AI研修求人サイト、Googleデインデックス後6月に1,360ドル達成

ファウンダーは2024年1月にaitrainer.workを立ち上げ、様々なプラットフォームからAI研修・RLHF・データアノテーション求人を1つの検索可能なデータベースに引き出す単純な集約機構として開始しました。サイトはまたプラットフォームインテリジェンスとユーザーレビュー、無料のAI研修アカデミー、および成長中の人材プールも含めています。水面下では、約12個のスクレーパーが大手求人プラットフォームに対して定期的に実行され、新しい機会を単一のデータセットに集約します。

ビジネスモデルはサイトがカバーするプラットフォームに埋め込まれた紹介プログラムに依存しています。候補者がaitrainer.workのリンク経由で申し込んでオンボーディングまたは雇用された場合、サイトは彼らの収入に対する手数料または収益シェアを獲得します。しかし仕組みは重要な遅延を明らかにしました。プラットフォームは数百人をオンボーディングしますが、しばしば直ぐに利用可能な十分なプロジェクトがなく、候補者をパイプラインで待つ状態のまま置きます――時には数ヶ月、時には無期限に。これは初期段階の収益が、実際に人々がプロジェクトを割り当てられた後の実際の収益シェアではなく主にオンボーディングボーナスから来たことを意味しました。ファウンダーはこれは候補者がプロジェクトを割り当てられた時に反転するはずだったと述べましたが、遅延は5月を通じて継続しました。

最初の6ヶ月間、収益とトラフィックは凸凹したストーリーを語りました。1月は9,500セッション、709ドルの収益でローンチしました。2月は大規模なGoogleアップデートがいくつかのページをデインデックスした後7,200セッション、305ドルに落ちました。3月はパイプライン格差が深刻化したため24ドルに急落しました。4月はファウンダーが人材プールと無料アカデミーをローンチしたため9,600セッション、270ドルにわずかに回復しました。5月は12,000セッションを見ましたが150ドルの収益のみで、依然としてパイプラインボトルネックに閉じ込められていました。6月までにセッションは15,000に上昇し、収益は1,360ドルに跳ね上がりました――新たにローンチした有料認定資格プログラムに駆動されて。

Googleペナルティは悪いほどのダメージがないことが証明されました。1月初旬にシップ直後、Googleはサイトをうまくランク付けしました。2月のアップデートはコンテンツをデインデックスしましたが、崩壊する代わりに、BingとChatGPTがユーザーを送り始めたため、トラフィックは安定のままでした――AI研修求人サイトが自然検索トラフィックの大部分をAIチャットボットから引き出すという皮肉な状況を生成しました。ファウンダーは深く懸念しておらず、それを新規ブランドサイトの自然なライフサイクルと見なし、緊急Googleリカバリーではなく長文コンテンツと異なるアプローチに焦点を当てました。

大きな転機は大手プラットフォームパートナーの1社が直接連絡してきた時に訪れました。彼らは特定のRLHF職務向けに高品質な候補者が必要でした。500人以上の登録候補者の人材プールを使用して、ファウンダーは関連する見込み客に対象を絞った招待を手動で送信しました。データに基づいて、これは8パーセントの配置率を達成しました――業界では非常に大きいと説明されています。この瞬間は真の価値提案を明らかにしました。集約機構はただのトラフィック仲裁プレイではなく、雇用主が一貫して質の高いタレントを配信できる場合に支払うと思われるソーシング機構でした。

技術スタックは急速に進化しました。ファウンダーは最初OpenGraphのAmpcodeフリーティアを使用し、3月にClaude Proに切り替え、それを共同開発パートナーとして扱いました。ファウンダーは製品・設計・戦略を扱い、Claudeはアイデアに異議を唱え、計画を共同設計し、コードの大部分を書きました。このパートナーシップはスムーズに機能しましたが、APIコストは予期せず増加しました。ファウンダーが週次制限に達し、スプリント半ばで30分で20ドルを吹き飛ばした時に。

UXファースト設計哲学はサイトの競争優位になりました。ほとんどのサイトが設計をAIに委譲する一方で、ファウンダーはリサーチを実施し、ユーザーフィードバックに基づいて反復しました。この防御性は競合他社がサイト全体――アカデミーモジュールと有料認定資格を含む――を名前さえ変更せずコピーした場合に重要でした。しかしコピーは「AIずさん」で構築され、関与したユーザーを欠いていたのに対し、オリジナルは実際のフィードバックの周りで反復し続けて先を行きました。

先へ進むと、ファウンダーのロードマップは学習した教訓を反映しています。明白な短期プレイはテクニカルSEOを修正することです。各求人ボード段落に独自データを埋め込むことで、他の場所で見つかった求人表面処理を超える価値を確実にします。長期的には、ビジョンはCV構築機能（アフィリエイト広告に頼る代わりに）、企業が人材プールへの直接アクセスに支払うB2B採用ポータル（「実質的なMRR」と説明される）、および集約データに基づく独自市場調査を含む独自ツールを含みます。現在のところそれはパッションと確固たる時給相当で実行されるシングルパーソン運営のままですが、ユニット経済学は最終的に正しい方向を向いています。

サイトの核となる洞察――AI研修求人のシーカーは統一された集約機構が必要だ。なぜなら契約業務本質的に複数プラットフォーム横断的だから――は実在する摩擦を扱っています。従来の雇用求人ボードとは異なり、これらの機会は継続的な営業を要求する一時的なプロジェクトです。候補者は単一プラットフォームのパイプラインに頼ることはできません。大手プラットフォーム群に対して実行する約12個のスクレーパーから機会を集約することで、aitrainer.workはサイト間のタブ切り替えの必要性を除去します。

収益モデルの初期ボトルネックはAI研修ギグ経済における構造的課題を明らかにしています。プラットフォームは数百人をオンボーディングしますが、直ぐに仕事がない場合が多く、候補者は数ヶ月間の待機状態に置かれます。これはオンボーディングボーナス（ファウンダーの初期主要収益）と実際の仕事からの収益シェアの間の遅延を生み出しました。6月から有料認定資格へのシフトは、ファウンダーが紹介ベースのモデル単体の依存から多様化を進めていることを示唆しています。これは紹介ベースモデルだけでは急速な成長を維持できないと観察していることに根ざした戦略的ピボットです。

B2B調達依頼からの8パーセントの配置率は特に重要です。それはファウンダーの手動キュレーションとUXファースト設計が雇用主が価値を認める品質シグナルを生み出すことを実証しています。これは継続収益（言及された「実質的なMRR」）への道を開きます。ビジネスモデルを反転させることで――アフィリエイト手数料のみに頼るのではなく企業に厳選されたタレントへの直接アクセスに支払わせる――です。ファウンダーはAI生成サイトではなく設計とユーザーリサーチで競争する意欲は防御性を生み出しました。サイト構造をコピーした競合他社も依然として関与したユーザーベースを欠いています。