Jobright凭借十人团队实现700万美元年化收入

Jobright凭借十人团队实现700万美元年化收入 AI引发海投风潮导致招聘市场双向失效，能够评估AI输出并完成交付闭环的人才是突破噪音的关键。 节目首先剖析了 AI 时代招聘市场因海投简历与 HR 筛选过载而陷入的“双向噪音”，并为 New Grad、H-1B 持有者及 Senior 求职者提供了精准分化的破局策略。Ethan 强调，当下最稀缺的是能利用领域知识对 AI 输出做出判断并“完成闭环”（Close the loop）的人才。随后，节目深度复盘了 Jobright 的创业历程，阐述了其如何通过 100+ 次深度用户访谈挖掘出 H-1B Filter 这一早期 Wedge，并基于 Agentic 自愈爬虫与个性化推荐系统搭建核心数据壁垒。最后，创始人分享了亲自操盘 LinkedIn 与 TikTok 的 Organic 增长经验，以及 AI 时代“重实战、轻面试”的最新招聘趋势。 Jobright 团队规模仅不到 10 名全职员工，通过 AI Native 的开发与运营模式，实现了超过 200 万注册用户及约 700 万美元的 ARR。 (3:15) 当前招聘市场深陷“双向噪音”：AI 降低了求职者的投递成本导致海投过载，而 HR 则被同质化的 AI 生成简历淹没，导致筛选机制失灵。 (5:15) 求职策略因阶段而异：应届生（New Grad）需展示真实 AI 项目并抢占早期投递时机，而 Senior 求职者更应注重个人偏好与岗位匹配度。 (12:37) AI 时代真正稀缺的能力是利用领域知识（Domain Knowledge）对 AI 输出进行评估（Eval）并完成决策闭环（Close the Loop）。 (24:51) AI 降低了技术门槛，使得企业对单一职能需求萎缩，进而更青睐能够端到端解决复杂问题的 AI Generalist 和 FDE（前向部署工程师）。 (24:51)

Jobright 联合创始人 Ethan 指出，全美白领招聘已跌入近十年低谷并陷入由 AI 投递工具与简历泛滥催生的“双向噪音”；无论是求职者还是初创团队，破局核心均在于构建以“做减法”和“端到端闭环”为驱动的系统能力。 招聘市场低谷与“双向噪音”循环 (5:15) Ethan 依据平台数十万条投递数据及公开统计指出，目前全美白领岗位发布量处于过去 10 年历史最低点。这既因科技大厂此前过度招聘后的持续回调，也受大企业借力 AI 降本增效、裁员并要求核心员工提升 5 到 10 倍人效所驱动。 当前招聘市场陷入了求职者与雇主之间的“双向噪音”恶性循环：AI 大幅降低了投递门槛，诱发求职者为缓解焦虑而进行动辄上千份的海投；HR 每天则被数千份千篇一律、由 AI 生成或润色的同质化简历淹没，筛选成本激增，导致海量简历如入黑洞，大量“幽灵岗位”无人响应。 求职分层应对与“完成闭环”稀缺能力 (12:37) 面对“面试概率 = 投递数量 × 投递效率”的客观公式，不同阶段候选人需采取差异化策略：应届生需借助极速爬虫在岗位发布数分钟内完成投递，并通过持续提交代码的 GitHub 档案、Kaggle 竞赛和真实的 AI 实战经验展示信号；资深求职者则应聚焦领域知识，依据企业文化、薪资等个性化偏好进行精准匹配。 在企业用人标准变革方面，传统单一职能需求急剧萎缩，最稀缺的人才集中于两类：一是在专业领域能够对 AI 生成结果进行评估、纠错并“完成闭环（Close the Loop）”的领域专家；二是以硅谷热门岗位“前向部署工程师（FDE）”为代表的 AI 通才，能够结合技术、产品设计与业务理解，端到端解决实际问题。 技术壁垒：刚需切口与自愈爬虫架构 (42:12) Jobright 早期通过面对面访谈逾百名求职者挖掘切入点，针对外籍毕业生难寻签证支持的痛点，利用 AI 将美国政府公开的历史数据与企业岗位自动化映射，推出“H-1B Filter”实现早期爆发。团队目前全职员工不足 10 人，年化经常性收入（ARR）已达约 700 万美元。 为解决 LinkedIn 等传统平台因虚假简历泛滥导致企业减少发帖的问题，团队耗时一年多开发了面向全美 10 万至 20 万家公司 Career Page 的 Agentic 分布式爬虫系统。该系统由 AI 自主编写爬虫并在网页结构变更时自我修复，能在 3 至 5 分钟内实时捕捉官网刚上架的增量职位，结合深度个性化推荐系统构筑底层壁垒。 增长策略：创始人分发与有机流量 (65:01) Jobright 在前一年半坚持完全免费以打磨底层体验，沉淀了 200 万美加白领用户，印度与肯尼亚也因远程求职需求成为自然增长的重要来源。产品刚开启付费时转化率仅为后期的二十分之一，后续通过让 AI 记忆用户个性化偏好深度赋能，才实现商业变现的爆发。 在营销端，Ethan 强调早期初创公司的分发不能外包给营销负责人，创始人必须亲自下场做内容和销售。他在 LinkedIn 讲述放弃 Meta 百万年薪及个人奋斗史的真实经历引发广泛共鸣，叠加真实用户成功上岸帖获得的 32 万赞，带来了持续数月的有机流量；相比 ROI 不佳的付费投放，公司选择优先将资金投入模型 Token 成本与研发招聘。 招聘模式演进与系统工程化求职思维 (73:48) 硅谷及前沿 AI 初创企业（如 Cursor 等）正加速淘汰传统的 LeetCode 刷题和系统设计面试，转向为期 1 至 2 天的付费“试工（Work Trial）”模式，直接在实战中检验候选人利用 AI 解决实际问题的能力与团队协作契合度。 面对白领阶层的就业冲击，Ethan 建议求职者转变心态，将“找工作本身当成一项全职的系统工程”，像创业做 A/B 测试一样逐步优化简历、联系人与投递时机，切勿将招聘方的未回复归结为个人能力的否定，在高速变化且嘈杂的市场中保持身心平衡。 AI 工具在降低申请门槛的同时加剧了两端的信息不对称，推动招聘与求职向实战能力考核与自动化博弈演化；然而，依赖算法与自动化爬虫的撮合机制能否从根本上逆转白领招聘低谷、以及试工模式在传统企业中的普适程度，仍有待更长时间的市场验证。

[5:15] Ethan: 市场不是说没有机会，而是陷入了严重的一个我们所谓的双向的噪音…… AI 让很多投递变得太容易了，求职者在疯狂地海投；但是 HR 每天也被几千份 AI 润色的一模一样的简历所淹没。 [24:51] Ethan: AI 能帮他们提供 80%-90% 能够极大提高生产力的东西，但是最后还是得这些 Expert 真正 Close the loop……你不是一个 Expert，你就 Close 不了，你没法判断两个东西谁的结果好、谁的结果差。 [32:50] Ethan: 创业是个极其难的事。如果大家任何一个人来问我建不建议创业，我觉得第一答案我就觉得不建议创业。如果我说十遍不建议你创业之后你还要创业，那就去创。 [42:23] Ethan: 听到用户一线的真实反馈是极其极其重要的……其实我自己（对求职）的感知往往都是错的，你得真实地感受到一线用户的感觉。 [55:13] Ethan: 我们俩想的很清楚，咱既然做事就不要说是图短期做个 3 到 5 个月的事，我们就是觉得 5 到 10 年什么东西应该去被解决……招聘这个东西我们觉得价值太对了，帮助其他人去找更好的机会。

[1:12] 欢迎两位嘉宾 [1:14] 我们今天有幸请来了 [1:15] 一个非常赚钱的AI Startup [1:17] Ethan你给大家介绍一下你的Startup是做什么的 [1:20] 然后你本人是什么背景 [1:22] 好的大家好 [1:23] 我叫Ethan [1:24] 非常非常高兴 [1:25] 来到课代表这个节目 [1:27] 我自己首先也是课代表 [1:28] 这个频道的忠实观众 [1:30] 也从你们很多的AI社区 [1:31] 课程中学到了很多东西 [1:33] 今天很开心来交流 [1:35] 我首先背景是之前 [1:37] 香港大学读的机器学习和数据库的博士 [1:39] 然后后来来美国 [1:41] 在Twitter做了机器学习工程师 [1:43] 因为我从小就喜欢创业嘛 [1:44] 所以大概在三年前看到了ChatGPT和大模型出现 [1:48] 我觉得是一个巨大的机会 [1:50] 包括我之前求职 [1:52] 作为国际的一个求职者 [1:54] 从中国来到美国 [1:56] 一直发现很困难 [1:57] 而且我觉得美国求职市场一直缺 [2:00] 一个比较好用的高效的个性化产品 [2:02] 所以我们做了Jobright [2:04] 短期来看 [2:04] Jobright其实是一个 [2:06] 求职者的招聘的一个伴侣 [2:08] 帮助你更好地发现你的机会 [2:10] 帮助你更好地改简历找内推 [2:12] 长期来看 [2:13] 我们要做的是一个真正marketplace [2:15] 把求职者和公司更高效地连接起来 [2:18] 提高整个招聘系统的匹配效率 [2:20] 我之所以会找Ethan聊天呢 [2:22] 就是在两周前吧 [2:24] Carina在我们社区里边做了一个分享 [2:27] 她是一个data scientist [2:29] 过去一年不幸的被layoff两次 [2:31] 然后她介绍自己上岸经历 [2:33] 的时候就提到了Jobright [2:35] 说被你们工具帮助了很多 [2:38] 所以说我就想诶 [2:39] 赶紧找Ethan来访谈一下 [2:40] 然后把Carina也拉上来 [2:42] 表达一下她的感谢 [2:43] Carina可不可以请你稍稍 [2:45] 简单地做一下自我介绍 [2:46] OK我叫Carina [2:48] 现在是Expedia的data scientist [2:50] 大概有一年半的工作经验 [2:53] 所以还算比较junior [2:55] 去年一年内被layoff了两次 [2:58] 所以有很多H-1B [2:59] 之类的事情要解决 [3:01] 然后找工作也是用到了很多不同的工具 [3:04] 其中用到了Jobright [3:05] 我觉得 [3:06] 比LinkedIn和其他一些工具要好用 [3:08] 所以正好这次有机会向两位大佬请教 [3:11] 具体怎么帮助的 [3:12] 我们到时候在讲产品的时候再说啊 [3:14] 我想先请Ethan你来跟大家讲一下 [3:17] celebrate下你们的success吧 [3:19] 据我了解啊 [3:20] 现在的AI的startup [3:22] 真正的有PMF的并不是那么多 [3:24] 然后能有用户且持续稳定赚到钱的就更少了 [3:28] 第一呢就是能给大家讲一下你们 [3:30] 公司现在做到一个什么程度 [3:32] 第二呢就是在这些里边 [3:33] 你最看重的是什么 [3:35] 我们现在大概的状态 [3:36] 我们现在有超过200多万的注册用户 [3:39] 然后基本只在美国和加拿大做 [3:41] 主要面向的是一个白领的求职群体 [3:44] 团队其实非常小 [3:46] 整体可能不到10个人的全职 [3:48] 我们现在的 [3:50] 年化营收ARR [3:51] 保守的计算是大概做到 [3:53] 700万美金的一个收入 [3:55] 我觉得我最想分享的确实是 [3:56] 我们用一个比较AI native的方式 [3:59] 无论是团队或者技术或者产品 [4:02] 其实是硬生生凿开了求职 [4:04] 这个十几年没怎么创新 [4:06] 比较老的陈旧的市场 [4:08] 甚至在投资人那觉得这个赛道都非常非常不sexy [4:12] 但是说我作为founder [4:14] 哪一刻觉得我比较开心 [4:16] 其实是越来越多用户的反馈 [4:18] 我可以举一个最近的例子 [4:20] 是我之前的一个前Twitter同事 [4:22] 他是一个staff product manager [4:24] 是一个我很admire的人 [4:26] 他在跟我聊天的时候 [4:28] 他讲他最近在找工作 [4:29] 他用了Jobright [4:30] 他觉得Jobright是他的unfair advantage [4:34] 就是不公平的一个优势 [4:35] 他觉得他用这个东西很有意思 [4:37] 但是他不想分享给别人 [4:39] 因为他觉得分享给别人 [4:40] 别人就跟他成了一个竞争关系了 [4:42] 首先这个人是我极其 [4:45] 推崇的人 [4:45] 他是一个极其懂整个系统 [4:47] 懂职场的一个高阶的 [4:49] 一个技术产品经理 [4:50] 当他觉得Jobright有价值的时候 [4:51] 给我的触动很深 [4:52] 我觉得我们其实不是 [4:53] 一个简单的一个job board [4:55] 我们真正想做成的 [4:57] 是一个帮助求职者 [4:58] 尤其在这个非常非常 [5:00] 充满噪音和黑盒的市场 [5:02] 成为他们能穿过这个黑盒市场 [5:04] 见到一些黎明曙光的一个 [5:07] 我可以理解为一个 [5:09] 个人的一个机会系统吧 [5:10] 叫personal opportunity system [5:12] 对这是我想说的 [5:13] 我觉得这就到我们第一个话题了 [5:15] 你身上有两个话题都是 [5:16] 现在大家特别关心的 [5:17] 第二个话题就是怎么创业 [5:19] 怎么创一个成功的业 [5:20] 我相信你也写过很多文章嘛 [5:22] 在这方面大家肯定有 [5:23] 特别多的想问的问题 [5:24] 包括你提到这个noise [5:26] opaque这些东西 [5:27] 就是大家被什么东西误导了 [5:29] 后半部分我们详聊这个 [5:30] 前半部分呢 [5:31] 就是你其实现在已经 [5:32] 开始做marketplace了 [5:33] 在这上面就是有很多 [5:34] 求职者天天在找工作 [5:36] 能看到他们的行为 [5:37] 也能看到很多工作 [5:38] 更重要的是你还在 [5:39] 这里边用AI做匹配 [5:40] Carina是不是从这benefit也很多 [5:42] 就是这个matching score [5:44] 所以问你两个问题吧 [5:46] 第一个就是你看到的就业市场 [5:48] 尤其数据上来说 [5:49] 它是一个什么样的就业市场 [5:51] 尤其刚刚你说这么黑暗 [5:53] 它到底有多黑暗 [5:54] 或者说在这个黑暗里边到底有没有机会 [5:56] 第二个呢 [5:57] 就是怎么样子大家可以被看见 [5:59] 自己的简历在你那上面排序更高 [6:01] 先回答第一个吧 [6:02] 行我觉得这个问题非常非常好 [6:04] 招聘市场大家也知道很差 [6:06] 从我们内部数据 [6:07] 包括公开的报道 [6:08] 你可以看到招聘的 [6:10] 大家看到数据一般 [6:11] 都是按job post的数量 [6:14] 拿白领来说 [6:15] 基本最高点是疫情前的那些 [6:18] 因为疫情有overhire [6:19] 然后自从疫情之后 [6:21] 白领的job post数量直线下跌 [6:24] 到现在其实是过去 [6:26] 10年的历史最低点 [6:28] 可能后面还会越来越低 [6:30] 当然因为各种的原因 [6:32] 一些原因是属于确实 [6:34] 疫情当时的过度招聘 [6:36] 然后到现在我觉得 [6:37] 确实是AI降本增效 [6:39] 大家都觉得AI能提高生产力 [6:41] 那从大公司的眼里 [6:43] 可能我就需要用裁员的方式来降低成本 [6:46] 然后让一些 [6:48] top performer用AI更大地提高他们生产力 [6:51] 提高5-10倍生产力 [6:52] 那对于普通求职者 [6:53] 回到你的问题 [6:54] 我觉得他们体感 [6:55] 确实是非常非常绝望 [6:57] 他们的简历基本上都投进了黑洞 [6:59] 他们可能看到很多 [7:00] 都是所谓的ghost job [7:03] 投进去一点声音 [7:04] 一点回响都没有 [7:05] 而我每天其实看到 [7:07] 在我们平台也有大概 [7:09] 几十万条的投递数据 [7:10] 我觉得市场不是说没有机会 [7:12] 而是陷入了严重的一个 [7:14] 我们所谓的双向的噪音 [7:16] 什么意思呢 [7:16] AI让很多投递变得太容易了 [7:19] 求职者在疯狂地海投 [7:21] 有的时候必须去海投 [7:22] 因为尤其是这些new grad entry level的 [7:25] 可能他们不投个上千份简历 [7:27] 根本就拿不到任何的一些面试机会 [7:29] 但是HR呢 [7:30] 每天也被几千份的AI润色的 [7:32] 一模一样的简历所淹没 [7:34] 你刚才那句话你觉得是对的吗 [7:36] 就是如果你不投几千份海投简历 [7:38] 你就找不到工作 [7:40] 因为我自己有一个主张就是 [7:41] 因为海投失效了 [7:42] 所以说大家应该对每个岗位更认真的去准备 [7:46] 然后想方设法的提高 [7:48] 有限几个的成功率 [7:49] 不知道这是不是一个错的策略 [7:51] 你说的很对 [7:52] 我也是经常跟用户说无策略的海投 [7:55] 很多时候不是一个策略 [7:57] 而是说缓解你的这个焦虑 [7:59] 其实我们也在为用户创造 [8:02] 更多机会去高质量的海投 [8:04] 包括我们做了很高效的这个爬虫系统 [8:06] 能爬到美国基本上 [8:08] 所有的公司的主页 [8:09] 能看到他们发布的job post [8:11] 包括我们做了很好的 [8:13] 一个个性化推荐系统 [8:14] 能够深度理解用户 [8:16] 然后深度地去做匹配 [8:18] 但是你要知道 [8:19] 确实现在的市场跟之前的不一样了 [8:22] 然后我们分开人群来说 [8:23] 尤其是偏junior的一些岗位 [8:26] 尤其是entry level new grad [8:28] 一方面像你所说的 [8:30] 他们必须要更好地去准备 [8:32] 不是说你在投递工作 [8:34] 而是说你争取自己 [8:36] 更好地被这个市场发现 [8:38] 比方说你的LinkedIn profile有没有好好写 [8:40] 比方说你自己 [8:41] 有没有做更多的AI项目 [8:43] 然后把它融入在你自己 [8:45] 平时的一些工作流程 [8:46] 或者说简历项目里 [8:48] 比方说你在找engineer [8:49] 是不是有一个更好的GitHub配置 [8:51] 来更好地展示你 [8:52] 比方说你简历里写的 [8:54] 是不是足够能反映这个job description所反映的东西 [8:58] 能让recruiter更好地看见 [9:00] 确实像你所说的 [9:01] 我觉得我们要进行 [9:03] 每次高质量的投递 [9:04] 因为每个人的时间都是有限的 [9:06] 每个人一天都只有24小时 [9:08] 你作为投递时间可能 [9:10] 也就是六七个小时 [9:11] 所以每个人每天能 [9:12] 投递的数量是有限的 [9:14] 那你一定要把每次投递 [9:17] 作为你更重要的一个budget [9:19] 做得更高效 [9:20] 但第二其实你可以看到的一个 [9:22] 现实确实是new grad找工作太难了 [9:25] 所以就是说你要想找到好的工作 [9:27] 一定要确保你有 [9:29] 一定的投递量才可以 [9:31] 其实在我们平台看到 [9:32] 大部分平均的new grad可能 [9:34] 都得投个500-1,000份以上 [9:36] 但这个确实是一个市场的现状 [9:38] 这个现状我觉得短期很难被更改 [9:42] 因为你知道AI其实它可能越来越让 [9:45] 公司不想招这些比较entry level的人了 [9:48] 一个Carina当时的问题啊 [9:50] 就是她在社区里分享的时候 [9:52] 我觉得有一个事还挺反直觉的 [9:54] 她说她就用了一份简历去投 [9:55] 结果两次还都上岸了 [9:57] 怎么做到的 [9:58] Carina你可以讲讲你的经历 [9:59] 然后让Ethan听听 [10:00] 这是一个例外呢 [10:02] 还是你做对了什么 [10:03] 为什么可以做到这件事 [10:04] 确实就是一份简历 [10:06] 每天大概投10个左右 [10:08] 就像Ethan刚刚说的 [10:09] 一共应该也投了三五百以上 [10:12] 但是Jobright会给我一些比较高效的 [10:15] 或者比较有价值的 [10:17] 非常匹配我背景的岗位去投 [10:19] 所以每天从Jobright里面去提取 [10:22] 匹配度最高的10个去投 [10:24] 然后投了3-6个月 [10:25] 一边投一边面试 [10:26] 但一直用的是同一份简历 [10:28] 第一就是我不知道 [10:29] 这个是一个普遍经历吗 [10:30] 以及我的puzzle是 [10:32] 我就在想啊 [10:33] 如果这件事对于300个公司不work的话 [10:35] 那为什么在500个公司就work了 [10:38] 真的是这么一个numbers game还是 [10:39] 哎呀就我想不通这件事 [10:41] 我觉得numbers game一定是有的 [10:45] 这确实存在 [10:45] 因为你想 [10:46] 如果你自己不用任何的工具 [10:48] 比方不用Jobright去做这个事 [10:51] 可能你平均投递一个 [10:53] 公司的一个击中率 [10:55] 比方说咱们说1% [10:57] 那这个击中率有各种因素在里面 [10:59] 比方说你投递这个公司 [11:02] 这个公司是不是你匹配的公司 [11:04] 然后你什么时候投递的 [11:05] 是在这岗位发布几周之后投递的 [11:07] 还是说在这岗位刚 [11:09] 发布的时候投递的 [11:10] 然后你跟这个公司的匹配度如何 [11:12] 然后你的简历写得怎么样 [11:14] 当然你用Jobright [11:15] 我觉得应该是有3-5倍提升的 [11:17] 第一因为我们爬虫系统非常非常solid [11:21] 我自己身体力行花了 [11:22] 一年带我们团队去搭的 [11:24] 所以其实在这个岗位刚发布的时候 [11:27] 几分钟里你就能 [11:28] 收到这个岗位的信息 [11:29] 然后我们给你推荐的 [11:30] 一定是最新最好的job [11:32] 很匹配你 [11:33] 所以其实你的每次 [11:34] 投递准确率是更高的 [11:36] 但在这个准确率更高的情况下 [11:38] 其实你的概率也是很低的 [11:41] 就比方说 [11:41] 我可能能帮你提升到2% 3% [11:44] 但这其实依旧是一个比较小的分数 [11:47] 这个分数在这个市场前提下 [11:49] 你之前可能投递率 [11:51] 比方说15% 20% [11:53] 那现在突然降到2% 3% [11:55] 那意味着 [11:56] 你其实还是得把量走起来 [11:58] 因为你其实整体的一个公式是 [12:00] 你number投递数乘以投递效率嘛 [12:02] 可以理解为你拿到面试或者 [12:04] 拿到recruiter callback的一个概率 [12:06] 其实整体是一个公式 [12:08] 所以在这个整体市场投递效率整体 [12:11] 非常非常低的情况下 [12:12] 我们的工具确实能提高到很高 [12:14] 但也不会说是特别高 [12:16] 所以其实你还是得把投递量补起来 [12:19] 我明白了 [12:20] hiring这个需求还是在的 [12:22] 所以说它的概率并不是0 [12:23] 那你在有概率的情况下 [12:25] 还是有一些事情可以做来提高自己的概率 [12:28] 你刚刚说了 [12:29] 最重要的是提升自己的简历对吧 [12:30] 然后做一些比如说AI项目 [12:33] 提交的时候也要有针对性地去申请 [12:35] 除此以外还有什么别的吗 [12:37] 因为在我们平台其实来的 [12:39] 用户的画像特别特别多 [12:41] 讲几类吧 [12:42] 在这个市场对很多人确实都很难 [12:45] 第一类确实是new grad的 [12:46] 为什么呢 [12:46] 第一就是entry level太过拥挤了 [12:49] 然后很多人其实根本就 [12:51] 没有足够强的实习工作经验 [12:53] 大公司包括中小的创业公司都想要比较AI native的人 [12:57] 就是使用AI工具非常强的人 [12:59] 但在学校里 [13:00] 他根本就不会教 [13:02] 学生怎么用AI [13:03] 我们会以为就是所谓的AI native [13:05] 第一个是你之前就有过去的经历 [13:08] 你可以unlearn你过去很多东西 [13:09] 你可以非常好地去用AI工具 [13:11] 那确实你AI native [13:13] 再就是这种年轻人 [13:15] 高中生我们经常听到这样一个故事 [13:17] 什么高中生用AI工具用得飞起对吧 [13:19] 好像听起来是AI native的 [13:21] 但new grad在用人单位 [13:22] 的普遍印象里边 [13:23] 难道是不AI native的 [13:25] 或者stereotype是不AI native的 [13:27] 我觉得是分这么几种 [13:29] 第一种我觉得因为AI是一个新技术 [13:32] 然后在这一两年内 [13:33] 起来的速度非常非常快 [13:35] 其实在普遍的认知里 [13:37] 我觉得你说得很对 [13:38] 一般来说年轻人结合这种 [13:41] 新的时代的变革会更快一些 [13:43] 因为他们其实没有 [13:45] 这种你讲的stereotype [13:47] 或者没有一些背景的一些东西 [13:49] 对他们接收新的一些东西会更快 [13:51] 但是其实最大的问题 [13:53] 还是说他们有没有人去 [13:56] 教他们来做这个事 [13:57] 就是说他们是结合这个东西更快 [13:59] 但是确实现在的一个教育系统 [14:02] 其实没有把他们引导到真正 [14:04] 怎么用AI来解决他们实际问题上 [14:06] 但你说整体new grad [14:08] 扛不住它量大 [14:09] 总有一些比较拔尖的同学能把AI用得特别好 [14:13] 那我们看到另外一种 [14:14] 用AI用得比较好的 [14:16] 确实就是你讲的这些在真正的 [14:18] 岗位上确实比较有焦虑感的 [14:20] 他们真正个人能力也比较强 [14:22] 然后他们用AI能够更多的close the loop [14:24] 他们能自己对AI的结果做深度的eval [14:28] 他们是对一些domain knowledge了解得非常好 [14:30] 我刚才想说的就是这些大公司 [14:33] 非常希望这些top performer能够用AI [14:36] 提供5-10倍的这个生产力 [14:38] 他们一个人来操控 [14:40] 8-10个这种Codex窗口 [14:42] 然后自己不断地做context switch做eval [14:45] 然后能极大地提高自己的生产力 [14:47] 从用人单位的角度 [14:48] 你觉得什么是一个AI nativeness的signal [14:52] 对这两种人 [14:53] 就是new grad什么样的人 [14:54] 用人单位会一看会觉得哦 [14:55] 这个人很AI native [14:56] 我会愿意跟他聊一聊 [14:58] 对于一个正在转(方向)的人 [14:59] 有工作经历的人 [15:01] 什么样的是signal [15:02] 对我给一个比较实际的建议 [15:04] 比方说你作为一个new grad [15:07] 有个一段时间的准备期 [15:09] 那你真正应该提高自己什么 [15:11] 我觉得第一就是说 [15:12] 确实现在的new grad [15:14] 必须要每天高强度的使用AI工具 [15:17] 不是说把AI只当做写作业 [15:19] 而是把AI真正放在各种的项目里 [15:22] 比方说coding [15:23] 包括你平时的生活 [15:25] debug、research、写文档 [15:27] 然后做AI非常完整的工作流 [15:29] 平时经常刷刷YouTube [15:31] 一些深度的一些讲座 [15:32] 看大家怎么样来用AI [15:34] 这个其实是非常重要 [15:35] 第二我觉得相当重要 [15:37] 还是说你得做真实的项目 [15:38] 就是你真正希望你能有机会去 [15:42] 到一些初创的AI公司里去实习 [15:44] 然后希望你能 [15:46] 积累一些经验 [15:47] 当然确实是比较难 [15:49] 对于new grad来说 [15:50] 千万不要看短期的薪资和title [15:53] 真正需要去到这个经历里 [15:55] 因为我其实平常经常 [15:57] 参加一些线下的分享会 [15:58] 我发现很多new grad确实很主动 [16:01] 直接自己到线下分享会里去递简历 [16:03] 我觉得这是一个非常非常好的一个signal [16:06] 就是说你在AI时代你要足够主动 [16:09] 真正机会都是留给足够主动的人 [16:11] 积极地提高自己的这个实战项目 [16:13] 我觉得这个是很重要 [16:14] 第三尽量把你的GitHub profile [16:16] 把你的LinkedIn profile做好 [16:18] 因为你要知道简历确实非常多 [16:21] 很多的时候大家有时候 [16:22] 简历会写得比较一样 [16:24] 但是一般recruiter会用额外的signal去看 [16:27] 比方他会点到你LinkedIn里去看 [16:29] 你如果有GitHub [16:29] 他会点到你的GitHub里去看 [16:31] 尽量把自己的LinkedIn和GitHub [16:33] 做得比较professional [16:35] 里面有一些真实的项目或者分享 [16:38] 那会极大提高你整体 [16:40] 拿到面试的一个机会 [16:42] 不需要精准数据吧 [16:43] 但是你觉得这种new grad [16:45] 他有GitHub的比例和他有一个真实的 [16:48] 看上去还不错的项目的 [16:50] 这样的比例是百分之多少 [16:52] 其实还是很少很少 [16:54] 可能3%-5%都不到 [16:56] 我觉得一个很残酷现实还是说很多new grad [16:59] 还是不够努力 [17:00] 真的就算我们合作的一些new grad [17:02] 就是大家觉得哦 [17:03] 找工作很难 [17:04] 其实现在大家得改变 [17:06] 找工作的一个思考 [17:08] 你需要把找工作当成你 [17:09] 的一个全职工作来做 [17:11] 对它要足够认真 [17:12] 足够的动心思 [17:13] 就是你把找工作当成你工作中遇到的一个实际的难题 [17:18] 你需要去solve这个problem [17:20] 肯定是有办法solve这个problem [17:22] 因为整个market对new grad [17:23] 还是有巨大的缺口的 [17:25] 包括我们现在的公司 [17:26] 我们觉得招AI native的 [17:28] 可能有经验的人很难 [17:29] 他们要求的薪资也很多 [17:31] 所以我们转而也去看 [17:32] 这些更AI native的new grad [17:34] 所以我觉得机会一定是有的 [17:36] 而且大部分new grad [17:38] 其实不是足够努力的 [17:40] 所以我觉得对于每个人来说都有很大的机会 [17:43] 这也符合我的体感啊 [17:44] 认真看那个job post [17:46] 能按照job post写一个 [17:48] 像模像样的申请的2% [17:50] 剩下的98%他们都....对 你说的很对 [17:53] 有GitHub就不错了 [17:54] 但是你有也没有用 [17:56] 你要有一个看上去有commit [17:58] 然后有几个像模像样的项目 [17:59] 然后在不断地迭代的 [18:00] 且这里边可能有一个 [18:01] 项目是值得拿出来一说的 [18:03] 这个可能就已经筛到1%以下了 [18:05] 对你说的非常对 [18:06] 因为比方我们平时在筛简历 [18:08] 包括我们给很多公司来招 [18:10] 这个比较好的new grad的 [18:11] 其实你说的那几个信号非常好 [18:13] 就第一看你有没有实习经验 [18:15] 如果有实习的 [18:16] 是不是在一些比较好的 [18:17] AI公司或者其他地方实习 [18:19] 第二可能看你有没有一些其他东西 [18:20] 比方有没有一些GitHub [18:22] 有没有一些技术博客 [18:23] 第三就是点到你LinkedIn profile里去看看 [18:26] 个人背景经历是什么样的 [18:28] 然后你平常会不会发 [18:29] 一些个人的一些分享 [18:31] 这些其实都是我觉得 [18:33] 很重要的一些额外的信息 [18:35] 如果你把这些做好了 [18:36] 那你会很容易stand out [18:38] 当然第四我也忘了说了 [18:39] 就是你是不是平常 [18:41] 喜欢去参加一些Hackathon [18:43] 包括网上的一些 [18:44] 比方Kaggle的competition [18:45] 都是非常非常重要的一些 [18:48] 除了你个人的经历以外的 [18:50] 非常非常重要的额外的signal [18:52] 但凡你能做到一个或者两个 [18:54] 你会非常容易的让 [18:56] 自己的profile stand out [18:57] 所以虽然天暗 [18:58] 但是你想要在这里边显得很亮也不难 [19:01] Kaggle还有用吗 [19:02] 现在我一直以为它没用了 [19:04] 我觉得很有用 [19:05] 因为我们现在很多招人确实看Kaggle [19:08] 因为说实在有意愿去 [19:09] 打比赛的其实很少 [19:11] 因为它是一个短期 [19:13] 非常intense的一个环境 [19:15] 它一个competition可能也就是一两周 [19:17] 然后你需要组队 [19:18] 或者说你 [19:19] 独立参加 [19:19] 然后如果你能打上榜的话 [19:21] 一定代表你这段时间花了巨大 [19:24] 的时间和功夫去调研一个东西 [19:26] 你甚至会看各种GitHub repo [19:28] 会看各种paper [19:29] 实现各种的功能对吧 [19:31] 会看各种的开源模型甚至 [19:33] 这个打上去的人我觉得都是有极强的素质 [19:36] 他有点像这种ACM比赛等等 [19:38] 你说的不是说我做了一个Kaggle项目 [19:40] 而是我真的打上榜了 [19:42] 啊对对对是的 [19:43] Carina当时你满足几条 [19:45] 呃哈哈 [19:46] 我感觉可能我自己的运气比较好吧 [19:48] 因为我并不参加这些 [19:50] 但是我不是码农背景 [19:52] 所以可能有点区别 [19:53] 投的都是data analyst或者是product analyst [19:56] data scientist analytics这些岗位 [19:58] 所以没有Kaggle竞赛 [20:01] GitHub项目倒是有一些 [20:02] 我有放GitHub的link [20:04] 然后我的LinkedIn其实我觉得profile做得还是不错 [20:07] 内容填得挺满的 [20:08] 然后加上之前有一些 [20:09] 大厂实习经历都写上去了 [20:12] 比较大的有Amazon和Blackrock [20:14] 我觉得可能就让 [20:15] 简历看起来比较好看 [20:16] 所以大厂名字可能有用 [20:18] 那其他的 [20:19] 因为去年我觉得AI native还没有 [20:21] 那么那么像现在这么流行 [20:23] 所以当时简历用了一些 [20:26] internship做的事情 [20:28] 我觉得还是挺competitive的 [20:29] 就是其实刚刚按你说的 [20:31] 那个四五条应该都没有满足 [20:33] 但是运气比较好 [20:34] 有的有的还是有LinkedIn内容 [20:36] 还是有一些 [20:37] 对你讲的Amazon的应该挺stand out的 [20:40] 对有这个经历的应该不多我觉得 [20:43] 刚才说了一个new grad [20:44] 那我们接下来比如说 [20:45] 像Carina这样的junior [20:47] 包括被裁的 [20:48] 还有一种就是在大厂 [20:49] 已经工作了一段时间了 [20:50] 比如说你的前同事 [20:51] 对吧Twitter那前同事 [20:52] 就是这几个市场吧 [20:54] 你都点评一下 [20:55] 尤其是点评一下这种 [20:56] supply demand的imbalance [20:58] 或者说大家有什么误解 [20:59] 我的体感啊 [21:00] 是身边比如说亚马逊啊 [21:02] 或者说是Meta被裁的人 [21:03] 找工作还是相对容易的 [21:05] 其实在我们平台上你发现我们 [21:07] 会对用户做一些个性化的策略 [21:09] 其实我刚才讲的 [21:10] 这些群体确实比较难 [21:12] 几个难的群体 [21:13] 第一个是new grad [21:14] 第二个是需要H-1B sponsor的 [21:16] 因为他们说实在匹配的岗位供给就可能比较少 [21:19] 第三个就是说你想switch你的career [21:22] 你之前是某个岗位 [21:23] 比方data scientist [21:25] 你现在想找PM [21:26] 想找其他的岗位 [21:28] 这是难 [21:28] 第4个被裁的人其实还是比较难 [21:31] 我觉得被裁的人我很同意 [21:32] 你讲是有竞争的优势的 [21:34] 他找工作确实没有想象的那么难 [21:37] 比起其他群体 [21:38] 但感觉更多的是心理和节奏上 [21:40] 因为被裁确实是一个对 [21:42] 每个人都冲击很大的信号所以在 [21:44] 自己的心态调整上 [21:46] 一定要足够的positive对吧 [21:48] 很多时候确实不是自己的原因 [21:50] 而是说整个market整个市场或整个公司的原因 [21:54] 导致了你需要被优化 [21:56] 需要被走人 [21:57] 但是我觉得很多人他 [21:58] 能力其实也是很强的 [22:00] 所以要更多的在心态上做一些调整 [22:02] 然后我们看到的 [22:03] 确实是Mid to Senior [22:05] 他更看重你的relevance [22:07] 其实我们对new grad entry level这种 [22:10] 我们所谓的内部叫量大管饱 [22:12] 就是说他们需要更多的工作机会 [22:15] 然后更fresh [22:16] 这些公司一定是真实的公司 [22:18] 很多同学开玩笑 [22:19] 比方说我前两天跟 [22:20] 一个CMU的一个硕士在聊 [22:22] 他说他们在CMU非常推崇用Jobright [22:25] 他说用Jobright很简单 [22:27] 他说你就天天盯着Jobright alert就行 [22:29] 然后每天等着他alert [22:30] 然后只要你的匹配分大于等于70的 [22:32] 就无脑投 [22:33] 然后你一定要盯着这个alert [22:35] 因为很多公司他可能刚发完 [22:37] 他一天之内发现申请的人特别多 [22:40] 他都把这个机会给关掉了 [22:41] 所以new grad一定要量大管饱 [22:43] 你必须要非常非常的fresh [22:45] 匹配分也非常非常高 [22:47] 把你每次投递都做得精准 [22:48] 但是作为Mid to Senior呢 [22:50] 它需要relevance非常高 [22:52] 因为你有工作经验了嘛 [22:53] 代表你有很强的domain knowledge [22:55] 然后每个人都有不同的taste [22:56] 比方说诶 [22:57] 我想找我对location有不同taste [22:59] 我对Visa的sponsor有不同taste [23:01] 我对这个公司的文化有taste [23:03] 我对这公司CEO和管理方式有不同taste [23:06] 我对是不是remote有一些不同taste [23:08] 我对这个公司的行业有taste [23:10] 我对薪资有taste [23:11] 然后我对我做啥有taste [23:13] 所以它其实是一个挺复杂推荐系统 [23:16] 你得真正的理解用户 [23:17] 所以在我们内部说这个就叫relevance [23:19] 所以对于Mid to Senior [23:21] 然后以及对于entry level [23:22] 我们其实是completely两套 [23:24] 不同的一个推荐逻辑 [23:26] 那你看到了Mid to Senior [23:28] 找工作越来越难的趋势吗 [23:30] 还是暂时还没有 [23:31] 目前来讲确实人会越来越多 [23:34] 但确实是各种各样因素导致的 [23:36] 包括裁员啊等等 [23:38] 当然我们分时间来看 [23:39] 我刚才也讲了这个趋势今年 [23:42] 是过去可能10年白领招聘的最低点 [23:45] 无论各种职位 [23:46] 包括new grad [23:47] 包括Mid to Senior等等 [23:49] 我觉得今年确实很难 [23:50] 当然你要说Mid to Senior [23:52] 相对于其他岗位来说 [23:53] 还是容易很多的 [23:55] 因为容易 [23:55] 所以大家会有一些要求 [23:57] 就是刚才我讲的 [23:58] 你的各种taste [23:59] 因为你有taste [24:00] 意味着你有选择的权利 [24:02] 你可以去选择 [24:03] 诶这个公司我想去 [24:04] 那个公司我不想去 [24:06] 至少你还有选择的权利 [24:07] 所以我觉得对Mid to Senior来说 [24:09] 尤其对被裁的人来讲 [24:11] 其实相对来说要容易很多 [24:13] 但是比起之前来讲 [24:14] 确实难很多 [24:15] 而且会越来越难 [24:17] 因为大家现在都讲agentic AI [24:19] 越来越多 [24:20] 大家都喜欢招这些AI engineer [24:22] 然后有做agent这种相关经验的 [24:25] 就相当于拿AI把你武装得特别好 [24:27] 越来越多这种趋势 [24:29] 无论是new grad还是说这种Mid to Senior [24:31] 还是得积极地拥抱时代的变化 [24:34] 把AI做成你最强的这个武装力量 [24:37] 把它真正很好地用起来 [24:38] 然后反映到你的简历里面 [24:41] 反映到你找工作的一个方式里面 [24:43] 比方积极地找一些内推 [24:44] 积极地找一些Insider [24:46] 这些都是一些能够去极大提升 [24:49] 你的申请概率的一些武器吧 [24:51] 我们25年初 [24:52] 24年底的时候就开始 [24:53] 在社区里面说了 [24:54] 25年的时候做了一个课程 [24:56] 说接下来18个月是 [24:58] Agentic AI的机会窗口 [25:00] 你如果这个时候会用好agents [25:02] 然后你可以是 [25:04] 自称一个agentic engineer [25:05] 然后或者说是会用agents的这个DS [25:08] 你在就业上会有极大的优势 [25:10] 看起来是这样的啊 [25:11] 26年年初的时候 [25:12] 我又说接下来五年会有一个缺口是AI architect [25:16] 因为到时候就是这种builder [25:18] 或者说是就在工作中能 [25:19] 比较靠谱地把AI用好的人呢 [25:21] 其实会越来越多 [25:22] 但是能做到这件事的人多了以后呢 [25:24] 其实architect是更稀缺的 [25:26] 这是我的一个判断啊 [25:27] 然后我就想请你先点评一下 [25:29] 这种supply demand imbalance是否存在 [25:32] 你说的这个东西非常非常好 [25:34] 因为我们也在帮非常好的公司 [25:37] 头部的AI公司在招人 [25:39] 我觉得大家的要求都是说 [25:41] 第一要不然你是一个domain specific expert [25:45] 比方说你对AI的训练非常了解 [25:47] 或者说你对这种大规模的一些 [25:50] 机器学习部署模型特别理解 [25:51] 如果你是后端的话 [25:53] 可能你对某方面对Redis [25:55] 这种内存数据库特别了解 [25:56] 对K8S特别了解 [25:58] 所谓的一些domain expert [25:59] 因为为什么这些人厉害呢 [26:01] 因为这些人就是我刚才说的 [26:02] 也是你刚才说的 [26:03] 能够close the loop [26:04] 就他能真正involve AI给他带来结果 [26:07] 这个能力非常重要 [26:09] 很多东西确实需要human in the loop [26:11] 可能AI做80%-90%的事情 [26:13] 但最后的5%-10%的事情需要人去做 [26:16] 但人真正能close the loop [26:18] 这很重要 [26:19] 就比方说我最近跟一些harvey [26:21] AI法律的一些公司在聊 [26:23] 他们其实内部招了很多 [26:25] 很expert的一些法律的一些律师 [26:28] 这些律师是干嘛 [26:29] 他们就是close the loop [26:30] 就是AI帮他们提供80%-90% [26:33] 能够极大提高他生产力 [26:34] 但是最后还是得 [26:35] 这些expert真正close the loop [26:37] 你必须是一个expert [26:39] 你才能close the loop对吧 [26:40] 你不是一个expert [26:41] 你就close不了 [26:42] 就是你没法判断 [26:43] 两个东西谁的结果好 [26:44] 谁的结果差 [26:45] 这个东西是很重要的 [26:47] 其实你说的很对 [26:48] 所谓的AI architect [26:49] 我觉得是这样的角色就第一 [26:51] 你能同时操控各个AI去帮你干事 [26:54] 你得有context switch能力 [26:55] 第二你真正能close the loop [26:57] 你知道谁做得好 [26:59] 谁做得不好 [26:59] 怎么样有效给他feedback [27:01] 这样能提高极大的生产力 [27:03] 能提高5-10倍的 [27:04] 甚至更多的生产力 [27:05] 第二种我所谓的可能叫AI generalist [27:09] 不是说所有人都对某 [27:11] 一个领域了解得很深的 [27:13] 所谓的AI generalist [27:15] 本质上是一个in general problem solving的能力 [27:18] 或者说我说可能就 [27:19] 作为一个CEO的能力 [27:20] 比方说我跟我们团队说 [27:22] 就是现在其实你发现AI对 [27:24] 前端的替代特别特别强 [27:26] 因为AI已经很容易写出 [27:28] 前端非常非常好的代码 [27:29] 那对于前端工程师来讲 [27:31] 你要不然是一个前端极其强的expert [27:34] 你懂得前端很深的一些优化 [27:36] 那要不然你就得往更end to end地去转 [27:38] 比方说你从前端变成一个全栈 [27:41] 就是你不能只理解某一小块 [27:43] 你要更变成一个generalist [27:45] 能end to end解决一些问题 [27:47] 这是我觉得AI公司对 [27:49] 大家的一个期望 [27:51] 包括我觉得现在 [27:52] 非常火的一个role叫FDE forward deployed engineer [27:57] 他其实就是入驻其他的公司 [27:59] 一般都是B2B的一些企业 [28:01] 你入驻其他的公司 [28:02] 帮其他公司去end to end用 [28:05] 你的产品去解决他们生产线的问题 [28:08] 这我觉得就是一个AI generalist一个很好的表示 [28:11] 我觉得大部分人可能 [28:12] 都得往AI generalist去转 [28:15] 更好地用AI工具 [28:16] 去更automate你的工具流 [28:18] 不让你自己这块变成bottleneck [28:21] 然后你自己也会更了解其他的部分 [28:24] 能够把整个事情close the loop [28:26] 这两块人现在我发现各个公司要的都非常多 [28:30] 所谓的AI engineer可能就是第二块 [28:33] 你之前讲的AI architect的 [28:34] 我觉得可能偏第一块 [28:36] 因为architect的这个确实是 [28:38] 他需要真正对一些比较 [28:39] domain specific的问题去close the loop [28:42] 对 [28:43] 嗯其实就是把这个人的 [28:45] 能力尽量的灌注给AI [28:47] 然后尽量的让AI可以自己跑 [28:49] 这个是我觉得很核心的点 [28:51] 第二个我可以举一个具体的例子啊 [28:53] 而且这里边全栈肯定 [28:54] 不光是技术上的全栈 [28:55] 就比如说 [28:56] 一个网站 [28:57] 会写前端了 [28:58] 那你会不会设计对吧 [29:00] 能不能把这个网站设计得比较好 [29:01] 会设计了 [29:02] 你会不会写文案 [29:03] 你能不能让这个landing page [29:04] 整个文案的转化是好的 [29:06] 然后是吸引人的 [29:07] 这个其实在我看来是一个更全栈的东西 [29:10] 你把这三个的两个结合 [29:12] 或者说如果你真的厉害 [29:13] 三个全都结合的话 [29:14] 这种人我到现在都没有找到 [29:16] 就是我特别希望有人可以 [29:17] 帮我网站做一下这三件事 [29:19] 但是我觉得找不到 [29:20] 一个人可以做好这三件事的 [29:21] 你说很对 [29:22] 我可以分享一下最近我的一个感觉 [29:24] 因为我们也帮很多 [29:25] 创业公司去招人嘛 [29:27] 就我们会发现很多创业公司 [29:29] 喜欢招一个很有意思的岗位叫 [29:31] head of marketing什么意思呢 [29:33] 因为其实现在AI工具你也知道 [29:35] 做这个marketing非常难 [29:37] 就我们所谓的做distribution [29:38] 怎么样让你的产品让更多的无论 [29:40] 是C端用户或B端用户知道 [29:43] 因为现在AI develop产品特别特别容易 [29:46] 甚至你不是engineer [29:47] 或者engineer你现在都不写code [29:49] 都是AI帮你100%写code [29:51] 它让非这个engineer [29:53] 非其他Tech职能的人 [29:55] unlock他们更多的这个possibility [29:57] 去做一个end to end的东西 [29:59] 那其实build产品没有那么难 [30:01] 那其实难的确实是distribution [30:03] 就怎么样找到更多的用户 [30:05] 所以很多AI公司他就 [30:07] 想招一个这样的人 [30:08] 但其实我思考下来 [30:10] 其实这恰恰就是CEO的职责 [30:13] 或者是你们co-founder团队的职责对吧 [30:15] 其实我刚才echo你的问题就说 [30:18] 本质上我觉得什么东西最难呢 [30:20] 我觉得是decision making的能力 [30:22] 就是你接下来要做什么样的事情 [30:24] 因为大家都是小团队 [30:25] 包括你从0到1做你的个人品牌 [30:28] 做播客我觉得很难 [30:29] 而且你的团队一定很小 [30:31] 包括我们团队也很小 [30:32] 我们现在团队还不到10个全职 [30:34] 那大家单位时间能做的事情是有限的 [30:37] 包括求职 [30:38] 求职往往是一个solo的过程 [30:40] 就是我自己去求职 [30:42] 而且我每天只有24小时 [30:44] 每个人也都是一样 [30:45] 我可能投入求职的时间也 [30:46] 就是maybe每天平均6-8个小时 [30:49] 我每天的优先级是什么 [30:51] 对吧我不可能做五到十件事 [30:53] 我一定要挑最重要 [30:54] 的一到两件事做好 [30:56] 这是我觉得最重要的 [30:57] 就比方说 [30:58] 我作为一个公司的co-founder [31:00] 我觉得公司接下来一个月或者 [31:01] 一周最重要的一到两件事是什么 [31:03] 你做播客 [31:04] 你觉得最重要的一到两件事是什么 [31:07] 是不是网站的文案是最重要的 [31:09] 还是说哪个环节是最重要的 [31:11] 去prioritize [31:12] 我觉得这个是现在越来越想 [31:14] 非常非常重要的事情 [31:15] 而且AI恰恰是帮助我做 [31:17] 这个decision making的process [31:19] 就它帮我figure out [31:21] 什么对我来说是接下来最重要1到2件事 [31:24] 就是我现在不是用AI做加法 [31:26] 我恰恰是用AI做减法 [31:28] 最后减到我觉得最重要的一两件事 [31:30] 就是我接下来要严格去盯 [31:32] 然后push团队 [31:33] 我们一起要解决的 [31:35] 是的价值不是均匀分布的 [31:37] 所以说10件事里边一定有一件事 [31:39] 我一直跟别人说就是少做点 [31:40] 然后这里边肯定有一件事 [31:42] 你做了以后呢 [31:43] 是其他9件事都不重要了 [31:44] 对 [31:44] 所以去找那件事 [31:45] 然后使劲做 [31:46] 再使劲做 [31:46] 再使劲做 [31:47] 对 [32:50] 顺利的切换到我们的创业话题 [32:53] 如果说大家担心 [32:55] 以后工作就没了 [32:56] 好像有一条路就是创业 [32:57] 但是大家创业的时候发现哦 [32:59] 创业这件事好难啊 [33:00] 纵观整个华人AI圈吧 [33:02] 真正创业出来的人也不是很多 [33:04] 你是其中一个 [33:05] 你是怎么做到的 [33:06] 帮我们讲讲你的创业故事吧 [33:08] 首先创业是个极其难的事 [33:10] 如果大家任何一个人来问我 [33:12] 建不建议创业 [33:13] 我觉得其实第一answer [33:15] 我就觉得不建议创业 [33:16] 如果我说十遍不建议你创业之后你还要创业 [33:20] 那就去创 [33:21] 因为我觉得很简单 [33:22] 创业需要极强的自我驱动力 [33:24] 而且是五到十年如一日的 [33:27] 可能是黑夜 [33:28] 讲讲我的直观的几个非常非常大的感受 [33:31] 我觉得创业前 [33:32] 尤其在大公司 [33:33] 我觉得我还是挺快乐的 [33:35] 我的快乐来源于哪呢 [33:36] 我的快乐源于跟大家八卦 [33:39] 在大厂经常大家八卦嘛 [33:41] 比方说谁升职了 [33:42] 谁降职了 [33:43] 谁又有什么rumor了 [33:44] 然后哪个项目哪个人可能想跳槽了 [33:47] 对吧然后大家的茶余饭后 [33:49] 因为我在Twitter我们之前有个小团体 [33:52] 就经常隔三差五的然后聚在一起八卦 [33:56] 这是我们所有的快乐时光 [33:58] 其实在大公司里 [33:59] 你有负反馈 [34:01] 你也有很强的正反馈 [34:02] 你的正反馈就是 [34:03] 往往你的peer和你的manager给你的 [34:06] 就是说你ship了什么重要项目 [34:07] 你的升职加薪 [34:09] 你整个人还是有失望有快乐的 [34:11] 然后你发现你创业了以后 [34:13] 你好像没有什么正反馈了 [34:15] 其实你作为founder了以后 [34:17] 大家可能自然的想象是你的正反馈 [34:20] 是你的业绩 [34:21] 但是往往大家目标都很高 [34:23] 比方说你刚才讲我们公司做的很好 [34:26] 其实在我认知里 [34:27] 可能如果我三年前看到我现在状态 [34:29] 我觉得哎 [34:30] 真挺不错 [34:31] 但是我现在我看我自己状态 [34:33] 我觉得我们怎么做的有点慢 [34:35] 因为你创业 [34:36] 总是会把你的目标定的很高 [34:39] 比方说你的目标就是一个独角兽 [34:41] 一般来说很多人会把PMF定义的很高 [34:43] 像我也是 [34:44] 我一直没觉得我们hit到很强的PMF [34:47] 我一直定义的PMF [34:48] 是我能scalable看到我们公司能到一亿美金 [34:52] revenue的那个时刻 [34:53] 我觉得是hit到PMF了 [34:55] 因为都是独角兽嘛 [34:56] 1亿美金 [34:57] 代表你的估值可能超过一个billion [34:59] 就十亿美金 [35:00] 那其实很多时候 [35:02] 我觉得创业者从day 1开始 [35:03] 就要做很多的心态调整 [35:05] 就是你把你的目标一定要放低 [35:07] 不断的给自己足够多的正反馈 [35:10] 我觉得很多创业者 [35:11] 我们私下聊也是有很多的故事 [35:14] 就创业 [35:14] 都是一个极其极其lonely的一个群体 [35:18] 其实很多人都有各种各样的心理 [35:21] 或者mental的问题 [35:22] 一定的 [35:23] 因为你自己之前在大公司里 [35:25] 做的事情 [35:26] 非常非常简单 [35:27] 然后现在 [35:28] 你突然会面临各种各样 [35:30] 乱七八糟的问题 [35:31] 你包括我现在我在我们公司 [35:33] 我虽然是CTO管技术 [35:35] 但其实我还做了各种各样事情 [35:38] 比方说我管财务 [35:39] 因为我心比较细 [35:41] 我盯数字比较细节 [35:42] 我管marketing [35:43] 因为有的时候 [35:44] 现在技术跟marketing不分家呀 [35:46] 就是有的时候你获客用户的时候 [35:48] 你得算ROI [35:49] 有时候你还得盯一下产品 [35:51] 因为技术和产品也不分家嘛 [35:53] 就说其实现在对于某一个co-founder的职责 [35:55] 他没有那么明确 [35:57] 所以你不断每天都是在学习 [36:00] 有可能上一周数字涨了你很开心 [36:02] 哪一天数字跌了你又很低落 [36:04] 所以其实我觉得创业对于创业者来说 [36:07] 是一个挺难的一个群体 [36:09] 所以 [36:09] 我试图每天让自己更多的开心一点 [36:12] 就试图一定要留一部分时间 [36:15] 让自己完全忘掉公司的事情 [36:18] 试着给自己解解压 [36:20] 我现在我觉得我压力最大的时候 [36:22] 你知道是什么时候吗 [36:23] 是周末因为周末可能没有人在工作 [36:26] 没有人跟你讨论 [36:27] 然后你试图自己跟自己讨论 [36:29] 你试图消化这种比较紧张的情绪 [36:32] 对因为你每天都在一个极度紧张的情绪里 [36:36] 你周末很难让自己放松下来 [36:38] 你比方我当时看理想的一些播客 [36:40] 他说他一定要周日把自己手机扔掉 [36:44] 然后就是一天就基本上就在打游戏 [36:46] 就沉浸在一个事情里面 [36:47] 我觉得这个说的也挺对的 [36:49] 刚才讲的几个东西 [36:50] 就是我对创业的一个感知 [36:52] 就是说我觉得创业是个很难的事 [36:55] 但是为什么要创业 [36:56] 是我觉得我足够想改变这个世界 [37:00] 因为我之前说实在读PHD的时候 [37:02] 我运气也很好 [37:03] 我当时做数据库领域 [37:04] 我其实跟很多合作者挖了个坑 [37:07] 然后导致我们的引用数很多 [37:10] 你要知道你在做学术 [37:12] 很多时候你要建立一个topic [37:14] 建立一个小山头 [37:15] 然后让别人来去follow你 [37:16] 这样你引用数都能起来 [37:17] 然后我现在引用 [37:19] 当然数据库领域属于引用数 [37:20] 不是那么多的 [37:21] 不能跟AI公司比 [37:22] 但我现在引用也是三四千的这种量了 [37:25] 就是说我越来越感觉 [37:27] 无论是在公司还是学术圈 [37:29] 它是一个相对封闭的环境 [37:31] 就说我在学术圈 [37:32] 我做数据库领域 [37:33] 那数据库领域它就是那么十几个山头 [37:36] 就十几个大佬 [37:37] 然后这些大佬的徒子徒孙 [37:39] 定义了这些领域研究的方向 [37:41] 你自己开一个领域是很难的 [37:43] 所以你只能不断去follow这些领域 [37:45] 然后你的成就往往是这些人去定义的 [37:49] 因为你的所有的reviewer [37:51] 其实也是逃脱不了这些人的系统 [37:53] 所以它是一个相对来说 [37:55] 比较封闭的领域 [37:56] 然后在公司也是 [37:57] 比方说在一个大公司工作三五年 [37:59] 可能你也就认识旁边的20个人 [38:02] 跟你每天close的 [38:03] 也就是旁边的五六个人 [38:05] 它是一个极其封闭的领域 [38:06] 所以你很多东西你如果想升职加薪 [38:09] 你就得对上做的好 [38:11] 可能对下也做的不差 [38:12] 得有人给你feedback嘛 [38:13] 我觉得这个领域确实太封闭了 [38:16] 对我来说 [38:16] 因为在美国创业气氛这么浓 [38:18] 有更open的环境 [38:19] 所以我在想我就是要创业 [38:21] 因为创业是一个非常非常open的环境 [38:24] 所有的answer都是你的用户告诉你的 [38:28] 尤其是在ToC [38:29] 你做的好 [38:29] 你的用户就是来 [38:30] 你做的不好 [38:31] 你的用户就是在骂你 [38:32] 我觉得这是一个非常非常大的 [38:35] 非常open的环境 [38:36] 然后这种open环境比较纯粹 [38:39] 纯粹是以 [38:40] 很多你做的东西的好坏 [38:42] 市场会给你正确 [38:44] 或者是错误的一个评估 [38:45] 这个feedback loop让我感觉非常非常open [38:48] 非常非常真实 [38:49] 这是我最喜欢的 [38:50] 就这个事一定非常难 [38:52] 但是难我对比我之前经验 [38:54] 我会很喜欢 [38:55] 给大家的创业经验 [38:56] 我一定要说(有)很多很tough的东西 [38:59] 就我甚至前两年我创业有点太投入了 [39:02] 然后每天晚上搞到三四点 [39:04] 很早就起来 [39:05] 自己身体力行写code嘛 [39:07] 一般前两年 [39:08] 我的code都是在公司排第一位的 [39:10] 因为我太投入了 [39:11] 我觉得非常非常兴奋 [39:13] 我解决这问题 [39:14] 直到我当时得了一场甲流 [39:16] 把我身体搞垮了 [39:17] 我感觉我3/4管的血都没了 [39:20] 每天在一个轻度的抑郁状态 [39:23] 就是我不知道我每天在干啥 [39:24] 然后慢慢的其实自己通过状态的调整 [39:27] 通过一些健身啊什么的 [39:28] 也慢慢的缓过来了 [39:30] 我通过分享我个人的经历也告诉大家 [39:32] 其实创业是一个非常非常痛苦的事情 [39:35] 如果你真正想创业 [39:37] 先去一些创业公司去看看 [39:39] 创业公司往往都是一个词 [39:42] 就是chaos [39:43] 就是喧闹 [39:44] 因为大家都是在做自己在乎的事情 [39:47] 大家都会全情的投入 [39:49] 很多时候你面对的是每个人的下限 [39:53] 你面对不是每个人的上限 [39:54] 是每个人的下限在哪里 [39:56] 你要知道跟钱相关的东西 [39:58] 往往都是hack到你下限的东西 [40:01] 所以其实有的时候你选一个创业公司 [40:04] 你需要看到 [40:05] 这个公司founder的下限在哪里 [40:07] 你选一个合伙人 [40:08] 你也需要看到 [40:09] 这个合伙人的下限在哪里 [40:11] 他的下限你是不是能接受 [40:13] 你说的下限是做人的底线 [40:15] 还是能力的下限 做人的底线 [40:16] 做人的底线 [40:17] 这个非常非常重要 [40:18] 这个非常非常重要 [40:19] 因为创始人其实都是在极度的内卷 [40:23] 我的意思是他自己思维的一个内卷 [40:26] 精神的内卷的过程中 [40:27] 他会每天处理很多很多事情 [40:30] 所以很容易很多事情会激到他 [40:33] 因为他每天面对的各种信息轰炸 [40:35] 太多了 [40:36] 所以你一定要了解它的下限在哪里 [40:38] 回到刚才创业的问题 [40:40] 如果我给建议的话 [40:41] 第一你要一定要想好你是不是(真的想)创业 [40:43] 第二我给的建议是先加入创业公司 [40:46] 尤其是非常非常早期的创业公司 [40:48] 去感受一下 [40:49] 一定是可能种子轮或者pre-seed的轮 [40:51] 你感受一下整个创业的过程 [40:53] 这种生活是不是你喜欢的 [40:55] 这个极其重要 [40:56] 你说的每一个我都特别有感觉 [40:58] 比如说创业没有正反馈 [40:59] 尤其是你现在做这个个人媒体号 [41:02] 我能想象你非常非常成功 [41:03] 这也是我非常proud的来这录制这个节目 [41:07] 但我能想象 [41:07] 你每天的负反馈是非常非常多的 [41:09] 因为你的关注量越大 [41:11] 代表大家给你的很多噪音 [41:14] 也会越来越多 [41:15] 喷子一定会非常非常多的 [41:17] 你一定需要一个很好的方式 [41:19] 去消化掉这些信号 [41:21] 因为越强的人 [41:22] 你在公司越往上走 [41:24] 或者你的位置越高 [41:25] 其实你没有什么正反馈 [41:27] 你的正反馈一定是自己给自己的 [41:28] 没有正反馈这件事 [41:29] 我想给观众再多解释一下 [41:32] 当你到10万粉的时候 [41:33] 你不会觉得10万粉是个什么成就 [41:34] 你只会看到你离100万粉的差距 [41:36] 所以说一个视频很多赞 [41:38] 你没有觉得有什么了不起的 [41:39] 你只会觉得怎么还没有到下一个 [41:41] 确实正反馈就是没有的 [41:42] 但是像你所说的 [41:43] 真正的正反馈就是自己可以说了算 [41:45] 不用被别人定义自己 [41:46] 这确实感觉是一个 [41:48] 创业非常底层的 [41:50] 你看自己适不适合创业 [41:52] 特别想自己把自己心中的那个vision [41:54] 实现出来的话 [41:55] 我觉得创业再苦 [41:57] 最后感觉都是会走到这条路上的 [41:59] 对文言文叫什么苦其心志，劳其筋骨，饿其体肤 [42:03] 如果是我在讲了这么多东西之后 [42:05] 你觉得这些东西没啥 [42:06] 我还是要创业 [42:07] 那你就是创业的天选之子 [42:09] 我想听听Carina对刚才的反馈 [42:12] 非常认同你们说的所有 [42:14] 其实我父母也是创业 [42:15] 看到他们每天很辛苦 [42:16] 虽然表面上看起来很光鲜 [42:18] 但实际上是要有非常非常多的付出的 [42:21] 所以我也觉得在大厂工作 [42:23] 拿一份还可以的薪水 [42:25] 每天去享受一下公司的福利 [42:27] 没有这么多压力 [42:28] 其实也是挺好的 [42:30] 就只是不同的选择 [42:31] 一边压力比较大 [42:32] 但是risk跟reward都很大的 [42:34] 另外一边就是risk，reward可能相对来小一点 [42:37] 所以就是两种不同的(选择) [42:39] 然后我最近自己也是 [42:40] 因为有AI了之后在vibe coding [42:42] 最近做了一款冥想相关的APP [42:44] 放到APP Store [42:45] 现在就是distribution是个很大的问题 [42:47] 因为做出来了没有人下载 [42:49] 为什么不来社区里边分享一下啊 [42:51] 社区里边有15,000个人 [42:52] 可以收到你的邮件的 [42:53] 总感觉还不够好 [42:55] 那你要去看我那个career signaling那期 [42:57] 很多社区里的人都会有这样想法 [42:58] 觉得不够好 [42:59] 然后看了那个以后就哦赶紧发 [43:01] 就是大家会有一个精英耻感在 [43:03] 感觉永远都不会足够好 [43:05] 其实今天还有一个人在社区里发的也是这个点 [43:07] 就是因为你在想这件事的时候 [43:09] 你的那个主语是自己 [43:10] 而不是这个东西 [43:11] 如果你的主语是这个东西了以后 [43:13] 你就不会去想它够不够好了 [43:15] 你就去想我怎么样子可以把它往前再走一走 [43:17] 当主语是我发了这个东西 [43:19] 别人会怎么想我 [43:20] 这个时候就永远不会更好的 [43:22] 对我挺同意的 [43:23] 其实从0到1都是特别特别难的 [43:25] 我可以分享一下我们 [43:26] 当时从0到1怎么去做的 [43:28] 就是跟你现在的情况挺像 [43:30] 第一点就是说 [43:32] 一定要创始人下场 [43:33] 去跟你的客户去聊 [43:35] 这个非常重要 [43:36] 早期你像我co-founder [43:38] 他其实真正自己走了5到10个城市 [43:41] 跟100多个求职者去聊 [43:43] 真正聊他们的痛点 [43:44] 包括现在我们的user feedback反馈也是很重要的 [43:48] 我必须要push我们团队每周 [43:50] 保证5-10个用户的访谈记录 [43:52] 无论是我们PM或者说什么 [43:54] 这是我们内部的一条铁规 [43:56] 因为听到用户一线的真实反馈 [43:59] 是极其极其重要的 [44:00] 包括我们早期那个比较惊艳的feature [44:04] 就是你当时找工作的 [44:05] 一个痛点叫H-1B filter [44:07] 其实也是跟用户去聊的 [44:09] 我们去跟很多的new grads去聊 [44:11] 发现他们都需要H-1B sponsor [44:14] 其实在现在的招聘产品里 [44:16] 大家去看H-1B sponsor [44:18] 其实都是很难的 [44:19] 因为你需要对这个公司深度的调研 [44:22] 但恰巧这个其实技术上不是一个很难的事 [44:24] 因为美国政府每年都会把 [44:27] H-1B sponsor的详细记录放出来 [44:30] 甚至哪个公司support了什么样的职位 [44:32] 然后这个东西的薪资 [44:34] 这些都是必须要合法地去展示的 [44:37] 包括H-1B sponsor [44:38] 包括绿卡 [44:39] 我们就直接爬了美国的 [44:40] 政府的一些展示的一些网站 [44:42] 然后内部用AI做了一些mapping [44:44] 把具体的公司map到具体的公司上 [44:47] 然后把具体的职位也map上 [44:49] 这样每个公司我们就知道第一 [44:51] 过去三年内它sponsor了多少H-1B [44:54] 第二就是说具体到这个job [44:56] 比方software engineer [44:57] 具体到这个薪水 [44:58] 有没有可能他会sponsor你 [45:01] 然后有多大的概率sponsor你 [45:02] 然后这个feature [45:03] 我也不知道为什么现在的招聘产品 [45:06] 之前做了十几年 [45:07] 都没有招聘产品去做过 [45:09] 然后这个产品恰恰是通过我们user反馈拿来的 [45:13] 其实约用户很简单 [45:15] 就是各种渠道 [45:16] 比方说在LinkedIn [45:17] 你发现一个用户他是open to work [45:19] 你主动去加他 [45:20] 约个半个小时的访谈 [45:22] 大部分用户其实很赏脸的 [45:24] 实在加不到用户 [45:25] 你就付费去访谈嘛 [45:26] 比方说我给你个15刀 [45:28] 或者20刀的credit card [45:30] 你给我去深度访谈一下 [45:31] 然后一旦访谈到 [45:33] 10-20个用户 [45:34] 你会对这个群体有深度的感知 [45:37] 因为说实在 [45:38] 我自己的感知其实都是错的 [45:41] 因为我自己是用我自己那个位置 [45:44] 因为我当时确实是PhD [45:45] 我当时找工作的思路 [45:47] 跟现在的求职者也不太一样 [45:49] 然后那个年代跟现在也差很久了 [45:52] 所以你得真实地 [45:53] 感受到一线用户的感觉 [45:56] 我觉得一定要自己 [45:57] 下场去跟你的用户聊 [45:58] 这个非常非常关键 [46:00] 就无论是C端或B端 [46:01] 然后通过这个feature [46:02] 我们爆火了 [46:03] 爆火了之后有了第一波用户来 [46:06] 当然后面有各种各样的故事 [46:08] 比方说到后面 [46:08] 我们不只想target new grad [46:10] 我们想更多的群体 [46:12] 那我们就想怎么往 [46:13] Mid to Senior群体去靠 [46:15] 那一个群体一个群体的聊 [46:17] 我们聊到Mid Seniorr群体就讲了 [46:19] 我刚才讲的各种个性化问题 [46:20] 那我们就需要用AI深度去结合 [46:23] 深度去理解他找工作的意图 [46:25] 明显的意图 [46:26] hidden的意图 [46:27] 那我们就深度地去解析 [46:29] 比方说他salary expectation [46:30] 他对这公司的expectation [46:32] 他的行业dominate等等 [46:33] 然后一步一步把我们 [46:35] 产品慢慢做起来了 [46:37] 其实就是一个用户访谈 [46:39] 然后通过访谈找到你 [46:41] 可能的一些产品的卖点 [46:43] 然后把这些卖点做成好用的feature [46:46] 然后以合适的product messaging打出去 [46:49] 拿到这些用户 [46:50] 自己做自我的这种feedback loop [46:53] 后面再涉及到更扩圈的东西 [46:55] 为啥说我作为CTO [46:57] 我这些都得牵扯 [46:58] 因为这些东西现在都是end to end [47:00] 你很难切开 [47:01] 你很难说获客一个人搞 [47:03] 然后你产品一个人搞 [47:05] 然后技术再一个人搞 [47:06] 一定是end to end效率是最高的 [47:09] 那你CEO在干啥 [47:10] 我们俩人有不同分工嘛 [47:12] 他其实我觉得思考得更深更远 [47:15] 他是一个中长期的long term [47:17] 我有点短期的short term [47:19] 我自己对revenue的improvement非常exciting [47:23] 我觉得有什么样的获客机会 [47:25] 我是全情的投入 [47:27] 可能两三天我能搞成 [47:29] 我觉得哪些东西对于我们的 [47:31] 比方说产品的推荐有大的突破 [47:33] 我就恨不得我自己 [47:35] 拉着团队干个通宵 [47:36] 我得给整出来 [47:37] 我突破上去 [47:38] 就是我短期的这种signal和insight [47:40] 基于数据反馈的这种东西 [47:42] 非常非常强 [47:43] 但这种东西强了以后 [47:45] 它可能会忘记你中长期的mission and vision [47:48] 你现在不断去优化短期的这些东西 [47:50] 是不是对中长期有效果 [47:51] 他非常擅长中长期 [47:52] 他非常擅长从0到1 [47:54] 所以我们现在C端做到这个程度 [47:56] 然后B端需要从0到1 [47:58] 帮助更多的AI公司去找到合适的人 [48:01] 那从0到1该怎么做 [48:02] 因为B端跟C端又是 [48:04] completely不同的故事了 [48:06] 因为B端可能需要sales [48:07] 需要一些更formal的product messaging [48:09] 需要一些customer story [48:11] 它又是一个不一样的故事了 [48:12] 我觉得我俩是一个比较好的匹配 [48:15] 一个是下棋布局business development [48:17] 然后你是打仗 [48:19] 对打仗 [48:19] 非常非常data driven [48:21] 对数字抠得非常非常细 [48:23] 对细节要求非常非常严格 [48:25] 甚至到每个pixel [48:26] 哪个字体大了 [48:27] 哪个字体小了 [48:28] 就是Ethan刚刚说的所有的东西 [48:30] 都是从用户那来的 [48:32] 然后你其实创业建立 [48:33] 的是一个feedback loop [48:35] 就是你怎么样子让 [48:36] 用户告诉你你要做什么 [48:37] 然后把它做出来 [48:38] 然后把这个产品的product messaging做好 [48:40] 然后给到用户 [48:41] 让用户去使用它 [48:42] 这个feedback loop就是创业的本质 [48:44] 然后很多同学就是因果倒置了 [48:46] 就是我做一个东西 [48:47] 然后看别人要不要 [48:48] 我做一个东西看别人要不要 [48:49] 大家不理解自己的脑子 [48:50] 想的东西有多少的错误 [48:52] 就是我们做AB实验就80%的 [48:54] 脑子里的想法都是错的 [48:55] 这就是回到了要问的问题了啊 [48:58] 大家会说 [48:59] 你可以做任何的东西 [49:00] 但是你要有一个足够锋利的wedge [49:03] 你的市场才会给你机会 [49:04] 让你构建这个feedback loop [49:06] 就是你这个东西解决了一个足够痛的痛点 [49:09] 然后让市场愿意去使用你 [49:11] 不管是免费使用还是付费使用 [49:13] 其实绝大多数的产品呢 [49:14] 都是不痛不痒 [49:15] 白送别人用 [49:16] 别人都不用 [49:16] 你没有哈哈哈 [49:17] Carina还笑了一下 [49:19] 没有机会建立这样一个feedback loop [49:21] 那你一开始的那个wedge是怎么建立的 [49:23] 市场上已经有 [49:24] 这么多找工作的软件了 [49:26] 为什么你会去做这么一个新的东西 [49:29] 并且有信心把它做出来 [49:30] 你说很对 [49:31] 这也是我想分享的 [49:32] 就是我们创业 [49:33] 我们创的这个有点反直觉 [49:35] 很多人都说你做AI产品 [49:37] 你一定要day 1就开始收费 [49:39] 只有用户给你付钱了 [49:40] 才证明你可能有早期的signal [49:43] 我们其实前一年半全都是一个免费的产品 [49:48] 然后我们是一年之前 [49:50] 才开始给用户收费的 [49:51] 你可以理解为我们这一年内 [49:53] 从0涨到了700万美金以上的ARR [49:57] 为什么第一年半都是免费呢 [50:00] 我们得承认 [50:01] 就像你说的 [50:02] 整个市场毕竟是十年二十年的市场 [50:05] 你说领英做的差 [50:07] 但是你比领英做一个 [50:08] significantly好的东西 [50:11] 你一定要花很多的时间打磨的 [50:13] 不可能说你花个 [50:15] 两三天就vibe coding一下 [50:16] 一两个月随随便便就打磨一个东西 [50:19] 这个东西非常非常难的 [50:21] 第一个发现我觉得领英不太好的点 [50:24] 其实刚才也是Carina说的 [50:25] 就是说它的推荐系统 [50:26] 包括job的质量是有一些问题的 [50:29] 第一我发现越来越多的趋势是 [50:31] 很多公司不在领英上发job了 [50:33] 这是一个很明显的趋势 [50:34] 因为他们觉得可能发了个job [50:36] 短时间内有很多人申请 [50:37] 但很多人 [50:38] 我跟你们说一个很现实的问题 [50:40] 很多人其实提交的都是假的简历 [50:44] 因为现在找工作特别特别难了 [50:46] 很多人都会falsely claim自己 [50:49] 在任何公司去工作过 [50:50] 我不客气地说 [50:51] 你现在成立一公司 [50:52] 在领英上发一个entry level [50:54] 的software engineer [50:56] 你一天内我估计能收到一两千申请 [50:58] 然后你让领英自己给你排序 [51:00] 或者用AI给你排序 [51:02] 你会发现前面都是NVIDIA [51:04] OpenAI Anthropic的人 [51:06] 哈哈都是有过这种实习经验的人 [51:08] 这种人你进去一聊 [51:10] 就会发现全都是假的 [51:12] 可能对面他也在用AI面试作弊工具 [51:14] 哈哈 [51:15] 对啊 [51:15] 他为什么要来申我这个小破新公司 [51:18] 对因为就是市场太内卷了 [51:20] 他需要更多面试机会 [51:21] 他需要更多反馈 [51:23] 他需要practice他自己 [51:24] 这个就是当今市场 [51:25] 一个很严重的事情 [51:27] 所以其实很多公司不在领英上发了 [51:29] 那我们发现一个很大的问题 [51:31] 就是说你怎么样能知道第一 [51:33] 这个公司是个真实公司 [51:35] 第二这个公司发的job [51:37] 那其实一个很现实的问题是 [51:39] 我们统计了美国基本exactly发job的公司 [51:42] 可能有10万家公司 [51:43] 那其实你怎么把10-20万 [51:45] 公司这个量级的公司主页 [51:48] 公司的career page [51:50] 公司的爬虫写好 [51:51] 你写10-20万这个肯定不make sense的 [51:54] 虽然有很多的ATS [51:55] 他们template的都很类似 [51:57] 但其实也有很多很长尾的 [51:59] 这东西你怎么去做 [52:00] 就这东西是我真正花了一年的时间 [52:03] 带着团队一点点抠细节 [52:05] 就是我刚才讲的 [52:06] 我们自己build了一个agentic这种爬虫的 [52:09] distribute爬虫loop [52:11] AI不是说直接去解析网页的内容 [52:13] 是AI帮你写爬虫 [52:15] 然后AI自己去evolve爬虫的准确性 [52:17] 因为你的数量之大 [52:19] 所以每天一定会有一些网页 [52:23] 它会change自己的layout [52:25] 就算它概率很小 [52:26] 就算1/1,000 [52:27] 但是你的乘数很大 [52:29] 可能是几十万 [52:30] 所以意味着每天都会 [52:31] 有一些爬虫出问题 [52:32] 那你怎么样 [52:34] 用AI自己去修 [52:35] 你用人是不make sense的 [52:36] 所以其实这就是我带着 [52:38] 团队去开发的一个非常 [52:41] distribute powerful的一个爬虫系统 [52:43] 它能自己写爬虫 [52:44] 自己修爬虫 [52:44] 它能非常实时地 [52:46] 找到每个公司的career page [52:48] 比方微软的career page [52:49] 今天多了几个 [52:50] 今天少了几个 [52:51] 多的那几个我在三五分钟之内一定要爬到 [52:54] 这是对我来说极其极其关键的东西 [52:56] 我觉得爬虫和数据在我认知上 [52:59] 是我们系统的最底层的本质 [53:01] 我花多少时间多少钱我都要做对 [53:04] 这个东西是我们可能跟其他家 [53:06] 认知的一个不同的最本质的问题 [53:08] 可能很多家 [53:09] 诶我就做一个改写简历工具 [53:11] 反正我自己vibe coding一下就得了 [53:13] 但是我们要提供给用户 [53:15] 的是一个工作的机会 [53:16] 所以爬虫尤其重要 [53:17] 而且把爬虫做得非常powerful [53:19] 非常自动化 [53:20] 第二个就我说的了 [53:21] 有了这么多job [53:22] 每个人来了 [53:23] 怎么样深度理解他 [53:25] 怎么样把他的job推准 [53:26] 这是我们做的第二个东西 [53:28] 那我们需要推准 [53:29] 有很多的功课需要做 [53:31] 怎么理解这个用户的intention [53:33] 他到底有什么样的taste [53:34] 他对公司的需求 [53:36] 对岗位的需求 [53:36] 对职能的需求 [53:37] 对这个domain的需求 [53:39] 等等每个人都不一样 [53:40] 有些人他就喜欢 [53:41] 诶你给我新点的job [53:43] 有些人他就需要准 [53:44] 然后有些人他就需要 [53:45] 这个公司的申请简单点 [53:47] 那你怎么样自己搭 [53:48] 一个这种AI的一个系统 [53:50] 让这个系统自己能 [53:51] 学习到用户的一个signal [53:53] 更多地理解用户 [53:54] 让他觉得越用你 [53:56] 你越懂他 [53:57] 这个是一个很重要的 [53:58] 我觉得这两个缺一不可 [54:00] 就是一个是很powerful的爬虫系统 [54:02] 再有一个是个性化推荐系统 [54:04] 其他的工具性质的 [54:05] 比方改简历啊 [54:06] 自动申请啊等等 [54:07] 这些东西都是建立在你底层 [54:10] 一个很强大的一个data pipeline [54:12] 或者说一个data layer的基础上 [54:14] 我觉得这个是我们跟 [54:16] 其他家认知的本质不同 [54:18] 因为我最早就做推荐系统的嘛 [54:20] 我觉得这个东西非常非常重要 [54:22] 尤其是数据层面 [54:23] 所以其实到现在 [54:24] 我的认知还是这样的 [54:26] 因为build这个东西就是很难 [54:28] 所以就是说我们花了一年半的时间 [54:30] 真正不断跟用户聊 [54:32] 不断打磨 [54:33] 前一年半全是免费的 [54:34] 就每天到20000DAU的时候 [54:36] 我们还是这种免费的产品 [54:38] 因为我们觉得还不够让自己满意 [54:42] 我可能平常说话乐呵乐呵的 [54:44] 但我对东西的要求是非常非常高的 [54:47] 就我们团队其实我觉得平时 [54:49] 能感受到压力会非常大一点 [54:51] 因为我对细节这种把控是非常非常严的 [54:55] 就是我眼睛里也容不了沙子 [54:57] 只有日复一日的这种严格的要求 [54:59] 才能把所有的事情做对 [55:01] 因为我们知道这个事情非常难 [55:02] 然后我们需要花时间 [55:03] 我们把事情做对 [55:04] 当然这也少不了早期 [55:06] 的投资人的一些鼓励 [55:08] 我们其实最早期的时候 [55:09] 运气也比较好PPT融了个资 [55:11] 这就支撑了我们可能一年半的时间 [55:14] 一年半以后我们开始收费了 [55:15] 发现你很多东西做对了以后 [55:17] 其实用户会有很多organic宣传你 [55:20] 然后越来越多用户会word of mouth spread [55:23] 去慢慢地传播你 [55:25] 在不同的群体 [55:26] 甚至我也不知道我们 [55:28] 现在第二大第三大国家 [55:29] 甚至是印度和肯尼亚 [55:31] 你都很难想象肯尼亚 [55:33] 怎么有那么多用户来 [55:34] 是因为肯尼亚好像有几个 [55:36] TikTok博主天天在宣传我们 [55:38] 说在找美国的remote工作 [55:40] 我昨天去Stripe参加了个大会 [55:43] 肯尼亚是全世界前五 [55:46] 的AI adoption的国家 [55:48] 他一说肯尼亚是前五的诶我说 [55:50] 这不是跟我们的用户profile去对上号了嘛 [55:52] 因为他们有很多人在用AI工具 [55:54] 去找美国的remote的工作 [55:56] 影视飓风他们做了一个论文代写的investigation [56:00] 几乎都是肯尼亚的 [56:01] 真的 而且是博士的论文代写 [56:03] 我记得我前段时间还看到一个 [56:05] 就是说大家其实对非洲有一个误解 [56:07] 大家以为非洲非常贫穷 [56:08] 但是其实他们那边的 [56:09] 人均教育程度还是挺高的 [56:11] 是是是挺有意思的 [56:13] 所以就是说 [56:13] 随着这个慢慢的进行 [56:15] 就是说用户给我们反馈以后 [56:17] 我会觉得我们之前的conviction会更强 [56:20] 然后我觉得我们的天花板会更高 [56:22] 因为我觉得这个东西足够难 [56:23] 足够有意思 [56:24] 从day 1你就知道这件事 [56:26] 是很难且能做成的吗 [56:28] 对我们确实就觉得比较难 [56:30] 因为我说实在我这次是第一次创业 [56:32] 我也比较感谢我合伙人 [56:34] 他是他第二次创业 [56:35] 他第一次创业也比较难 [56:36] 他之前是美国的工作经历 [56:38] 然后回国做了一个ToB的SaaS [56:40] 然后你知道在国内 [56:41] 卖ToB SaaS确实比较难 [56:43] 后来他就到美国去 [56:44] 一定要结合AI去做了 [56:46] 然后我俩一拍即合 [56:47] 他其实想方向也想了挺久 [56:49] 我当时其实创业的 [56:50] 时候想方向也想了挺久 [56:52] 因为在AI之前没有太多的机会 [56:54] 可能比较多的机会也是Web3 [56:56] 我其实进去也explore了一阵 [56:59] 我本人其实也比较 [57:00] 相信比特币的长期价值 [57:02] 但你知道这个东西 [57:03] 确实商业属性特别强 [57:04] 你会发现很多应用还是很难去定义 [57:07] 因为其实大部分的 [57:08] 参与者还是投资者 [57:10] 或者是投机者 [57:11] 嗯 [57:11] 你很难说是做一个东西对吧 [57:14] 你又不想说实在做一些不太对的事 [57:17] 你说发个币 [57:18] 什么割个韭菜 [57:18] 这东西完全没有意义啊 [57:20] 做着做着 [57:21] 我觉得这个领域还不太适合我自己创业 [57:23] 又等了一阵 [57:24] 然后正好AI起来了 [57:25] 我俩正好一拍即合 [57:26] 然后我俩想的很清楚 [57:28] 咱既然做事 [57:30] 就不要说是图短期 [57:31] 做一个3到5个月的事 [57:33] 我们就是觉得5到10年 [57:35] 什么东西应该去被解决 [57:37] 你既然都想创业了 [57:39] 你抛去所有的东西 [57:41] 你就去想最本质的东西 [57:43] 什么东西是长期值得你投入的 [57:46] 因为招聘这个东西 [57:47] 我们觉得价值太对了 [57:49] 帮助其他人去找更好的机会 [57:51] 虽然这个东西在投资人眼里不性感 [57:53] 但无所谓啊 [57:54] 我们又不是面向投资人创业 [57:56] 就我们是面向整个群体 [57:58] 面向我们自己的认知 [58:00] 面向我们认为什么 [58:01] 是对的东西去创业 [58:03] 什么是难而且正确的东西去创业 [58:05] 所以我们越做越觉得有动力 [58:07] 这也是一直本质上从day 1在支撑我们的东西 [58:10] 从day 1我们想做的东西 [58:12] 其实就是现在在做的东西 [58:14] 因为我们第一步是从C端做 [58:17] 做一个C端很重要的求职伴侣 [58:18] 然后我们eventually肯定要做 [58:20] C端和B端找工作的桥梁 [58:22] 做一个job marketplace [58:24] 所以我们从上个月开始也开始做B端了 [58:26] 我们三年前想的roadmap [58:28] 其实在现在也就是一步一步在践行 [58:31] 当然确实是有一些不同 [58:33] 也就是现在招聘时代的变化 [58:35] 我们没有想到AI会影响 [58:38] 招聘行业会这么快 [58:39] 尤其是白领求职群体 [58:41] 这个是外部大环境 [58:42] 的一些剧烈的变化 [58:43] 但是其实我们做事情的 [58:45] 初衷到现在还是没有变 [58:47] 就算我们后面可能revenue [58:49] 增长的没有那么快 [58:50] 或者怎么着 [58:51] 还是会继续去打磨这个领域 [58:53] 然后继续把用户体验 [58:55] 把大家找工作的 [58:56] 成功率慢慢的持续的做好 [58:59] 你一开始那个technical insight [59:01] 也就是说H-1B filter [59:03] 改简历啊 [59:04] 这些东西不是最关键的东西 [59:05] 最关键的是data layer和recommendation [59:08] 这个technical insight是一上来就有吗 [59:11] 对是 [59:12] 因为这个是基于我深度的调研的 [59:14] 我自己之前就是做推荐系统的 [59:16] 跟很多推荐系统从业人员也聊 [59:19] 我之前跟很多字节 [59:20] 包括TikTok [59:21] 包括在NewsBreak [59:22] 其实是做一些新闻推荐 [59:24] 我知道data多么多么重要 [59:27] 因为你给用户看的就是job呀 [59:29] 你需要保证这个data的实时性 [59:31] 保证这个job的准确率 [59:33] 这个太重要了 [59:34] 我觉得这个最本质的东西是我们day 1就想清楚 [59:37] 而且一直想得很清楚的 [59:39] 我觉得爬虫这个东西如果出问题了 [59:41] 永远是内部的第一优先级 [59:43] 没有其他的优先级比它更重要 [59:45] 我觉得就是保证你的data layer [59:47] 这是第一个阶段 [59:48] 到后面那个阶段确实是 [59:50] 怎么样收集更多的B端的信号 [59:53] 怎么样能知道他们真实的意图 [59:55] 因为很多人他不敢把很多 [59:57] 真实的意图写在job description里 [59:59] 就是很多他们hidden的意图对吧哈哈 [60:02] 所以怎么样onboard更多B端 [60:04] 了解他们更真实的意图 [60:06] 因为其实本质上 [60:07] 你需要收集两端越来越多的信号 [60:10] 你需要收集C端越来越多信号 [60:12] 他的taste [60:13] 他的想法 [60:14] 然后你需要收集更多B端的信号 [60:16] 只有人不停地onboard上来了 [60:19] 你才能收集到两端更多信号 [60:21] 才能做到更多更真实的匹配 [60:23] 这个是我们对这个 [60:24] 东西理解的一个本质 [60:25] 而且非常有护城河 [60:27] 我接下来会问一些增长的问题 [60:28] 你们turn on付费的时候 [60:30] 是怎么样子做到的紧张吗 [60:32] 怎么一下子付费用户就这么多了 [60:34] 紧张啊我跟你说 [60:35] 我们刚开始付费的时候 [60:37] 挺差的我跟你说哈哈哈 [60:39] 转化率比现在的1/20吧 [60:41] 就是很差 [60:42] 说实在 [60:43] 这也是我们内部的一个principle [60:46] 不要对任何从0到1开始做 [60:48] 的东西有过多的期望 [60:50] 内部经常有一些东西诶 [60:52] 咱上这个一定很牛逼 [60:54] 然后 [60:55] 会发现很牛逼 [60:56] 它一般发生在三四个月之后 [60:57] 就是你要接受刚上的时候 [60:59] 这个东西非常非常傻 [61:01] 然后你需要一步一步通过 [61:03] 不断地努力把它优化好 [61:04] 你们自己内部 [61:05] 就我们内部需要有一定的conviction [61:08] 这个东西一定会work [61:09] 它是eventually will work [61:11] 不代表它刚上的时候will work [61:13] 所以刚上的时候我们还是挺tough [61:15] 因为刚上的时候充值率非常非常低 [61:18] 当然也是各种各样的原因了 [61:20] 其实很多时候你会发现很多 [61:22] 用户都不知道你这个产品能充值 [61:23] 因为我们刚开始做得很克制 [61:25] 因为Carina也说了 [61:26] 好像我们的免费的 [61:28] 功能就能用得很好 [61:29] 因为我们其实所有的免费功能 [61:31] 都是给大家有一定的限度能用嘛 [61:33] 因为背后毕竟有AI去支持 [61:35] AI有一定的cost [61:36] 包括我们的运维有一定的cost [61:38] develop有一定的cost [61:39] 所以我们刚开始的时候还比较克制 [61:42] 我们总想用户多待在我们平台上 [61:44] 不太想因为付费墙把用户撵走 [61:47] 包括现在也是这样我们 [61:49] day 1其实也很克制 [61:50] day 1其实没有做太多的事情 [61:52] 没有太多引导用户付费 [61:53] 或者你会发现就是很多用户 [61:55] 第一就不知道你还能付费 [61:56] 第二就不知道付费 [61:57] 能带给他什么价值 [61:59] 第三其实我们当时开发的 [62:01] 付费功能其实也比较有限 [62:04] 就比方说改简历这个功能吧 [62:06] 它非常非常的个性化 [62:07] 每个人都有自己觉得 [62:10] 应该正确的简历方式 [62:11] 这个真的是精确到每个人 [62:13] 就有些人觉得我的简历就该多改点 [62:16] 有些人觉得我简历就不应该改 [62:17] 我就应该一份投所有的job [62:19] 有些人觉得我的template应该长这样 [62:21] 有些人觉得我template应该长那样 [62:23] 有些人觉得诶 [62:24] 你这个work experience应该放前面 [62:27] 有些人觉得诶 [62:27] 你education应该放前面 [62:29] 它是一个每个人的脸面嘛 [62:31] 就是跟你的穿着一样 [62:32] 每个人对于穿着一定 [62:34] 是有不同的taste的 [62:35] 可能一些general的idea就是诶 [62:37] 我的简历需要被ATS很好地解析 [62:39] 这是一些general的guideline [62:41] 但general guideline底下有一个 [62:42] 每个人都有各种各样的taste [62:44] 所以这taste你怎么学 [62:46] 那就得AI帮你去学 [62:47] 就是说你初始的给他一个版本 [62:49] 或者初始的给他几个版本 [62:51] 那你是会随着他跟你的feedback [62:53] 比方你记住他改了啥 [62:54] 然后不断地给AI [62:55] 让AI去学这些taste [62:57] 然后学得更个性化 [62:58] 这些需要一步一步地去优化 [63:00] 然后很多人他就是不想改简历 [63:02] 他就是觉得我没必要 [63:03] 每个工作都改简历 [63:05] 维护我的两三份简历 [63:06] 一个简历找一种类型的工作就好了 [63:08] 比方一个简历找PM [63:10] 一个简历找什么data scientist [63:12] 所以就是说它是一个 [63:13] 非常非常个性化的东西 [63:14] 所以真正到每个feature的迭代 [63:16] 它又是一个很长期的东西 [63:18] 首先你内部要定好优先级 [63:20] 我就要死磕这个东西 [63:22] 因为这个东西别的产品能做得很好 [63:24] 因为现在有很多改简历的产品嘛 [63:26] 我们试着好像他们做的也不太行 [63:28] 但是他们能收上钱 [63:30] 那这就给我们很多的信心 [63:31] 就是我们做好了 [63:32] 一定能有区分度 [63:33] 一定能收到钱 [63:34] 而且AI一定能把这个东西做好 [63:37] 因为AI就擅长记住你的各种context嘛 [63:39] 所以就是有这样的优先级 [63:41] 有这样的专注力 [63:42] 有这样极其高标准的要求 [63:44] 我们内部要求 [63:45] 我们是要surprisingly stand out from competitors [63:49] 我们基本上都不把他们叫competitor [63:52] 没有必要叫competitor [63:53] 因为大家都很小 [63:54] 谁compete谁呀对不对 [63:56] 嗯 [63:57] 就是叫同类产品 [63:58] 我们一定要高标准严要求地把 [64:01] 自己一定significantly跟对方拉开差距 [64:04] 尤其是有AI [64:05] 我觉得我们一定可以的 [64:06] 所以就是有这样的坚信 [64:08] 有这样的信仰 [64:09] 然后一步一步慢慢优化 [64:11] 你会发现 [64:11] 你不断加更多的功能 [64:13] 你不断把你的整个的产品 [64:15] 找工作流程变得越来越好 [64:17] 然后你不断地从找工作 [64:19] 延伸到更多的场景之后 [64:21] 比方说career coach [64:23] 用户会越来越信任你 [64:25] 他就会给你去充值 [64:26] 我觉得这个本末不能倒置 [64:28] 只有给用户提高更多的价值 [64:30] 然后让他理解你的价值 [64:32] 然后充值就慢慢来了 [64:33] 你不是说非要提供各种付费墙 [64:36] 因为我们有很多其他的同类产品 [64:38] 就是你用这个功能就得付费 [64:40] 那其实很多时候那就是你贩卖焦虑了嘛 [64:43] 其实最自信的就是说 [64:44] 你试用一下 [64:45] 你觉得好了你再付费 [64:46] 你觉得不好你就不要付费了 [64:48] 这就是我们的初衷嘛 [64:49] 就给用户更多利益 [64:50] 然后让用户更好地留存 [64:52] 如果你觉得你足够信任我们 [64:54] 那你来付费 [64:55] 基本上是这样的一个初衷 [64:56] 然后另外一个我想说的是 [64:58] 也是现在可能AI时代 [65:00] 带给大家的一个认知 [65:01] 跟之前有点不一样 [65:02] 就之前可能一个很多的观点是 [65:05] 只要产品你足够好 [65:07] 你的用户会涌入 [65:09] it's a common misconception [65:10] 对现在就完全不一样 [65:12] 因为现在每天用户 [65:13] 接受到信号轰炸太多了 [65:16] 所以其实对于所有的AI公司来说 [65:18] distribution都是一个 [65:20] 非常非常重要的问题 [65:22] 然后我和我的founder很早 [65:23] 就意识到这个问题了嘛 [65:25] 因为我俩都比较i [65:26] i人嘛 [65:27] Mbti比较内向 [65:29] 然后我稍微e一点 [65:31] 他是极度的i人 [65:33] 他非常喜欢沉浸在自己世界里 [65:35] 然后想清楚一些问题 [65:36] 他也觉得我俩应该e一点 [65:38] 就我俩应该更主动地往外面去做内容 [65:42] 其实他先主导的说 [65:43] 我们必须要在领英上来做内容 [65:45] 然后他自己开始用他的号做 [65:47] 做了两三个月没有什么波澜 [65:48] 然后他也天天push我 [65:50] 你也得做 [65:50] 不行你就把我发的内容rewrite一下发 [65:53] 刚开始我也不太愿意做 [65:55] 他坚持两三个月 [65:56] 哎我觉得我也得坚持一下了 [65:58] 虽然没做出来啥 [65:59] 我也被他的坚持精神感动了哈哈哈 [66:01] 然后我做吧做吧吧 [66:03] 我的话我就觉得做东西 [66:04] 还是得要出点成绩嘛 [66:06] 然后我就研究了一下领英上各种做火的pattern [66:09] 还是得讲一些个人故事 [66:11] 然后我就把Meta那段经历拿过来了 [66:14] 就是说我什么reject了Meta的1 million offer [66:17] 一大堆人过来 [66:18] 诶我认识你 [66:19] 你不就是那个什么哈哈哈 [66:21] 拒绝meta 1 million offer的人 [66:23] 对我刷到你的帖子 [66:25] 我觉得就是说 [66:26] 其实大家真正想做这个东西 [66:28] 真正豁出来的时候 [66:29] 还是能做成的 [66:30] 包括我真正豁出去 [66:32] 我自己平时都不怎么拍照 [66:34] 一年拍不了一个照片 [66:35] 然后我就让我妈把我从小的照片 [66:38] 几岁的照片都发给我 [66:39] 能找到的都发给我 [66:40] 然后一步一步讲我的个人人生故事 [66:43] 领英上大家平时都比较忙 [66:44] 一看这种个人生活类内容 [66:46] 也喜欢吃瓜 [66:47] 然后过来看看这人咋回事 [66:49] 挺有意思的 [66:50] 然后就过来互动 [66:51] 做着做着慢慢就有感觉了 [66:53] 就是慢慢就豁出去自己了嘛 [66:54] 大家诶也觉得感同身受 [66:56] 你也是来美国的这种immigrants对吧 [66:59] 你跟我们也一样 [67:00] 我们找工作困难 [67:01] 你当时也容易不到哪去哈哈 [67:03] 然后就有很多的共鸣 [67:05] 领英上也比较喜欢一些反转 [67:07] 然后我们现在做了一个求职工具 [67:08] 大家用得也很好 [67:09] 慢慢把你从小到大 [67:11] 一些人生故事讲给大家 [67:12] 就不畏困难 [67:13] 从小城市一步一步grow起来 [67:15] 我觉得大家看到这些 [67:17] 故事有很多的Echo和共鸣 [67:19] 其实给我们早期带来了非常非常多的用户 [67:22] 然后用户甚至会主动宣传我们 [67:25] 我觉得领英点赞 [67:27] 历史最高的几个帖子 [67:28] 可能有一个是我们用户讲的 [67:30] 他那个帖子就讲他 [67:32] 投递了1,000多个申请 [67:34] 最后拿到了一个公司的offer [67:36] 是一个印度的求职者 [67:38] 他那个帖子当时在领英上拿到了32万赞 [67:43] 我去 [67:44] 我可以把那个帖子贴出来 [67:46] 你可以看到这是32万赞啊 [67:48] 不是说3万赞是32万 [67:50] 在领英推荐算法完全感受不到这个 [67:53] 可能一个帖子超过5,000赞 [67:54] 这都是超级狂热的帖子了 [67:57] 是的 那帖子拿到了32万赞 [67:59] 哇这个东西太吓人了 [68:01] 当时给我们那一两个月都是持续的高峰 [68:03] 在我们网站上 [68:04] 所以就是这样不断的 [68:06] 一直以来这种东西 [68:08] 我觉得一步一步也把我们 [68:10] 推向了一个比较好的一个层面 [68:13] 就是我觉得确实豁出去很重要 [68:16] 你自己就是你公司最重要的品牌嘛 [68:18] 不过我现在来参加你的节目 [68:20] 我也挺开心的 [68:22] 因为你节目这么大的流量 [68:23] 没有我经常就是几千view [68:26] 包括你现在在做小红书 [68:27] 但是我这想问一下 [68:28] 你们公司除了founder [68:30] 自己去做LinkedIn这些渠道以外 [68:32] 还有没有什么你们打算做的 [68:34] 比较scalable的可以增长的方式 [68:37] 增长这块我自己研究的比较多嘛 [68:39] 我其实各个渠道都在做 [68:42] 做到一个milestone就会 [68:43] 瞄着下个milestone做 [68:45] 就你比方说你到了10万粉 [68:46] 你可能没有时间去庆祝 [68:49] 你到达10万粉 [68:50] 你会想到哇 [68:51] 我到10万粉了 [68:52] 挺不容易的 [68:53] 我怎么做到100万粉 [68:54] 就是你会去不断去想这个事 [68:56] 其实对于增长来说也是 [68:58] 我觉得没有什么特别万金油的 [69:01] 渠道 [69:01] 就是你可能不断打开了一个渠道 [69:04] 然后这个渠道慢慢会发现到天花板 [69:06] 比方说Reddit [69:07] 可能你自己做Reddit subreddit [69:09] 做自己的社区 [69:10] 或者说在其他渠道让用户给你找到一些共鸣 [69:14] 很快你会通过不断极致的优化达到这个渠道天花板 [69:17] 比方你在领英 [69:19] 大家也知道领英上有各种不同的job seeker [69:21] 我们其实也试了各种的方式 [69:23] 包括我们自己做个人号 [69:24] 包括我们可能去 [69:26] pay给其他的KOL [69:28] 不论是小的KOL [69:29] 大的KOL去帮我们宣发 [69:31] 包括我们还很hands on [69:32] 你知道做TikTok矩阵号 [69:34] 就是说我们招了二三十个大学生 [69:36] 让他们去找 [69:38] 比较火的这种pattern [69:39] 然后结合jobright去拍 [69:41] 真有人做到这种5-10个million的view的一些号 [69:44] 还是一些小有成绩的 [69:46] 但这个就不太稳定 [69:47] 它确实是一个volume game [69:48] 你得不停地去发 [69:49] 然后等到一个视频去爆火 [69:51] 就是说很多东西我们都去试 [69:54] 包括一些大家常用的一些东西 [69:56] 比方说email campaign啊等等 [69:58] 但我觉得我们可能比较成功的就是 [70:01] 我们有足够的data driven [70:03] 的一个signal的能力 [70:05] 因为我们有足够多的供给 [70:06] 我们有足够多用户的数据 [70:08] 我们知道什么样的product messaging可能能够吸引到用户 [70:12] 我们能通过数据的行为做自我的迭代 [70:15] 包括我们就算发给用户的email [70:18] 我也想想是不是整个email [70:20] 应该直接交给大模型去写 [70:23] 就是你自己不要设置 [70:24] 一些太固定的template [70:26] 让用户去感觉这个东西没有意思 [70:28] 是否能真正结合他 [70:30] 现在找工作的状态 [70:31] 他的履历去给他写 [70:33] 一份足够打动他的email [70:35] 我觉得AI时代就是我们得用AI模型的能力 [70:39] 把所有东西做到非常极致 [70:41] 这样才可以 [70:42] 但还是回顾我刚才说的那个东西 [70:44] 就每个渠道都有自己的天花板 [70:47] 那基本上没有天花板的也就是那几个渠道 [70:49] 可能Google ad没有太多天花板 [70:51] 因为Google ad的流量确实很大 [70:53] 但Google ad你又面临你越做大 [70:56] 越会做到跟领英和Indeed [70:58] 这种大平台去竞争 [70:59] 那这个其实是不太容易 [71:01] 那我们现在其实 [71:02] 大部分用户还是organic来的 [71:04] 这是我们第一大获客渠道 [71:06] 等等等等 [71:06] 你organic再拆分一下的话是什么 [71:09] 这个其实不太好拆分 [71:10] 因为大家来的方式 [71:12] 都是在Google去搜Jobright [71:13] 然后我们可能有时候 [71:15] 会给用户发一些问卷 [71:17] 说诶 [71:17] 你为什么搜Jobright [71:19] 很多人会说 [71:19] 诶我在领英上看到一个的帖子 [71:21] 基本上其实领英和TikTok [71:23] Instagram这几个群体 [71:25] 会比较多一些 [71:26] 因为这几个群体它都是有平台嘛 [71:29] 比方说你打开你的网站了以后 [71:31] 有时候这个网站里吧 [71:32] 它是在它自己的browser里面 [71:34] 我知道它没有办法track [71:35] 对 [71:37] 我其实想问一个非常naive的问题啊 [71:38] 就是你已经知道了肯尼亚那边TikToker [71:41] 他那个是有用的 [71:42] 那为什么没有去在 [71:43] 这方面多做一些呢 [71:44] 是这样的 [71:45] 还是回到优先级这个事嘛 [71:47] 因为首先我觉得 [71:47] 肯尼亚这群体是ok的 [71:49] 啊不是说在肯尼亚多做 [71:51] 就是复制到别的国家 [71:52] 哦那我们肯定复制 [71:53] 但是你要知道很多时候 [71:55] 它不是那么容易复制 [71:57] 我们其实试图做过 [71:59] 很多paid这种collaboration [72:01] 其实对paid(的内容)用户还是比较敏感的 [72:03] 他基本也能给你感受到 [72:05] 你这个东西是付费帮你宣传 [72:07] 而且一旦涉及到paid [72:09] 这些KOL吧 [72:10] 他不好好录 [72:11] 因为他不懂你的产品 [72:13] 就是你得非常get involved在里边 [72:15] 可能跟他迭代5-6轮才可以 [72:17] 一旦迭代时间长 [72:19] 他就不scale [72:20] 反而用户自己organic录的东西最真诚 [72:23] 所以经常我们看到 [72:25] 突然有一高峰 [72:26] 然后我们就找找这高峰到底是哪来的 [72:28] 一般主要渠道都是TikTok和LinkedIn [72:31] 我们就先搜搜 [72:32] 哎Jobright [72:33] 是不是有人今天又@他了 [72:34] 然后那个帖子又很火了 [72:36] 如果搜不到的话 [72:36] 就去Google搜 [72:37] 拿Jobright可能搜last 24小时 [72:40] 看看有没有Google index [72:41] 有些平台比较火的帖子 [72:43] 所以就光做这种trace [72:45] 所以就是说 [72:46] 其实organic的反而更有效果 [72:48] paid这东西 [72:49] 一个是花的钱比较多 [72:51] 然后我们现在自己也比较省 [72:52] 一个渠道如果不是这种 [72:54] ROI特别特别正的时候 [72:56] 我们也不想去砸钱去做 [72:57] 因为我们觉得你还不如把 [72:59] 这些钱投入在招更好的人 [73:00] 去develop更好的产品 [73:02] 这是我们内部的一个整体的认知吧 [73:04] 就是整体产品的这个优先级 [73:07] 就是包括用户体验的优先级 [73:08] 还是大于其他渠道的整个优先级 [73:11] 或者说把这些钱甚至用在LLM的token上 [73:14] 让我们自己的用户 [73:15] 或者让我们自己的团队成员更多地用更好的模型 [73:19] 嗯 [73:19] 你们本身是有一个传播指数的产品 [73:22] 所以说其实增长对你们来说还好 [73:25] 不是那么生死攸关 [73:27] 还好但是也挺难 [73:29] 因为你想你用户基数变大的话 [73:31] 也是得有个破圈问题 [73:33] 因为我们现在确实产品 [73:34] 对于Tech群体关注度比较高 [73:37] 但是我们还是会想 [73:39] 延伸到更多的群体 [73:40] 就比方说sales、marketing、HR等等 [73:43] 让更多的产品不同属性的人 [73:46] 都能benefit from我们的产品 [73:48] Carina你是怎么知道Jobright的 [73:50] 我当时应该小红书 [73:52] 或者是Reddit上看到了 [73:53] 因为当时我找工作的时候 [73:55] 每天用LinkedIn感觉太低效了 [73:57] 然后想找一些有没有AI automation tool [74:00] 然后就在小红书上去搜 [74:02] Reddit上搜 [74:03] 搜到了很多乱七八糟 [74:04] 的很多很多很多产品 [74:06] 然后就再一个一个去搜产品 [74:09] 看看Reddit上有没有人去评那个产品 [74:11] 发现有很多产品都是Scam [74:13] 就骗你去付费之后也不好用 [74:15] 后面Jobright是我感觉一直是免费用 [74:18] 然后用到还挺好用的产品 [74:20] Ethan你做小红书的期望是什么 [74:22] 对是这样的 [74:23] 我们也要招人哈哈 [74:25] 我们最近也是想要招 [74:27] 更多高潜的这种AI人才嘛 [74:30] 虽然我们做招聘的 [74:31] 说实话我们自己招人要求还比较高 [74:33] 你可以去社区里边 [74:34] 发一个那个招聘帖 [74:36] 然后也借这个机会跟大家 [74:37] 讲讲你的招聘需求和你能 [74:39] 给大家什么样的东西呗 [74:40] 确实行 [74:41] 挺感谢的 [74:42] 因为我们现在其实你可以 [74:43] 理解各个职位都在去招 [74:45] 包括前端后端 [74:47] 当然比较重要的确实是 [74:49] agentic这种AI的一些开发者 [74:52] 包括甚至产品经理 [74:53] 包括go to market [74:54] 其实也都在招 [74:55] 要求会稍微高一些 [74:57] 对于整体的能力啊 [74:59] 或者说水平上 [75:00] 就是希望首先拥抱AI嘛 [75:02] 真正把AI当做你生活中很重要的一部分 [75:06] 你包括我现在不大social [75:07] 跟团队成员聊都少了 [75:09] 我现在天天就跟AI聊 [75:10] 就是开一个什么语音这种软件 [75:13] 现在就不给他们做广告哈哈 [75:15] 然后就天天语音跟AI聊 [75:18] 天天就开了一个Claude窗口 [75:20] 一个ChatGPT窗口 [75:21] 一个Manus窗口 [75:22] 如果比较复杂的任务 [75:23] 我就分别给三个 [75:24] 让三个执行 [75:25] 然后我对比一下结果 [75:27] 如果可能我觉得某一个平台比较适合某一些任务 [75:30] 比方我日常的需求 [75:32] 我就给ChatGPT [75:33] 因为ChatGPT感觉跟我交流还挺好的 [75:35] 就Claude老教育我 [75:37] 哈哈哈像我的导师哈哈哈 [75:39] 老教育我对 [75:40] 因为Claude的safety做的真的是很绝 [75:43] 稍微干点啥东西 [75:44] 他都会开始直接教育我 [75:46] 我怎么从来没有遇到过啊 [75:47] 那说明我干的任务太正直了是吧 [75:49] 哈哈哈所以就是说 [75:52] 基本上还是希望大家 [75:53] 用AI的能力比较强 [75:55] 除了拥抱AI [75:56] 你还有没有什么其他的要求 [75:58] 要求并没有很多 [76:00] 哦我正好想说一个现在招聘 [76:02] 的一个方式的一个变化 [76:03] 就对我们也一样 [76:05] 我会发现很多现在 [76:06] 的公司都会轻简历 [76:09] 轻面试 [76:10] 它很多公司不会过度 [76:12] 关注你简历写的内容 [76:14] 不会过度关注面对面 [76:16] 的这种remote的面试 [76:18] 它会更重合作 [76:19] 前一两面我觉得差不多就行了 [76:21] 然后可能有些公司会对学校 [76:24] 或者说你的履历稍微卡卡 [76:26] 然后差不多的人他会直接让你 [76:29] 去onsite或者直接remote咱工作一下 [76:32] 就比方说现在AI很火的一些公司 [76:34] 比方说Cursor [76:35] 都是这种形式 [76:36] 就是他们会要求你很多都是 [76:39] 周末过去跟他们合作两天 [76:41] 第一看你 [76:43] 实战能解决问题的能力用AI [76:45] 因为说实在 [76:46] 你现在面个题 [76:47] 让你写个LeetCode [76:48] 让你做个system design [76:50] 确实是有点过时了 [76:51] 只有身体力行去实战 [76:52] 去看你的能力 [76:53] 这个才是最重要 [76:55] 第二看你这个人能不能在周末 [76:58] 因为一些公司比较紧急的事情 [77:00] 当然说得不好听点 [77:01] 牺牲个人的时间 [77:03] 能跟公司一起去卷对吧 [77:05] 都是这样判断候选人 [77:07] 这个流程中文可能叫试工 [77:10] 或者说英文叫work trial [77:12] 一般都是付费形式 [77:13] 就是说他会给你目前薪资的 [77:16] 合作几个工作日 [77:17] 就按几个工作日去付费 [77:18] 深度去考察一下你 [77:19] 我觉得越来越多的公司其实 [77:21] 现在比较prefer这种的流程 [77:24] 大家不要觉得小公司简单 [77:26] 其实反而小公司要求才是最高 [77:29] 可能最难的 [77:30] 大公司要模板嘛 [77:31] 小公司要干活 [77:32] 哈哈哈是是是 [77:33] 嗯 [77:34] 那我最后问你两个问题啊 [77:35] 就是帮大家澄清误解 [77:37] 给job seeker澄清一个误解 [77:39] 然后给创业的人澄清一个误解 [77:41] 你会给大家什么样的建议 [77:43] 我觉得创业者越来越多的人都要招 [77:45] 一个head of marketing来解决marketing的问题 [77:48] 本质上这个其实是有问题的 [77:50] 早期公司尤其是AI startup [77:51] 我觉得marketing不是一个 [77:53] 完全可以外包的职能 [77:54] 就本质上founder [77:56] 需要对你的用户市场 [77:58] 定位传播有很深的理解 [78:00] 然后marketing属于很重要的一环 [78:02] 如果你的founder自己都讲不清楚 [78:04] 你怎么去宣传给市场 [78:06] 你的product message是什么 [78:08] 你招一个marketing leader [78:09] 很难去凭空解决 [78:11] 所以你像我们其实也犯过错 [78:13] 因为我们早期的founder必须 [78:14] 要下场自己做distribution [78:16] 包括写内容见客户做早期的销售 [78:19] 讲故事去测试更多的渠道 [78:21] 到后面真正你觉得你 [78:23] 自己打通了这个领域 [78:25] 你需要scale的时候再招一些人 [78:27] 专业团队那是没问题的 [78:28] 但早期这个底层逻辑 [78:30] 我觉得founder必须自己想清楚 [78:32] 这东西是极其重要的 [78:34] 这个是我想对founder说的 [78:36] job seeker呢 [78:37] 对于job seeker [78:38] 我可以这样说 [78:39] 很多人还是传统的 [78:41] 觉得找工作是投简历 [78:43] 我想澄清的是 [78:44] 在现在这个市场 [78:46] 因为找工作太难了 [78:47] 我觉得找工作本身 [78:48] 确实是一份全职工作 [78:50] 你需要制定自己的strategy和优先级 [78:53] 你要找机会 [78:54] 判断机会改简历 [78:56] 联系recruiter [78:57] 准备面试 [78:58] 联系内推 [78:59] 复盘反馈 [79:00] 包括维护你的LinkedIn、GitHub [79:02] 包括build你的AI profile [79:04] 这些都是需要策略和节奏 [79:06] 就是你实际解决一个 [79:08] 很复杂问题的一个能力 [79:10] 还有一点其实很重要 [79:11] 就是说没有反馈或者被拒 [79:13] 在这个市场里非常非常正常 [79:16] 大家不要因为这个depressed或者说什么 [79:18] 他实际不一定说你不行 [79:20] 有可能只是说这个岗位 [79:22] 渠道时间点或者表达方式 [79:25] 没有产生足够多的signal [79:27] 所以就不要把每一次没回复都当成自我否定 [79:30] 你要做一个更多的系统反馈的信号 [79:32] 不断调整你自己的方向 [79:34] 简历渠道节奏 [79:36] 不停地自己 [79:37] improve自己 [79:38] 就跟自己创业一样 [79:39] 自己解决一个复杂问题一样 [79:41] 可能做做AB实验 [79:42] 让这个东西变得有意思 [79:44] 首先找工作很难 [79:45] 这东西必须要承认 [79:46] 但承认它难不是为了更焦虑 [79:49] 我觉得是更认真更系统地对待它 [79:52] 只有你真正系统对待它 [79:53] 你的正反馈会一点点来 [79:56] 整个市场还是有足够多的岗位的 [79:59] 你要相信第一有足够多的岗位 [80:01] 第二跟你竞争的人没有那么强 [80:04] 有足够多提升的机会 [80:06] 感谢感谢 [80:07] Ethan你对我们以及对观众 [80:09] 你有没有什么最后 [80:10] 你觉得要说的东西 [80:11] 这期聊挺好的 [80:12] 然后我很多的表达也比较personal [80:15] 代表我个人 [80:16] 嗯 [80:17] 很短浅的一些认知 [80:19] 然后也不代表任何的公司 [80:21] 然后如果有冒犯了 [80:23] 也希望大家多包涵 [80:25] 因为我觉得看这节目的很多也都是白领嘛 [80:28] 尤其是AI确实对白领的冲击很大 [80:30] 也希望大家在AI高速发展中找到一些东西 [80:34] 能达到身体和心灵的一种平衡 [80:38] 我觉得是很重要的 [80:39] 能让自己在这个很嘈杂的环境中 [80:42] 能解解压 [80:43] 找到一段时间 [80:44] 能让自己心灵变得很平静 [80:46] 不要被这些外界的 [80:47] 各种各样的信号所干扰到 [80:49] 让自己的内心变得更强大 [80:51] 我觉得反而是在这个 [80:53] 高速增长的环境中 [80:55] 对每个人都需要想想怎么去做的 [80:58] 好的好的Ethan [80:58] 非常感谢 [80:59] 我觉得今天聊的还是很有帮助的 [81:02] 希望这些东西吧 [81:03] 能被更多的 [81:04] 不管是job seeker啊 [81:05] 还是在考虑自己在这个时代要干什么的人啊 [81:07] 能看到 [81:08] 我觉得里边很多干货 [81:09] 都是一些既有亲身体验 [81:11] 然后又看到了整个市场上 [81:13] 非常多的趋势的Vantage point很宝贵 [81:16] 非常感谢