欢迎来到 Linkloud Talk 第 2 期，本期我们来聊聊 AI 招聘！在 2023 年 3 月 GPT-4 发布后，一系列面向求职者的新平台以及为 HR 设计的 AI 招聘工具迅速涌现出来。Jobright.ai 便是其中之一。
Jobright.ai 是一家总部位于硅谷的 AI 原生创业公司，致力于打造下一代 AI Native 全球求职与招聘平台。如今平台在美国的月访问量超过 500 万，并在最近 ARR（非 Vibe）突破 500 万美金，已经实现盈利！

图片
本期嘉宾是 Jobright 的联合创始人& CTO 郑玉典 Ethan。
他本科毕业于南京大学软件学院，后在香港大学攻读博士，研究数据库数据挖掘。毕业后到美国，前三年在 Twitter 负责广告机器学习系统，随后加入华人创办的新闻资讯平台 Newsbreak，负责推荐系统搭建。在 2023 年 1 月遇到现在的合伙人 Eric 后，两人创办了这家公司。
Ethan 与我们回顾了最开始服务求职者的初心，第一个打动用户收获口碑相传的时刻，以及如何通过把握技术趋势，从不同渠道获取流量红利。Ethan 本人更是很早就亲力亲为 Founder IP ，想必能给同样在做全球化的创始人非常多借鉴和启发。Enjoy!

图片

对谈实录
高宁： 
今天我们非常荣幸邀请到我跟陈唱的一位好朋友，Jobright 的联合创始人 Ethan。他从 2023 年开始就成立了 Jobright 这个初创公司，主要面向北美市场的求职者，也就是 C 端用户。
Jobright 在这两年的过程中取得了非常好的成绩，不仅在 Product Hunt 的发布上取得了 Product of the Month 的成绩，最早也是第一个被 OpenAI feature 的 GPTs 产品。
我觉得在 C 端的 AI 产品上取得很好的突破很难得，所以今天非常荣幸能请到 Ethan，在他们非常明亮的办公室来录这期播客。可以请 Ethan 介绍一下 Jobright 和自己过去的经历。
Ethan： 
首先很高兴接受高宁和陈唱的邀请。我之前其实也听过很多 Podcast，比方说 Onboard，比方说办了很多 Linkloud 的活动，帮助很多中国企业家更好地出海。我觉得都是非常有价值的，我自己肯定也贡献了很多话题和想法。陈唱也是增长方面的专家，尤其是在我们早期以及现在，给了我们非常多有用的增长建设性意见，也帮助我们很好地破圈。两位都是很有 Insight 的人，我也很高兴能在这样一个环节分享一些自己的观点。
具体到我自己的背景，我本科是在南京大学软件学院读的，后来去香港大学读了博士，博士期间做的主要是数据库数据挖掘相关工作。博士的时候发了一些论文，有幸博士毕业后就直接到美国来了。
博士毕业后大概 7 到 8 年一直在美国。前三年我在 Twitter，主要做 Twitter 广告的 Machine Learning 系统。Twitter 晋升的也比较快，基本上每年升一级，从早期的一个 Individual Contributor，到最后 Lead 了一个 20 多人的 Twitter ADS Team，做各种 Machine Learning 系统、Machine Learning Training、Serving 等等。
Ethan： 
我很小的时候就看一些国内的创业杂志或者论坛。国内当时很早有一个很有名的节目叫《赢在中国》，当时是马云、史玉柱一群人当评委，有几期对我感触非常深，所以当时也种下了创业的火苗。
后来我在美国，刚到 Twitter 的时候，我感觉美国对我的冲击很大。
  • 第一是不同文化的人非常多，印度人以及美国各种不同地区的人，还有亚裔。
  • 第二就是大家待人特别 Nice，平时在路上走，大家会跟你打招呼，就算是不认识的人。
  • 第三点就是我觉得 Twitter 太轻松了，而且硅谷的创业氛围特别好，很多早期从斯坦福、伯克利等学校出来的年轻人都直接创业，所以我觉得一定要有机会去创业。
我离开 Twitter 后，没有立即创业，而是加入了另外一家增长比较快的公司叫 NewsBreak，也是华人创办的公司。在这边做本地新闻的增长，前字节跳动在国内有今日头条，这边是一个本地新闻版的今日头条。
当时疫情的时候，我加入他们，增长也是非常快，要帮他们一起成长为独角兽。我当时在里面负责从 0 到 1 帮他们搭建一个比较现代化的推荐系统。你看我这一路基本上都是 Machine Learning、推荐系统、Deep Learning 等等。
在 NewsBreak 待了两年左右后，因为 NewsBreak 其实是完成了从 0 到 1，它是一个 1 到 10 或 10 到 100 的过程。我觉得我确实应该认真做一些从 0 到 1 的事，所以当时正好 ChatGPT 来了。
我记得很清楚，是 2022 年 11 月 ChatGPT 发布，在 2023 年 1 月 1 日，我就跟我现在的 Co-founder Eric 一起在湾区吃了顿饭，他当时上一家创业公司也刚刚退出结束了，他也在寻求合伙人一起创业。我们聊了挺多，真正开始找 VC 是在 2023 年 3 月 14 日，我记得很清楚，因为这个时间第一是我的生日，第二是 ChatGPT-4 刚发布的那一天。有一些 VC 的 form，第一轮你可以认为是完全 PPT 融资，什么 code 都没有。
陈唱： 
当时有讲 AI 故事吗？
Ethan： 
当然肯定有，因为毕竟是 GPT-4 刚出来。后面也可以讲一下我们当时为什么想要做这个 Idea。我们就顺利成立了 Jobright，成立至今大概有两年半的时间了。
Jobright 这个产品，你可以通过名字看到，就是 Job 加 Right，简单来讲是帮你正确地找到工作。我们在 AI 的大背景下，觉得找工作对于每个人都是一个低频刚需的事。没有人天天找工作，但是找工作对你尤其重要，而且很多人可能简历都不太会写，所以我们借助 AI 的能力，因为 AI 能深度理解你，能深度挖掘你真正想找什么样的工作，能深度挖掘 B 端的需求。
我们能在 AI 大背景下，让 AI 在你非常纠结或者非常有压力的情况下，当一个很好的求职助手或者求职伴侣。这是我们认为 Jobright 成立第一天的意义，做到现在也是这样的意义。
高宁：
那我就追问一个问题，我知道有些公司是根据创始人自身的痛点去找到了机会点，有些公司做了大量不同行业的调研。你们当时是怎么选择到了招聘这个领域？第二想问，这个领域也有面向求职者的，也有面向 Recruiter 的，公司在 C 端和 B 端之间，你们当时有做过选择吗？背后的讨论是怎么样的？
Ethan：
这个问题问得很好。对于我来讲，我当时加入 Twitter 也是一个机缘巧合。我博士毕业的时候，确实想来美国看看美国大公司，也面了很多公司，最后只有 Twitter 给了我工作机会。当时我发了很多 Cold Email，在博士的时候开一个会，正好有个 Twitter Head Manager 也去那个会议，正好一个机缘巧合认识了，有了这样一层 Connection。
在 Twitter 离职的时候，我加入 NewsBreak 之前，也面了一些公司，也就是 5 家公司左右。
我当时的感觉是，第一，我跟大多数求职者一样，也只能用 LinkedIn 去找工作。但 LinkedIn 大家也知道，是一个很强大的 Professional Social Network，它是一个职业社交网络，但找工作，它并没有特别去优化。它找工作这个产品只是因为大家都在那上面，所以大家自然地就用它去找工作。
Ethan：
所以我当时找工作，包括现在找工作的一个痛点也是，我用 LinkedIn 会发现很多 Job 我不知道是不是真的 Job，因为可能一半都是猎头机构发布的，可能也不活跃。大部分投出去的 Job 我都收不到任何回音，而且我当时也不知道我的简历该怎么写。
我当时甚至不知道有个系统叫 ATS 系统，一个美国比较特别的叫 Application Tracking System，就是你简历投出去，可能那个系统先给你识别一下，然后再转到 Recruiter 手里。所以在美国你可以理解为招聘的效率还是很低，它甚至比中国要低很多。
中国现在有 BOSS 直聘，我觉得整个效率比美国要提升很多，但美国还是一个可能二三十年之前的状态，就是你跟 Recruiter 之间只有一个接口，就是你的简历。可能只有一页的简历，Recruiter 大概读一读，看有没有这些关键词命中，有可能就推进，没有就不推进。你可能也没有其他东西，也就是可能一些有限的内推机会，所以我觉得这个痛点非常强。
Ethan：
你会发现很多求职者很有才华，但他们很难了解到有哪些公司在招人，因为好公司在招人。我们自己平时认知的公司也就是二三十个，就是我们认知的名字很大的公司。创业公司，我们甚至根本就不知道。
再一个，你很难很快地了解这个公司，包括这个公司由谁创办，Founder 有什么样背景，这个公司整个员工画像（Employee Profile）到底是什么样的，这个公司最近的新闻，有没有什么好评恶评。
高宁：
以前就是去 Glassdoor 上看。
Ethan：
是的，所以信息非常孤岛，华人你可能有一亩三分地上去搜索，现在可能有 Blind，还有 Glassdoor，可能你去 LinkedIn 上问问。所以都是一个个信息的孤岛。
但是我们觉得 AI 恰恰有理解复杂信息文本的能力，包括早期的 AI，当时刚出来，确实有简单的推理以及很强的信息整合能力，尤其是在 2023 年初的那会。所以我们觉得这是一个巨大的创业机会。既是从我们的痛点出发，也是从当时的环境出发。
最关键的还是，我觉得创业，我们当时想得很简单，第一我们想找一个天花板高的行业，因为招聘行业我们都知道天花板一定很高。龙头 LinkedIn 现在都已经是——它去年可能都已经 170 亿美金的 Revenue。以及 Indeed，Indeed 也是四五十亿美金收入，而且你可以看到不光这两个巨头，底下可能 10 到 20 家、30 到 50 家，活得都很舒服。因为 ZipRecruiter 虽然现在估值跌得比较厉害，但是现金流还是很好。
陈唱：
最不起眼的 Glassdoor 其实也有营收。
Ethan：
是的，包括大家可能不知道的一个科技招聘产品叫 Dice，他现在比我们流量还低，但是他每年的 Revenue 都到了 1 亿美金。
高宁：
这是个 ToC 端的产品？
Ethan：
是的，ToC端。他是做了一个小型的 Tech Marketplace。所以这个领域简单来讲就是很肥，天花板很高，有很多机会在长线赚钱。
第二，我觉得因为创业说简单点，自己之前背景也不是很差，但是既然下了这个决心，我们还是要做价值正确的事。尤其是找工作，我们在想什么是真正有意义的东西。我们一直觉得招聘是个极其大的痛点，大家都得用 LinkedIn，但 LinkedIn 确实很难去解决大家的找工作需求。
找工作又对大家来说非常重要。我也是移民，大家很多移民，很多身份问题，很多中国留学生，家里可能花了很多钱到这边读本科或者研究生。一毕业可能就会存在一个 OPT（专业实习）的问题，甚至签证问题，他必须要找到很好的工作，那对于他们来说压力是非常大的。
陈唱：
因为有时间限制。
Ethan：
对，包括有很多印度移民者也面临类似情况，所以我觉得这个问题解决一定是非常有价值的。大家在做一些自己的职业转型的时候，也会困惑：我到底该去哪个公司？我到底该做什么？到底该做哪个？该接哪个 Offer？ 所以我们觉得这是一个绝对长期非常有价值的东西。刚才也说了，AI 来了，AI 能够去帮我们汇集非常多的信息孤岛，帮助我们总结，帮助我们提炼出来最有用的信息。
因为你的个人简历，你的 Job Description，公司的信息，它都是各种信息的孤岛，怎么样把这些信息融合起来提取出来最有价值的信息给求职者，我觉得是非常重要的。所以我们就作为一个你的高级求职顾问，有着深度理解行业的 Know-how，又能让你在单位时间内显著提升你的求职效率。这是当时 Day One 也是现在一直在努力的产品方向。
陈唱：
当时是从 Day One 就决定要做 ToC 对吧？
Ethan：
这个问题很好。我们当时也纠结过，因为大家也都知道招聘的钱主要是在 B 端。B 端是甲方，B 端是招人的，他是真正付钱方金主。我们也研究了，会发现第一 B 端确实是赚钱，包括你做猎头，做猎头一般收 20%、25%、30% 的手续费，在美国，你单位的 Package 就很高，那个猎头费很容易就回本了。
Ethan：
但是你做猎头，毕竟问题是不 Scale。当然还有一系列的产品，比方说最近融资的 Juicebox，包括SeekOut，以及很多类似的产品，包括 LinkedIn Talent Solution、LinkedIn 的 B 端产品，他们做法很简单，就是相当于卖一个 LinkedIn 数据库给 B 端，B 端能在上面搜人拿到信息，去获取联系方式，去 Cold Outreach 候选人。
我们当时也想往这个方向做，这个方向我觉得第一肯定是能赚到钱的，但是你回头想想，这个领域，第一你没有数据，大家数据都是依赖于 LinkedIn。你无非是自己去爬 LinkedIn，或者说用第三方去买 LinkedIn 数据库，你的数据壁垒没有，数据壁垒全在 LinkedIn 上，都不是你的。
所以你只能做一个很好用的工具，你只能强拼 Sales。因为我为什么用你的不用 LinkedIn？那就是你比 LinkedIn 好像更好用一点，你比 LinkedIn 还更便宜。
Ethan：
我们觉得那在 C 端没有任何 Branding，因为 B 端用你的工具去 Outreach，C 端也不知道他是用你的工具。那 B 端 Branding 也很难打起来，因为你得强拼 Sales 一家家卖，所以我们觉得这个 Business 不是很 Scale，虽然能赚到钱。
我们觉得从根本上讲，对于 B 端来说，最大的价值在于 C 端，他们是想真正能招到 C 端的人。所以我们觉得在这个 Market 上，你如果看长期价值的话，还是谁握得住？因为它本质是个 Marketplace，有供给方，有需求方，本质还是谁有最多的 C 端，有最多高价值的 C 端，谁会赢。包括现在 LinkedIn 它是一个社交网络，以及 Indeed，它有很大的流量，那它们都是剩下来真正王者的地方。
当然从 C 端做我们觉得确实比较难，C 端没有付费的习惯，以及 C 端你需要 Build 一个 Significantly Better 的产品比如 LinkedIn，还是需要很大的工作量。但我们觉得这个路线更长期、更有价值，所以我们毅然决然就从 C 端做起。
陈唱：
那你觉得 LinkedIn 是竞争对手吗？还是说可以成为我们 Partner？我们是怎么定义跟 LinkedIn 的关系？
Ethan：
这个问题很好。我觉得 LinkedIn 我很难讲它是竞争对手，因为它太大了。我们现在对于 LinkedIn 连个小蚂蚁都不算，你哪怕抢到 LinkedIn 千分之一的市场份额，就是一个很大的公司了，都不需要 1%。LinkedIn 是个非常好的 Business，它早期卖的时候肯定是卖便宜了，因为它社交网络这个属性太厉害了。 而且 LinkedIn 优化的永远不是招聘，它优化的是你的 Feed Quality，它希望你在它上面天天都活跃。你天天过去不可能只是找工作，你不可能天天上去看谁在招人，或者说谁在找工作，那你可能就不太愿意上去了。但是因为你在那，所以大家干什么事都得到它平台上，包括你要获取一些 B 端的线索，你也得有个平台去销售，包括你要找工作，因为全网的网络都在那，所以它产生了非常多的附加价值。
Ethan：
LinkedIn 本来就是一个 Professional Social Network，所以它商业本质来说并没有特别 Optimize for Job Seeking，包括它合作了很多 Staffing Agency。它本质上也想从中赚钱，因为 Staffing Agency 钱多，他们跟很多公司去合作，但是对于求职者来说不太友好，因为他看不到谁在招人，我可能都是跟这个 Staffing Agency 打交道，也不知道他们把我的信息可能卖到哪里去。
所以我们一直觉得在美国现在还缺少一个专门针对白领的比较好的求职产品。这是我们对于这个市场的理解和定义。
高宁：
那这样的话，你刚才也讲到了 LinkedIn，也讲到了很多东西不是真正面向求职者去找工作的。在刚开始 0 到 1 阶段的时候，哪一两个产品的功能或特点是基于 AI 这个技术最先得到验证的，或给到用户最强的 AHA Moment？
Ethan：
我觉得是这样，最早的时候我们 Build Jobright 技术栈的时候，你可以理解为跟当时我上家公司 NewsBreak 技术栈包括 Twitter 技术栈很像，因为它本质就是一个推荐系统。推荐系统本质，首先你得有海量的信息，因为首先你得有内容。对于美国来讲就非常好，因为如果公司愿意 Post Job，你都会把这个 Job 发布出去，发布在各个平台，包括发布在自己的 Career Site 上。
所以对我们来说就是一个，你怎么用 AI 或者用一些技术有效地爬取到各个公司的信息。这个对于我们攻坚了很久，我们大概攻坚了可能一年半左右，我们自己搭了一个非常复杂的，你可以理解为分布式的爬虫框架，结合 AI，相当于它每天能扫 10 万到 20 万 Career Site 网站。
因为找工作最重要的需求是什么？就是你这有没有最新最好的工作，对求职者来说来说。这其实考验你的就是爬虫能力。一个公司上架了一个 Job，你能不能 1 分钟内就知道？如果这个 Job 信息更新了，你能不能 1 分钟之内知道？如果这个 Job 下架了，你能不能 1 分钟也知道？
它不光是一个发现这个公司有上新 Job，还要检测 Job 状态，以及这公司发布的 Job 是否真实，各种东西，这是一个挺复杂的东西。因为很多公司你只要量一大，它的不确定性就很多了。比方假设每个站点可能有 1% 的概率去变化，那你每天爬 5 万到 10 万个站点，变化的概率就会非常大，绝对超过 100%。
所以你需要一个非常 Automated 的爬虫框架，能把这些信息给拿到，能用 AI 解决好。所以这是我们用户用我们产品第一个 AHA Moment，就是你这竟然有比其他站点，尤其是 LinkedIn 更多、更新、更好的 Job。
因为我们会发现最近很多公司不在 LinkedIn Post Job了。而是在自己的网站。本质在于你在 LinkedIn 上 Post，尤其是 Easy Apply Job，你可能一天都能收到 1,000 个申请。
陈唱： 
而且是要付费的，如果你是免费 Posting 的话，你是有一个 Limit。你只能收到特定数量的 Resume，超过了之后开始要收费。
Ethan：
是的，而且你收了海量申请，大部分对 B 端来说是无效申请，因为 LinkedIn 上太多 Bot 了。在这个市场是一个目前来讲供给有点不均衡的状态。第一你可以看到大厂各种各样的裁员，这也跟我当时做 Jobright 原因有关，就是说我做之前，我的前东家 Twitter，当时马斯克把 Twitter 买了以后，一下子裁了 75% 的员工，大部分人就一下子失业了。包括你可以看到现在年底之前，财报季之前，大部分公司为了自己财报好看，都在裁员。
一方面确实本质上这些公司不太需要这么多人，另一方面就是说疫情的时候大部分公司都 Overhire，导致现在很多把 Headcount 收紧。尤其是马斯克这样的人一出来，裁了 75%，好像也没事，股票还再涨。Twitter 变得更好了，所以这是一个很反直观的东西。
硅谷现在确实大环境完全跟几年前完全不一样，包括现在那么多新毕业生都找不着工作，所以现在是一个 Job Seeker 极其多的状态，而且各种 B 端它需要招的都是超级战士这种。
陈唱：
现在都在鼓吹 Lean Startup，10 个人做 100 万美元的事。
Ethan：
是的，因为 AI。我觉得本质就是降本增效，就是单位价值的购买力增多了。比方说去年 10 万美金你去招一个人，今年 10 万美金你可能招比去年的人要厉害 50% 的人，明年 10 万美金可能比今年的又多个 50%。所以这个趋势确实很可怕，但是没办法，生产力的提升确实会带来这样一些招聘就业的结构性变化，这个我觉得是很难避免的。 所以对于 C 端来说，大家都很艰难，所以就回到刚才的问题，就是你在 LinkedIn 上 Post 了一个 Job，很快你得到 1,000 个申请，可能 50% 的申请都是假申请，都是假的。现在很多用户就是他根本拿不到任何工作机会。
陈唱：
他可能不是假用户，只是说他无脑在海投？
Ethan：
有的用户真的是假的，你会看到很多用户他讲自己是 Anthropic 的前员工，各种虚构简历。你会看到很多人还都是新加入 LinkedIn 的账号，或者买了一些其他老账号，他为的就是能有机会拿到这个工作机会。我们听到 B 端用户太多这样吐槽了，而且不光是假简历。你面试的时候，因为大家都是用 AI 作弊工具。因为能感觉到问一句他都会反应一下，都会沉默个两三秒，然后开始答，而且答得很顺畅，很像你在读一个东西。
所以我觉得现在招聘，尤其是在不对等的情况下，很多 B 端觉得他在 LinkedIn 上 Post 他没有拿到任何他想要面试的人，或者他体验并不好。
陈唱： 
要花更多精力去筛选。
Ethan：
没错，所以他不选择在 LinkedIn Post，可能等着用户自然过来申请。所以这样也给了我们这样从 Day One 觉得我们需要从 0 到 1 搭建爬虫这个能力的公司有很大的机会。就是 C 端一过来，他会发现你这有非常多最新的、最好的，而且别的平台我找不到的工作。这是我们第一个用户来的时候的 AHA Moment。
第二个 AHA Moment 就是我们的 UI 非常 Fancy，就是我们 UI 非常现代化。你看 LinkedIn、Indeed 都感觉是 90 年代的产品，一直没改。所以我就说 LinkedIn 的 Business 太好了，你可能都不知道他们内部在做什么，但是他就是 Doing very well。
包括 Indeed 也是，他有无限的流量，而且白领他总归需求是高的，因为他都是跟科技最对接的，包括这个行业也是最早用 ChatGPT 的行业。他们对于招聘来讲，他们需要用一个比较拿得出手，或者说我用起来比较好的体验。
所以我们从 Day One 做的一些东西非常 User-friendly，尤其是对于这些新时代的 IT 人群等等。所以一下子他们一用你的产品，可能第一眼他都觉得非常惊艳，从 UI 的设计，包括因为早期我们对 UI，包括我们的 Logo，可能我们都换了大概 20 版，因为我们做的这个东西不是从 0 到 1，它毕竟是一个相对来说比较红海的市场，LinkedIn 在那。
所以我们对于细节，尤其是 Founder 对于细节的追求非常极致。所以这也形成了我后面不断迭代 Feature 的时候，都是用一个非常极致的心态去做这个事。所以用户第二个他们夸的就是你的 UI 真好。
后面随着用户深入使用，你会发现有很多 AI 的功能能够去提供帮助。比方说你能无限次地修改简历，每一个 Job Description 可能都能很方便地一键就把你简历改好，这样能够提升你申到每个岗位的机会。
陈唱：
针对每个岗位特别去改他的简历，强调出符合那一个岗位的经历。
Ethan：
是的，而且我们改简历做得也很精美，包括你不只是加关键词，还包括你之前的履历某些地方可能跟这个岗位有一定的匹配。因为你知道筛你简历的大概率也是 AI，或者说初级的 Recruiter。所以你一定要把你自己更好地表达出来。因为 B 端没有时间，说实在的，去跟每个人打一个 Call，所以你必须要保证把你的简历做得非常好才行。
陈唱：
之前有个调研说每个 Recruiter 大概只会有 5 秒还是 10 秒来看一个简历。
Ethan：
可能都没有 5 秒、10 秒，也就两三秒。扫一眼基本就没了。而且因为现在申请太多了，很多都是拿简单的系统先过滤一下，你简历写得不好，可能都没到人那，都没有机会就直接把你 Filter 掉了。
所以我们觉得现在确实是一个很好的机会，就是用户用我们的产品，比方说我们能无限帮你改简历，我们还能帮你找内推。
可以理解为我们又把类似 Apollo 的功能做在我们产品上面，因为 Apollo 是 B 端的，你用来找 B 端线索。现在你找工作，你要追求极致，肯定要找内推，包括我当时能进入 Twitter，也是费了很多劲去找内推。
因为你把简历给我了，我知道你过去在哪个学校读过书，在哪个公司工作过，大家也都有 LinkedIn 数据库，包括我们也有办法，比方能够看到校友、旧同事。这样你就可以——我们又接入了一些 API——你能拿到他们的 Email，就是能做一些 Cold Outreach。
高宁：
我感觉你刚才讲的内推，以前就是我在大学毕业时候手动去做的，去找到相关好友或共同点的一个过程。你把它结合 AI 给自动化了。
Ethan：
是的，比方我当时读博的时候，我就是找之前我读博学校的，比方说师兄或师姐有没有在这公司工作，或者说甚至跟我研究领域有点 Match 的那些人，大家都在一个会议上发布过论文，那些人能不能帮你内推一下。
高宁： 然后我再去找他的邮箱，或者是申请好友，这些东西都是可以自动化去做的。
Ethan：
是的，包括现在申请工作的时候，你需要填 Repetitive Form。因为这些 ATS 也好，或申请网站也好，它也需要跟 AI 去对抗，所以它有意把自己的申请变得非常复杂，稍微手动一点。比方 Amazon、Microsoft、Meta 都可能，你得填个 7 到 8 页的申请，就每个网站都得这么来一次。包括大家吐槽比较多的 Workday，每个都有 7 到 8 页的申请。
陈唱：
大部分信息是很类似的。
Ethan：
很类似的，但是你要攻克每个网站还不是说很容易，因为他们会做一些防这种自动填写的系统，Anti-bot。所以我们也做了很多努力，能够让你更顺畅地自动填写，让你更省时省力，就单位时间内能投出更多高质量的申请，找到更多高质量的内推，让你不再焦虑。
简单来说就是这么几个 AHA Moment。所以用下来你会发现在我们系统第一天充值的会非常多。
高宁： 因为好几个 AHA Moment 都让他觉得省时省力。
Ethan：
是的，他之前可能没见过这样的东西，所以对他触动特别大。我们第一天充值的用户可能占所有充值用户的一半左右，因为我们说白了后面也没有特别去优化整个流程，我们发现第一天充值用户就特别多，而且第一天我们基本也没有限制他使用产品，他就觉得特别好用，然后就直接充值了，基本上是这样。
高宁： 你刚才讲到了，C 端的招聘市场非常竞争激烈，不缺过往的这些产品，所以就回到了冷启动的问题。虽然产品很好，但是怎么让这些用户知道产品好，怎么让用户进来用？
关于冷启动，可能也是很多创业者关心的话题。我们也快速回顾一下冷启动的过程，比如说前 1,000 个用户，或者前一批用户，我们是怎么获得的？这里面我想可能也尝试过不同的方式，回过头来看，你感觉这样的产品哪些渠道是有效的，或者哪些渠道是应该去避免的？
Ethan：
我觉得这个问题也很好。从 Day One 我们也知道 Build 一个这样产品需要很多的时间，所以 Day One 我们的产品也是很差的，我们 Build 到我们觉得可能比较成熟了，也是得花了一年半的时间。因为有各种各样东西，包括爬虫、推荐系统，包括各种各样改简历，它是一个各种各样功能的叠加。可能缺了哪个功能都不行，因为它是一个整体的闭环。
从第二点来说，最关键的是如何更有效地找到一些用户跟你一起共创。因为我们当时在的时间也比较好，就是不太难找到很多用户，而且你们刚才也很明确了，我们最多用户的一个平台就是 LinkedIn，所以我们早期就是利用 LinkedIn 这个平台去获得很多早期用户。
第一我们是做一些简单的 LinkedIn 内容，问问大家谁在找工作，愿不愿意尝试一些比较新的产品，尤其是给用户看的时候。产品最早的时候我们甚至做了一些这样的方式，因为 LinkedIn 你知道它去限制你 Connection 的数量，一周只能是达到上限，一周只能限制 200 个。那对于我们来讲，我们不可能只用一个号去 Connect，所以至少我们自己 Founder 自己和团队里比较高质量的号，都去找一些 Open to work 的人去 Connect。早期这样 Connect 多了效率还是挺高的。
最重要还是找到一些用户跟你共创，就是说你不断出新版的时候给他看。因为很多用户都是，他虽然找工作时间不长，但是很多用户也得找个 4 到 6 个月，从中间他愿意跟你共创的话，他能给你很多很有用的 Feedback。
所以早期我们用户都是在 LinkedIn 上获取的，包括我们自己做内容，包括我们用自己的号去 Connect 用户。早期的 DAU 都小于 10，但不重要。
陈唱： 
要非常准的、高活跃、愿意分享的用户足够。
Ethan：
没错，而且我们当时找到印度群体会比较多。印度群体是一个我觉得非常好的群体。第一很热情，第二他很愿意分享，第三如果你的产品如果足够好的话，他愿意主动把你的产品分享给别人，这个非常重要。我们会发现我们早期共创了很多，当然可以后面知道，就是说印度的一些 KOL 帮助我们产品在不同的印度群体里破圈，包括 Software Engineering、Data、Finance 等等。
高宁： 
但求职者从 ICP 的角度来说的话，你刚才讲到比较泛的白领群体，还会加上一些标签去圈定，以便你找到愿意跟你共创的用户。因为求职者很多，到底哪类人愿意比如说接受新事物，又对 AI 感兴趣，或者又愿意跟你去分享，还有什么样的标签是圈定了你早期的理想用户画像？
Ethan：
这个说得很好。我觉得早期有这么几个点，我们考虑第一个点是我们理解的群体，因为我们自己就是做 Software Engineering 的，当时想要 Machine Learning 的人群里很多，而且 Data 也是个大群体，所以我们基本上集中在三个群体，就 Software、Data 和 AI 这三个大群体。
对于人群来讲，我们找了当时找工作非常急迫的一个人群，就是需要 H-1B Sponsor 的人群。所以根据这个人群，我们当时通过跟用户聊，我们开发出来了——当时可能算是基本上唯一家有的一个 Filter 叫 H-1B Sponsorship。
因为 H-1B 的信息在美国政府的一些部门其实是有的，因为每个公司都必须要披露他 Sponsor 多少个，这些人的薪资包括这些人 Title。那你拿到这些信息跟你内部的公司整合，就知道这个公司在这个 Role 在过去 5 年有没有 Sponsor 过，Sponsor 过几个，到底他们的 Title、Seniority 都是什么样的。你把这个一一展示给用户，这个用户就会觉得，哇，这个 Feature 太重要了。
就是我看到一个公司，我知道他之前有没有 Sponsor 过 H-1B，而且我也知道他对于这个 Job Description Role 有没有 Sponsor 过类似的。那对于我来说，这个信息能够帮助筛选的程度就特别多了。所以我们当时是通过这个 H-1B Sponsorship 这个小 Feature，形成了第一波小破圈，相当于从 0 到可能 1 万注册用户的小破圈。
陈唱：
虽然说是小 Feature，但听起来里面有很多巧思。因为你不光是看他网站上说他自己是不是 Sponsor，实际上你是看他历史有没有真正去 Sponsor，所以是更真实的一个数据。
Ethan：
没错，而且这个 Feature 恰恰都是跟这些印度用户聊的时候聊出来的，他们也很急迫。因为早期第一年我们的 DAU 都是低于 10，真的是低于 10，就是每天都是很少量的用户。
但是你低于 10 不要紧，就是你每天不断去跟这些用户聊，你能得到很多 Insight。包括早期我们 Pivot 了好多次，包括刚开始第一版我们也想做成那种 Tinder 的设计，就是说这个用户这个职位不喜欢滑走，不喜欢就滑走，最后发现大家不买账。我们也试过刚开始就给用户一个 Chat Window 让用户问，你会发现大家都不知道问什么，有的人就问特别长尾的你也搞不定，你也很难去引导。
所以早期做了很多这样从 0 到 1 我觉得回头看来不太对的东西，但是我觉得我们做得好的一个东西就是比较务实。包括我和我的 Co-founder 都是比较放低身段，大家去加不同人好友，去跟这些人真正去聊天，了解这些人的痛点，甚至你每个迭代都邀请这些用户来重新去试。
包括团队执行力也很强，把从 0 到 1，包括 User Feedback、产品迭代、什么是对的东西、什么是不对的东西，一路趟过来了。这个时候我们回头看还是比较重要的。
早期我其实不太建议，很多人说，哎呀，咱简单点，就直接投一些 Google 广告什么的，对吧？合作一些 KOL。早期我其实不太建议，因为早期我觉得做 Business 最关键是早期还是要让自己节省，要让自己就 Keep 一个 Low Profile。主动跟用户更多聊天，因为你的用户就是你最好的老师。
很早的时候做这个 Business 时候，很多人说我是这个领域专家，我在这个领域待过 10 到 20 年，等等等，其实你会发现跟这些人聊起来好像也没有太多的 Know-how，都是很宏观的。因为 AI 来了，我觉得它存在很多很多变数，你可以很难想象，就是 H-1B 这个 Sponsor 这个 Feature 之前还没有公司之前开发过。所以其实你真正跟用户聊了，抓住他们痛点了，我觉得还是有非常多的机会的。
陈唱： 
真正倾听用户的需求，然后根据用户需求来切实满足他们的痛点。那到什么样的阶段，有一个特定的 Metrics，或者有个都比较 Magic Moment，然后才让你觉得，我们准备好了，我们可以开始做一个 Public Launch，或者是去做一个稍微 Scaling 一点的用户获取的一个动作。
Ethan：
对，如果回忆时间点的话，我觉得我们第一年，也是是 2023 年的那半年其实都在去 Build，都在去试错，其实做的产品都是没有人用的。可能 24 年年初的时候因为有这个 H-1B Sponsorship 这个 Trigger，然后我们找到了一个突破点，就是因为我们共创了一些印度群体。
然后印度群体其实介绍给他们领域比较好的求职的 KOL。我们通过求职 KOL 做了第一波产品的宣发，就是宣发这个 H-1B Sponsorship。这个可能表现特别的好，因为当时第一就很多人在找工作，他们很希望有个很好的一个新的产品。然后一看这个产品，诶，挺新颖的，有这个 Filter，进去看 UI 还挺不错的。当时我们爬虫其实还没 Build 得那么好，但是有这个东西就够用了，他们会觉得这东西很新，愿意去试。
然后当时其实有一波比较好的增长，就是从我们 DAU 10 之内，可能到了几百甚至几千这样一个量级。
陈唱：
是不是也被 TechCrunch 有报道？
Ethan：
对，当时被 TechCrunch 有报道，尤其是第一个融资的时候，我们选择当时做一波小的宣发。
后来其实最触动我们的还是说我们又耐心打磨了几个月，根据这个 Feature，包括其他的 Feature，我觉得时不时我们会突然看到一波用户的，一波新用户来。然后我们就一直在找这波用户到底是从哪来的？然后找来找去发现基本就是这么几个渠道。  第一最多的就是有 LinkedIn，有用户在 LinkedIn 上主动宣传我们。当时有一个被 Business Insider 报道的一个印度人，他说他投了大概可能 5,000 份简历，然后终于找到了一个特斯拉的工作。
然后他自己 Share 了很多 Learning，当时在 LinkedIn 上可能有——将近 5 ~ 10 个 Million 的 View。5 ~ 10 个 Million 的 View 那个帖子很吓人，然后那个帖子他中间就提到了 Jobright。因为他用了 Jobright，所以当时那个我们真的震惊了，那个帖子给我们带来了可能将近 3 万的一个注册，那一个帖子可能就这样。
高宁： 
转化率也非常高，这是注册哦。
Ethan：
对，是注册。
陈唱： 
跑过 LinkedIn，大家肯定都知道 LinkedIn 的 Impression 非常贵。
Ethan：
对，这也是我们后面讲到为什么我要自己开始做 IP 的原因。当时其实当然还有一些时间点，比方说我们从某些国家地区突然有一天也是来了 2 万用户。我们也不知道是哪来的，后来是找到 TikTok。对吧？有一些 KOL 专门宣传我们。
高宁： 
他自己拍的。
Ethan：
对，完全没有引导。包括我们其实在美国的一些学校火得很厉害。就是他们可能在一些学校的小的社群里去宣传。包括当时有个人觉得我们做的一个子网站很好，叫 Internlist.com，就帮助找 Intern Job。
他就去宣传这个网站，我们之前合作了很多 KOL——但是反应都比较平平——就没有这么炸的。他那个视频是宣传我们，而且我们其实没有 Pay 给他，他是主动宣传的。是我们第一个超过一个 Million View 的一个视频。
而且是用户主动去宣传我们，所以慢慢的到这些时间点，我觉得可能心里感觉上小的 PMF 是来了，所以我们其实在积极的看其他一些 Paid 的增长，包括商业化也慢慢的开始在做是。
高宁： 
明白，我记得你还说过我们其实在那个 GPT Store 上实也有一个特别好的第一次被 Feature。这大概是一个怎样的过程？或者是你觉得就是这里面对我们的后面的这个规模化的增长，是现在还有一个长尾的效应，还是处在冷启动或者启动 0 ~ 1 阶段，是个比较好的一个手段。
Ethan：
对，我觉得这个问题很好，我觉得很有长尾效应。第一就说因为我们这个领域我们意识到了流量非常非常难。包括我早期讲我们其实尝试做 SEO，但是有很多很多 Learning，就是我们的 SEO 其实被 Google 锁了一年半。
其实 Context 这样，因为我们其实早期就是一个 Job Board 了，我们有很多 Job，所以 Job 就是我们的内容。但是我们一放给 Google 的话，Google 就会认为我们有很多垃圾的 Page，因为这些 Job 你有，Google 也能在别人的网站上爬到，不 Unique。
而且最关键你是个新的站点，就 Google 凭什么去相信你？所以其实在我们放出来的前一周涨得非常非常好，我们看流量，就是我们觉得是不是要起来了？当时也就是在年前，快过年那几天，感觉心情非常愉悦，然后突然过年了，年后我发现一瞬间就没了。我们还以为 Google 出什么 Bug，最后发现没有什么 Bug，只是有个更新。
因为现在回头来看，很多产品都会遇到这样的情况，就是短时间内，尤其是新站，给 Google 太多 Page，Google 可能只有刚开始会 Trust 你。
因为 Google 在乎的是用户留存，如果你是个新站，用户留存不是那么好的话，他会发现用户都 Bounce 了，可能有一部分用户 Bounce。
因为我们当时 Job 用的是强注册，就是说你必须要注册，你要 Apply 就必须要先注册才行，他会发现很多用户都 Bounce 了，而且你这个网站也是新网站，在整个互联网上也没有什么印象的话，他会不 Trust 你。这一关就关了一年半。
今年年初才刚刚放出来，但现在的 SEO 是做得非常好。我们现在跟之前可能没有什么太大的区别，因为我们的 Job 页面要不就都放，要不就都不放，也很难说我放几个页面给 Google。我们每天爬 50 万新 Job，然后也下架 50 万新 Job，它是一个非常 Frequent 的东西。
其实 Google 也明白这个，因为它也爬很多招聘网站。但就是因为你网站太早了，他不信任你，你没有 Credibility。现在经过一年了，会发现各种地方都在提 Jobright，Jobright 有一定的流量。也有各种 SimilarWeb 的公开数据。包括我们现在流量也是全美国 400 万以上的流量，而且是在美国，这个是一个蛮高的流量，非常大的流量。所以他就慢慢 Trust 你了，所以现在重新再做跟之前一样的事，他就会给你很好的一个红利。
高宁： 
这是一个很好的 Lesson learn。
陈唱：
像之前 Perplexity 时候，他们也是最早期有一段时间，因为大量放页面被惩罚，后来也是他们那个 Domain Authority 一直涨了之后 Google 有信任他，再加上他也有不断去优化自己的内容、落地页、内容上的独特性，到后期的话也是慢慢能够再回来的。
Ethan：
Google 还是对所有人都是公平的。我想分享一个例子叫 Nano Banana，就 Google 当时出这个 Nano Banana 这个词的时候很有意思，这个词突然火了，但应该是一个中国团队，赶紧注册这些域名，应该叫 nanoBanana.ai 还是什么。你现在在 Google 搜 Nano Banana，他们的网站是排在第一位的，他们连夜做了一个体验挺好的网站，也是图像生成。
然后 Google 就把它放在第一位了。Google 对所有人都是公平的，包括它自家的产品，自家的也排在后面。这个网站我看前几天更新了一下，他们可能也有点慌，因为流量增长太快了，他们专门在首页上加了一个，说我们这个不属于 Google，是一个第三方。很多东西确实挺有意思。
我觉得 Google 还是对所有人都是公平的，他自己背后的算法就是黑盒。很多内部员工也不知道这个黑盒是怎么运作的，因为太复杂了。
所以讲到 GPTs，我觉得最关键一个就是说我们行动很快，就跟那个 Banana 一样。OpenAI 一公布这个，其实 GPTs 有个前身的，可能叫 Custom GPT。GPTs 是它后面第二个版本。在 Custom GPT 的时候，我们就已经有这种嗅觉了，因为 OpenAI 要出这个，当时虽然流量不是很大，但我们觉得我们一定要做这个事。
我们当时 OpenAI Custom GPT 只给了一部分用户有编辑的权限，我们甚至找一些用户有这个权限，我们甚至买他的号过来做 Custom GPT。然后 OpenAI 后面觉得这个 Custom GPT 没有什么市场，然后就变成这个 GPTs 了。GPTs 我们 Day One 响应的也很快，包括用一些营销手段，然后把我们这个排在榜单上面，然后 OpenAI 可能想要 Feature 这些一部分 GPTs，我们恰巧就被 Feature 上了。
Ethan：
在 Productivity 的 Section 早期给我们带来了很多流量，包括美国的，包括非美国的。但现在流量比较稳定，当然肯定都是在我们前十的流量渠道之外了，但持续给我们更多的一些流量。因为这个流量比较高质量，因为你知道用 ChatGPT 的人 Profile 包括充值率跟找工作的人是很像的。
高宁：
接着 OpenAI 这个话题，我听起来就是对平台这种大平台流量的新的变化得贴得很近，嗅觉很好。那怎么看现在所谓的 AEO 或者是 GEO，就是在 ChatGPT 这个上面去优化，让自己名字被多次提及这个方式。因为今年可能很多公司在这个上面做投入了，你们有探索过吗？或者是怎么看待，对于你们这个方向上的产品是应该拥抱这样新的一些变化吗？
Ethan：
我觉得一定是要拥抱的。
第一，我认为 GEO 可能从长远角度来看，就是 SEO，因为 SEO 简单来讲是让 Google 相信你，GEO 简单来讲是让 AI 工具相信你。我觉得 AI 工具现在他们的爬虫能力没有 Google 那么强，因为 Google 奠基了这么多年，他知道所有的网站的权重，包括所有页面的 Feedback Loop。
OpenAI 他们的爬虫能力跟 Google 相比还是差了很多，也是调用了 Google 的 API。而且对于他们自己来说，他没有那么多用户的 Feedback Loop，所以他可能做的就是有一个 Whitelist，它只能相信一部分站点。
我觉得 GEO 现在一个小红利，就是如果你能探测到 OpenAI 喜欢哪些站点，或者说它不喜欢哪些站点的话，对这些站点做专门的优化可能是一个短期的红利。但是我觉得长期来看，它一旦建立它对各个 Domain 不同 Topic 的理解能力以后，跟 Google 也是差不多的。这是我自己的看法。
包括 GEO 短期来讲，大家可能也都知道了 Reddit 是现在当红站点，无论是 Google 还是 OpenAI 都愿意相信的一个站点。它是一个含 AI 量最低的平台，而且质量也很高。Twitter 含 AI 量也不高，但是内容比较杂一些。
我们最近也在思考怎么样在 Reddit 上做更多的一些声浪。因为我们也看了很多竞品，有一个竞品叫 Hiring Cafe，他就是从 Reddit 慢慢做起来了。但 Reddit 一个问题在于，有的时候你做 Subreddit 做的太 Heavy 了以后，Subreddit 容易就只有一种声音，他都喜欢去推崇你的产品。一旦你失去平衡了以后，很多人就很难融入。比方这个 Subreddit 就跟贴吧一样，你一个球队的贴吧，他只能说这个球队非常非常厉害，容易走到极端。
所以我看最近 OpenAI 确实也会 Adjust Reddit 的一些排序算法，它会更倾向于给那些相对来说比较中立，可能版规比较严的那些 Reddit 更多的权重。
Job Search 在 Reddit 上非常活跃，特别多的 Channel，但是有很多版非常严，你产品的名字是绝对不能说的。
高宁： 
听起来这样的话，在 Reddit 上的运营是不是也增加了一些难度？你说这些可能名字也不能提及，或者是反而是件好事？我比较好奇你的感觉。
Ethan：
确实是比较难。我能看到的我们领域 Reddit 做得好的，都是把自己的 Subreddit 能 Build 起来。比如一个产品是 Resume 相关的产品，它的 Founder 说，你在 Reddit 上吹我们，我可能给你个终身会员，但是你要吹得好，吹得不好可能就是两三天的会员。
第二个就是 Hiring Cafe，他们确实就是我刚才说的，从 Reddit 做起来的。这当然确实是他们的主打，主要对抗 Indeed，说 Indeed 的可能假职位比较多，他们是只在好的站点去爬取一些职位。他们做社区能力比较强，两个 Founder 天天在社区里各种 Involve，一些吹捧的人来了，帮助他维护好板块板规，众人拾柴火焰高，把流量做起来了。
陈唱：
挺费事的，很费事，Operational Heavy。
Ethan：
Operational Heavy，而且非常美国的 Community Style。
陈唱：
前期需要很多的积累，然后才会有到后期的一定爆发。
Ethan：
这个确实是不是很容易。你说在 Reddit 建一些小的账号，在一些不痛不痒的论坛上发一些帖子，这个还是比较难。真正要做 Reddit 的，还是说真正想把你自己融入到那个群体文化里面，成为他们的一员，这个最重要。
不然你就做自己的 Subreddit，但是你一定要 Founder Lead 的这种 Growth 才可以，真正在 Reddit 上做一个有血有肉的人，这样才可以。它不是一个很容易做的渠道。
高宁：
明白。那刚才讲到了，不管是冷启动还是在后面有一些借助平台的一些红利，把我们的 Growth Engine 慢慢建立起来了。那回过头来看，我们现在已经到了 400 万的月访问量，或者是百万的用户了。在这个 Scale 的过程当中，还有没有一些渠道或方式是在你这个增长引擎里面一点点构建起来的？这里面比较重要的节点是哪些，到今天为止？
Ethan：
我觉得这块我也想分享一下。虽然我是 Tech 出身的，但是我觉得增长——因为你毕竟现在是 Founder 了，我觉得华人团队来讲 Product 一定很擅长，打磨产品这个不用说，但是 PMF 的 Market 极其重要。所以对于我们来讲，我们从 Day One 就意识到这一点，所以对于 Marketing 上来讲，我们一点都不敢掉以轻心，而且是一定要 Founder 自己去做才行。
你说的问题很好，就是早期增长起来还容易一点。但是我也在看最近很多 AI 产品，很多产品增长得非常好，这些产品很多确实抓住了 AI 刚兴起的一个契机。
比方你们讲的 Perplexity，结合搜索引擎，他是第一个把大家的 Brand Image 都记住了。包括 OpenArt，他们是早期，Stable Diffusion 在 AI 之前就把那个词给占住了。包括 OpusClip 他们是最早的，可能 GPT-3.5 刚出来，他们就是用 AI 来做长剪短的一个 Brand Awareness。包括 Manus，Agent 刚出来的时候一下子就抓住，包括他们之前做的 Monica 也是。
所以我觉得对于很多 AI 产品来，尤其是 Consumer AI，时机很重要。你第一时间进去把 Brand Image 给占住了，然后 Google 开始信任，就会给你很多的流量，包括用户开始给你传播，这就完全不一样。
对我们来说挺难，因为我们不是一个从 0 到 1 很新的产品，我们这个领域很早就有了。你说 AI 给它赋能，但毕竟它不是一个全新的一个大产品，而且我们这个领域可能好的，就是说现在 Job Seeker 找工作比较难，有一些小的增量。那对于我们来说，我们没有 SEO，简单来讲就早期，包括我刚才讲的被 Google 关小黑屋前一年半就完全没有 SEO。所以我们得自己想办法怎么去增长。
我觉得我们当时做的比较好的几个点。因为我也听很多大家讲，就是什么 SEO、Paid Ads，括红人什么的，这个在我们长期增长中都不是很存在，因为这个领域你知道我们是一个红海领域，这三个东西已经被大玩家已经全都占领了。
我觉得分享我们这个领域，本质来增长，我自己总结的，尤其 C 端增长，简单来讲就是找到你的用户在哪，然后用什么方式去真正去触达他们，就是说每天能看到你，他时不时能看到你。
陈唱： 
增加品牌 Impression。
Ethan：
对，增加品牌 Impression，因为之前说实在很多人都说他看到一个产品 7 次才使用，现在他可能得看到你 20 次才开始使用，因为现在信息密度太大了，天天有各种各样 AI 产品。
我们早期做对几个事。第一就是 Google 把我们屏蔽了以后，我们积极去找其他一些很好的增长点。我觉得一个增长点我们找到了，就做子站。就是说我们去做这个子站的一个关键词，我们有两个网站，一个是找 Intern 的网站，叫 internlist.com，第二个是找 New Grad 的网站，叫 newGradJobs.com。
你如果在 Google 上搜 Intern List 或者 New Graduate Jobs，排第一的都是我们两个子站。我们把我们好的 Job、好的 Intern Job、好的 New Graduate Job 都汇聚到这两个网站。我们通过这些网站找到了一些大学的 Ambassador，帮助我们在 LinkedIn 上宣传，一下子有一些渠道就能出圈了。
包括 TikTok，因为你知道 TikTok 都是一些年轻的群体，他们对于这种新的网站挺有意思的。而且我们这个网站有意做成不是 Jobright 去做的，而是一个看着比较中立的网站。当时陈唱肯定也给了很多建议，这两个网站是有时代的红利的，而且它红利会越来越大。这是当时我们做的比较对的事，当然与此同时我们也尝试了很多其他的网站，但是其他的没有这两个做得好。
还有一些比较重要的尝试，我觉得就是我们开始自己做 Founder IP，因为 LinkedIn 确实获客太难了，获客太贵了。说实在的，2,000 块钱、3,000 块钱砸一个 Creator，可能最后 5 万 Impression 都没有，而且很多 Impression 都是假的 Impression。他们有自己的一个小群体，我跟这个客户合作，都来点赞转发，很多都是假的 Impression，因为他都没有任何的 Conversion。
当然我们自己本身也比较保守，也不是喜欢这种出去乱去做这种东西，但是我觉得毕竟现在确实获客太难了。而且 Founder IP 是一个——我觉得是你作为 Founder 往外呈现的一个有血有肉的人物，你分享一些自己的思考，分享一些你怎么去创业，分享一些人生的经历。
很多中国的 Founder，他可能碍于觉得不想表达自己是中国 Founder 身份，但是我回头来一想，咱们都是移民者，马斯克也是移民者，包括那么多印度人，大家都是移民者。就这么多移民者，移民者其实 Make American Stronger。
我们的定位就是一个移民者，包括我第一天来美国的时候，我甚至路都不知道怎么找，Google Maps 都不知道怎么去用，我不断地去分享我的真实的一些想法。
我就会感觉到，包括有的时候在这比较想家，包括我的家庭、我的父母，我怎么样一步一步过来，到这怎么样。刚开始住的可能是一个很小的一个房子，只能放一张床那种，厕所还是四五个人共享那种。你把这些真实的东西分享出来，你会感觉大家很多人都会 Echo 你。
陈唱： 
大家都有一样的经历。
Ethan： 
对，大家都有一样的经历，很多时候只需要把你自己认真地表达出来就可以了。我们其实很早就决定要在 LinkedIn 上做内容，因为 LinkedIn 就是我们的目标群体。但我们花了很多时间才找到一个正确的方向。最早的时候，第一年我的 Follower 大概从 3,000 增长到 4,000。但今年直接从 4,000 增长到 5 万多，所以一旦找到正确的方向，增长会非常快。
我甚至有一个帖子超过 150 万次浏览。
高宁： 
哪个帖子？
Ethan：
当时是一个比较热门的话题，对比 Surge 的 Founder 和 Scale AI 的 Founder。挺有意思的，因为两个人都是华人，都是 MIT 毕业，都是 MIT Dropout，一个人很愿意分享，一个人看起来很低调。两个人都是做数据领域的。
Search 的创始人当时出来融资的时候，可能内涵了几句，说我不会因为什么而怎么样，因为当时 Scale AI 被收购给了 Meta，所以引起了大家很多讨论。
其实你做多了个人故事以后，你没有那么多个人故事能分享。包括我，我都各种在朋友圈、在家庭里问有没有之前的照片。我之前也不是一个很爱拍照的人，可能一年都拍不了一两张照片，也没有那么多有血有肉的素材能分享，所以只能找一些其他比较有意思的热点，包括对现在 AI 行业的一些认知。
不要低估自己的学习能力，一旦你想做好一件事的时候，就会绞尽脑汁去把这事做好。真正写出来一个帖子也不花很多时间，但需要不断去想该怎么去写。恰巧我们的目标群体又是一个求职群体，大家在很多话题上有共鸣，把自己的 Follower Base 建立起来，有一些比较有意思的对比素材出圈，大家就都愿意过来 Follow 你。
现在写帖子已经成为一个日常了，虽然有时候觉得有点痛苦，有时候觉得是个负担，但这已经是日常了，而且一定要成为日常。
陈唱： 
已经形成体系了。找话题、选题、写作都有体系了。
Ethan：
每天其实花的时间不超过半个小时。
高宁： 
我 Follow 一下，你现在的 LinkedIn 内容体系是你一个人在背后找灵感写，还是会有一些配合？你是有规律的，有个计划说一周发几天，还是有一个体系化的东西在运作？
Ethan：
有一个体系化的流程。我们自己搭了一个小的内部 Agent，包括怎么找素材，什么样的帖子容易火。
高宁： 
是有工作流的。
Ethan：
对，我们给自己规定一周要发 6 篇。除了周日，其他天都要发，这是一个死规定，什么东西都可以抛弃，就是这个规定不能抛弃。除非生了大病，或者请个假。
高宁： 
请假时还可以分享一下。
Ethan：
因为我觉得日更是极其重要的。
陈唱： 
你这是从算法角度出发，还是从跟群体客户、你的 Followers 的 Engagement 来说？
Ethan：
它有点像 TikTok，是个 Volume Game（量级游戏）。只有你不断去写，总有一篇会爆。不断去写，不断去学习，不断持续下去，总有一篇会爆，因为你的 Follower Base 足够大。有的时候你可能没有时间，但没有时间也别断更，明显断更两天，算法就可能需要重新学习。
所以我们很多 KOL 跟我们合作也是这样。我们有一些长期 Co-create 的 KOL，他每天会发我们的一些内容，包括一些好的稿件。你会发现他一旦一周不发了，再回来数据就一下子掉得很厉害，可能还需要两周才能恢复回来。
这确实是 LinkedIn 的算法问题。一方面得维持某一个 Practice。包括我现在也在真正去研究创始人 IP 这件事，因为我觉得华人做创始人 IP 的太少了，基本没有。因为我总结下来，现在 AI 产品其实无非就是这么几个点，尤其是 Consumer AI。
  • 第一个是产品力。华人一般产品力都很强，知道自己要 Build 什么。我觉得特别强的就是 Manus 那个团队，基本上想要 Build 什么东西，那个产品力太强了，我实在是非常羡慕，基本是把产品力发挥到极致。
  • 第二个是商业化能力，就是说用户过来了，你能不能跟他们收到钱？尤其是现在 AI，大家都消耗的是 Token 的成本。你能不能真正从 High Value 用户那里赚到钱？这是商业化能力，也很重要。因为有了商业化，你才能去获客。
  • 第三个是获客能力，我觉得获客能力可能是现在中国团队比较欠缺的，尤其是创始人 IP。因为创始人 IP 的 ROI 非常大，甚至你开始做创始人 IP 以后，其他所有的渠道都开始算不过来账，因为这个渠道的 ROI 太大了，其他渠道没法算账。你在 LinkedIn 上请一个 KOL，两三千美金，最后 5 万 Impression 都没有，你就会各种 Question。
高宁：
还不如自己写一篇帖子，有 150 万浏览。
Ethan：
对，而且我这个全都是免费的。你就会越来越算不过来账，这个东西会越做越 Enjoy。你想马斯克和雷军都天天做 Founder IP，你看雷军在抖音上多火，各种几厘米、硬币翻转这种内容。他们都天天做，我们有什么理由不去做？他们都得天天做这种 Founder IP 来获得更高的回报，你有什么理由不去做？
陈唱：
肯定是回报很高，所以大家都来做。
Ethan：
所以我个人也想为华人群体做一些贡献。我觉得既然我能从 0 到 1 把 Founder IP 至少在 LinkedIn 上走出来，其他渠道也是有可能的。我很欢迎大家过来跟我一起交流或探讨，我觉得每个人都有能力把这件事做好。关键就是你真正想不想做好，或者说你自己真的豁不豁得出去？
我觉得一定还是要豁出去，因为你就是个有血有肉的人，你自己如果不能作为产品的代言人，那谁能作为代言人？不要老想着去招一个人当代言人，这不 Make sense。
陈唱：
做 Founder IP 也不一定要讲个人故事。有的时候偏 Business，或者讲偏行业、Technical 的内容。不用暴露那么多隐私的内容方向，也有很多方式。所以不一定是要讲很多个人的故事，大家有各个方向都可以跑出来。
Ethan：
对，我每一篇比较热的帖子背后都能看到用户增长，因为有很多人能看到。而且也有很多挺厉害的人加过来，我之前认识的一些人，我觉得他们一定不认识我了，忽然发现这个人怎么加我了。还是有很多收获的。
高宁： 
这种 ROI 就更算不过来了。
陈唱： 
还有潜在 Partner。
Ethan：
是的，所以我觉得你们两位现在做的事都是很有价值的。不断给整个行业提升认知，让大家更多从这些节目中学习成长，我觉得都是长期非常有价值的事情。
高宁：
你刚才讲到了商业化一部分，我想聊聊商业化和 B 端的事情。因为今年你也讲到了，开始有意识地做这件事。因为你刚才说到本质是个 Marketplace，所以一定会去服务 B 端，或者开始面向 B 端去做一些产品。这一块你的进展或现状是怎么样的？这一块的获客是不是跟 C 端就会不太一样了？你是怎么一步一步开始向 B 端去沟通市场的？
Ethan：
这个问题很好。我们真正 Serious 想做 B 端，大概是一个月之前，还是很近的事。我有一些简单的 Lesson 可以先分享一下 C 端商业化的过程。
C 端我刚刚讲了，前半年我们基本 DAU 小于 10，在 2024 年的年初开始有很大的一波增长。到 2024 年年底的时候，我们还是一个免费的产品，纯免费的产品，因为我们没有信心能给 C 端收到钱。从 2024 年年底，也就是离现在大概半年的时间，我们才开始收费。第一个月，我记得陈唱当时我们也 Review 过，第一个月数据惨不忍睹，但后面就一路慢慢向好。
到现在确实是一个比较好的状态，突破了 200 万的 ARR，当然跟其他 AI 产品动辄 2,000 万、3,000 万、5,000 万都没法比，但我们觉得也是一些小的 Breakthrough 了。至少我们现在基本上是一个 Break even 甚至盈利的状态，对整个团队来说。
我觉得 C 端来说，我们之前没有想到我们能赚到钱，但确实现在有一些 C 端的红利，就是大家找工作太焦虑了。很多人确实愿意去付一些钱，因为我们收的钱确实不多。一个月如果你是学生群体，就收 20 美金，如果你是 Professional，就收 30 美金或 40 美金，可能有更高的套餐。
我们收的钱并不是很多，但会发现很多人是愿意付这个钱的。而且我们也没有设很多的 Paywall，我经常遇到用 JobRight 的群体，他们说免费工具都能用得很好，都够用，因为我们每天有一些 Limit 的 AI 功能，所以我们并没有在商业化上特别使劲。
Ethan：
现在能拿到这样一个还 OK 的成绩，我觉得是一个小的 PMF，不是一个特别大的 PMF。你们刚才讲了一点很对，我们的产品，因为我们在一个月之前，可能做的是一个 Consumer AI，而且是一个相对来说比较低留存的 Consumer AI。
为什么叫低留存？因为找到工作就走了，可能是一个偏一次性的 Consumer AI，属于低频率。他可能不跟 Claude、OpenAI 这些一样，一用你的产品觉得好用，能用个一年、两年或者更长时间。我们这个是找到工作就走了，而且你越快让他找到工作，他就越快走。
所以跟你想越收到他钱，但你又越优化产品，他就找工作找得越快。这是我们商业上在 C 端一个很有意思的悖论。所以我们一定要做 B 端，因为 B 端的钱更多。所以我们经过这一个月探索，也探索了很多模式，包括让 B 端过来 Post Job 等等。
所以其实我分享几个 Learning。第一个 Learning，就是确实现在 B 端很多公司要的都是“超人”。他们宁愿不招，一定要招到很合适的那个人。
甚至在湾区，很多公司都开始在加入之前给你一个试用期，就是一个很短的试用期，甚至 3 到 5 天，这个都纳入面试。比方 Cursor，他们的面试流程就是你到他 Office 跟他一起合作两天，通过就通过，不通过就算了。
很多都转变成这种形式。其实现在的招聘强势端确实是在 B 端。而且我看过最近的很多数据，就是 Software Engineer、Finance 这些白领群体的 Job Posting 数量是过去十年的最低点。可能现在还看不到底，现在状况确实比较惨。
其实现在滋生了很多行业，但非常不幸的是，他们可能也是为 AI 服务的，比方 Data Label。Mercor、Surge 这些公司非常火。包括 Scale AI 可能之前比较火，现在可能一般了，他们其实是接 OpenAI 的大单子，或者是 Top 几个 Lab 的大单子，然后做一些数据标注。他们可能把这些外包给——可能他们 Manage 10 万、20 万的数据标注网络。
包括 Mercor 最近特别火。你标注了以后，其实这些数据是给 OpenAI 来训练一个更好的模型，来去取代你。至少这方面我们目前看到的需求还是源源不断的。因为这些大的 Lab，他们的 Budget 基本是 Unlimited，因为他们需要各种各样的数据，需要各种各样的标注。
陈唱：
目前训练还是在上升期。
Ethan：
对，这是一个非常非常大的商机，而且美国很多 GDP 可能就靠这个。确实得整点大故事，这个是一个很大的增量。
陈唱：
那你觉得这是一个短期的、临时的吗？
Ethan：
我觉得还真不是临时。我觉得 3 年内至少是一个能看得到的。然后再往长的话，其实本质上就是说这个需求能不能扩展到 Fortune 500 或者说 Mid-market 的这种 Setup？
陈唱：
都要 Train 自己的模型。
Ethan：
或者说也想把自己数据利用好。那就是有一堆数据公司。因为其实 Mercor 除了自己很强的 Ops 能力，他有很强的对 OpenAI 需求的理解能力和数据的融合能力，因为很多时候他们接到的一些需求也是比较 Vague 的需求，就不是说完全数据标注。
陈唱：
给翻译一下。
Ethan：
对，给翻译一下，而且他们的需求变化也很快。那这种需求如果说慢慢往下延伸的话，那其实是一个很大很大的事情。后面可能真正多的就是这些 Data Label。
其实这个领域我们目前也在探索，因为我们平台上各种高质量的用户，可能我们 DAU 都能超过 10 万了，很多都是白领的高质量用户，他们其实有能力把一些数据给标注好的。我们其实在这个领域有一些探索。
最有意思的就是说招聘这个领域，其实在一直变化，有变化就有机会。就跟到我刚才说的，其实 C 端和 B 端你遇到一个供给不相匹配的时候，那其实对于 B 端来说，它没有时间去 Interview 这么多的 C 端。
一定的，它的 Recruiter 也在裁，AI 也慢慢 Replace Recruiter。去年可能是 8:1，今年可能 16:1，明年可能是 30:1。就他一个岗位，发现有 30 个都合适的人，他 Interview 不过来啊。
所以其实 AI 一定 Come into play。所以要么我去做更好的 C 端的人才的筛选，能通过一些 AI 的面试——就跟 Mercor 一样——比方能更好地去了解你，就先有个大概；要么就是做 B 端降本增效的一些工具。
核心其实还是帮 B 端更好地招到人。我们其实在 B 端就在上周刚搞了一个比较大的活动，是把我们平台 Top 1% 挑出来了 300 个非常高质量的人。可能都是比方 QS 前十学校的，Stanford、MIT 的，包括 Top 100 公司工作过的，Google、Amazon 这些正在找工作的人。
陈唱：
而且是 Fully Vetted，确认他们的信息都是非常准确的，有非常好的经验。
Ethan：
对，然后让这些 Candidate 跟有 20 个非常好的 AI Startup 去匹配。包括 Mercor也来参加，OpenArt、这些都来参加了。在做这种高端的一些活动。
高宁： 那这是线上还是线下？
Ethan：
线上。线上那个活动大概持续了 3 个多小时，大家都还比较 Happy。我们准备把这种活动做成一个 Practice，不断去做。因为我们觉得我们后面要打的品牌就是 Jobright 是一个 Top Talent 和 Top AI Startup 都在这块，可能早期需要一些运营，但我们觉得这个东西做多了就能把品牌慢慢打出来。
最主要的还是要长期的 Brand 和口碑，我们希望不管你是 Active Job Seeker，过来用我们的工具找工作，还是说相对来说 Passive 的 Job Seeker，只是想看好的公司的机会，都可以在 Jobright 平台满足到。
对于很好的用户，可能我不一定满足你的是个招聘网站，但是我能有一个很好的 Community。比方你就直接能跟这些公司的创始人直接去聊上，就是你是一个我们认定的非常好的人才，我们就直推给创始人。所以这就是我们往后 B 端一个很重要的路线。
高宁：
那会把你刚才讲到的形成这种线上活动运营这个东西会变成一个产品吗？给到 B 端吗？或者 B 端以后的体验，它也会从一个这种活动参与的形式有一个演进的未来方向？
Ethan：
你说这个很对，这个也是我们正在探索。我觉得我们要主打的领域就是，因为 B 端如果你是要招那种很强的管理层，比方 Head of Growth 那种，可能圈子就很小，这种可能就是一个很高尖端猎头的生意，这种我们可能确实 Touch 不了。
但是往下面的，你说你要招一个比较 Qualified Senior Machine Learning Engineer，或者一个很好的、成长速度很快的 New Grad，那这一定是我们的一个 Comfort Zone。我们有自己寻找候选人能力，我们有很强的获客能力，我们有很强的 Brand。
这也是我们最早为什么不先做一个 B 端产品。我们有 Brand 以后，有越来越多的 C 端会信任我们，这样子他们就会源源不断地来扩展我们 C 端非常好的一个池子。
因为我们早期确实有一定的基础，有一定的用户信任，我们觉得后面就慢慢能把我们的品牌再持续往上做一层，渗透到更多的这种 Semi-passive 的一些 Job Seeker，让他们能到我们平台来找到更好的 B 端。那可能我们的收费是，我估计是介于这种猎头与这种 Recruiting SaaS 之间的，让 B 端更容易 Accessible 到一些比较优质的候选人。
高宁： 
更容易形成结果。
Ethan：
达成这样的结果。因为现在确实是在一个很动态变化的环境，包括你认为的未来是什么，包括一两年后会变成什么。现在变化太快了，我们也在通过不断跟这些公司的接触来去丰富我们自己的认知，让我们自己的理解力或者说探测未来能力变得更强。
陈唱： 那你觉得这个变化的主要原因是因为 Overhire，还是说是因为 AI 有些技术让大家提效，还是因为整个产业结构有一定的变化？
Ethan：
我觉得本质上还是 AI。因为 AI 的 PMF 说实在也没跑出来几个，但是 Coding 一定是一个。Coding 的变化太大了，尤其是从 0 到 1，你要搭什么东西，变化很快，就是生产力这种提升。尤其是像 Maxus 这种 Agent 的存在，让你做很多复杂东西，你有地方能去一步一步地告诉他怎么去做，包括他 Reasoning 的能力。
你要说疫情的那个 Overhire 可能后面能够弹回来，但是我觉得两方面，一块就是 AI Coding 能力真正跑出来确实会取代一部分人，另一块也是资本还是太卷了，尤其是在美国。尤其是马斯克这么整了一出，我觉得其他家都会向马斯克靠齐的，大家觉得裁员不再意味着什么。
高宁： 
开始卷人效。
Ethan：
裁员不再意味着什么了，裁员甚至让我的财报更好，让我的股票更高。大家都在往一些可能从资本家来看价值观正确，但是对员工来看价值观不再正确的一个东西，硅谷已经回不去了。
陈唱： 
三番也都已开始讲 996。
Ethan：
对，大家要招就招 Ex-founder。咱们就是 996，已经大家阳光底下就是发生了一些变化。AI 会带来这些东西，会特别快。我觉得包括现在很小的这种学生 Dropout，你很难感觉它跟本科生有什么差别，因为他有 AI 工具，他能用得很溜的话，他短时间内能得到特别多的能量，他把他的杠杆率可能到 100 倍。现在很多公司甚至就说你要不然一天能写个三五万行代码，要不然就算了，都到这种极致的一个层面了。
很多悲观的人说大家都应该觉得现在的工作是自己的最后一份工作。我觉得确实往后 AI 一定会发生产业结构的变化，无论怎么说，包括政府怎么约束它，可能大趋势确实很难去变。
高宁： 
我觉得这样对候选人的技能、公司招人的方式，都已经发生变化。
Ethan：
已经发生变化，而且这个变化会越来越强烈。我觉得甚至到后面，因为明显 New Grad，你会发现之前的招聘是个金字塔，最底层是 New Grad。你会发现越来越多，现在很多公司都不招 New Grad，所以现在是一个菱形，大家可能都要 Mid 到 Senior，就没有人培养 New Grad 了。那后面几年的 New Grad 该怎么办？
所以他们需要一个地方或者一种方式，能让他们快速用 AI 去拉齐跟 Mid、Senior 之间的差距，我觉得是可以的。因为新的年轻人他对新事物接受能力会非常强，他没有那么多刻板的一些东西。
所以我会发现现在很多公司他吸引不到好的候选人，他就要招很多很聪明能干的一些年轻人。我觉得其实还是很有机会的，尤其是对这些 New Grad 做很好的 Upskilling。这也是我们平台目前在探索的一个方向，未来的方向，我们确实也能看到这样的机会。
高宁： 
今天聊得非常多，我觉得聊得非常完整。最后想说 Ethan，现在你们公司有任何招聘的规划吗？也可以在我们这里跟大家讲一讲。
Ethan：
我们公司一直在招人，无论是国内还是国外。我们的 Base 是在美国，国内也有一个很小的团队，我们一直是在招人。各种各样的人都招，包括增长、前端、后端、算法、大模型等等，所以大家如果有感兴趣的随时联系我们。
高宁： 
我们也把 Ethan 的联系方式和 LinkedIn 放在最后，也可以直接在 Jobright 上面申请。
Ethan：
是的。尤其是我们公司最近刚才也讲了，也在做一些 Top Talent 跟 Top AI Startup 的 Match 的系列活动。如果有人有职业需求，想去参加跟这些 Top AI Startup 的创始人直接去交流，或者是有一些 Top AI Startup 想要加入我们的 Program，非常欢迎联系我。
以及可能说实在，我确实做个人 Founder IP 和内容有一些小的 Know-how，我也是希望能够去帮助整个华人社区，在这一块往前能更好地推进，让大家更多地一起抱团，把更多的一些 Know-how 发声出来。如果这方面有一些需求，也非常欢迎联系我。
我觉得咱们华人团队做产品能力非常强。但是确实在 Marketing 上有很强的短板，包括陈唱最近在做的，我觉得也是在帮整个群体往更好的方式上去，这块都是一些很好的方向。
高宁：
今天聊得非常开心。我们最后有两个 Quick Fire 的问题，我一个陈唱一个，然后就结束今天的访谈。我就问你想到的第一个答案，或者在你的脑海里你就直接回答出来。第一个问题是，如果现在给到 0 到 1 的出海的创业者，不要怕什么？
Ethan：
我能想到一句话，就是说不要高估自己之前在国内创业给自己带来的经验，而且也不要低估自己的学习能力。
还是要身体力行来美国才可以，真正来美国才能真正见识到这边市场。虽然说国内有 Manus 那样的神话，踩到了最好的一个时间点就要爆发，但这种概率确实是特别小。真正 Consumer AI 做起来的这些公司，还是大部分 Founder 真正在美国跟用户非常近。
陈唱：
那从 1 Scale 到 100 的过程中，最大的一个坑，你愿意分享的话，看其他创始人能不能帮大家避坑。
Ethan：
我们其实还说不到 1 到 100，我觉得只能说 1 到 5 或者 1 到 10。我觉得最大的坑还是说不要急着去招一个 Full-time 来帮你解决问题，永远先要相信自己。我觉得确实可以招陈唱这种 Advisor，帮你们去规划好路线，但是真正要解决问题，还是得创始人自己。
如果你觉得有一个东西你解决不了，那大概率你招一个人肯定也解决不了，除非那个人你愿意给到很高的股权，他就是你的合伙人。
陈唱： 
Founding Member。
Ethan：
一定是自己先跑出来，然后再找一些强执行的人。最近我跟很多创始人聊都是这样一个 Lesson。
高宁： 
我觉得 Echo 了你刚才说的话，就是不要低估自己的学习能力。
陈唱： 
不能指望去招一个救世主来。
Ethan： 
是不可能的。我们曾经也有这样的幻想，现在完全没有了。
高宁： 
都亲力亲为了。
Ethan： 
是的。
高宁： 
好的，那今天非常高兴跟 Ethan 一起完成了这次交流，还有陈唱一起。如果有更多的想要聊访谈的 Founder，以及还有很多对 Jobright、对 Ethan 本人感兴趣的话题和活动想参与，我们都会把 Ethan 的联系方式也放在后面，也欢迎给我们多提建议。谢谢大家。
嘉宾联系方式
Ethan（Yudian）Zheng：linkedin.com/in/zhengyudian
图片

end

图片