微 SaaS / API 套壳 / 插件 / Bot（赛道1）
岗位级简历过筛诊断副驾
输入简历和目标岗位JD，AI模拟企业ATS机筛规则给出量化过筛概率、具体扣分项与逐条修改建议，支持一份简历批量比对多条JD，按次9.9-19.9元或月费29-59元，填补现有简历工具只做模板美化/通用润色、不做逐岗位过筛预测的空白
Research Stage Progress
口径：需求侧（权重60%）与竞争侧（权重40%）加权。需求侧约8/10：2026届高校毕业生1270万人规模确定、企业AI机筛渗透率65.3%（较上年+12.7个百分点）、约75%简历被ATS拦截、前程无忧调研显示近三成职场人有付费求职服务经历且简历优化/评估需求居首，四项证据互相印证且均有可查来源，但未取得站内实时搜索热度曲线，故不满分。竞争侧约6/10：现有竞品（超级简历、鹅来面、招聘平台AI功能）均未把逐JD过筛诊断做成独立核心产品，是明确功能空当，海外对标Jobscan已验证该产品形态可撑起订阅付费；但招聘平台巨头具备用户与数据优势、一旦跟进会形成挤压，且未发现该细分赛道独立融资案例，说明尚未被资本验证，差异化窗口存在时间压力。综合两侧得7.2，反映需求确定性强、竞争空当明确但需尽快建立专精+中立品牌认知的整体判断。
口径：技术可行性（权重20%）+ 合规可行性（权重20%）+ 财务可行性（权重60%，主导项）加权。技术约7/10：JD解析、关键词与语义匹配、诊断报告生成均为LLM+规则引擎可覆盖的成熟组合，MVP门槛低，但门槛低同时意味着缺乏防御性壁垒。合规约8/10：不涉及禁售类目、不做医疗/法律/投资类结论，主要义务是免责声明与个人信息保护，均可常规满足。财务约1.5/10（压低总分的核心原因）：以Bash建模测算，小红书行业平均获客成本150-300元/线索、按保守漏斗假设线索到付费综合转化率约4.2%，纯付费投放下单付费用户CAC高达3571-7143元；即便假设六成流量来自零成本渠道，混合CAC仍有1438-2866元；而按当前定价（单次9.9-19.9元、月费29-59元）测算的混合LTV仅约43.6元，LTV/CAC比只有0.02-0.03，远低于3倍健康线，甚至逼近保本线都很勉强，只有几乎完全依赖纯自然流量（零成本内容/口碑）才勉强不亏，规模化增长手段被严重锁死，这是定价与获客环境的结构性矛盾而非可优化的执行问题。叠加另一项高风险：鹅来面已上线90+维度评分与岗位匹配检测（目前限时免费，一旦商业化会直接冲击本产品定位），两项致命高风险共同导致裁决为不可行，如实反映而未为'可行'放水。
124. 岗位级简历过筛诊断副驾（JD-Resume ATS Match Copilot）
一句话
输入一份简历和一条目标岗位 JD，AI 在几十秒内给出"这份简历投这个岗位能不能过对方 ATS 机筛、卡在哪一条、怎么改"的量化诊断报告，按次或按月订阅收费，填补现有简历工具只做模板美化、不做逐岗位过筛预测的空白。
机会来源
Trend Sniffer + Pain-point Extractor 交叉验证（Idea Generator 产出）。
趋势侧：2026 届高校毕业生规模预计达 1270 万，超 60%（另一口径 65.3%，较上年提升 12.7 个百分点）企业已在校招中引入 AI 简历筛选，AI 辅助简历筛选单项占比 31.8%；与此同时 95% 应届生已在用 AI 辅助写简历，招聘方用 AI 筛、求职者用 AI 写的双边 AI 化已是 2026 校招常态（见 assets/evidence_log.md 证据 2、3）。这是一条还在上升、尚未被"诊断类"产品填满的赛道窗口。
痛点侧：约 75% 的简历在到达 HR 手中前就被 ATS 拦截，关键词对齐度不到 70% 直接被过滤；一名求职者在 Boss 直聘主动联系 295 家企业仅 14 家回复（回复率不足 5%）。多数求职者把石沉大海归因于"竞争太激烈"或"自己不够优秀"，其实是没有过机筛这一关卡本身（见证据 1、4），这是明确的认知盲区，也是产品教育机会。
Idea Generator 交叉后的结论：现有简历工具（超级简历、鹅来面等）集中在生成、模板、通用润色，没有一款成熟产品把"这份简历对这条具体 JD 能不能过筛、卡在哪一条硬性字段"做成可复用、可解释的诊断报告（见证据 5）。这条空隙同时符合"反向需求+抱怨"的最高杠杆模式：被想要（求职者迫切想知道真实过筛概率）却没被服务好（现有工具答非所问，只管简历好不好看）。
需求详述
目标用户是正在批量投递的应届生与 3 年内跳槽人群。他们的真实困境不是"简历写得不够好"，而是不知道自己的简历在对方 ATS 系统里到底是什么分数、卡在了哪一条规则：是关键词对齐度不够，是排版导致解析失败，还是某个必填字段缺失。现有工具要么是模板生成器（把简历做得好看），要么是通用 AI 润色（把句子写得更专业），都没有正面回答"这份简历投这个岗位，过不过得了机筛"这个问题。
产品形态：用户粘贴目标岗位 JD 链接或文本，上传简历，AI 做三件事。一是模拟对方 ATS 常见的关键词匹配与解析逻辑，给出量化过筛概率和具体扣分项（哪个技能词没对齐、哪个格式会导致解析失败）；二是生成针对这条 JD 的差异化修改建议（不是泛泛而谈，而是逐条对应 JD 原文的要求）；三是支持同一份简历批量对比多条 JD，帮用户判断该优先投哪些岗位、该弃投哪些明显不匹配的岗位。
变现路径：单次诊断 9.9-19.9 元，或月度订阅（无限次诊断 + 批量对比）29-59 元，校招季（9-11 月、3-4 月）是自然获客高峰。获客可走高校就业指导中心/校园社群合作、知乎/小红书求职话题下的免费诊断案例引流、以及和垂直招聘信息聚合站的联盟分润。
7 维分诊分
| 维度 | 分数 | 说明 |
|---|---|---|
| 需求拉力 | 4 | 75% ATS 拦截率、1270 万应届生规模、Boss 直聘 5% 回复率均为可查证的公开数据，需求真实且规模大；未取得小红书站内搜索量激增曲线，故不打满分 |
| 获客可行性 | 4 | 校招季节性需求集中、高校就业社群与知乎/小红书求职话题是现成低成本触点，冷启动路径清晰 |
| agent 优势 | 4 | AI 擅长模拟关键词匹配规则、批量比对 JD 与简历字段，结构化诊断本身就是 agent 的强项 |
| 低量经济性 | 4 | 单次诊断边际成本极低（一次 LLM 调用+规则引擎），9.9 元起单笔仍有利润空间 |
| 操作者之手之轻 | 4 | 纯软件产品，无需持牌资质，人工只需偶尔核对诊断逻辑准确性、处理客服 |
| 市场趋势 | 4 | 企业 AI 筛选渗透率逐年攀升（12.7 个百分点年增），是明确上升窗口 |
| 政策红线 | 5 | 不涉及禁售类目，不做医疗/法律/投资类结论，纯信息分析工具，无监管红线 |
| triage_total | 29 | /35 |
给下游的假设与线索
- 待验证假设：用户是否愿意为"诊断报告"本身付费，还是只把这当作免费引流品、真正付费点在别处（如陪跑咨询、内推服务）？需要调研阶段验证付费转化路径。
- 竞品线索：超级简历（WonderCV）、鹅来面（OfferGoose）、"毕师父"平台（含 AI 简历评分+模拟面试+学长直推），这三家是最直接的对标，均已有一定用户基础，需在调研阶段做详细功能与定价对比。
- 技术不确定性：产品的核心可信度取决于"过筛概率模拟"和真实企业 ATS 系统的吻合度，这是纯黑箱模拟（没有企业内部 ATS 接口权限），需要在可行性阶段评估这种"模拟型"诊断的说服力上限与法律免责边界（不能宣称"保证过筛"）。
- 红线提示：不得使用爬虫获取企业内部招聘系统数据；诊断结论必须标注"基于公开规则模拟，不代表实际企业系统结果"的免责声明，避免误导性宣传触及广告法。
证据清单（assets/）
assets/evidence_log.md：5 条独立来源的检索证据（ATS 拦截率、校招规模、双边 AI 化数据、平台回复率真实案例、竞品功能局限），含未取得项的如实说明。