轮开始转。
核心竞争力与飞轮设计
四大竞争力
竞争力一:小区级局部密度网络效应
"来"追求的是局部密度:同一个小区/街道内,服务点越密,用户越依赖;用户越依赖,服务者越愿意入驻。一旦某个小区密度起来,后来者很难用同成本撬动,因为用户已经形成习惯。它不像全国性平台那样需要无穷大流量,而是通过局部的足够好用形成壁垒。
竞争力二:AI 开店导演 + Gamma 式外链页
AI 在"来"里的角色,是一个开店导演。它不要求用户"写一段自我介绍",而是像一个专业运营一样,主动提问、拆解、挖掘,然后自动整理成:一段清晰、有卖点、有结构的介绍;一个像作品页一样好看的服务页面;一张可以直接分享到微信群/朋友圈的外链卡片。
竞争力三:邻里信任的结构化沉淀
服务交易里最贵的成本不是广告费,而是"不敢用"。"来"通过三层结构把信任拉出"口碑黑箱":真实身份认证;服务记录与评价;小区/校园等"共同空间"带来的隐性背书(同一生活圈比全国陌生人更容易建立信任)。
竞争力四:轻量化结构与服务导向定位
轻量、直观、无需学习成本,是"来"的第一原则。它不要求用户理解复杂规则,也不要求服务者成为专业营销者;只需在地图上点亮一个点位,城市的毛细血管便开始流动。
竞争力四(续)
从历史失败中诞生——轻量化结构与服务导向定位
在"来"之前,并非没有人尝试过类似的构想。世界各地曾出现过邻里互助平台、任务撮合应用、社区生活服务工具,甚至包括一些技能交易与零工平台。然而,这些产品最终大多未能走向普及,其原因并非需求不存在,而是路径错误
它们往往试图在一开始就成为"万能平台"——功能冗杂、结构臃肿、流程复杂、认证繁琐;或者在尚未形成密度与信任之前便急于变现,通过抽佣、会员或付费曝光加速商业化。结果是:供给端发布成本过高、需求端体验不清晰,平台尚未形成飞轮便已失去生命力,逐渐消失在历史之中。

"来"的设计,是在这些失败经验之上反向生长的。我们不试图成为一个包罗万象的超级平台,而是回归最基础的问题:让附近的人,看到附近的服务。
闲鱼
解决的是"物的流通",依赖物流半径,商品导向(goods-oriented),诞生于电商体系,以二手商品为核心,服务只是商品逻辑的延伸。
解决的是"人的流通",依赖步行半径,服务导向(service-oriented)。通过小区地图将服务锁定在本地、锁定在线下、锁定在生活圈之中,通过局部密度构建网络效应。
"来"并非第一个提出邻里服务概念的产品,但它是第一个以轻量结构、延迟变现、服务本位与本地密度为核心原则重新构建这一赛道的产品。这不是对历史尝试的重复,而是对历史失败的回应。
用户画像与典型场景
供给侧三类人 × 需求侧四类场景
7.1 供给侧三类人
失业/转型人群
需要一条低门槛的收入路径,"在家上线"比重新找公司更可控。
大学生
时间碎、技能多、在校园、需要体面地变现;"开店"比"发朋友圈接单"更不尴尬。
社区能人
家庭主妇/退休人群:不想开正式门店,只想做小规模服务补贴收入。
7.2 需求侧四类场景
家庭刚需
陪学、收纳、跑腿、陪诊、修小家电
到家/到店小服务
美甲、修鞋、宠物基础护理
兴趣与成长
兴趣教学、陪练、技能互助
老城区/老小区生活圈
更依赖"近、熟、口碑"
市场规模与增长空间
TAM · SAM · SOM
1
SOM
按"城市→片区→小区/校区"密度打法推进,跑通可复制单元模型
2
SAM
非标到家/到店生活服务 + 零工/灵活就业服务撮合 + 社区互助/小微服务市场
3
TAM
本地生活服务整体市场预计 2025 年超过 2.5 万亿元(含外卖、生鲜、社区服务等)
8.2 SAM 定义
  • 到家/到店生活服务中的非标类(不完全被美团/标准家政覆盖)
  • 零工/灵活就业服务撮合(社区内发生)
  • 社区互助/小微服务市场
政策层面也在推动"零工市场、零工驿站"建设并鼓励线上化、数字化零工服务平台。这意味着市场不仅存在,而且在被制度化。
8.3 SOM 核心逻辑
"来"不是先吃全国,而是按"城市→片区→小区/校区"密度打法推进。核心不是人口,而是可复制的单元模型
  • 选一个城市/高校/老城区试点
  • 跑通密度与成交
  • 用标准化运营手册复制到下一城
竞争格局与差异化
国内近邻竞品 · 全球可类比产品
9.1 国内近邻竞品
到家服务平台(职业化、标准化)
如 58 到家、天鹅到家、到位等。58 到家官方介绍强调提供百余类生活服务,并提供人身与财产保险保障,属于"平台组织供给+强保障"的模式。天鹅到家也强调通过数字化改造家政服务、在线匹配与电子合同等完整流程。
差异:这些平台强在标准化服务与强管控,但难覆盖"人人小店、长尾服务、局部密度地图"这一层。
交易/社区平台的"副业化"
闲鱼推出"闲鱼简历/副业宝贝"等功能,把技能与副业集中呈现。
差异:闲鱼更像全国性的技能/二手交易社区,"来"主打 1–3km 生活圈的密度与即时性,并把"地图+附近"做成主入口。
9.2 全球上的其他可类比产品
1
TaskRabbit
连接本地 Tasker,覆盖清洁、家具安装、维修等家务类任务。
2
Airtasker
发任务、选人完成,强调用户量与评价体系。
3
AlloVoisins(法国)
强调邻里之间提供服务、出租物品,面向"附近"与"补贴收入"。
4
Nextdoor
邻里网络,包含本地推荐与交易等。

结论:本地服务撮合全球已被验证;"来"的差异在于:更强调"人人小店 + AI 自动包装 + 外链传播 + 小区密度";在中国老城区/校园场景下,把"就业入口"与"生活圈需求"绑在一起。
冷启动与增长打法
先做密度,再做规模
"来"的冷启动不从需求端拉人开始,而从想上班的人开始——因为供给侧的动机最强、最自驱。
10.1 第一枪:先做"密度"
选择一个高密度场域:老城区片区 或 高校周边 3km;目标不是全城覆盖,而是让一个片区打开就"满地图都是点",形成强感知。
10.2 供给侧冷启动
招募 200–500 名首批服务者(学生/失业者/社区能人);AI 帮他们做"介绍页+外链+海报",有偿转发到:小区群、同学群、家长群、业主群。
10.3 需求侧冷启动
需求端不靠喊口号,靠一次次附近就能解决的体验:第一个被解决的刚需:陪学/跑腿/修电脑/收纳/宠物基础护理。

"来"的冷启动并不需要先去教育需求方。真正的突破口在供给侧——因为供给者本身,恰恰是这个平台最天然、最强烈的需求者。

他们不仅是服务的提供者,更是平台的第一批体验者。当一个大学生通过"来"接到了第一单陪学,当一个失业的师傅通过外链介绍页拿到咨询,当一个社区能人发现自己真的可以在楼下开工——他们不仅成为供给,他们自己也会开始使用平台寻找其他服务。因为他们住在同一个小区,他们也有家庭,他们也需要修电脑、陪学、美甲、宠物护理。

换句话说,供给者不是"外部资源",而是社区的一部分。他们对平台的信任来自亲身体验。
团队成员
《来》的创始团队由两位核心成员构成。
张劼潇 · 联合创始人
毕业于Monash University计算机科学本科与硕士,具备完整的AI系统训练与工程化背景。过去几年中,长期在跨国分布式团队环境中担任项目负责人,团队成员分布于阿联酋、法国、俄罗斯、加拿大与中国等多个国家,在多语言、多时区、多文化的协作环境下推进复杂项目落地。
  • AI系统设计与工程化能力
  • 复杂跨国项目管理经验
  • 敏锐的技术洞察力与创新思维
汪昌 · 联合创始人
毕业于Monash University计算机科学硕士,拥有IT支持与一线服务体系管理经验。曾在上海携程从事技术支持工作,同时在留学教育和制造行业中担任主管,长期面对真实用户与服务场景,积累了对服务流程、用户沟通与满意度管理的丰富实操经验。
  • 深刻理解用户服务流程与痛点
  • 一线运营管理与团队建设
  • 卓越的用户沟通与满意度管理能力
数据指标与经营仪表盘
单位片区的服务密度 × 有效对接 × 信任沉淀
密度指标
每 1km 网格的活跃小店数、覆盖品类数
对接指标
咨询发起数、有效咨询率、线下成交自报率
信任指标
评价率、复购率、举报率、封禁率
增长指标
外链访问→下载转化、分享率、分享带来咨询占比
供给健康
7 日留存、30 日活跃服务者占比、平均响应时间
路线图与里程碑
三阶段推进计划
0–3 个月
MVP 核心功能
  • 地图 + 分类 + 小店页
  • AI 开店导演(采访式问答 → 生成页)
  • 外链页(无需下载可浏览)
  • 私聊/联系方式交换
  • 举报/风控基础
3–6 个月
单片区密度跑通(第一条飞轮)
  • 一个片区达到"打开就有用"的密度
  • 沉淀评价与案例
6–12 个月
复制到第二片区(可复制证明)
  • 抽象出运营手册(供给招募、内容审核、线下触点、活动模板)
  • 建立城市合伙人/校园大使体系
融资计划与风险清单
Pre-seed 融资 · 资金用途 · 风险对策
13.1 融资阶段
Pre-seed
13.2 资金用途
产品研发:地图系统、AI 开店导演、外链页、风控与审核
运营与供给建设:城市试点、校园大使/社区合伙人体系
风险清单与对策
灰产与诈骗风险
对策:实名、风控关键词、举报秒响应、黑名单共享、限制高风险品类。
合规风险(招聘/食品/医疗)
对策:定位清晰不做重监管领域;敏感类目禁入;未来开放时按政策做许可与核验。