今天分享的是：Massive，https://usemassive.com/

Massive 是一个 AI 求职工具：用户上传简历、填写求职偏好，Massive 会自动匹配岗位，定制简历和求职信，再帮用户投递到公司官网。

创始人 Dan Vykhopen 把它称为 “Tinder for jobs”。（Tinder 类似于探探）

也就是说，用户不用在招聘网站上一个个填表，而是像刷 Tinder 一样看岗位。

选中之后，后面的重复填写、简历调整、求职信生成和投递，由 AI 和后台流程完成。

这个产品现在做到约 20 万美元月收入，年收入超 200 万。

团队规模很小，核心成员包括创始人 Dan、一名全职工程师，以及少量虚拟助理和运营人员。

Massive 的产品能力并不复杂，但从消费 App 推广的角度看，Massive 是一个很值得分享的案例。

---

01｜Massive：AI 替你投简历

Massive 解决的是求职流程里最烦的一段：重复投递。

找工作的人经常会遇到几个问题：

岗位散落在 LinkedIn、Indeed、公司官网、招聘系统里；

每个岗位都要重新填一遍个人信息，简历要根据岗位描述调整；

求职信要单独写，投完之后，经常没有回复。

Massive 的产品流程就是把这些动作自动化。

用户先上传简历，填写目标职位、行业、地点、薪资、工作偏好等信息。

系统会根据这些条件匹配岗位，再帮助用户定制简历和求职信，最后去公司官网提交申请。

所以 Massive 的订阅套餐也围绕“申请数量”设计。

不同套餐对应不同数量的自动投递，比如每月申请 150 个、600 个岗位等。

所以 Massive 的核心价值不在于它用了 AI，而在于它把一个明确耗时的流程变短了。

求职者愿意付费，也不是因为产品很酷，而是因为找工作本来就有明确经济回报。

因为一旦拿到更好的 offer，几十美元的订阅费就很容易被接受。

---

02｜起点：一个创始人自己都不喜欢的想法

Massive 不是 Dan 一开始就坚定要做的方向。

在一个访谈里，Dan 说 GPT-3 刚出来时，团队一名工程师提出：可以用 GPT 填写求职申请。

Dan 第一反应是，这个想法很蠢。

但他自己一直讨厌求职流程，身边也有很多朋友正在经历这个问题。

于是他决定先发一条 LinkedIn 测试。

当时他在 LinkedIn 上大概只有 500 个联系人。他发的内容很简单，大意是：如果我做一个工具，用 AI 帮你填求职申请，会有人想用吗？

结果这条帖子爆了。

这条 LinkedIn 帖子拿到约 800 万曝光、5000 条评论。很多人表达了强烈兴趣。

也就是说，Massive 仅用了一个简单、清楚的产品表述就验证了市场需求。

这句话足够简单：AI 帮你自动投简历。

相比之下，如果他说“你的 AI 求职自动化平台”、“用大语言模型优化招聘流程”，传播效果大概率会差很多。

Dan 后来反复强调，“Tinder for jobs” 就比 “job search on autopilot”更容易让用户理解。

因为前者借用了一个所有人都熟悉的产品模型。

这也是 Massive 的第一个经验：早期产品不要先追求表达完整，要先追求一句话听懂。

---

03｜等候名单有 4 到 5 万人，但几乎没用

LinkedIn 帖子爆了以后，Massive 做了等候名单。

两个月里，他们通过 LinkedIn、UGC 内容、岗位清单等方式，收集了大约 4 万到 5 万个候补用户。

看起来很漂亮，但产品正式上线后，结果很差。

Dan 说，等候名单里只有大约 0.5% 的人最终转成注册，真正付费的人更少。

很多人已经忘了这个产品，或者当时只是顺手留下邮箱，并没有强意愿付费。

这个结果让他很受打击。

因为他们前面花了大量时间做等候名单、邮件收集，最后几乎没有形成有效收入。

所以他后来的判断很直接：等候名单用处不大。

等候名单可以证明有人感兴趣，但不能证明有人愿意付钱。

如果他现在重新做一个新 App，他不会先收邮箱，而是会更早测试付费。

哪怕只是一个很小版本，也要让用户先付钱。因为付费行为比邮箱更真实。

这个判断对很多创业者都有参考，我之前的不少文章都提到过这个打法。

很多项目早期会沉迷“多少人预约”、“多少人填表”、“多少人进群”。

但这些都只是低成本意向，不等于购买意愿。

Massive 真正开始起步，是在产品上线后，拿到第一批真实订阅。

---

04｜第一批付费用户怎么来的：手动推广

Massive 上线后，并没有立刻靠广告跑起来，他们先做了很传统的手动推广。

Dan 在一个求职平台上做了一轮推广，也会手动抓取帖子、邮件和潜在用户信息，再给这些人发比较真诚的私信，告诉他们这个产品可能对他们有用。

这不是高科技增长，就是一对一拉用户。

靠这种方式，他们拿到了第一批 100 到 500 个付费用户和反馈。

之后，从4月到12月，团队一直在手动推进，大概做到 2 万美元 MRR。那段时间团队资金很紧，几乎快要撑不下去。

很多人看到 Massive 现在 200 万美元 ARR，会以为它是靠一条爆款内容直接起飞，实际不是。

它的真实路径大概是：

• LinkedIn 帖子验证了需求；

• 等候名单带来大量无效线索；

• 上线后通过手动推广拿到第一批付费用户；

• 靠真实收入和反馈，把产品做到可继续投放的状态；

• 后面再进入 UGC、达人、付费广告的放大阶段。

---

05｜为什么它敢上硬付费墙

Massive 是订阅制产品，而且比较早就用了付费墙。

也就是说，用户不能无限免费使用，核心功能需要付费。

Dan 的判断是：如果产品真的解决问题，用户应该愿意付钱。

这个判断在 Massive 上成立，有几个原因：

第一，求职是强需求。

用户不是随便试试。找工作的人本来就有明确目标，尤其是刚被裁员、正在换工作、想从白领岗位跳槽的人。

第二，结果有明确经济价值。

如果用户因为 Massive 多拿到一次面试，甚至找到一份更好的工作，订阅费相对很小。

第三，产品节省的是高痛苦时间。

填表、改简历、写求职信，不是用户喜欢做的事。这个流程越重复，自动化的价值越清楚。

第四，用户已经习惯为求职相关服务付费。

简历修改、职业咨询、求职课程、面试辅导，本来就有人付费。Massive 只是把其中一部分变成软件订阅。

这也是 Massive 和很多轻娱乐 App 不一样的地方。

有些 App 要靠免费体验和留存慢慢教育用户。

但 Massive 这种产品，用户一进来就知道自己要什么：更快投递，更多匹配，更多面试机会。

当然，这也要求产品承诺不能太虚。

如果用户付费后发现岗位不匹配、申请质量差、简历乱改、投递不可控，退款和差评也会来得很快。

---

06｜1100 万播放，也可能转化很差

Massive 有一条视频做到 1100 万播放，但转化不理想。

Dan 说，这条视频大概带来 2 万美元 MRR。听起来不少，但对于 1100 万播放来说，效率并不高。

更有意思的是，他观察到这条视频的转化并不稳定。

0 到 300 万播放时，几乎没什么转化；

300 万到 350 万播放时，转化突然很好；

350 万到 500 万播放后，转化又变差。

原因可能是平台在不同阶段把视频推给了不同人群。

某个阶段推到了白领求职者，转化就好；后面推到更泛的人群，播放继续涨，但付费变少。

这说明自然流量有一个问题：

平台优化的是观看和互动，不是你的订阅收入。

TikTok 或 Instagram 会把视频推给更愿意看、评论、转发的人，但这批人不一定是愿意付费的人。

这也是 Dan 后来更重视付费广告的原因。

广告平台至少可以用转化事件来优化，把预算更多推给相似购买用户。

UGC 则更像概率游戏，需要大量内容、创作者管理和人工判断。对产品很泛的 App，UGC 可能更容易放大。

对 Massive 这种目标用户比较具体、付费门槛较高的 App，纯靠 UGC 会比较难控。

所以 Dan 后来的判断是：

如果目标是转化和规模化，付费广告可能比大规模 UGC 更值得投入，因为数据更快、更清楚。

---

07｜UGC 怎么做：不是乱试，而是反复迭代同一个格式

Dan 对 UGC 有一个很明确的观点：80% 应该来自已经验证过的格式，20% 才是新实验。

他不鼓励团队每天随便拍新东西。

他会先找已经在同类方向里跑出来的内容格式，再拆它为什么有效，然后让创作者反复迭代。

同一个结构，有的视频只有几百播放，有的视频能做到 170 万播放。

区别可能是眼神、语气、停顿、旁边人反应、镜头移动方式，以及“发现感”是不是真的。

所以 UGC 不只是找一堆创作者发视频，它需要管理：

• 要找到能演出这个格式的人；

• 要让他们理解这个格式为什么有效；

• 要允许他们连续几周迭代；

• 要观察哪个版本开始从几千播放变成几十万播放；

• 要把有效版本继续复制。

Dan 反对那种“500 条视频，每条几百播放，换来换去”的 UGC 项目。因为那不是迭代，只是制造内容垃圾。

Massive 的经验是，真正有效的 UGC 更像产品优化：

盯一个格式，不断微调，直到它能稳定转化。

如果长期关注我内容的小伙伴会发现，这个方法几乎是“铁律”。

---

08｜让用户想买，比优化按钮更重要

在短视频和广告里，创意的重要性往往大于落地页优化。

Dan 举了一个他买瑜伽课的例子：

他原本不想买瑜伽课程，也没有主动搜索拉伸产品。但他看到一个广告，开头是这样的：

如果你每周跑步超过 10 公里，并且髋部很紧，原因可能是这个。

这句话直接命中了他。

当他看完广告，理解问题和解决方案之后，即使购买流程很差，手机上很难付款，他最后还是切到电脑上付了 100 美元。

这个例子说明一件事：

如果用户真的被说服，他会克服很多购买路径上的麻烦。

如果用户没有被说服，再顺滑的页面也很难转化。

当然，这不是说转化率优化不重要，付费页、落地页、价格、优惠都要做。

但对早期消费 App 来说，先把“用户为什么要买”说清楚，比先改按钮颜色更重要。

---

09｜灰色营销：短期有效，长期风险很高

这里有个不能忽视的问题：AI 求职类 App 的灰色 UGC 很多。

有些竞品会复制真实用户的“拿到 offer”、“被裁员”、“接电话收到录用通知”等视频格式，然后让演员假装自己真的通过某个工具拿到工作。

视频本身不直接卖产品，而是在评论区引导：“我用的是某某 App。”

这种方式可能短期有效，因为它看起来像真实经历，评论区也容易转化。

但问题也很明显：

如果用户以为这是一个真实求职结果，而实际是广告或表演，就涉及误导；

如果视频复制了别人的真实经历，还可能侵犯原创内容；

如果评论区刻意伪装成用户推荐，也可能违反广告披露要求。

Dan 对这类做法态度很明确：不做。

原因不是它没有效果，而是 Massive 想长期做公司。

如果一个公司早期就靠误导用户增长，这会影响品牌、团队文化和后续监管风险。

这个提醒很重要。

现在消费 App 圈里，很多团队都在学 UGC、短视频、评论区转化。但不是所有有效方法都能用。

尤其是求职、教育、健康、金融、情感这些高信任场景，虚假承诺和伪装用户反馈很容易出问题。

增长不能只看 CPA 和播放量，也要看长期信任成本。

---

10｜行业风险：AI 投简历可能会加剧招聘系统拥堵

Massive 这个方向有一个更大的行业问题。

AI 自动投递对用户来说很有吸引力，但对招聘系统可能是压力。

有人用 AI 工具投了 5000 份申请，最后拿到约 20 次面试。

工具确实省时间，但命中率很低，也让招聘方收到更多重复或低质量申请。

招聘方的担心也很直接：如果候选人自己都不知道投了哪些岗位，或者 AI 随机填写问题，那招聘流程会更混乱。

也就是说，这些工具会让求职者更容易批量申请，也可能导致企业收到更多相似简历，进一步推动招聘方使用更强的筛选系统。

这会形成一个循环：

求职者用 AI 大量投递，企业收到更多简历；

企业用 AI 更强筛选，求职者再用更强工具绕过筛选。

这和教育里的 AI 写作、社交媒体里的 AI 内容很像。

一旦双方都开始自动化，整个系统会变得更拥堵。

所以 Massive 的长期价值，不能只停留在“帮用户投更多”。

如果它只做海投，最终可能会被招聘平台限制，也可能被企业视为垃圾申请来源。

更稳定的方向，是提高匹配质量。

Massive 在公开资料里也强调，它不仅是填写申请，而是会做职位匹配、定制简历和求职信，并尝试把用户送到更合适的岗位上。

如果未来它能从“自动投递工具”变成“高质量求职匹配平台”，长期空间会更大。

---

11｜对国内团队有什么参考

Massive 的方向在国内不一定能原样复制。

国内招聘平台生态不同，BOSS 直聘、猎聘、智联、前程无忧、脉脉、小红书求职内容、企业官网、校招系统，各自规则都不一样。

自动投递也可能触及平台风控和数据合规，但它的产品和增长方法有参考价值。

第一，选高痛苦、高回报的场景。

找工作是典型高痛苦场景。用户愿意付费，不是因为 App 好玩，而是因为结果重要。

AI App 如果想做订阅，最好服务有明确经济回报的场景，比如求职、销售、获客、考试、论文、跨境、投放、合同、财务，而不是只做泛泛效率工具。

第二，用一句话降低理解成本。

“Tinder for jobs”就比“AI 求职自动化平台”好理解。

国内市场也一样，早期产品的表达不要太复杂。用户听完一句话，就要知道产品怎么用、为什么和他有关。

第三，等候名单不等于需求。

预约、填表、进群、收藏，都不能代替付费。

早期可以做预售、低价试用、小范围付费测试。哪怕用户不多，也比几千个无效邮箱更有价值。

第四，内容开头就是人群筛选。

内容或者标题换一个词，进来的用户就变了，国内也一样。

“应届生投简历”和“被裁大厂人重新找工作”不是一个人群，“考研调剂”和“留学生找实习”不是一个人群。

AI 产品做内容，第一句话要直接筛出付费意愿更强的人。

第五，UGC 要做格式迭代，不是堆数量。

找 100 个创作者乱发，不如先找到一个能转化的格式，让 10 个适合的创作者连续迭代。

短视频增长不是拍得多就行。关键是知道哪个格式为什么有效，哪个细节影响转化。

第六，灰色营销不要碰。

以上，祝你今天开心。