← 返回创业生死簿(275 家阵亡公司)
生死簿 · 第 248 页 · 信息技术 · 美国

Gogohire 🇺🇸 为什么倒闭?

🔥 烧掉 $200万美元 · 2014 年崛起 → 2020 年阵亡 · 存活 6 年
死因:竞争

美国招聘自动化平台,2014 年由 Kevin Lord 创立,获 Y Combinator 与 500 Global 共 200 万美元融资。为中小企业提供候选人自动搜寻、简历筛选与面试调度等一站式招聘工作流,把数周的招聘工作压缩到几天,让没有专职 HR 团队的公司用上企业级招聘工具。2014-2020 年间因功能同质化、差异化不足败给 Greenhouse 等成熟 ATS,2020 年关闭。

Gogohire 死于商品化、产品差异化薄弱与拥挤市场的正面竞争。其核心功能——职位分发、简历解析、候选人跟踪、面试调度——到 2018 年已成行业标配,且常被打包进更大的 HR 套件以更高价值出售。公司卡在危险的中间地带:对用 Google Sheets 或 Indeed 内置工具的微型企业太贵太复杂,又缺乏中型企业要求的企业级功能、集成与合规能力。它优化了客户口头要的工作流效率,却无法证明能带来更好的招聘结果——客户说要更好的简历解析,实际需要的是更高质量的候选人与更快的到岗。没有降低单位招聘成本或提升候选人质量的 ROI 数据,续费就成了预算审查时优先砍掉的可选支出。销售模式同样失灵:SMB 需要低接触的产品驱动增长,而招聘软件天然高接触,需要集成、培训与变革管理;按 200 美元/月定价、12-18 个月流失周期计算,LTV 仅 2400-3600 美元,而 6 个月销售周期下 CAC 超过 2000 美元,几乎没有增长空间。Greenhouse 等对手融资超 1 亿美元,碾压式竞争收官。

⚰️ 三条核心教训

  1. 企业级 SaaS 里功能对等就是死亡陷阱:与在位者功能打平却无差异化,只会被更高价值的套件碾压
  2. 招聘工具要么按成功招聘收费对齐激励,要么扩展 HR 全场景维持招聘淡季的粘性,要么建立候选人网络效应
  3. 最佳分发策略可能是做成 Greenhouse/Lever 的 AI 筛选插件——功能增强而非要求客户迁移替换

🔧 转世方案:HireOS AI 招聘官

AI 招聘代理,定位为插入现有 ATS 的智能层而非替代品:用 Claude/GPT-4 与每位申请者进行 15 分钟异步聊天或语音面试,按岗位提问、识别红旗信号、通过对话分析评估沟通能力,产出含技能评估、文化匹配分与谈话要点的候选人简报。核心洞察是公司不需要又一个 ATS,而是要解决漏斗顶部的质量难题。切入点是速度与质量:发布职位 48 小时内交付 5 名可面试候选人,招聘经理满意度 80% 以上。收入按成功招聘计费(按岗位级别 500-2000 美元),激励对齐,消除周期性招聘带来的订阅流失。护城河来自候选人互动数据对筛选精度的持续提升,以及与 Greenhouse 等主流 ATS 的深度集成。

技术栈:Claude/GPT-4 对话式初筛 / Greenhouse/Lever ATS 集成 / Vercel + Supabase / Stripe 按次计费

❓ 关于 Gogohire 的常见问题

Gogohire为什么倒闭?

死因是「竞争」。Gogohire 死于商品化、产品差异化薄弱与拥挤市场的正面竞争。其核心功能——职位分发、简历解析、候选人跟踪、面试调度——到 2018 年已成行业标配,且常被打包进更大的 HR 套件以更高价值出售。公司卡在危险的中间地带:对用 Google Sheets 或 Indeed 内置工具的微型企业太贵太复杂,又缺乏中型企业要求的企业级功能、集成与合规能力。它优化了客户口头要的工作流效率,却无法证明能带来更好的招聘结果——客户说要更好的简历解析,实际需要的是更高质量的候选人与更快的到岗。没有降低单位招聘成本或提升候选人质量的 ROI 数据,续费就成了预算审查时优先砍掉的可选支出。销售模式同样失灵:SMB 需要低接触的产品驱动增长,而招聘软件天然高接触,需要集成、培训与变革管理;按 200 美元/月定价、12-18 个月流失周期计算,LTV 仅 2400-3600 美元,而 6 个月销售周期下 CAC 超过 2000 美元,几乎没有增长空间。Greenhouse 等对手融资超 1 亿美元,碾压式竞争收官。

Gogohire一共烧了多少钱?

累计烧掉约 $200万美元(美元),2014 年创立,2020 年停止运营,存活 6 年。

它留下了哪些教训?
  1. 企业级 SaaS 里功能对等就是死亡陷阱:与在位者功能打平却无差异化,只会被更高价值的套件碾压
  2. 招聘工具要么按成功招聘收费对齐激励,要么扩展 HR 全场景维持招聘淡季的粘性,要么建立候选人网络效应
  3. 最佳分发策略可能是做成 Greenhouse/Lever 的 AI 筛选插件——功能增强而非要求客户迁移替换