公司
Jobric
创始人
Erik Chavez
收入
每月 3300 美元
Erik Chavez 是微软的高级解决方案架构师，业余时间他创立了 Jobric ，一个人工智能职位匹配平台，该平台专注于求职者而非雇主。他在不到两个月前推出了这个平台，目前已经达到了每月 3300 美元的 MRR。
以下是 Erik 讲述他的做法。👇
目录
从早上 5 点工作到晚上 10 点
我在云和平台工程领域工作了超过十五年，从系统管理员一路做到副总裁级别的云战略顾问。在这个过程中，我建立并领导过云卓越中心，负责过数据中心到云的迁移项目（每年节省七位数成本），并为从初创公司种子轮到财富 100 强的各类企业提供过咨询。我目前是微软的高级解决方案架构师，利用自己的时间和资金来构建 Jobric。大多数日子都是从早上 5 点工作到晚上 10 点。
Jobric 是一个完全为求职者（而非雇主）构建的人工智能职位匹配平台。这个领域的所有其他工具都是为付费方（即招聘人员）服务的。Jobric 则反其道而行之：你上传简历，设定偏好，平台就会筛选整个市场，只留下几个值得你投入时间的职位，并根据你的匹配程度进行评分。
人们听到“人工智能匹配”时，通常会认为它只是大型语言模型的壳。但事实并非如此。Jobric 的很大一部分是专有工程，从不接触模型：包括匹配逻辑、评分以及支撑这些功能的数据工作。在此之上，我在内部运行一组小型语言模型。人工智能处理它擅长的狭窄任务，而底层的工程则确保匹配的准确性，并将成本控制在可以无限期自筹资金的水平（如果必须的话）。
我们于 5 月 1 日推出，目前月经常性收入已达到 3300 美元，全部来自在公开测试版之后转化并自掏腰包的求职者。我真正关心的信号是背后的付费转化率。整个行业都认为求职者不会付费，因为像 LinkedIn 和 Indeed 这样的招聘网站和平台已经让人们习惯了免费。事实证明，当产品对他们有效时，他们是愿意付费的。
现在，我专注于在资金成为正确选择之前，它能实现多大的有机增长。
为人民而建
我为一个我所爱的人创建了 Jobric，她当时被困在一份让她心力交瘁的工作中。在紧张的一天结束后，想到回家还要去找另一份工作，就让她感到难以承受。她知道我在科技行业工作，并且最近在人工智能方面研究颇深，于是问我是否可以为他们建立一个“代理”，能够监控他们领域的职位发布，并定期通过电子邮件发送与简历匹配的职位。
我当时以为这会是一个有趣的副业项目。但随着我不断开发并收到她的反馈，事情发生了转机。她真心感到兴奋，而且这个工具确实能够找到既高度匹配又是最新发布的职位。就在这时，我意识到这不仅对一个人有用，它可能对几乎任何人都很重要。
真正的转折点发生在我用自己个人资料进行测试时。一个职位信息出现在了我的收件箱里，我的真实反应是：“哇，我甚至想申请这个职位了。”我自己永远不会去看这个职位，因为它的头衔在我的领域并不常见，所以我一定会直接忽略它。而产品看到了一个我自己都无法发现的匹配。就在那一刻，我决定必须让这个产品问世。
从那时起，建立一个“来自人民，为了人民”的产品就成了我的使命。和几乎任何人交谈，你都会听到同样的说法：找工作太痛苦了。十轮面试，数不清的申请，没有任何反馈。每个人都明白这种痛苦，而现有的“解决方案”毫无帮助。“用我们的工具广投 1000 份申请，我们会为每份申请自动重写你的简历”这种方法根本不现实，每个求职者都知道这一点。
意识到真正的复杂性
为一个人构建第一个版本时，为人工智能提供足够的上下文是件很简单的事。在我自己身上测试也得到了类似的结果。看起来似乎可行。然后，我向一个朋友要了他们的简历，输入到早期的 Jobric 系统中，结果彻底失败了。这个人在网络安全领域工作，但系统将他的背景理解为物理安全，比如保安。原因在于：他最近的职位头衔是“安全官”，从字面上看，完全看不出有技术背景。人工智能根据字面意思理解了这个词，从而完全误解了这个人。
这让我走上了一条揭示非技术问题的道路。真正的问题是人的问题：当头衔会误导人且语言表述不一致时，你如何准确地识别一个人是做什么的，以及同样重要的是，职位描述在要求什么？
因此，我最初的大部分时间和金钱都投入到了研究上，而不是写代码。我专注于弄清楚哪些数据点重要，哪些是公开可用的，以及如何先使用工程手段、其次才是人工智能来实现精确匹配。我早期最大的开销是使用我能找到的所有简历进行无数次测试。我知道这是一个值得的赌注，所以用个人储蓄来资助这项研究。
整个构建过程一直保持精简，因为我足够了解云架构，可以保持较低的基础设施成本，并且我自己能完成大部分硬核的工程工作，从而避免昂贵的模型调用。
对于我专业领域之外的部分，我并非独自应对。随着 Jobric 的发展，我引入了非全职顾问来覆盖一个独立技术创始人无法顾及的领域：一位首席信息安全官负责安全，一位总法律顾问负责法律事务，一位首席财务官负责财务，以及一位已经成功退出的创始人负责运营和上市推广方面。这确保了我不会在真空中摸索其余部分。
容器化技术栈
我们的技术栈划分很简单：
- Python 运行“大脑”。
- TypeScript/Node 运行用户接触到的所有部分。
- 人工智能和数据工作——解析简历、将求职者分类到正确的职业领域、评估他们与工作的匹配程度——使用 Python，因为它是现代人工智能工具的原生语言，拥有最好的库和模型 SDK。
- Next.js (React/TypeScript) 为求职者应用和我们的合作伙伴门户提供支持，提供快速、现代的网页体验，并允许小团队快速行动。
我从第一天起就采用了容器化。许多服务在依赖层面共享基础，因此少数基础镜像支撑着一切，使得按需扩展从一开始就变得直接。在架构上，我最自豪的是几乎没有什么是一直运行的。那些耗资源的工作——如匹配度分析、公司简报、职位匹配——都是按需进行。每一个部分都是一个独立的容器化服务，启动、完成工作，然后进入休眠。我们通过一个消息队列来协调所有工作，该队列可靠地传递任务，并允许每个部分根据需求独立扩展。这样做的回报是成本和可靠性：我们无需为保持一个巨大的常开机器空闲而付费，并且某个区域的活动激增不会导致整个系统瘫痪。
对于人工智能本身，我在内部的小型语言模型上运行核心的匹配和分类功能。使用带向量搜索的 Postgres 来处理语义匹配。
扩展的可能性
我们的模式经过精心设计，非常专注：面向求职者的订阅制。我们提供免费的 Seeker 级别，以及每月 29 美元的 Candidate 和每月 49 美元的 Contender 级别，并支持按季度到按年度的付费选项。这是我们目前的收入来源。我们没有广告，更重要的是，我们绝不售卖求职者的数据。Jobric 为求职者服务，因为他们的利益至上。我们所有功能的构建都优先考虑这种一致性。
我们在 3 月和 4 月进行了免费测试版，以压力测试匹配质量，之后才向任何人要求付费。我们于 5 月 1 日开始收费，目前拥有 3300 美元的月经常性收入。才两个月，我不会假装已经有了显著的增长曲线，但我看到了在一个所有人都断言求职者不会付费的领域里，出现了早期且持久的付费转化。利润率方面也有优势：作为一名云架构师，我在内部以大约每月 20 美元的固定成本运行一组小型语言模型，用于处理高工作量的任务，只有高强度的推理才会调用前沿模型。随着我业务的增长，单次匹配成本会下降。任何纯粹依赖第三方大型语言模型的人则会面临相反的问题。
扩展有几个方向。最简单的方向是升级：从免费到付费，以及从 Candidate 升级到 Contender。地理范围提供了一条更大的扩展路径：我们从第一天起就在美国、英国和加拿大推出，而不仅仅是美国。欧洲是下一个目标。每一个新市场都能以微小的额外成本扩大我们的受众。
细分市场代表最大的机遇。Jobric 是为所有人构建的，而不仅仅是科技行业。我花了很多时间与大学、职业教练以及完全不同领域的人交流，以了解每个群体的困境。这推动了服务于其他平台忽视的用户的功能：虚假职位和骗局检测、签证担保筛选等功能即将推出。
用户流失是一个需要坦诚面对的挑战，它根植于业务模式本身。如果我做好本职工作，你找到了工作，那么你就不再需要我了。留存和扩展变成了同一个问题：如何在求职间歇期保持对用户的价值？这种思考驱动了我目前正在构建的最大功能，但现在还不到详细说明的时候。在不透露细节的前提下，它的目标用户既包括正在积极求职的人，也包括那些已经有工作但希望在职场上保持领先的人。如果这个功能成功落地，它将把 Jobric 从一个求职工具转变为一种你会一直保留在身边的东西。
从这一切中得到的建议是：在你感觉舒适之前就开始收费。免费用户几乎告诉不了你什么。当一个陌生人愿意为他们本可以免费获得的较差版本而自掏腰包时，这才是唯一重要的验证。在此之前的一切都只是有流量的爱好。
在 LinkedIn 上教育市场
LinkedIn 从一开始就是我们的引擎。Jobric 未来的用户就在那里，所以当我需要测试版用户时，我直接面向公众询问谁想尝试新东西。这就是我吸引第一批用户的方式，目前它仍然是主要渠道。我把它当作一场营销活动来运作，而不是随机发帖，并根据什么内容能引起共鸣不断进行调整。有一个数据让我自己都感到惊讶：企业页面在一个月内就获得了超过 100 个关注者，这对品牌页面来说比个人资料更难实现。
我们自己平台的数据驱动了大部分内容。驱动匹配功能的同一市场情报也为我们发布的内容提供了信息，包括我们在 6 月推出的通讯和博客。我不需要猜测该说什么，而是直接使用 Jobric 在就业市场上观察到的信息，这使得内容既具有差异化，又能不动声色地展示底层产品的实力。
研究不仅塑造了内容，也塑造了渠道策略。我花时间与不同的群体、大学和职业教练交谈，以了解 Jobric 不仅是如何帮助他们，更重要的是为什么对每个特定群体来说都很重要。我是一个“从为什么开始”的人，我越是回到 Jobric 存在的原因，信息传达就变得越清晰。这正在推动我在下半年取得比上半年大得多的进展。
如果让我给出一条增长建议，那就是最困难的部分不是触达用户，而是重新编程一种惯性思维。招聘网站、LinkedIn 和一键申请工具已经让人们相信数量多就等于质量好。更多的职位列表、更多的申请、更多的活动。而 Jobric 则反其道而行之：更少但更优质的职位列表。因此，增长的关键在于说服人们，质量优先于数量不仅仅是一种更体面的求职方式，而且是唯一尊重他们时间的方式。
一旦改变了这种信念，产品就能自我推销。这就是我正在解决的市场营销问题。
反馈与书籍
终端用户的反馈对我而言是最有价值的东西——不仅仅是积极的反馈。在测试版期间，我们不断地主动寻求反馈。大多数反馈都是鼓励性的，并附带一些我们直接整合到产品中的建议。但最愤怒的反馈给我的印象最为深刻。
一位测试版用户告诉我：“你应该为我的时间付钱，因为这是个垃圾产品。”你不可能让每个人都满意，我们几乎肯定永远失去了这位用户。但我从中吸取了重要的教训。测试版用户只需要上传一份简历，然后等待工作找上门来就行了。对他们来说无需成本，也无需真正的努力。那么他们为什么会如此愤怒？因为 Jobric 背后的承诺对人们来说确实很重要。人们不会对漠不关心的事情如此生气。人们对当今的求职方式感到筋疲力尽，而那种反应让我明白，我正在构建一个值得他们为之愤怒的东西。这比任何赞美都更能激励我。
另一件有帮助的事情是 Simon Sinek 的《从为什么开始》。这本书最近对我影响很大。它不断地将我拉回到 Jobric 的真正目的——不是功能列表，而是它为何存在，为谁服务，以及如何向从未听说过它的人清晰解释。当日复一日的琐事变得喧嚣时，回归‘为什么’能让决策变得清晰。
专注、思考，真正理解你的产品
我的建议？专注。然后更加专注。我担任一些初创公司的顾问，我看到‘蝴蝶大脑’毁掉了其中的大多数。你知道那个小孩或者小狗看到蝴蝶就去追，然后第二只蝴蝶飞过来，他们又去追那只，以此类推。现在，有数量惊人的创始人是这样运作的，而人工智能使得情况变得更糟，因为你可以立刻追逐每一个闪光的想法。专注于一个问题并坚持直到解决它的纪律性如今已变得罕见，而这正是预测谁能取得进展的最重要因素。
与之相关的是：在动手构建之前先思考。我会问创始人一个基本问题，比如：“请给我讲讲你用户的工作流程：他们从哪里开始，想要解决什么问题？”得到的不是答案，而是“看看我用 Claude 做的这个酷炫原型图”。人们直接冲向解决方案、演示、视觉效果，而忽略了先坐下来思考问题并提出尖锐问题。你不必接受所有建议，但你必须思考并做研究。设计原型图是简单的部分。了解它为什么应该存在才是真正的工作。
最后，我是认真的：了解你自己的产品。我和一些创始人聊过，他们用人工智能工具构建了产品，却无法回答关于产品如何工作的基本问题。无论你是否懂技术，这都不是借口。如果是人工智能构建了它，那就用它来盘问它。问它做了什么，为什么选择那些方案，以及哪里可能脆弱。不懂技术不能成为对自己产品感到陌生的借口。那些无法解释自己构建了什么的创始人，在第一次出现问题时就会陷入困境。
下一步是什么？
我最大的目标是让 Jobric 成为任何人在找工作时首先想到的起点。不是他们去查看的招聘网站，而是整个求职过程所依赖的信任层。人们已经感到厌倦，人工智能又让一切充斥着噪音；求职者缺乏一个他们可以真正信任并站在他们这边的工具。这就是我希望 Jobric 占据的位置。
其中一部分是拒绝接受其他人视为常态的事物。想想薪资数字：我们的数据显示，只有大约 57% 的职位信息带有真实细节。为什么这是可以接受的？我无法强迫雇主变得诚实，但我可以让不诚实的行为失效。如果一个职位信息隐瞒了人们做出真正决定所需的基本信息，Jobric 可以标记它、过滤它，或者揭示雇主隐藏的信息，让这些把戏悄然失去作用。平台越是这样做的越多，就越能保护人们而不是浪费他们的时间。
最终，目标很简单，也很人性化。我希望人们能找到工作，而不会在快速变化的事物中迷失方向，并且最终能获得一份真正合适的工作和一丝求职之初所没有的希望。如果 Jobric 能够可靠地、大规模地、为所有类型的劳动者做到这一点，那么它就实现了我的初衷。
要查看产品，请从这里开始。想了解市场评论和我在此讨论的大部分内容背后的数据，请阅读我们的通讯：《来自 Ric 的最新消息》。
要关注我或直接联系，我经常在 LinkedIn 上发文：Jobric 和个人主页。我真的很容易联系到，所以如果这里有任何内容引起了你的共鸣，请随时发送私信。
订阅