Subscribe
Share
Share
Embed
AI 降低了投递成本，却没有降低判断成本：求职者批量申请，招聘方则被相似简历淹没。Ethan 表示，录制时 Jobright 以不到 10 名全职员工服务 200 多万注册用户，ARR 约 700 万美元。本期从平台和求职者两端拆解这场“双向噪音”。
适合 New Grad、H-1B 求职者、转行者、Mid-to-Senior，以及在做招聘产品的 Founder，帮助你选择投递策略，并理解 AI-native 人才、产品壁垒和 distribution。
这期你会听到
• 为什么“海投还是精投”不是适用于所有求职者的二选一？
• 企业需要的 AI-native 人才，为什么必须用领域判断完成 close the loop？
• H-1B Filter 如何从用户访谈中长出来，并回应真实求职压力？
• 实时职位数据和个性化推荐为何比单纯改简历更接近 Jobright 的产品壁垒？
• AI 降低开发成本后，Founder 为什么仍要亲自理解用户并做 distribution？
章节
00:00 — AI 招聘市场的核心矛盾
01:12 — Ethan、Carina 与 Jobright
03:15 — 不到 10 人服务 200 多万用户，ARR 约 700 万美元
05:15 — 招聘为何陷入“双向噪音”
12:37 — 不同求职阶段需要不同策略
24:51 — AI-native 人才的判断与闭环
32:50 — Ethan 为什么首先不建议创业
43:23 — 用户访谈如何催生 H-1B Filter
60:27 — 收费、转化与 distribution
74:20 — 给求职者与创业者的建议
本期嘉宾
Ethan Zheng 是 Jobright 联合创始人兼 CTO，拥有机器学习与数据库博士背景，曾任 Twitter 机器学习工程师。Carina 录制时任 Expedia Data Scientist，分享了裁员与 H-1B 压力下的求职复盘。
相关内容
完整版131分钟：
加入Superlinear Academy免费社区
拿出正在使用的求职或招聘方案，附上筛选信号与噪音样本，请大家改进判断机制。
https://www.superlinear.academy/
关于主播与节目
孙煜征（课代表立正），康奈尔大学经济学博士、Superlinear Academy创始人。曾任Amazon经济学家、Meta数据科学家和腾讯IEG副总监，也是OpenAI收购团队早期成员。
《课代表立正》关注AI如何改变工作、职业与商业，以及人在变化中最需要保留的判断力。
《课代表立正》是一档关于AI、职业与商业的中文播客。这里既有与AI研究者、科技创业者、一线管理者和真实实践者的深度对话，也有课代表立正对产品、增长、创业与职业选择的亲身复盘。我们不只追逐新工具，更关心：当AI改变能力和成本，个人与组织怎样重新设计工作，把判断和本事做成真正进入现实、值得留下的作品。
主播课代表立正，本名孙煜征，康奈尔大学经济学博士、Superlinear Academy创始人。曾任Amazon经济学家、Meta数据科学家和腾讯IEG副总监，也是OpenAI收购团队早期成员。2020年以来完成200+场公开对话，跨平台关注者400K+。
加入Superlinear Academy免费社区，与2万+成员一起交流；这里已有700+真实项目与实践分享：
https://www.superlinear.academy/
了解立正与更多作品：
https://www.lizheng.ai/
欢迎两位嘉宾
我们今天有幸请来了
一个非常赚钱的AI Startup
Ethan你给大家介绍一下你的Startup是做什么的
然后你本人是什么背景
好的大家好
我叫Ethan
非常非常高兴
来到课代表这个节目
我自己首先也是课代表
这个频道的忠实观众
也从你们很多的AI社区
课程中学到了很多东西
今天很开心来交流
我首先背景是之前
香港大学读的机器学习和数据库的博士
然后后来来美国
在Twitter做了机器学习工程师
因为我从小就喜欢创业嘛
所以大概在三年前看到了ChatGPT和大模型出现
我觉得是一个巨大的机会
包括我之前求职
作为国际的一个求职者
从中国来到美国
一直发现很困难
而且我觉得美国求职市场一直缺
一个比较好用的高效的个性化产品
所以我们做了Jobright
短期来看
Jobright其实是一个
求职者的招聘的一个伴侣
帮助你更好地发现你的机会
帮助你更好地改简历找内推
长期来看
我们要做的是一个真正marketplace
把求职者和公司更高效地连接起来
提高整个招聘系统的匹配效率
我之所以会找Ethan聊天呢
就是在两周前吧
Carina在我们社区里边做了一个分享
她是一个data scientist
过去一年不幸的被layoff两次
然后她介绍自己上岸经历
的时候就提到了Jobright
说被你们工具帮助了很多
所以说我就想诶
赶紧找Ethan来访谈一下
然后把Carina也拉上来
表达一下她的感谢
Carina可不可以请你稍稍
简单地做一下自我介绍
OK我叫Carina
现在是Expedia的data scientist
大概有一年半的工作经验
所以还算比较junior
去年一年内被layoff了两次
所以有很多H-1B
之类的事情要解决
然后找工作也是用到了很多不同的工具
其中用到了Jobright
我觉得
比LinkedIn和其他一些工具要好用
所以正好这次有机会向两位大佬请教
具体怎么帮助的
我们到时候在讲产品的时候再说啊
我想先请Ethan你来跟大家讲一下
celebrate下你们的success吧
据我了解啊
现在的AI的startup
真正的有PMF的并不是那么多
然后能有用户且持续稳定赚到钱的就更少了
第一呢就是能给大家讲一下你们
公司现在做到一个什么程度
第二呢就是在这些里边
你最看重的是什么
我们现在大概的状态
我们现在有超过200多万的注册用户
然后基本只在美国和加拿大做
主要面向的是一个白领的求职群体
团队其实非常小
整体可能不到10个人的全职
我们现在的
年化营收ARR
保守的计算是大概做到
700万美金的一个收入
我觉得我最想分享的确实是
我们用一个比较AI native的方式
无论是团队或者技术或者产品
其实是硬生生凿开了求职
这个十几年没怎么创新
比较老的陈旧的市场
甚至在投资人那觉得这个赛道都非常非常不sexy
但是说我作为founder
哪一刻觉得我比较开心
其实是越来越多用户的反馈
我可以举一个最近的例子
是我之前的一个前Twitter同事
他是一个staff product manager
是一个我很admire的人
他在跟我聊天的时候
他讲他最近在找工作
他用了Jobright
他觉得Jobright是他的unfair advantage
就是不公平的一个优势
他觉得他用这个东西很有意思
但是他不想分享给别人
因为他觉得分享给别人
别人就跟他成了一个竞争关系了
首先这个人是我极其
推崇的人
他是一个极其懂整个系统
懂职场的一个高阶的
一个技术产品经理
当他觉得Jobright有价值的时候
给我的触动很深
我觉得我们其实不是
一个简单的一个job board
我们真正想做成的
是一个帮助求职者
尤其在这个非常非常
充满噪音和黑盒的市场
成为他们能穿过这个黑盒市场
见到一些黎明曙光的一个
我可以理解为一个
个人的一个机会系统吧
叫personal opportunity system
对这是我想说的
我觉得这就到我们第一个话题了
你身上有两个话题都是
现在大家特别关心的
第二个话题就是怎么创业
怎么创一个成功的业
我相信你也写过很多文章嘛
在这方面大家肯定有
特别多的想问的问题
包括你提到这个noise
opaque这些东西
就是大家被什么东西误导了
后半部分我们详聊这个
前半部分呢
就是你其实现在已经
开始做marketplace了
在这上面就是有很多
求职者天天在找工作
能看到他们的行为
也能看到很多工作
更重要的是你还在
这里边用AI做匹配
Carina是不是从这benefit也很多
就是这个matching score
所以问你两个问题吧
第一个就是你看到的就业市场
尤其数据上来说
它是一个什么样的就业市场
尤其刚刚你说这么黑暗
它到底有多黑暗
或者说在这个黑暗里边到底有没有机会
第二个呢
就是怎么样子大家可以被看见
自己的简历在你那上面排序更高
先回答第一个吧
行我觉得这个问题非常非常好
招聘市场大家也知道很差
从我们内部数据
包括公开的报道
你可以看到招聘的
大家看到数据一般
都是按job post的数量
拿白领来说
基本最高点是疫情前的那些
因为疫情有overhire
然后自从疫情之后
白领的job post数量直线下跌
到现在其实是过去
10年的历史最低点
可能后面还会越来越低
当然因为各种的原因
一些原因是属于确实
疫情当时的过度招聘
然后到现在我觉得
确实是AI降本增效
大家都觉得AI能提高生产力
那从大公司的眼里
可能我就需要用裁员的方式来降低成本
然后让一些
top performer用AI更大地提高他们生产力
提高5-10倍生产力
那对于普通求职者
回到你的问题
我觉得他们体感
确实是非常非常绝望
他们的简历基本上都投进了黑洞
他们可能看到很多
都是所谓的ghost job
投进去一点声音
一点回响都没有
而我每天其实看到
在我们平台也有大概
几十万条的投递数据
我觉得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
什么意思呢
AI让很多投递变得太容易了
求职者在疯狂地海投
有的时候必须去海投
因为尤其是这些new grad entry level的
可能他们不投个上千份简历
根本就拿不到任何的一些面试机会
但是HR呢
每天也被几千份的AI润色的
一模一样的简历所淹没
你刚才那句话你觉得是对的吗
就是如果你不投几千份海投简历
你就找不到工作
因为我自己有一个主张就是
因为海投失效了
所以说大家应该对每个岗位更认真的去准备
然后想方设法的提高
有限几个的成功率
不知道这是不是一个错的策略
你说的很对
我也是经常跟用户说无策略的海投
很多时候不是一个策略
而是说缓解你的这个焦虑
其实我们也在为用户创造
更多机会去高质量的海投
包括我们做了很高效的这个爬虫系统
能爬到美国基本上
所有的公司的主页
能看到他们发布的job post
包括我们做了很好的
一个个性化推荐系统
能够深度理解用户
然后深度地去做匹配
但是你要知道
确实现在的市场跟之前的不一样了
然后我们分开人群来说
尤其是偏junior的一些岗位
尤其是entry level new grad
一方面像你所说的
他们必须要更好地去准备
不是说你在投递工作
而是说你争取自己
更好地被这个市场发现
比方说你的LinkedIn profile有没有好好写
比方说你自己
有没有做更多的AI项目
然后把它融入在你自己
平时的一些工作流程
或者说简历项目里
比方说你在找engineer
是不是有一个更好的GitHub配置
来更好地展示你
比方说你简历里写的
是不是足够能反映这个job description所反映的东西
能让recruiter更好地看见
确实像你所说的
我觉得我们要进行
每次高质量的投递
因为每个人的时间都是有限的
每个人一天都只有24小时
你作为投递时间可能
也就是六七个小时
所以每个人每天能
投递的数量是有限的
那你一定要把每次投递
作为你更重要的一个budget
做得更高效
但第二其实你可以看到的一个
现实确实是new grad找工作太难了
所以就是说你要想找到好的工作
一定要确保你有
一定的投递量才可以
其实在我们平台看到
大部分平均的new grad可能
都得投个500-1,000份以上
但这个确实是一个市场的现状
这个现状我觉得短期很难被更改
因为你知道AI其实它可能越来越让
公司不想招这些比较entry level的人了
一个Carina当时的问题啊
就是她在社区里分享的时候
我觉得有一个事还挺反直觉的
她说她就用了一份简历去投
结果两次还都上岸了
怎么做到的
Carina你可以讲讲你的经历
然后让Ethan听听
这是一个例外呢
还是你做对了什么
为什么可以做到这件事
确实就是一份简历
每天大概投10个左右
就像Ethan刚刚说的
一共应该也投了三五百以上
但是Jobright会给我一些比较高效的
或者比较有价值的
非常匹配我背景的岗位去投
所以每天从Jobright里面去提取
匹配度最高的10个去投
然后投了3-6个月
一边投一边面试
但一直用的是同一份简历
第一就是我不知道
这个是一个普遍经历吗
以及我的puzzle是
我就在想啊
如果这件事对于300个公司不work的话
那为什么在500个公司就work了
真的是这么一个numbers game还是
哎呀就我想不通这件事
我觉得numbers game一定是有的
这确实存在
因为你想
如果你自己不用任何的工具
比方不用Jobright去做这个事
可能你平均投递一个
公司的一个击中率
比方说咱们说1%
那这个击中率有各种因素在里面
比方说你投递这个公司
这个公司是不是你匹配的公司
然后你什么时候投递的
是在这岗位发布几周之后投递的
还是说在这岗位刚
发布的时候投递的
然后你跟这个公司的匹配度如何
然后你的简历写得怎么样
当然你用Jobright
我觉得应该是有3-5倍提升的
第一因为我们爬虫系统非常非常solid
我自己身体力行花了
一年带我们团队去搭的
所以其实在这个岗位刚发布的时候
几分钟里你就能
收到这个岗位的信息
然后我们给你推荐的
一定是最新最好的job
很匹配你
所以其实你的每次
投递准确率是更高的
但在这个准确率更高的情况下
其实你的概率也是很低的
就比方说
我可能能帮你提升到2% 3%
但这其实依旧是一个比较小的分数
这个分数在这个市场前提下
你之前可能投递率
比方说15% 20%
那现在突然降到2% 3%
那意味着
你其实还是得把量走起来
因为你其实整体的一个公式是
你number投递数乘以投递效率嘛
可以理解为你拿到面试或者
拿到recruiter callback的一个概率
其实整体是一个公式
所以在这个整体市场投递效率整体
非常非常低的情况下
我们的工具确实能提高到很高
但也不会说是特别高
所以其实你还是得把投递量补起来
我明白了
hiring这个需求还是在的
所以说它的概率并不是0
那你在有概率的情况下
还是有一些事情可以做来提高自己的概率
你刚刚说了
最重要的是提升自己的简历对吧
然后做一些比如说AI项目
提交的时候也要有针对性地去申请
除此以外还有什么别的吗
因为在我们平台其实来的
用户的画像特别特别多
讲几类吧
在这个市场对很多人确实都很难
第一类确实是new grad的
为什么呢
第一就是entry level太过拥挤了
然后很多人其实根本就
没有足够强的实习工作经验
大公司包括中小的创业公司都想要比较AI native的人
就是使用AI工具非常强的人
但在学校里
他根本就不会教
学生怎么用AI
我们会以为就是所谓的AI native
第一个是你之前就有过去的经历
你可以unlearn你过去很多东西
你可以非常好地去用AI工具
那确实你AI native
再就是这种年轻人
高中生我们经常听到这样一个故事
什么高中生用AI工具用得飞起对吧
好像听起来是AI native的
但new grad在用人单位
的普遍印象里边
难道是不AI native的
或者stereotype是不AI native的
我觉得是分这么几种
第一种我觉得因为AI是一个新技术
然后在这一两年内
起来的速度非常非常快
其实在普遍的认知里
我觉得你说得很对
一般来说年轻人结合这种
新的时代的变革会更快一些
因为他们其实没有
这种你讲的stereotype
或者没有一些背景的一些东西
对他们接收新的一些东西会更快
但是其实最大的问题
还是说他们有没有人去
教他们来做这个事
就是说他们是结合这个东西更快
但是确实现在的一个教育系统
其实没有把他们引导到真正
怎么用AI来解决他们实际问题上
但你说整体new grad
扛不住它量大
总有一些比较拔尖的同学能把AI用得特别好
那我们看到另外一种
用AI用得比较好的
确实就是你讲的这些在真正的
岗位上确实比较有焦虑感的
他们真正个人能力也比较强
然后他们用AI能够更多的close the loop
他们能自己对AI的结果做深度的eval
他们是对一些domain knowledge了解得非常好
我刚才想说的就是这些大公司
非常希望这些top performer能够用AI
提供5-10倍的这个生产力
他们一个人来操控
8-10个这种Codex窗口
然后自己不断地做context switch做eval
然后能极大地提高自己的生产力
从用人单位的角度
你觉得什么是一个AI nativeness的signal
对这两种人
就是new grad什么样的人
用人单位会一看会觉得哦
这个人很AI native
我会愿意跟他聊一聊
对于一个正在转(方向)的人
有工作经历的人
什么样的是signal
对我给一个比较实际的建议
比方说你作为一个new grad
有个一段时间的准备期
那你真正应该提高自己什么
我觉得第一就是说
确实现在的new grad
必须要每天高强度的使用AI工具
不是说把AI只当做写作业
而是把AI真正放在各种的项目里
比方说coding
包括你平时的生活
debug、research、写文档
然后做AI非常完整的工作流
平时经常刷刷YouTube
一些深度的一些讲座
看大家怎么样来用AI
这个其实是非常重要
第二我觉得相当重要
还是说你得做真实的项目
就是你真正希望你能有机会去
到一些初创的AI公司里去实习
然后希望你能
积累一些经验
当然确实是比较难
对于new grad来说
千万不要看短期的薪资和title
真正需要去到这个经历里
因为我其实平常经常
参加一些线下的分享会
我发现很多new grad确实很主动
直接自己到线下分享会里去递简历
我觉得这是一个非常非常好的一个signal
就是说你在AI时代你要足够主动
真正机会都是留给足够主动的人
积极地提高自己的这个实战项目
我觉得这个是很重要
第三尽量把你的GitHub profile
把你的LinkedIn profile做好
因为你要知道简历确实非常多
很多的时候大家有时候
简历会写得比较一样
但是一般recruiter会用额外的signal去看
比方他会点到你LinkedIn里去看
你如果有GitHub
他会点到你的GitHub里去看
尽量把自己的LinkedIn和GitHub
做得比较professional
里面有一些真实的项目或者分享
那会极大提高你整体
拿到面试的一个机会
不需要精准数据吧
但是你觉得这种new grad
他有GitHub的比例和他有一个真实的
看上去还不错的项目的
这样的比例是百分之多少
其实还是很少很少
可能3%-5%都不到
我觉得一个很残酷现实还是说很多new grad
还是不够努力
真的就算我们合作的一些new grad
就是大家觉得哦
找工作很难
其实现在大家得改变
找工作的一个思考
你需要把找工作当成你
的一个全职工作来做
对它要足够认真
足够的动心思
就是你把找工作当成你工作中遇到的一个实际的难题
你需要去solve这个problem
肯定是有办法solve这个problem
因为整个market对new grad
还是有巨大的缺口的
包括我们现在的公司
我们觉得招AI native的
可能有经验的人很难
他们要求的薪资也很多
所以我们转而也去看
这些更AI native的new grad
所以我觉得机会一定是有的
而且大部分new grad
其实不是足够努力的
所以我觉得对于每个人来说都有很大的机会
这也符合我的体感啊
认真看那个job post
能按照job post写一个
像模像样的申请的2%
剩下的98%他们都....对 你说的很对
有GitHub就不错了
但是你有也没有用
你要有一个看上去有commit
然后有几个像模像样的项目
然后在不断地迭代的
且这里边可能有一个
项目是值得拿出来一说的
这个可能就已经筛到1%以下了
对你说的非常对
因为比方我们平时在筛简历
包括我们给很多公司来招
这个比较好的new grad的
其实你说的那几个信号非常好
就第一看你有没有实习经验
如果有实习的
是不是在一些比较好的
AI公司或者其他地方实习
第二可能看你有没有一些其他东西
比方有没有一些GitHub
有没有一些技术博客
第三就是点到你LinkedIn profile里去看看
个人背景经历是什么样的
然后你平常会不会发
一些个人的一些分享
这些其实都是我觉得
很重要的一些额外的信息
如果你把这些做好了
那你会很容易stand out
当然第四我也忘了说了
就是你是不是平常
喜欢去参加一些Hackathon
包括网上的一些
比方Kaggle的competition
都是非常非常重要的一些
除了你个人的经历以外的
非常非常重要的额外的signal
但凡你能做到一个或者两个
你会非常容易的让
自己的profile stand out
所以虽然天暗
但是你想要在这里边显得很亮也不难
Kaggle还有用吗
现在我一直以为它没用了
我觉得很有用
因为我们现在很多招人确实看Kaggle
因为说实在有意愿去
打比赛的其实很少
因为它是一个短期
非常intense的一个环境
它一个competition可能也就是一两周
然后你需要组队
或者说你
独立参加
然后如果你能打上榜的话
一定代表你这段时间花了巨大
的时间和功夫去调研一个东西
你甚至会看各种GitHub repo
会看各种paper
实现各种的功能对吧
会看各种的开源模型甚至
这个打上去的人我觉得都是有极强的素质
他有点像这种ACM比赛等等
你说的不是说我做了一个Kaggle项目
而是我真的打上榜了
啊对对对是的
Carina当时你满足几条
呃哈哈
我感觉可能我自己的运气比较好吧
因为我并不参加这些
但是我不是码农背景
所以可能有点区别
投的都是data analyst或者是product analyst
data scientist analytics这些岗位
所以没有Kaggle竞赛
GitHub项目倒是有一些
我有放GitHub的link
然后我的LinkedIn其实我觉得profile做得还是不错
内容填得挺满的
然后加上之前有一些
大厂实习经历都写上去了
比较大的有Amazon和Blackrock
我觉得可能就让
简历看起来比较好看
所以大厂名字可能有用
那其他的
因为去年我觉得AI native还没有
那么那么像现在这么流行
所以当时简历用了一些
internship做的事情
我觉得还是挺competitive的
就是其实刚刚按你说的
那个四五条应该都没有满足
但是运气比较好
有的有的还是有LinkedIn内容
还是有一些
对你讲的Amazon的应该挺stand out的
对有这个经历的应该不多我觉得
刚才说了一个new grad
那我们接下来比如说
像Carina这样的junior
包括被裁的
还有一种就是在大厂
已经工作了一段时间了
比如说你的前同事
对吧Twitter那前同事
就是这几个市场吧
你都点评一下
尤其是点评一下这种
supply demand的imbalance
或者说大家有什么误解
我的体感啊
是身边比如说亚马逊啊
或者说是Meta被裁的人
找工作还是相对容易的
其实在我们平台上你发现我们
会对用户做一些个性化的策略
其实我刚才讲的
这些群体确实比较难
几个难的群体
第一个是new grad
第二个是需要H-1B sponsor的
因为他们说实在匹配的岗位供给就可能比较少
第三个就是说你想switch你的career
你之前是某个岗位
比方data scientist
你现在想找PM
想找其他的岗位
这是难
第4个被裁的人其实还是比较难
我觉得被裁的人我很同意
你讲是有竞争的优势的
他找工作确实没有想象的那么难
比起其他群体
但感觉更多的是心理和节奏上
因为被裁确实是一个对
每个人都冲击很大的信号所以在
自己的心态调整上
一定要足够的positive对吧
很多时候确实不是自己的原因
而是说整个market整个市场或整个公司的原因
导致了你需要被优化
需要被走人
但是我觉得很多人他
能力其实也是很强的
所以要更多的在心态上做一些调整
然后我们看到的
确实是Mid to Senior
他更看重你的relevance
其实我们对new grad entry level这种
我们所谓的内部叫量大管饱
就是说他们需要更多的工作机会
然后更fresh
这些公司一定是真实的公司
很多同学开玩笑
比方说我前两天跟
一个CMU的一个硕士在聊
他说他们在CMU非常推崇用Jobright
他说用Jobright很简单
他说你就天天盯着Jobright alert就行
然后每天等着他alert
然后只要你的匹配分大于等于70的
就无脑投
然后你一定要盯着这个alert
因为很多公司他可能刚发完
他一天之内发现申请的人特别多
他都把这个机会给关掉了
所以new grad一定要量大管饱
你必须要非常非常的fresh
匹配分也非常非常高
把你每次投递都做得精准
但是作为Mid to Senior呢
它需要relevance非常高
因为你有工作经验了嘛
代表你有很强的domain knowledge
然后每个人都有不同的taste
比方说诶
我想找我对location有不同taste
我对Visa的sponsor有不同taste
我对这个公司的文化有taste
我对这公司CEO和管理方式有不同taste
我对是不是remote有一些不同taste
我对这个公司的行业有taste
我对薪资有taste
然后我对我做啥有taste
所以它其实是一个挺复杂推荐系统
你得真正的理解用户
所以在我们内部说这个就叫relevance
所以对于Mid to Senior
然后以及对于entry level
我们其实是completely两套
不同的一个推荐逻辑
那你看到了Mid to Senior
找工作越来越难的趋势吗
还是暂时还没有
目前来讲确实人会越来越多
但确实是各种各样因素导致的
包括裁员啊等等
当然我们分时间来看
我刚才也讲了这个趋势今年
是过去可能10年白领招聘的最低点
无论各种职位
包括new grad
包括Mid to Senior等等
我觉得今年确实很难
当然你要说Mid to Senior
相对于其他岗位来说
还是容易很多的
因为容易
所以大家会有一些要求
就是刚才我讲的
你的各种taste
因为你有taste
意味着你有选择的权利
你可以去选择
诶这个公司我想去
那个公司我不想去
至少你还有选择的权利
所以我觉得对Mid to Senior来说
尤其对被裁的人来讲
其实相对来说要容易很多
但是比起之前来讲
确实难很多
而且会越来越难
因为大家现在都讲agentic AI
越来越多
大家都喜欢招这些AI engineer
然后有做agent这种相关经验的
就相当于拿AI把你武装得特别好
越来越多这种趋势
无论是new grad还是说这种Mid to Senior
还是得积极地拥抱时代的变化
把AI做成你最强的这个武装力量
把它真正很好地用起来
然后反映到你的简历里面
反映到你找工作的一个方式里面
比方积极地找一些内推
积极地找一些Insider
这些都是一些能够去极大提升
你的申请概率的一些武器吧
我们25年初
24年底的时候就开始
在社区里面说了
25年的时候做了一个课程
说接下来18个月是
Agentic AI的机会窗口
你如果这个时候会用好agents
然后你可以是
自称一个agentic engineer
然后或者说是会用agents的这个DS
你在就业上会有极大的优势
看起来是这样的啊
26年年初的时候
我又说接下来五年会有一个缺口是AI architect
因为到时候就是这种builder
或者说是就在工作中能
比较靠谱地把AI用好的人呢
其实会越来越多
但是能做到这件事的人多了以后呢
其实architect是更稀缺的
这是我的一个判断啊
然后我就想请你先点评一下
这种supply demand imbalance是否存在
你说的这个东西非常非常好
因为我们也在帮非常好的公司
头部的AI公司在招人
我觉得大家的要求都是说
第一要不然你是一个domain specific expert
比方说你对AI的训练非常了解
或者说你对这种大规模的一些
机器学习部署模型特别理解
如果你是后端的话
可能你对某方面对Redis
这种内存数据库特别了解
对K8S特别了解
所谓的一些domain expert
因为为什么这些人厉害呢
因为这些人就是我刚才说的
也是你刚才说的
能够close the loop
就他能真正involve AI给他带来结果
这个能力非常重要
很多东西确实需要human in the loop
可能AI做80%-90%的事情
但最后的5%-10%的事情需要人去做
但人真正能close the loop
这很重要
就比方说我最近跟一些harvey
AI法律的一些公司在聊
他们其实内部招了很多
很expert的一些法律的一些律师
这些律师是干嘛
他们就是close the loop
就是AI帮他们提供80%-90%
能够极大提高他生产力
但是最后还是得
这些expert真正close the loop
你必须是一个expert
你才能close the loop对吧
你不是一个expert
你就close不了
就是你没法判断
两个东西谁的结果好
谁的结果差
这个东西是很重要的
其实你说的很对
所谓的AI architect
我觉得是这样的角色就第一
你能同时操控各个AI去帮你干事
你得有context switch能力
第二你真正能close the loop
你知道谁做得好
谁做得不好
怎么样有效给他feedback
这样能提高极大的生产力
能提高5-10倍的
甚至更多的生产力
第二种我所谓的可能叫AI generalist
不是说所有人都对某
一个领域了解得很深的
所谓的AI generalist
本质上是一个in general problem solving的能力
或者说我说可能就
作为一个CEO的能力
比方说我跟我们团队说
就是现在其实你发现AI对
前端的替代特别特别强
因为AI已经很容易写出
前端非常非常好的代码
那对于前端工程师来讲
你要不然是一个前端极其强的expert
你懂得前端很深的一些优化
那要不然你就得往更end to end地去转
比方说你从前端变成一个全栈
就是你不能只理解某一小块
你要更变成一个generalist
能end to end解决一些问题
这是我觉得AI公司对
大家的一个期望
包括我觉得现在
非常火的一个role叫FDE forward deployed engineer
他其实就是入驻其他的公司
一般都是B2B的一些企业
你入驻其他的公司
帮其他公司去end to end用
你的产品去解决他们生产线的问题
这我觉得就是一个AI generalist一个很好的表示
我觉得大部分人可能
都得往AI generalist去转
更好地用AI工具
去更automate你的工具流
不让你自己这块变成bottleneck
然后你自己也会更了解其他的部分
能够把整个事情close the loop
这两块人现在我发现各个公司要的都非常多
所谓的AI engineer可能就是第二块
你之前讲的AI architect的
我觉得可能偏第一块
因为architect的这个确实是
他需要真正对一些比较
domain specific的问题去close the loop
对
嗯其实就是把这个人的
能力尽量的灌注给AI
然后尽量的让AI可以自己跑
这个是我觉得很核心的点
第二个我可以举一个具体的例子啊
而且这里边全栈肯定
不光是技术上的全栈
就比如说
一个网站
会写前端了
那你会不会设计对吧
能不能把这个网站设计得比较好
会设计了
你会不会写文案
你能不能让这个landing page
整个文案的转化是好的
然后是吸引人的
这个其实在我看来是一个更全栈的东西
你把这三个的两个结合
或者说如果你真的厉害
三个全都结合的话
这种人我到现在都没有找到
就是我特别希望有人可以
帮我网站做一下这三件事
但是我觉得找不到
一个人可以做好这三件事的
你说很对
我可以分享一下最近我的一个感觉
因为我们也帮很多
创业公司去招人嘛
就我们会发现很多创业公司
喜欢招一个很有意思的岗位叫
head of marketing什么意思呢
因为其实现在AI工具你也知道
做这个marketing非常难
就我们所谓的做distribution
怎么样让你的产品让更多的无论
是C端用户或B端用户知道
因为现在AI develop产品特别特别容易
甚至你不是engineer
或者engineer你现在都不写code
都是AI帮你100%写code
它让非这个engineer
非其他Tech职能的人
unlock他们更多的这个possibility
去做一个end to end的东西
那其实build产品没有那么难
那其实难的确实是distribution
就怎么样找到更多的用户
所以很多AI公司他就
想招一个这样的人
但其实我思考下来
其实这恰恰就是CEO的职责
或者是你们co-founder团队的职责对吧
其实我刚才echo你的问题就说
本质上我觉得什么东西最难呢
我觉得是decision making的能力
就是你接下来要做什么样的事情
因为大家都是小团队
包括你从0到1做你的个人品牌
做播客我觉得很难
而且你的团队一定很小
包括我们团队也很小
我们现在团队还不到10个全职
那大家单位时间能做的事情是有限的
包括求职
求职往往是一个solo的过程
就是我自己去求职
而且我每天只有24小时
每个人也都是一样
我可能投入求职的时间也
就是maybe每天平均6-8个小时
我每天的优先级是什么
对吧我不可能做五到十件事
我一定要挑最重要
的一到两件事做好
这是我觉得最重要的
就比方说
我作为一个公司的co-founder
我觉得公司接下来一个月或者
一周最重要的一到两件事是什么
你做播客
你觉得最重要的一到两件事是什么
是不是网站的文案是最重要的
还是说哪个环节是最重要的
去prioritize
我觉得这个是现在越来越想
非常非常重要的事情
而且AI恰恰是帮助我做
这个decision making的process
就它帮我figure out
什么对我来说是接下来最重要1到2件事
就是我现在不是用AI做加法
我恰恰是用AI做减法
最后减到我觉得最重要的一两件事
就是我接下来要严格去盯
然后push团队
我们一起要解决的
是的价值不是均匀分布的
所以说10件事里边一定有一件事
我一直跟别人说就是少做点
然后这里边肯定有一件事
你做了以后呢
是其他9件事都不重要了
对
所以去找那件事
然后使劲做
再使劲做
对
顺利的切换到我们的创业话题
如果说大家担心
以后工作就没了
好像有一条路就是创业
但是大家创业的时候发现哦
创业这件事好难啊
纵观整个华人AI圈吧
真正创业出来的人也不是很多
你是其中一个
你是怎么做到的
帮我们讲讲你的创业故事吧
首先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
我觉得其实第一answer
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
因为我觉得很简单
创业需要极强的自我驱动力
而且是五到十年如一日的
可能是黑夜
讲讲我的直观的几个非常非常大的感受
我觉得创业前
尤其在大公司
我觉得我还是挺快乐的
我的快乐来源于哪呢
我的快乐源于跟大家八卦
在大厂经常大家八卦嘛
比方说谁升职了
谁降职了
谁又有什么rumor了
然后哪个项目哪个人可能想跳槽了
对吧然后大家的茶余饭后
因为我在Twitter我们之前有个小团体
就经常隔三差五的然后聚在一起八卦
这是我们所有的快乐时光
其实在大公司里
你有负反馈
你也有很强的正反馈
你的正反馈就是
往往你的peer和你的manager给你的
就是说你ship了什么重要项目
你的升职加薪
你整个人还是有失望有快乐的
然后你发现你创业了以后
你好像没有什么正反馈了
其实你作为founder了以后
大家可能自然的想象是你的正反馈
是你的业绩
但是往往大家目标都很高
比方说你刚才讲我们公司做的很好
其实在我认知里
可能如果我三年前看到我现在状态
我觉得哎
真挺不错
但是我现在我看我自己状态
我觉得我们怎么做的有点慢
因为你创业
总是会把你的目标定的很高
比方说你的目标就是一个独角兽
一般来说很多人会把PMF定义的很高
像我也是
我一直没觉得我们hit到很强的PMF
我一直定义的PMF
是我能scalable看到我们公司能到一亿美金
revenue的那个时刻
我觉得是hit到PMF了
因为都是独角兽嘛
1亿美金
代表你的估值可能超过一个billion
就十亿美金
那其实很多时候
我觉得创业者从day 1开始
就要做很多的心态调整
就是你把你的目标一定要放低
不断的给自己足够多的正反馈
我觉得很多创业者
我们私下聊也是有很多的故事
就创业
都是一个极其极其lonely的一个群体
其实很多人都有各种各样的心理
或者mental的问题
一定的
因为你自己之前在大公司里
做的事情
非常非常简单
然后现在
你突然会面临各种各样
乱七八糟的问题
你包括我现在我在我们公司
我虽然是CTO管技术
但其实我还做了各种各样事情
比方说我管财务
因为我心比较细
我盯数字比较细节
我管marketing
因为有的时候
现在技术跟marketing不分家呀
就是有的时候你获客用户的时候
你得算ROI
有时候你还得盯一下产品
因为技术和产品也不分家嘛
就说其实现在对于某一个co-founder的职责
他没有那么明确
所以你不断每天都是在学习
有可能上一周数字涨了你很开心
哪一天数字跌了你又很低落
所以其实我觉得创业对于创业者来说
是一个挺难的一个群体
所以
我试图每天让自己更多的开心一点
就试图一定要留一部分时间
让自己完全忘掉公司的事情
试着给自己解解压
我现在我觉得我压力最大的时候
你知道是什么时候吗
是周末因为周末可能没有人在工作
没有人跟你讨论
然后你试图自己跟自己讨论
你试图消化这种比较紧张的情绪
对因为你每天都在一个极度紧张的情绪里
你周末很难让自己放松下来
你比方我当时看理想的一些播客
他说他一定要周日把自己手机扔掉
然后就是一天就基本上就在打游戏
就沉浸在一个事情里面
我觉得这个说的也挺对的
刚才讲的几个东西
就是我对创业的一个感知
就是说我觉得创业是个很难的事
但是为什么要创业
是我觉得我足够想改变这个世界
因为我之前说实在读PHD的时候
我运气也很好
我当时做数据库领域
我其实跟很多合作者挖了个坑
然后导致我们的引用数很多
你要知道你在做学术
很多时候你要建立一个topic
建立一个小山头
然后让别人来去follow你
这样你引用数都能起来
然后我现在引用
当然数据库领域属于引用数
不是那么多的
不能跟AI公司比
但我现在引用也是三四千的这种量了
就是说我越来越感觉
无论是在公司还是学术圈
它是一个相对封闭的环境
就说我在学术圈
我做数据库领域
那数据库领域它就是那么十几个山头
就十几个大佬
然后这些大佬的徒子徒孙
定义了这些领域研究的方向
你自己开一个领域是很难的
所以你只能不断去follow这些领域
然后你的成就往往是这些人去定义的
因为你的所有的reviewer
其实也是逃脱不了这些人的系统
所以它是一个相对来说
比较封闭的领域
然后在公司也是
比方说在一个大公司工作三五年
可能你也就认识旁边的20个人
跟你每天close的
也就是旁边的五六个人
它是一个极其封闭的领域
所以你很多东西你如果想升职加薪
你就得对上做的好
可能对下也做的不差
得有人给你feedback嘛
我觉得这个领域确实太封闭了
对我来说
因为在美国创业气氛这么浓
有更open的环境
所以我在想我就是要创业
因为创业是一个非常非常open的环境
所有的answer都是你的用户告诉你的
尤其是在ToC
你做的好
你的用户就是来
你做的不好
你的用户就是在骂你
我觉得这是一个非常非常大的
非常open的环境
然后这种open环境比较纯粹
纯粹是以
很多你做的东西的好坏
市场会给你正确
或者是错误的一个评估
这个feedback loop让我感觉非常非常open
非常非常真实
这是我最喜欢的
就这个事一定非常难
但是难我对比我之前经验
我会很喜欢
给大家的创业经验
我一定要说(有)很多很tough的东西
就我甚至前两年我创业有点太投入了
然后每天晚上搞到三四点
很早就起来
自己身体力行写code嘛
一般前两年
我的code都是在公司排第一位的
因为我太投入了
我觉得非常非常兴奋
我解决这问题
直到我当时得了一场甲流
把我身体搞垮了
我感觉我3/4管的血都没了
每天在一个轻度的抑郁状态
就是我不知道我每天在干啥
然后慢慢的其实自己通过状态的调整
通过一些健身啊什么的
也慢慢的缓过来了
我通过分享我个人的经历也告诉大家
其实创业是一个非常非常痛苦的事情
如果你真正想创业
先去一些创业公司去看看
创业公司往往都是一个词
就是chaos
就是喧闹
因为大家都是在做自己在乎的事情
大家都会全情的投入
很多时候你面对的是每个人的下限
你面对不是每个人的上限
是每个人的下限在哪里
你要知道跟钱相关的东西
往往都是hack到你下限的东西
所以其实有的时候你选一个创业公司
你需要看到
这个公司founder的下限在哪里
你选一个合伙人
你也需要看到
这个合伙人的下限在哪里
他的下限你是不是能接受
你说的下限是做人的底线
还是能力的下限 做人的底线
做人的底线
这个非常非常重要
因为创始人其实都是在极度的内卷
我的意思是他自己思维的一个内卷
精神的内卷的过程中
他会每天处理很多很多事情
所以很容易很多事情会激到他
因为他每天面对的各种信息轰炸
太多了
所以你一定要了解它的下限在哪里
回到刚才创业的问题
如果我给建议的话
第一你要一定要想好你是不是(真的想)创业
第二我给的建议是先加入创业公司
尤其是非常非常早期的创业公司
去感受一下
一定是可能种子轮或者pre-seed的轮
你感受一下整个创业的过程
这种生活是不是你喜欢的
这个极其重要
你说的每一个我都特别有感觉
比如说创业没有正反馈
尤其是你现在做这个个人媒体号
我能想象你非常非常成功
这也是我非常proud的来这录制这个节目
但我能想象
你每天的负反馈是非常非常多的
因为你的关注量越大
代表大家给你的很多噪音
也会越来越多
喷子一定会非常非常多的
你一定需要一个很好的方式
去消化掉这些信号
因为越强的人
你在公司越往上走
或者你的位置越高
其实你没有什么正反馈
你的正反馈一定是自己给自己的
没有正反馈这件事
我想给观众再多解释一下
当你到10万粉的时候
你不会觉得10万粉是个什么成就
你只会看到你离100万粉的差距
所以说一个视频很多赞
你没有觉得有什么了不起的
你只会觉得怎么还没有到下一个
确实正反馈就是没有的
但是像你所说的
真正的正反馈就是自己可以说了算
不用被别人定义自己
这确实感觉是一个
创业非常底层的
你看自己适不适合创业
特别想自己把自己心中的那个vision
实现出来的话
我觉得创业再苦
最后感觉都是会走到这条路上的
对文言文叫什么苦其心志，劳其筋骨，饿其体肤
如果是我在讲了这么多东西之后
你觉得这些东西没啥
我还是要创业
那你就是创业的天选之子
我想听听Carina对刚才的反馈
非常认同你们说的所有
其实我父母也是创业
看到他们每天很辛苦
虽然表面上看起来很光鲜
但实际上是要有非常非常多的付出的
所以我也觉得在大厂工作
拿一份还可以的薪水
每天去享受一下公司的福利
没有这么多压力
其实也是挺好的
就只是不同的选择
一边压力比较大
但是risk跟reward都很大的
另外一边就是risk，reward可能相对来小一点
所以就是两种不同的(选择)
然后我最近自己也是
因为有AI了之后在vibe coding
最近做了一款冥想相关的APP
放到APP Store
现在就是distribution是个很大的问题
因为做出来了没有人下载
为什么不来社区里边分享一下啊
社区里边有15,000个人
可以收到你的邮件的
总感觉还不够好
那你要去看我那个career signaling那期
很多社区里的人都会有这样想法
觉得不够好
然后看了那个以后就哦赶紧发
就是大家会有一个精英耻感在
感觉永远都不会足够好
其实今天还有一个人在社区里发的也是这个点
就是因为你在想这件事的时候
你的那个主语是自己
而不是这个东西
如果你的主语是这个东西了以后
你就不会去想它够不够好了
你就去想我怎么样子可以把它往前再走一走
当主语是我发了这个东西
别人会怎么想我
这个时候就永远不会更好的
对我挺同意的
其实从0到1都是特别特别难的
我可以分享一下我们
当时从0到1怎么去做的
就是跟你现在的情况挺像
第一点就是说
一定要创始人下场
去跟你的客户去聊
这个非常重要
早期你像我co-founder
他其实真正自己走了5到10个城市
跟100多个求职者去聊
真正聊他们的痛点
包括现在我们的user feedback反馈也是很重要的
我必须要push我们团队每周
保证5-10个用户的访谈记录
无论是我们PM或者说什么
这是我们内部的一条铁规
因为听到用户一线的真实反馈
是极其极其重要的
包括我们早期那个比较惊艳的feature
就是你当时找工作的
一个痛点叫H-1B filter
其实也是跟用户去聊的
我们去跟很多的new grads去聊
发现他们都需要H-1B sponsor
其实在现在的招聘产品里
大家去看H-1B sponsor
其实都是很难的
因为你需要对这个公司深度的调研
但恰巧这个其实技术上不是一个很难的事
因为美国政府每年都会把
H-1B sponsor的详细记录放出来
甚至哪个公司support了什么样的职位
然后这个东西的薪资
这些都是必须要合法地去展示的
包括H-1B sponsor
包括绿卡
我们就直接爬了美国的
政府的一些展示的一些网站
然后内部用AI做了一些mapping
把具体的公司map到具体的公司上
然后把具体的职位也map上
这样每个公司我们就知道第一
过去三年内它sponsor了多少H-1B
第二就是说具体到这个job
比方software engineer
具体到这个薪水
有没有可能他会sponsor你
然后有多大的概率sponsor你
然后这个feature
我也不知道为什么现在的招聘产品
之前做了十几年
都没有招聘产品去做过
然后这个产品恰恰是通过我们user反馈拿来的
其实约用户很简单
就是各种渠道
比方说在LinkedIn
你发现一个用户他是open to work
你主动去加他
约个半个小时的访谈
大部分用户其实很赏脸的
实在加不到用户
你就付费去访谈嘛
比方说我给你个15刀
或者20刀的credit card
你给我去深度访谈一下
然后一旦访谈到
10-20个用户
你会对这个群体有深度的感知
因为说实在
我自己的感知其实都是错的
因为我自己是用我自己那个位置
因为我当时确实是PhD
我当时找工作的思路
跟现在的求职者也不太一样
然后那个年代跟现在也差很久了
所以你得真实地
感受到一线用户的感觉
我觉得一定要自己
下场去跟你的用户聊
这个非常非常关键
就无论是C端或B端
然后通过这个feature
我们爆火了
爆火了之后有了第一波用户来
当然后面有各种各样的故事
比方说到后面
我们不只想target new grad
我们想更多的群体
那我们就想怎么往
Mid to Senior群体去靠
那一个群体一个群体的聊
我们聊到Mid Seniorr群体就讲了
我刚才讲的各种个性化问题
那我们就需要用AI深度去结合
深度去理解他找工作的意图
明显的意图
hidden的意图
那我们就深度地去解析
比方说他salary expectation
他对这公司的expectation
他的行业dominate等等
然后一步一步把我们
产品慢慢做起来了
其实就是一个用户访谈
然后通过访谈找到你
可能的一些产品的卖点
然后把这些卖点做成好用的feature
然后以合适的product messaging打出去
拿到这些用户
自己做自我的这种feedback loop
后面再涉及到更扩圈的东西
为啥说我作为CTO
我这些都得牵扯
因为这些东西现在都是end to end
你很难切开
你很难说获客一个人搞
然后你产品一个人搞
然后技术再一个人搞
一定是end to end效率是最高的
那你CEO在干啥
我们俩人有不同分工嘛
他其实我觉得思考得更深更远
他是一个中长期的long term
我有点短期的short term
我自己对revenue的improvement非常exciting
我觉得有什么样的获客机会
我是全情的投入
可能两三天我能搞成
我觉得哪些东西对于我们的
比方说产品的推荐有大的突破
我就恨不得我自己
拉着团队干个通宵
我得给整出来
我突破上去
就是我短期的这种signal和insight
基于数据反馈的这种东西
非常非常强
但这种东西强了以后
它可能会忘记你中长期的mission and vision
你现在不断去优化短期的这些东西
是不是对中长期有效果
他非常擅长中长期
他非常擅长从0到1
所以我们现在C端做到这个程度
然后B端需要从0到1
帮助更多的AI公司去找到合适的人
那从0到1该怎么做
因为B端跟C端又是
completely不同的故事了
因为B端可能需要sales
需要一些更formal的product messaging
需要一些customer story
它又是一个不一样的故事了
我觉得我俩是一个比较好的匹配
一个是下棋布局business development
然后你是打仗
对打仗
非常非常data driven
对数字抠得非常非常细
对细节要求非常非常严格
甚至到每个pixel
哪个字体大了
哪个字体小了
就是Ethan刚刚说的所有的东西
都是从用户那来的
然后你其实创业建立
的是一个feedback loop
就是你怎么样子让
用户告诉你你要做什么
然后把它做出来
然后把这个产品的product messaging做好
然后给到用户
让用户去使用它
这个feedback loop就是创业的本质
然后很多同学就是因果倒置了
就是我做一个东西
然后看别人要不要
我做一个东西看别人要不要
大家不理解自己的脑子
想的东西有多少的错误
就是我们做AB实验就80%的
脑子里的想法都是错的
这就是回到了要问的问题了啊
大家会说
你可以做任何的东西
但是你要有一个足够锋利的wedge
你的市场才会给你机会
让你构建这个feedback loop
就是你这个东西解决了一个足够痛的痛点
然后让市场愿意去使用你
不管是免费使用还是付费使用
其实绝大多数的产品呢
都是不痛不痒
白送别人用
别人都不用
你没有哈哈哈
Carina还笑了一下
没有机会建立这样一个feedback loop
那你一开始的那个wedge是怎么建立的
市场上已经有
这么多找工作的软件了
为什么你会去做这么一个新的东西
并且有信心把它做出来
你说很对
这也是我想分享的
就是我们创业
我们创的这个有点反直觉
很多人都说你做AI产品
你一定要day 1就开始收费
只有用户给你付钱了
才证明你可能有早期的signal
我们其实前一年半全都是一个免费的产品
然后我们是一年之前
才开始给用户收费的
你可以理解为我们这一年内
从0涨到了700万美金以上的ARR
为什么第一年半都是免费呢
我们得承认
就像你说的
整个市场毕竟是十年二十年的市场
你说领英做的差
但是你比领英做一个
significantly好的东西
你一定要花很多的时间打磨的
不可能说你花个
两三天就vibe coding一下
一两个月随随便便就打磨一个东西
这个东西非常非常难的
第一个发现我觉得领英不太好的点
其实刚才也是Carina说的
就是说它的推荐系统
包括job的质量是有一些问题的
第一我发现越来越多的趋势是
很多公司不在领英上发job了
这是一个很明显的趋势
因为他们觉得可能发了个job
短时间内有很多人申请
但很多人
我跟你们说一个很现实的问题
很多人其实提交的都是假的简历
因为现在找工作特别特别难了
很多人都会falsely claim自己
在任何公司去工作过
我不客气地说
你现在成立一公司
在领英上发一个entry level
的software engineer
你一天内我估计能收到一两千申请
然后你让领英自己给你排序
或者用AI给你排序
你会发现前面都是NVIDIA
OpenAI Anthropic的人
哈哈都是有过这种实习经验的人
这种人你进去一聊
就会发现全都是假的
可能对面他也在用AI面试作弊工具
哈哈
对啊
他为什么要来申我这个小破新公司
对因为就是市场太内卷了
他需要更多面试机会
他需要更多反馈
他需要practice他自己
这个就是当今市场
一个很严重的事情
所以其实很多公司不在领英上发了
那我们发现一个很大的问题
就是说你怎么样能知道第一
这个公司是个真实公司
第二这个公司发的job
那其实一个很现实的问题是
我们统计了美国基本exactly发job的公司
可能有10万家公司
那其实你怎么把10-20万
公司这个量级的公司主页
公司的career page
公司的爬虫写好
你写10-20万这个肯定不make sense的
虽然有很多的ATS
他们template的都很类似
但其实也有很多很长尾的
这东西你怎么去做
就这东西是我真正花了一年的时间
带着团队一点点抠细节
就是我刚才讲的
我们自己build了一个agentic这种爬虫的
distribute爬虫loop
AI不是说直接去解析网页的内容
是AI帮你写爬虫
然后AI自己去evolve爬虫的准确性
因为你的数量之大
所以每天一定会有一些网页
它会change自己的layout
就算它概率很小
就算1/1,000
但是你的乘数很大
可能是几十万
所以意味着每天都会
有一些爬虫出问题
那你怎么样
用AI自己去修
你用人是不make sense的
所以其实这就是我带着
团队去开发的一个非常
distribute powerful的一个爬虫系统
它能自己写爬虫
自己修爬虫
它能非常实时地
找到每个公司的career page
比方微软的career page
今天多了几个
今天少了几个
多的那几个我在三五分钟之内一定要爬到
这是对我来说极其极其关键的东西
我觉得爬虫和数据在我认知上
是我们系统的最底层的本质
我花多少时间多少钱我都要做对
这个东西是我们可能跟其他家
认知的一个不同的最本质的问题
可能很多家
诶我就做一个改写简历工具
反正我自己vibe coding一下就得了
但是我们要提供给用户
的是一个工作的机会
所以爬虫尤其重要
而且把爬虫做得非常powerful
非常自动化
第二个就我说的了
有了这么多job
每个人来了
怎么样深度理解他
怎么样把他的job推准
这是我们做的第二个东西
那我们需要推准
有很多的功课需要做
怎么理解这个用户的intention
他到底有什么样的taste
他对公司的需求
对岗位的需求
对职能的需求
对这个domain的需求
等等每个人都不一样
有些人他就喜欢
诶你给我新点的job
有些人他就需要准
然后有些人他就需要
这个公司的申请简单点
那你怎么样自己搭
一个这种AI的一个系统
让这个系统自己能
学习到用户的一个signal
更多地理解用户
让他觉得越用你
你越懂他
这个是一个很重要的
我觉得这两个缺一不可
就是一个是很powerful的爬虫系统
再有一个是个性化推荐系统
其他的工具性质的
比方改简历啊
自动申请啊等等
这些东西都是建立在你底层
一个很强大的一个data pipeline
或者说一个data layer的基础上
我觉得这个是我们跟
其他家认知的本质不同
因为我最早就做推荐系统的嘛
我觉得这个东西非常非常重要
尤其是数据层面
所以其实到现在
我的认知还是这样的
因为build这个东西就是很难
所以就是说我们花了一年半的时间
真正不断跟用户聊
不断打磨
前一年半全是免费的
就每天到20000DAU的时候
我们还是这种免费的产品
因为我们觉得还不够让自己满意
我可能平常说话乐呵乐呵的
但我对东西的要求是非常非常高的
就我们团队其实我觉得平时
能感受到压力会非常大一点
因为我对细节这种把控是非常非常严的
就是我眼睛里也容不了沙子
只有日复一日的这种严格的要求
才能把所有的事情做对
因为我们知道这个事情非常难
然后我们需要花时间
我们把事情做对
当然这也少不了早期
的投资人的一些鼓励
我们其实最早期的时候
运气也比较好PPT融了个资
这就支撑了我们可能一年半的时间
一年半以后我们开始收费了
发现你很多东西做对了以后
其实用户会有很多organic宣传你
然后越来越多用户会word of mouth spread
去慢慢地传播你
在不同的群体
甚至我也不知道我们
现在第二大第三大国家
甚至是印度和肯尼亚
你都很难想象肯尼亚
怎么有那么多用户来
是因为肯尼亚好像有几个
TikTok博主天天在宣传我们
说在找美国的remote工作
我昨天去Stripe参加了个大会
肯尼亚是全世界前五
的AI adoption的国家
他一说肯尼亚是前五的诶我说
这不是跟我们的用户profile去对上号了嘛
因为他们有很多人在用AI工具
去找美国的remote的工作
影视飓风他们做了一个论文代写的investigation
几乎都是肯尼亚的
真的 而且是博士的论文代写
我记得我前段时间还看到一个
就是说大家其实对非洲有一个误解
大家以为非洲非常贫穷
但是其实他们那边的
人均教育程度还是挺高的
是是是挺有意思的
所以就是说
随着这个慢慢的进行
就是说用户给我们反馈以后
我会觉得我们之前的conviction会更强
然后我觉得我们的天花板会更高
因为我觉得这个东西足够难
足够有意思
从day 1你就知道这件事
是很难且能做成的吗
对我们确实就觉得比较难
因为我说实在我这次是第一次创业
我也比较感谢我合伙人
他是他第二次创业
他第一次创业也比较难
他之前是美国的工作经历
然后回国做了一个ToB的SaaS
然后你知道在国内
卖ToB SaaS确实比较难
后来他就到美国去
一定要结合AI去做了
然后我俩一拍即合
他其实想方向也想了挺久
我当时其实创业的
时候想方向也想了挺久
因为在AI之前没有太多的机会
可能比较多的机会也是Web3
我其实进去也explore了一阵
我本人其实也比较
相信比特币的长期价值
但你知道这个东西
确实商业属性特别强
你会发现很多应用还是很难去定义
因为其实大部分的
参与者还是投资者
或者是投机者
嗯
你很难说是做一个东西对吧
你又不想说实在做一些不太对的事
你说发个币
什么割个韭菜
这东西完全没有意义啊
做着做着
我觉得这个领域还不太适合我自己创业
又等了一阵
然后正好AI起来了
我俩正好一拍即合
然后我俩想的很清楚
咱既然做事
就不要说是图短期
做一个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
你既然都想创业了
你抛去所有的东西
你就去想最本质的东西
什么东西是长期值得你投入的
因为招聘这个东西
我们觉得价值太对了
帮助其他人去找更好的机会
虽然这个东西在投资人眼里不性感
但无所谓啊
我们又不是面向投资人创业
就我们是面向整个群体
面向我们自己的认知
面向我们认为什么
是对的东西去创业
什么是难而且正确的东西去创业
所以我们越做越觉得有动力
这也是一直本质上从day 1在支撑我们的东西
从day 1我们想做的东西
其实就是现在在做的东西
因为我们第一步是从C端做
做一个C端很重要的求职伴侣
然后我们eventually肯定要做
C端和B端找工作的桥梁
做一个job marketplace
所以我们从上个月开始也开始做B端了
我们三年前想的roadmap
其实在现在也就是一步一步在践行
当然确实是有一些不同
也就是现在招聘时代的变化
我们没有想到AI会影响
招聘行业会这么快
尤其是白领求职群体
这个是外部大环境
的一些剧烈的变化
但是其实我们做事情的
初衷到现在还是没有变
就算我们后面可能revenue
增长的没有那么快
或者怎么着
还是会继续去打磨这个领域
然后继续把用户体验
把大家找工作的
成功率慢慢的持续的做好
你一开始那个technical insight
也就是说H-1B filter
改简历啊
这些东西不是最关键的东西
最关键的是data layer和recommendation
这个technical insight是一上来就有吗
对是
因为这个是基于我深度的调研的
我自己之前就是做推荐系统的
跟很多推荐系统从业人员也聊
我之前跟很多字节
包括TikTok
包括在NewsBreak
其实是做一些新闻推荐
我知道data多么多么重要
因为你给用户看的就是job呀
你需要保证这个data的实时性
保证这个job的准确率
这个太重要了
我觉得这个最本质的东西是我们day 1就想清楚
而且一直想得很清楚的
我觉得爬虫这个东西如果出问题了
永远是内部的第一优先级
没有其他的优先级比它更重要
我觉得就是保证你的data layer
这是第一个阶段
到后面那个阶段确实是
怎么样收集更多的B端的信号
怎么样能知道他们真实的意图
因为很多人他不敢把很多
真实的意图写在job description里
就是很多他们hidden的意图对吧哈哈
所以怎么样onboard更多B端
了解他们更真实的意图
因为其实本质上
你需要收集两端越来越多的信号
你需要收集C端越来越多信号
他的taste
他的想法
然后你需要收集更多B端的信号
只有人不停地onboard上来了
你才能收集到两端更多信号
才能做到更多更真实的匹配
这个是我们对这个
东西理解的一个本质
而且非常有护城河
我接下来会问一些增长的问题
你们turn on付费的时候
是怎么样子做到的紧张吗
怎么一下子付费用户就这么多了
紧张啊我跟你说
我们刚开始付费的时候
挺差的我跟你说哈哈哈
转化率比现在的1/20吧
就是很差
说实在
这也是我们内部的一个principle
不要对任何从0到1开始做
的东西有过多的期望
内部经常有一些东西诶
咱上这个一定很牛逼
然后
会发现很牛逼
它一般发生在三四个月之后
就是你要接受刚上的时候
这个东西非常非常傻
然后你需要一步一步通过
不断地努力把它优化好
你们自己内部
就我们内部需要有一定的conviction
这个东西一定会work
它是eventually will work
不代表它刚上的时候will work
所以刚上的时候我们还是挺tough
因为刚上的时候充值率非常非常低
当然也是各种各样的原因了
其实很多时候你会发现很多
用户都不知道你这个产品能充值
因为我们刚开始做得很克制
因为Carina也说了
好像我们的免费的
功能就能用得很好
因为我们其实所有的免费功能
都是给大家有一定的限度能用嘛
因为背后毕竟有AI去支持
AI有一定的cost
包括我们的运维有一定的cost
develop有一定的cost
所以我们刚开始的时候还比较克制
我们总想用户多待在我们平台上
不太想因为付费墙把用户撵走
包括现在也是这样我们
day 1其实也很克制
day 1其实没有做太多的事情
没有太多引导用户付费
或者你会发现就是很多用户
第一就不知道你还能付费
第二就不知道付费
能带给他什么价值
第三其实我们当时开发的
付费功能其实也比较有限
就比方说改简历这个功能吧
它非常非常的个性化
每个人都有自己觉得
应该正确的简历方式
这个真的是精确到每个人
就有些人觉得我的简历就该多改点
有些人觉得我简历就不应该改
我就应该一份投所有的job
有些人觉得我的template应该长这样
有些人觉得我template应该长那样
有些人觉得诶
你这个work experience应该放前面
有些人觉得诶
你education应该放前面
它是一个每个人的脸面嘛
就是跟你的穿着一样
每个人对于穿着一定
是有不同的taste的
可能一些general的idea就是诶
我的简历需要被ATS很好地解析
这是一些general的guideline
但general guideline底下有一个
每个人都有各种各样的taste
所以这taste你怎么学
那就得AI帮你去学
就是说你初始的给他一个版本
或者初始的给他几个版本
那你是会随着他跟你的feedback
比方你记住他改了啥
然后不断地给AI
让AI去学这些taste
然后学得更个性化
这些需要一步一步地去优化
然后很多人他就是不想改简历
他就是觉得我没必要
每个工作都改简历
维护我的两三份简历
一个简历找一种类型的工作就好了
比方一个简历找PM
一个简历找什么data scientist
所以就是说它是一个
非常非常个性化的东西
所以真正到每个feature的迭代
它又是一个很长期的东西
首先你内部要定好优先级
我就要死磕这个东西
因为这个东西别的产品能做得很好
因为现在有很多改简历的产品嘛
我们试着好像他们做的也不太行
但是他们能收上钱
那这就给我们很多的信心
就是我们做好了
一定能有区分度
一定能收到钱
而且AI一定能把这个东西做好
因为AI就擅长记住你的各种context嘛
所以就是有这样的优先级
有这样的专注力
有这样极其高标准的要求
我们内部要求
我们是要surprisingly stand out from competitors
我们基本上都不把他们叫competitor
没有必要叫competitor
因为大家都很小
谁compete谁呀对不对
嗯
就是叫同类产品
我们一定要高标准严要求地把
自己一定significantly跟对方拉开差距
尤其是有AI
我觉得我们一定可以的
所以就是有这样的坚信
有这样的信仰
然后一步一步慢慢优化
你会发现
你不断加更多的功能
你不断把你的整个的产品
找工作流程变得越来越好
然后你不断地从找工作
延伸到更多的场景之后
比方说career coach
用户会越来越信任你
他就会给你去充值
我觉得这个本末不能倒置
只有给用户提高更多的价值
然后让他理解你的价值
然后充值就慢慢来了
你不是说非要提供各种付费墙
因为我们有很多其他的同类产品
就是你用这个功能就得付费
那其实很多时候那就是你贩卖焦虑了嘛
其实最自信的就是说
你试用一下
你觉得好了你再付费
你觉得不好你就不要付费了
这就是我们的初衷嘛
就给用户更多利益
然后让用户更好地留存
如果你觉得你足够信任我们
那你来付费
基本上是这样的一个初衷
然后另外一个我想说的是
也是现在可能AI时代
带给大家的一个认知
跟之前有点不一样
就之前可能一个很多的观点是
只要产品你足够好
你的用户会涌入
it's a common misconception
对现在就完全不一样
因为现在每天用户
接受到信号轰炸太多了
所以其实对于所有的AI公司来说
distribution都是一个
非常非常重要的问题
然后我和我的founder很早
就意识到这个问题了嘛
因为我俩都比较i
i人嘛
Mbti比较内向
然后我稍微e一点
他是极度的i人
他非常喜欢沉浸在自己世界里
然后想清楚一些问题
他也觉得我俩应该e一点
就我俩应该更主动地往外面去做内容
其实他先主导的说
我们必须要在领英上来做内容
然后他自己开始用他的号做
做了两三个月没有什么波澜
然后他也天天push我
你也得做
不行你就把我发的内容rewrite一下发
刚开始我也不太愿意做
他坚持两三个月
哎我觉得我也得坚持一下了
虽然没做出来啥
我也被他的坚持精神感动了哈哈哈
然后我做吧做吧吧
我的话我就觉得做东西
还是得要出点成绩嘛
然后我就研究了一下领英上各种做火的pattern
还是得讲一些个人故事
然后我就把Meta那段经历拿过来了
就是说我什么reject了Meta的1 million offer
一大堆人过来
诶我认识你
你不就是那个什么哈哈哈
拒绝meta 1 million offer的人
对我刷到你的帖子
我觉得就是说
其实大家真正想做这个东西
真正豁出来的时候
还是能做成的
包括我真正豁出去
我自己平时都不怎么拍照
一年拍不了一个照片
然后我就让我妈把我从小的照片
几岁的照片都发给我
能找到的都发给我
然后一步一步讲我的个人人生故事
领英上大家平时都比较忙
一看这种个人生活类内容
也喜欢吃瓜
然后过来看看这人咋回事
挺有意思的
然后就过来互动
做着做着慢慢就有感觉了
就是慢慢就豁出去自己了嘛
大家诶也觉得感同身受
你也是来美国的这种immigrants对吧
你跟我们也一样
我们找工作困难
你当时也容易不到哪去哈哈
然后就有很多的共鸣
领英上也比较喜欢一些反转
然后我们现在做了一个求职工具
大家用得也很好
慢慢把你从小到大
一些人生故事讲给大家
就不畏困难
从小城市一步一步grow起来
我觉得大家看到这些
故事有很多的Echo和共鸣
其实给我们早期带来了非常非常多的用户
然后用户甚至会主动宣传我们
我觉得领英点赞
历史最高的几个帖子
可能有一个是我们用户讲的
他那个帖子就讲他
投递了1,000多个申请
最后拿到了一个公司的offer
是一个印度的求职者
他那个帖子当时在领英上拿到了32万赞
我去
我可以把那个帖子贴出来
你可以看到这是32万赞啊
不是说3万赞是32万
在领英推荐算法完全感受不到这个
可能一个帖子超过5,000赞
这都是超级狂热的帖子了
是的 那帖子拿到了32万赞
哇这个东西太吓人了
当时给我们那一两个月都是持续的高峰
在我们网站上
所以就是这样不断的
一直以来这种东西
我觉得一步一步也把我们
推向了一个比较好的一个层面
就是我觉得确实豁出去很重要
你自己就是你公司最重要的品牌嘛
不过我现在来参加你的节目
我也挺开心的
因为你节目这么大的流量
没有我经常就是几千view
包括你现在在做小红书
但是我这想问一下
你们公司除了founder
自己去做LinkedIn这些渠道以外
还有没有什么你们打算做的
比较scalable的可以增长的方式
增长这块我自己研究的比较多嘛
我其实各个渠道都在做
做到一个milestone就会
瞄着下个milestone做
就你比方说你到了10万粉
你可能没有时间去庆祝
你到达10万粉
你会想到哇
我到10万粉了
挺不容易的
我怎么做到100万粉
就是你会去不断去想这个事
其实对于增长来说也是
我觉得没有什么特别万金油的
渠道
就是你可能不断打开了一个渠道
然后这个渠道慢慢会发现到天花板
比方说Reddit
可能你自己做Reddit subreddit
做自己的社区
或者说在其他渠道让用户给你找到一些共鸣
很快你会通过不断极致的优化达到这个渠道天花板
比方你在领英
大家也知道领英上有各种不同的job seeker
我们其实也试了各种的方式
包括我们自己做个人号
包括我们可能去
pay给其他的KOL
不论是小的KOL
大的KOL去帮我们宣发
包括我们还很hands on
你知道做TikTok矩阵号
就是说我们招了二三十个大学生
让他们去找
比较火的这种pattern
然后结合jobright去拍
真有人做到这种5-10个million的view的一些号
还是一些小有成绩的
但这个就不太稳定
它确实是一个volume game
你得不停地去发
然后等到一个视频去爆火
就是说很多东西我们都去试
包括一些大家常用的一些东西
比方说email campaign啊等等
但我觉得我们可能比较成功的就是
我们有足够的data driven
的一个signal的能力
因为我们有足够多的供给
我们有足够多用户的数据
我们知道什么样的product messaging可能能够吸引到用户
我们能通过数据的行为做自我的迭代
包括我们就算发给用户的email
我也想想是不是整个email
应该直接交给大模型去写
就是你自己不要设置
一些太固定的template
让用户去感觉这个东西没有意思
是否能真正结合他
现在找工作的状态
他的履历去给他写
一份足够打动他的email
我觉得AI时代就是我们得用AI模型的能力
把所有东西做到非常极致
这样才可以
但还是回顾我刚才说的那个东西
就每个渠道都有自己的天花板
那基本上没有天花板的也就是那几个渠道
可能Google ad没有太多天花板
因为Google ad的流量确实很大
但Google ad你又面临你越做大
越会做到跟领英和Indeed
这种大平台去竞争
那这个其实是不太容易
那我们现在其实
大部分用户还是organic来的
这是我们第一大获客渠道
等等等等
你organic再拆分一下的话是什么
这个其实不太好拆分
因为大家来的方式
都是在Google去搜Jobright
然后我们可能有时候
会给用户发一些问卷
说诶
你为什么搜Jobright
很多人会说
诶我在领英上看到一个的帖子
基本上其实领英和TikTok
Instagram这几个群体
会比较多一些
因为这几个群体它都是有平台嘛
比方说你打开你的网站了以后
有时候这个网站里吧
它是在它自己的browser里面
我知道它没有办法track
对
我其实想问一个非常naive的问题啊
就是你已经知道了肯尼亚那边TikToker
他那个是有用的
那为什么没有去在
这方面多做一些呢
是这样的
还是回到优先级这个事嘛
因为首先我觉得
肯尼亚这群体是ok的
啊不是说在肯尼亚多做
就是复制到别的国家
哦那我们肯定复制
但是你要知道很多时候
它不是那么容易复制
我们其实试图做过
很多paid这种collaboration
其实对paid(的内容)用户还是比较敏感的
他基本也能给你感受到
你这个东西是付费帮你宣传
而且一旦涉及到paid
这些KOL吧
他不好好录
因为他不懂你的产品
就是你得非常get involved在里边
可能跟他迭代5-6轮才可以
一旦迭代时间长
他就不scale
反而用户自己organic录的东西最真诚
所以经常我们看到
突然有一高峰
然后我们就找找这高峰到底是哪来的
一般主要渠道都是TikTok和LinkedIn
我们就先搜搜
哎Jobright
是不是有人今天又@他了
然后那个帖子又很火了
如果搜不到的话
就去Google搜
拿Jobright可能搜last 24小时
看看有没有Google index
有些平台比较火的帖子
所以就光做这种trace
所以就是说
其实organic的反而更有效果
paid这东西
一个是花的钱比较多
然后我们现在自己也比较省
一个渠道如果不是这种
ROI特别特别正的时候
我们也不想去砸钱去做
因为我们觉得你还不如把
这些钱投入在招更好的人
去develop更好的产品
这是我们内部的一个整体的认知吧
就是整体产品的这个优先级
就是包括用户体验的优先级
还是大于其他渠道的整个优先级
或者说把这些钱甚至用在LLM的token上
让我们自己的用户
或者让我们自己的团队成员更多地用更好的模型
嗯
你们本身是有一个传播指数的产品
所以说其实增长对你们来说还好
不是那么生死攸关
还好但是也挺难
因为你想你用户基数变大的话
也是得有个破圈问题
因为我们现在确实产品
对于Tech群体关注度比较高
但是我们还是会想
延伸到更多的群体
就比方说sales、marketing、HR等等
让更多的产品不同属性的人
都能benefit from我们的产品
Carina你是怎么知道Jobright的
我当时应该小红书
或者是Reddit上看到了
因为当时我找工作的时候
每天用LinkedIn感觉太低效了
然后想找一些有没有AI automation tool
然后就在小红书上去搜
Reddit上搜
搜到了很多乱七八糟
的很多很多很多产品
然后就再一个一个去搜产品
看看Reddit上有没有人去评那个产品
发现有很多产品都是Scam
就骗你去付费之后也不好用
后面Jobright是我感觉一直是免费用
然后用到还挺好用的产品
Ethan你做小红书的期望是什么
对是这样的
我们也要招人哈哈
我们最近也是想要招
更多高潜的这种AI人才嘛
虽然我们做招聘的
说实话我们自己招人要求还比较高
你可以去社区里边
发一个那个招聘帖
然后也借这个机会跟大家
讲讲你的招聘需求和你能
给大家什么样的东西呗
确实行
挺感谢的
因为我们现在其实你可以
理解各个职位都在去招
包括前端后端
当然比较重要的确实是
agentic这种AI的一些开发者
包括甚至产品经理
包括go to market
其实也都在招
要求会稍微高一些
对于整体的能力啊
或者说水平上
就是希望首先拥抱AI嘛
真正把AI当做你生活中很重要的一部分
你包括我现在不大social
跟团队成员聊都少了
我现在天天就跟AI聊
就是开一个什么语音这种软件
现在就不给他们做广告哈哈
然后就天天语音跟AI聊
天天就开了一个Claude窗口
一个ChatGPT窗口
一个Manus窗口
如果比较复杂的任务
我就分别给三个
让三个执行
然后我对比一下结果
如果可能我觉得某一个平台比较适合某一些任务
比方我日常的需求
我就给ChatGPT
因为ChatGPT感觉跟我交流还挺好的
就Claude老教育我
哈哈哈像我的导师哈哈哈
老教育我对
因为Claude的safety做的真的是很绝
稍微干点啥东西
他都会开始直接教育我
我怎么从来没有遇到过啊
那说明我干的任务太正直了是吧
哈哈哈所以就是说
基本上还是希望大家
用AI的能力比较强
除了拥抱AI
你还有没有什么其他的要求
要求并没有很多
哦我正好想说一个现在招聘
的一个方式的一个变化
就对我们也一样
我会发现很多现在
的公司都会轻简历
轻面试
它很多公司不会过度
关注你简历写的内容
不会过度关注面对面
的这种remote的面试
它会更重合作
前一两面我觉得差不多就行了
然后可能有些公司会对学校
或者说你的履历稍微卡卡
然后差不多的人他会直接让你
去onsite或者直接remote咱工作一下
就比方说现在AI很火的一些公司
比方说Cursor
都是这种形式
就是他们会要求你很多都是
周末过去跟他们合作两天
第一看你
实战能解决问题的能力用AI
因为说实在
你现在面个题
让你写个LeetCode
让你做个system design
确实是有点过时了
只有身体力行去实战
去看你的能力
这个才是最重要
第二看你这个人能不能在周末
因为一些公司比较紧急的事情
当然说得不好听点
牺牲个人的时间
能跟公司一起去卷对吧
都是这样判断候选人
这个流程中文可能叫试工
或者说英文叫work trial
一般都是付费形式
就是说他会给你目前薪资的
合作几个工作日
就按几个工作日去付费
深度去考察一下你
我觉得越来越多的公司其实
现在比较prefer这种的流程
大家不要觉得小公司简单
其实反而小公司要求才是最高
可能最难的
大公司要模板嘛
小公司要干活
哈哈哈是是是
嗯
那我最后问你两个问题啊
就是帮大家澄清误解
给job seeker澄清一个误解
然后给创业的人澄清一个误解
你会给大家什么样的建议
我觉得创业者越来越多的人都要招
一个head of marketing来解决marketing的问题
本质上这个其实是有问题的
早期公司尤其是AI startup
我觉得marketing不是一个
完全可以外包的职能
就本质上founder
需要对你的用户市场
定位传播有很深的理解
然后marketing属于很重要的一环
如果你的founder自己都讲不清楚
你怎么去宣传给市场
你的product message是什么
你招一个marketing leader
很难去凭空解决
所以你像我们其实也犯过错
因为我们早期的founder必须
要下场自己做distribution
包括写内容见客户做早期的销售
讲故事去测试更多的渠道
到后面真正你觉得你
自己打通了这个领域
你需要scale的时候再招一些人
专业团队那是没问题的
但早期这个底层逻辑
我觉得founder必须自己想清楚
这东西是极其重要的
这个是我想对founder说的
job seeker呢
对于job seeker
我可以这样说
很多人还是传统的
觉得找工作是投简历
我想澄清的是
在现在这个市场
因为找工作太难了
我觉得找工作本身
确实是一份全职工作
你需要制定自己的strategy和优先级
你要找机会
判断机会改简历
联系recruiter
准备面试
联系内推
复盘反馈
包括维护你的LinkedIn、GitHub
包括build你的AI profile
这些都是需要策略和节奏
就是你实际解决一个
很复杂问题的一个能力
还有一点其实很重要
就是说没有反馈或者被拒
在这个市场里非常非常正常
大家不要因为这个depressed或者说什么
他实际不一定说你不行
有可能只是说这个岗位
渠道时间点或者表达方式
没有产生足够多的signal
所以就不要把每一次没回复都当成自我否定
你要做一个更多的系统反馈的信号
不断调整你自己的方向
简历渠道节奏
不停地自己
improve自己
就跟自己创业一样
自己解决一个复杂问题一样
可能做做AB实验
让这个东西变得有意思
首先找工作很难
这东西必须要承认
但承认它难不是为了更焦虑
我觉得是更认真更系统地对待它
只有你真正系统对待它
你的正反馈会一点点来
整个市场还是有足够多的岗位的
你要相信第一有足够多的岗位
第二跟你竞争的人没有那么强
有足够多提升的机会
感谢感谢
Ethan你对我们以及对观众
你有没有什么最后
你觉得要说的东西
这期聊挺好的
然后我很多的表达也比较personal
代表我个人
嗯
很短浅的一些认知
然后也不代表任何的公司
然后如果有冒犯了
也希望大家多包涵
因为我觉得看这节目的很多也都是白领嘛
尤其是AI确实对白领的冲击很大
也希望大家在AI高速发展中找到一些东西
能达到身体和心灵的一种平衡
我觉得是很重要的
能让自己在这个很嘈杂的环境中
能解解压
找到一段时间
能让自己心灵变得很平静
不要被这些外界的
各种各样的信号所干扰到
让自己的内心变得更强大
我觉得反而是在这个
高速增长的环境中
对每个人都需要想想怎么去做的
好的好的Ethan
非常感谢
我觉得今天聊的还是很有帮助的
希望这些东西吧
能被更多的
不管是job seeker啊
还是在考虑自己在这个时代要干什么的人啊
能看到
我觉得里边很多干货
都是一些既有亲身体验
然后又看到了整个市场上
非常多的趋势的Vantage point很宝贵
非常感谢