3人团队做AI投简历工具，年入200万美元复盘
编辑点评 · AI 连续创业者视角（以下内容由 AI 提炼，观点归原作者；读完可不看原文）
Massive是一个AI自动投简历SaaS，解决求职者重复填表痛点。关键数据：月收入约20万美元，等候名单转化率仅0.5%，一条1100万播放视频仅带来2万美元MRR（A·自称）。对搞钱者意味着：求职是强需求且结果有经济回报，适合做订阅制服务；最大坑是自然流量转化不稳定，后期需靠付费广告。可行动点：参考其“手动推广获前500用户”及“80%重复验证过UGC格式”的策略冷启动。
- 前期用LinkedIn短帖验证需求，避免盲目开发
- 初期手动私信潜客获取前100-500个付费用户
- UGC内容80%迭代验证过的格式，20%尝试新玩法
- 强需求+高价值结果场景适合直接上付费墙
- 自然流量转化波动大，规模化阶段依赖付费广告
一、这是什么机会
Massive 是一个 AI 求职 SaaS，由 3 人核心团队（创始人 Dan、1 名全职工程师及少量虚拟助理）运营。它解决求职者跨平台重复填表、定制简历的痛点，通过订阅制收费，套餐按自动投递数量分级（如月投 150/600 份）。
二、独立判断
值得做。求职是强需求且结果有明确经济回报（拿 offer），用户付费意愿高。但需警惕：自然流量转化极不稳定（1100 万播放仅带来 2 万美元 MRR），后期规模化必须依赖付费广告，冷启动阶段纯靠 UGC 风险大。
三、冷启动路径
第一步：发一条 LinkedIn 短帖验证需求（参考 Dan 做法：500 联系人基数，文案极简“AI 帮你投简历”）。成本：0 元。周期：1-2 周看互动数据。若数据好，跳过等候名单，直接上线最小付费版本，手动私信前 100-500 个潜客获取首批真实付费用户。
四、最大风险与避坑
致命坑一：沉迷收集邮箱（等候名单 4-5 万人，转化率仅 0.5%）。应对：早期坚持“付费即验证”，不做大额资源投入到未付费的线索池。坑二：UGC 内容失控。应对：遵循“80% 迭代已验证格式，20% 新实验”原则，避免 500 条低效视频堆砌。
五、案例复盘（别人怎么做的）
- 需求验证：创始人 Dan 在 GPT-3 发布后，团队工程师提议做自动填表工具，Dan 起初不看好。他先在 LinkedIn 发测试帖，获 800 万曝光、5000 条评论，确认市场热度。
- 定位表达：使用“Tinder for jobs”而非“job search on autopilot”，借用熟悉概念降低理解成本，提升传播效率。
- 冷启动获客：产品上线后，团队手动在求职平台抓取用户信息，一对一发送真诚私信，获取首批 100-500 个付费用户。4-12 月期间 MRR 仅 2 万美元，资金紧张靠手动推进存活。
- 内容策略：一条视频获 1100 万播放，但前 300 万几乎无转化，300-350 万万播放时转化激增（推给白领群体），500 万后再次衰减。教训：自然流量不保证转化，需靠付费广告定向优化。
- UGC 管理：不追求数量，而是盯住一个已跑出数据的内容格式（如某视频从几百播放迭代至 170 万），分析其眼神、语气、停顿等细节，让创作者连续迭代该版本，避免制造“内容垃圾”。
六、双轨可执行性
跨境：可行。直接复刻产品逻辑，初期通过手动抓取 LinkedIn/TikTok 求职板块用户私信获客，上线硬性付费墙。国内：此轨道不可行。国内求职流程由招聘 APP 强力锁定，AI 自动投递易触发反爬限制，且用户习惯免费工具，付费墙阻力极大。
原文 · 热门文章 - 日榜 - 人人都是产品经理：阅读原文 →
