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。
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。
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。
Jason 认为前者更像是 Articuler 的 " 内容 "。
我在采访中质疑，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。
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。
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。
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。
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 "；
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。
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。
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。
