对话Articuler：做职业社交里的Tinder

我问Articuler创始人Jason，如果用一句话定义你的公司，你会怎么说？

他说，“职业社交里面的Tinder”。

我反问，“（定语里）没有 AI ，没有 Agent ？”

他说，“没有。因为用户不会管你用的AI，还是BI。一个极好的产品，用户是不会看到 AI 痕迹的。”

今天AI改变了世界的很多东西，但人的需求及其背后隐藏着的对“好产品”的定义，其实是不会变化的。所谓“Tinder”，其实讲的正是人与平台关系的变化。

Articuler目前是一个以欧美市场为主要服务对象的产品。

过去，欧美的传统职场社交社区模式更像职场版的Facebook。它是一种社交关系与职场内容在互联网世界的“延伸”，用户将自己的人脉映射到平台上，再沿着关系去拓展自己的职业社交网络边界。

但对于很多职场社交场景来说，他们往往更需要一个“陌生人”之间的高质量的撮合平台，跳过绵密的N度人脉，直接触达到想要遇见的人。

这正是Articuler的slogan：

connect with people you are meant to meet。

有点职场浪漫的感觉了。

Articuler为此做了三件事情：

第一，它搭建了一个AI驱动的人脉搜索系统。

你可以理解它是一个搜索助理，能在全网搜索人脉资源。理论上，只要是搜索引擎公开可查的个人资料，比如领英、个人网站、个人主页介绍、甚至新闻报道，都可以进入这个引擎里。

这意味着Articuler可以天然匹配庞大的人才池，而Jason对这一数字的预估是9.8亿。

第二，它用AI去做匹配和解释。

Articuler会根据不同的赋分水平，来对用户与目标人脉关系的匹配度进行评级。再用AI自动生成一个人脉的Profile，帮助用户深入理解人脉质量。

第三，通过与头部B2B信息服务商合作，它做了自己的cold email agent，来帮助用户去做触达。

Articuler目前是要帮助用户去寻找到他们“应该认识”（Meant to Meet）的人，但Jason表示，他们不会只停步于此，而是尝试做一个让用户被主动发现和链接的平台。

Jason认为，那些想要“发现人脉”的人，同时也想要“被发现”。这种场景的需求本质上很像dating app：

即“Tinder”的模式。

1

职场Tinder：用 AI 重塑社交流程

目前，Articuler的UI可以被大概看作为“人脉检索”、“人脉呈现”、“人脉触达和管理”三个核心阶段。这种逻辑类似于Tinder当中“滑动选择”、“确认匹配”、“聊天交流”的三个行为动作。

Articuler的“人脉检索”主要分成几个不同的入口：

第一个是首页的社区推荐。

用户可以在首页，基于不同需求的多个推荐用户集，Articuler也会定期刷新列表。

这种体感会有一点像“抽卡”，你其实不知道下一次列表刷新会看到什么样的人脉线索。

第二个是用户发起主动搜索。

Articuler会通过连续追问用户多个问题，然后确定搜索的类型与范围。

这两个入口，一个主动、一个被动，在Jason未来的产品构想中的“角色”也是略有不同的。

Jason认为前者更像是Articuler的“内容”。

我在对话中质疑，Articuler未来是否应该匹配内容生态，比如发帖之类的。因为至少在移动互联网时代，即便是探探也要下场做直播，否则难以平衡中心化的问题（即著名的Hot-Girl Problem)。

但Jason却坚持否认平台需要UGC内容，他认为“重复造轮子”的意义不大。而且因为职场社交的内容供给是庞大的，Articuler可以在全网搜索近10亿人的信息，这意味着内容本身是充沛的。

Jason表示，Articuler想要用算法匹配来解决hot gril problem，而不是向它低头。用户可以每天像刷Tinder一样，获取新的人脉信息，反而提供更好的平台活跃度和用户体验。因此，Articuler会更像一个工具，着重解决“生产力”的匹配效率问题。

两个人脉检索的功能都会导向相似的Recommentation Mode界面，在这里你可以看见他们如何理解“人脉呈现”的工作。

在主页你可以一览人名、职位、评级、以及一段AI生成的简介。

你可以将“名字”“职位”“评级”的组合，它的角色可以看作Tinder滑动时候的“大头照”。

如果说照片是一种近乎“本能”的冲击，那么“名字”“职位”“评级”的组合，很多时候给用户传递的也是一种“本能”的标签反应。

比如，当一个记者看到 Co-Founder of OpenAI，一个在校大学生看到 HR of Google，一个SaaS销售看到 CIO of GE 的时候，其中的快乐可能不亚于你在Tinder上看到一个极具性张力的帅哥或者美女。

你在Tinder上点进头像，想看到更多的照片信息。你在Articuler上也是一样，你可以点开右上角的更多按钮，会看到更多的信息总结。

这里的Profile都是由Articuler自己生成的。

Jason告诉硅星人，Articuler会搜集全网的公开资料，再综合用户的背景资料与人脉需求，来生成AI profile。

这有点像记者采访前会做的案头工作。

仅仅看采访对象的领英主页是不够的，记者一定会拿谷歌再搜一遍资料，或者看一下其他社交媒体的情况。只不过 Articuler 会把内容用 AI 结构化整理一遍，形成一个模版提供给用户。

而如果你决定要去联系这个人，你可以将它加入联系人。这时Articuler还会给你一个更长的“PlayBook”。

相比于此前的“决策判断”依据，Playbook很可能会成为用户发cold email的参考信息源，为建立更进一步的联系作准备。

所以整个细节和要点也更加多，包含了DOs、DON'Ts等很长的细节要点。

这里有两个小细节：

第一，Jason表示，他们与很多猎头顾问做过深度访谈。他们发现，即便是专业的招聘方HR，封闭式的问题的效果往往比纯自然语言的效果更好。所以Articuler在自然搜索中，使用了封闭式问题+自然语言结合的方式工作。

第二，所有的Profile，无论是第一眼的Tag、AI 简介，还是后来的PlayBook，都会根据问题（用户的寻人意图）与用户本人的背景资料进行定制，所以都是千人千面的。

Jason认为，因为同样的人，展现的侧面不同，匹配效率其实也不同。

就好比Tinder上，不同的风格和气质的照片，其实吸引的对象也必然会有所不同。只不过在Tinder中，风格和气质本身起到了一种审美筛选的作用。但在职场社交中，更针对性的呈现会让双边的匹配效率更高。

确定好所有细节后，用户可以开始发送cold email了。

用户可以点击头像边上的search cold email 按钮，Articuler会跳出很多个邮箱选项。

Jason对硅星人表示，这些邮箱选项很多来自Apollo\RocketReach\ZoomInfo等B2B信息服务商的数据库。

随着用户不断使用这些邮件，Articuler会根据回复情况，来辅助筛选或者排序这些邮箱。

在用户手动确认好一个或者多个邮箱后，便可以进入发送界面。

这时Articuler会再次跳出一些封闭式的问题，询问你的社交目的，是否需要上传一些辅助的资料，最后再用AI帮助用户生成Cold Email的邮件内容。

而在对话中，Jason不断对硅星人强调，Articuler的目标是希望成为一个承载双向关系的社交平台，而不是一个单方面的“找人”工具——

他们希望用户可以在平台上找到人，也能被人发现。

比如，首页的Community，其实就可以成为“被找到”的入口，可以被“推送”给指定的用户群体；而用户只要登入Articuler，绑定自己的社交媒体页面账号，也可以为自己补充更多的基础信息，被更多人看见。

所以你会看到，目前在Articuler内部是有一些内部的沟通和管理工具的。

一个是在通讯录里的Threads，类似于社交平台里的“站内信”；

还有一个是叫Status Tracking的管理工具。

在Status Tracking里，你可以管理所有通讯录好友里的关系状态。Articuler可以帮助用户了解对方是否有打开发送的Cold Email。而不同联系人的社交阶段，也可以理解为从左到右的社交漏斗，对不同阶段的联系人进行管理。

对于Articuler来说，这里同样是一个系统优化的数据入口。

如果邮件长期未读，平台会降低邮箱的排名权重，甚至剔除邮箱列表；

如果邮件已读未回复，平台会认为这类背景的联系人，对于这类用户的兴趣度不高，从而调整未来的匹配逻辑。

Jason表示，产品首先会瞄准有生产力需求的专业用户。

目前产品的订阅价统一为20美元/月，没有“中杯”“大杯”的阶梯定价版本。

1

当我们谈论 AI Native 的时候，我们在谈论什么？

根据Jason的讲述和产品实测，我们发现Articuler在runway阶段的商业逻辑之所以能成立，其实有四个关键前提：

第一，互联网的人与信息是过载且开放的。

与中国的互联网环境存在结构性的不同，美国曾经有非常繁荣的PC互联网时代的网站文化。兴盛的网站文化，不仅孵化了领英这样的头部平台，还有大量的个人网站数据散布在互联网的各个角落，孕育了9.8亿人脉数据池。

第二，AI 能力的跃迁。

在大模型以前，计算机虽然能搜索数据，但无法高效理解海量的数据。但随着LLM的发展以及算力能力的扩张，让处理这些数据成为了可能，也才具备了匹配的能力。

第三，海外Email文化非常发达。

Cold Email提供了一个天然的触达工具，让整个社交产品链路可以完成闭环。

Jason对硅星人披露的信息，他们预估头部平台In-mail的回复率在5%以下，在他们内部进行的调研中，这一数字甚至能低至2%。而目前Articuler的Cold Email回复率可以达到15%。

一方面，Jason认为Articuler的匹配质量更高；另一方面，其实海外用户对Email的使用频率也远高于职场社交平台。

第四，海外目前有成熟、高频且刚需的Coffee Chat需求。

Jason表示，美国大量的工作来自于熟人介绍，而非职场平台。所以除了投资人，像大学毕业生等群体，也一直有很强烈的交际需求。尤其是随着全球“远程工作”潮兴起、AI兴起与美国经济结构性紧张，带来就业压力陡增，都会进一步推升职场社交的需求。

Articuler创始人Jason是一名1997年的创业者，从南加州大学（USC）毕业后在一家global fund 做过5年VC投资人，关注中美的AI与硬件创新。而投资刚好是一个把大量时间和精力消耗在人际关系上的职业，所以他很清楚传统社交平台的痛点与用户在推进社交过程中的“痒点”。

因此，目前Articuler.ai的团队只有5个人，CTO曾是积目和探探的高管，完整经历了三代“人与人匹配”算法的迭代。而Jason对自己的定位则是“超级用户”：

他负责理解用户的痛点和诉求，从而进行产品定义和市场开发的工作。

Jason说，“articuler”在法语里的含义是“发音清楚”，也有把东西按照逻辑组织衔接起来的意思。

这其实和 Articuler 与 AI 之间的关系很相似：正是 AI 让那些过去庞大复杂过载的信息，得以有条不紊地链接起来，才得以让一个庞大的人脉匹配工程成为可能。