创新案例 | Web3典范BrainTrust如何打造DAO增长飞轮3年扩张50倍

【AI】专访 Braintrust CEO Ankur Goyal:为什么 AI 评测是产品 prototype 走向生产的唯一桥梁? 今天看了 Founder Mode 频道跟 Braintrust CEO Ankur Goyal 的播客视频,讨论了 AI prototype 投入生产的挑战,以及讨论了 AI 评测在这个过程中的重要性。 阅读详情

BrainTrust是一家创新的多边平台,类似于去中心化的BOSS直聘。在过去三年中,BrainTrust取得了惊人的增长,总服务价值增长了50倍以上。这家公司的增长模式非常独特,使得它的增长飞轮一路狂飙。在2022年,BrainTrust的成绩单非常亮眼:5.3万名自由职业者加入了BrainTrust生态,客户数量和项目长度也在增长。复购客户的平均花费显著增长,企业级客户的年留存率为84%。BrainTrust的招聘模式也成为哈佛商学院研究的对象

今天这篇文章,我们一起来探索BrainTrust如何利用数字原生组织打造增长飞轮?
在这里插入图片描述

01 Braintrust是一家什么样的企业

在这里插入图片描述

Braintrust是一款去中心化的人才网络,旨在将高技能的技术自由职业者与需要他们技能的创新公司联系起来。通过区块链技术支持,Braintrust使用智能合约实现了全自动化运营,没有中介,只有公开透明的招聘平台。

Braintrust专注于工程师、设计师和开发者这三类人才,并仅在企业成功完成招聘时抽取10%的佣金。对于前期注册的用户和对平台运营有贡献的人,还会发放代币作为奖励。由于这种创新的招聘模式,Braintrust得到了广泛的认可,成为了Web3项目的典型代表

02 Braintrust抓住了自由职业者崛起的机遇

在这里插入图片描述

目前,美国有近四成的工作者是自由职业者,这个市场的规模达到了约1.5万亿美元。随着疫情的影响,越来越多的人选择在线、远程协作,这使得自由职业的趋势变得更加长期、固定和普遍。因此,自由职业者的数量和经济规模呈指数级增长。

自由职业者和零工经济市场潜力巨大,已上市的零工招聘平台Upwork在2021年Q4实现了9.04亿美元的交易额,以色列的零工经济领军企业Fiverr的交易额为2.6亿美元,市值也达到了27亿美元。

Braintrust正是准确把握了零工经济的发展趋势,利用平台的形式连接全球的知识型自由职业者和顶尖企业,如Nike、德勤、雀巢、NASA等。Braintrust以分成的方式获取收益,收取企业成功招聘的劳动合同金额的10%作为服务费,这一费率比Upwork等平台的30%到40%的抽佣水平要低得多。

在这里插入图片描述

Braintrust与Upwork等其他平台的区别在于,它不想成为一个传统意义上的“中介”。通过引入“去中心化”的理念和代币体系,Braintrust试图借助Web3的力量来保持低抽佣率,并在市场竞争中获得优势。这种创新的招聘模式为自由职业者和企业提供了更加高效、低成本的服务。

03 Braintrust的运作模式

在这里插入图片描述

Braintrust 专注于工程师、设计师、开发者这三类人才,将科技类知识从业者和顶级公司进行对接,因为主打 Web3、去中心化的理念,所以 Braintrust 可以更容易地吸引到这部分人的关注,平台上 85% 的用户拥有自己的数字钱包

和其他平台相比,在 Brainturst 平台,人才(Talent )不仅不用支付中介费用,还有可能在劳动报酬之外获得额外收益:当他们成功申请到工作岗位、并在工作结束后获得雇主的五星好评时,都可以获得平台的代币奖励。除了作为他们参与社区治理的凭证,$BTRST 的升值也为他们带来了潜在经济收益。

到目前为止,已有超过 34,000 名自由职业者加入了 Braintrust 生态,包括 Twitter、保时捷、高盛和耐克在内的全球顶级企业在平台上提供了超过 1500 个岗位。Braintrust 官方数据看板显示:自 2020 年 6 月上线以来,Braintrust 总共完成了 2373 例工作需求对接,平均每个工作项目的合同金额为 7.25 万美元(按照:项目周数 x 小时/周 x 小时费计算得出)

在这里插入图片描述

除了雇主和求职者,Braintrust还设立了一个连接者的角色。当雇主发布招聘信息后,潜在求职者和连接者都会收到通知。如果连接者能够成功促成招聘或者引荐高素质的人才/雇主,就可以获得奖励。这种创新的市场运营模式为Braintrust的发展提供了更多可能性,同时也为自由职业者和企业提供了更加高效、低成本的服务。

Braintrust由三个特定的利益相关者组成:

人才:从注册开始,人才就可以通过完成个人资料、参加平台课程、成功完成工作等不同节点获得平台的代币奖励。
连接者:他们推荐人才或客户给网络中的其他人。任何人都可以成为连接者。连接者是Braintrust代币最主要的支出对象。他们像第三方猎头一样入驻平台,可以是个人或组织,理论上,人才或雇主也可以同时担任连接者的角色。
客户/雇主:企业雇主发布职位信息,提出他们需要的人才标准,比如技能、经验、地理位置、薪资等。
Braintrust解决方案在与传统人才市场中介相比,除了费用大幅降低之外,还有如下优势:

匹配效率大幅提高:传统平台企业和雇员匹配通常需要1至3个月,而Braintrust只需要大约48小时。这大大提高了匹配效率。
人才素质高,质量有保证:目前Braintrust平台上的人才只包含工程师、设计师、开发者等几类高科技人才,整体人才素质很高。用户都需要进行审核,符合资格的用户才能使用Braintrust平台。因此,Braintrust为企业客户提供了一个经审查的、优质的“人才库”。
提供更多更优质工作机会:用户有机会接触到各种知名企业,比如宝洁、Nike、苹果等
用户拥有决策权:Braintrust平台采用去中心化的形式运作,用户共同决定平台未来的发展方向。此外,用户为网络做出贡献后还可以获得奖励,项目的利益与用户利益一致,不会出现利益脱钩的现象。这种用户主导的运营模式为平台带来了更大的透明度和可信度,也提高了用户参与度和归属感。

04Braintrust的“转换器”是游戏规则的改变者

在这里插入图片描述

上图展示了BrainTrust网络中的资金流动方式。客户公司为他们雇佣的人才向BrainTrust支付10%的费用,BrainTrust将其通过转换器,使用智能合约转化为面向社区的激励。每次抽佣的10%也会先买入平台代币,再以对应的方式奖励给贡献者,从而为经济系统提供足够的支撑。此外,BrainTrust的运营主要基于底层的区块链算法,降低了平台的运营成本和维护成本。

需要说明的是,虽然区块链并不是构建DAO组织的必选项,但基于区块链的智能合约是一种很好的构建DAO的工具。由于BrainTrust的项目基于区块链运行,每个加入到项目中的人,无论是雇主还是求职者,都是平台运营的一份子,都参与到平台的重大决策中。

BrainTrust代币主要作为一种信用凭证,而不是赚钱手段。平台只在雇主和应聘者互相给出5星好评、引进新的高级人才等少数情况下给出代币奖励。这些规则和限制让Braintrust上的雇主和求职者既作为平台参与者,积极达成合同,也成为审核员和推广人,吸引更多高素质的公司和人才加入平台。

05 Braintrust未来能否持续获胜?

Braintrust 的理念其实很简单:抽佣最少的双边交易平台一定会在竞争中更具优势,而去中心化的、由用户完全拥有的平台更有可能抽佣较少。

需要再次强调的是,这并不意味着具备 Web3 要素和精神的交易平台们一定会在竞争中获胜,它们仍然需要提供出色的产品并完成运营市场所需的艰巨任务。

一个极端的想象是:Braintrust 是否有可能覆盖所有人才招聘的需求?整合更多经济活动?

根据哈佛商业评论的数据,2019 年美国人才招聘行业的规模为 1510 亿美元。因此,可以简单预测全球招聘行业的规模约为 4500 亿美元。全球范围内第三方知识服务机构的收入情况是:德勤在 2021 年的收入为 501 亿美元,TCS 为 220 亿美元。简单加总后,我们可以粗略估计全球知识工作者的工资规模为 6000 亿美元左右。

Braintrust 的抽拥比例为 10%,所以理论上,如果 Braintrust 能够打造一台机器,随着时间的推移巩固全球灵活的人才市场,那么它将有机会获得 600 亿美元/年的费用。

切入德勤、普华永道和埃森哲等巨头所处的高端知识服务市场是一个选择,借助附加服务获得溢价,这些咨询公司通常可以做到 70% 的抽佣率。最近一位 IT 咨询公司出身的人正在研究一项建立新节点的提案,本质上是一个建立在 Braintrust 协议上的新创业公司,这一项目一旦通过就会获得上面的赠款项目的资助。

无论哪种情况,新节点都将受益于 Braintrust 网络在过去四年中建立的基础设施、社区和资源。他们不需要再单独筹集资金来重新实现代币模型设计、协议设计和智能合约审计等,因为这些已经完成了。

他们将利用现有的连接器和验证器池,也不再需要融资,因为他们能够从 DAO 的基金库中直接获得启动资金。

总而言之,以上的预测是一个极端推论,并且在最乐观的情况下,如果要实现这一预测还有很长的路要走,但在接下来的几个月里,可以预见,Braintrust 覆盖的领域将从开发者、工程师、设计师这些行业向外延展。

同时,随着 Braintrust 的增长,一个比现在体量更大、更分散的社区也将 DAO 的治理提出挑战。

原文链接:

创新案例 | Web3典范BrainTrust如何打造DAO增长飞轮3年扩张50倍

Kafka 消费积压排查:Lag 飙升与分区倾斜决策树 消息队列积压告警经常被当成「加机器」。单个分区被热点 key 打满、消费者线程卡在下游、或误把 Offset 重置到 earliest。乱会让下游重放几天数据。本文面向中级中间件 / 应用运维,覆盖开源 Kafka 与托管 MSK 都能用的只读命令。不讲如何从零搭集群,也不重复 ISR/副本不足类故障。先--dry-run,再停消费者,最后--execute# 必须先停掉所有该 group 的消费者Lag 先看是否在线、是否倾斜、是否生产突刺。加分区救不了已经堆在热点分区上的数据。 阅读详情

相关推荐

perl 安装DBI和DBD

还可以从cpan.perl.org站点下载tar压缩文件形式的源代码发行版本,解压缩后,切换到相应的文件目录 cd DBI-1.54 perl Makefile.PL make make test make install 安装DBD时候 需要export ORACLE_HOME 验证安装: perldoc DBD::Oracle perldoc DBI 在线文档; perldoc -m

zhaoyangjian724的专栏 1732

更快地构建更好的 AI 产品:Braintrust 使用 ClickHouse 进行实时数据分析

本文字数:3383;估计阅读时间:9 分钟作者:ClickHouse team本文在公众号【ClickHouseInc】首发Braintrust 正在引领 AI 公司在构建、测试和改进产品方面的变革。自 2023 以来,其平台已帮助 Zapier、Notion 和 Airtable 等公司深入了解其 AI 模型的性能,并做出更快的数据驱动决策,从而提高可靠性和质量。Braintrust 通过结合实时数据处理与自动评估工具,帮助揭示 AI 的黑盒性质,实现持续改进和优化。

ClickHouseDB的博客 1368

Unity如何实现3D物体拆解组装

最近有一个需求,是做一个发动机的拆卸和安装功能,其实是一个很简单的功能,但是其中有一个点我觉的非常有意思,就是拖拽组装时,物体如何精准拖到目标位置,思路有了,但是我一直找不到实现方式,早晨刷牙时无意间想到了叉乘,我才有了解决方案。就凭这一次的灵光乍现,也很有必要写篇博客来记录一下。首先,我们先来看下我们要实现的效果,就是对一个发动机(任意多组件物体,如:车)的360°预览查看,手动拖拽拆解,手动拖拽组装。360°旋转视角远近拉伸视角点击拖拽拆卸拖拽组装。

TxNet 1万+

代币经济学赋能社区自运营:构建Web3时代的永动飞轮

—从通证模型设计到治理机制优化的全景式解决方案。

Lovely_xwys的博客 1250

Web3 的大规模普及和飞轮效应

点击上方“小强的进阶之路”,选择“星标”公众号优质文章,及时送达预计阅读时间: 5分钟“iPhone 时刻”是指具有颠覆性意义的技术或产品在推出后所引发的一系列重大变革。像苹果公司的iPhone一样,Web3也可能在某个时刻产生显著的变革和重大的影响。 2023-2025 Web3 的“iPhone 时刻” Web3 的大规模普及和飞轮效应 我们认为 2023-2025 将...

weixin_31351409的博客 377

一条 SQL 顶一条 Flink 链路?Doris Streaming Job 持续导入全景解析

Streaming Job 的意义不在于"又多了导数方式",而在于 Doris 把**数据接入**这件事的默认形态从"搭一条外部管道"变成了"发一条 SQL"。对于大量只需要镜像同步 + 轻量加工的实时数仓场景,架构里可以直接少掉 Kafka 和 Flink 两层。

一入大数据深似海?别怕!“数据极客圈”就是你的救生圈,走对圈子跟对人,趣析数据、畅聊趋势,快进圈子! 269

头歌实践教学平台:大数据存储2023(十二)

十二、Hive基本查询操作(二) 第1关:Hive排序 第2关:Hive数据类型和类型转换 第3关:Hive抽样查询 有任何问题都可以随时关注私信!

qaziy的博客 181

Elasticsearch 学习笔记筑基-文档操作篇

本文全面系统地介绍了 Elasticsearch 文档操作的核心知识,涵盖文档的新增(指定ID、自动生成ID、创建式新增)、更新(全量更新、部分更新、脚本更新、批量更新)、查询(ID查询、字段过滤、批量查询)和删除(ID删除、批量删除、按查询删除)四大操作。文章不仅提供了详细的语法示例和返回结果解析,还通过实际应用场景(用户管理、商品管理、日志记录、订单管理、计数器)展示了如何在实际项目中应用这些操作。最后,总结了最佳实践建议、常用命令速查、返回结果字段详解和注意事项,帮助开发者高效、安全地使用 Elast

2201_75455813的博客 230

制造业时序数据库选型指南:8 大主流 TSDB 深度对比与场景适配(二)

制造业数字化转型中,时序数据库选型面临诸多挑战。本文系统对比了八大主流时序存储引擎(InfluxDB、TimescaleDB、TDengine、Prometheus、QuestDB、VictoriaMetrics、Apache IoTDB、ClickHouse),从技术架构、工业协议适配、许可证合规、性能特点等维度展开分析,针对不同制造业场景(设备采集、产线监控、能耗统计等)给出适配建议。重点提出三步选型框架。

葡萄城技术团队博客 295

头歌实践教学平台:大数据存储2023(六)

六、HBase 开发:批量操作    第1关:批量获取数据    第2关:批量删除数据    第3关:批量导入数据至HBase 有任何问题都可以随时关注私信!

qaziy的博客 182

竞品数据异常检测:OpenClaw 实时监控竞品价格与销量公开数据,异常波动自动告警实战详解

竞品数据异常检测,本质上是一项将数据采集、指标治理、统计分析和业务运营打通的工作。OpenClaw 通过五层架构和分层检测策略,实现了从公开数据采集到异常自动告警的完整闭环。它的价值不在于技术有多复杂,而在于能够在业务需要的时刻,以可靠的方式把有价值的竞品情报送到决策者面前。

qinzhenyan的博客 278

【Kafka学习2】Apache Kafka 典型应用场景

Kafka作为分布式流处理平台,在多个场景中展现出核心优势。它最初为网站活动跟踪设计,具备高吞吐、低延迟特性,支持百万级消息处理。在大规模消息队列场景中,Kafka通过分区机制和持久化存储解决了传统MQ的扩展性瓶颈;在日志聚合方面,其实时流式处理能力显著优于传统文件收集方式。此外,Kafka原生支持流处理管道搭建,通过Kafka Streams实现状态化处理,并完美适配事件溯源模式,成为分布式系统的可靠提交日志。其多订阅、副本容错等特性,使其在指标监控等场景中表现优异。综合来看,Kafka已从消息中间件演进

海兰 300

大数据业务环节与系统能力解析

最终,数据可通过Restful接口、JDBC等方式对外共享,输出形式涵盖批量、实时与高并发等场景。整体架构中,各组件分工明确:Flume侧重日志收集,Kafka承担消息缓存,HBase适用于随机读写场景,Hive则面向批量分析。从业务链条来看,大数据处理通常包含业务理解、数据准备、数据挖掘与分析应用四个环节,与之对应的是三类主要职能:系统研发(负责平台搭建、ETL及运维)、数据挖掘(负责模型研究与核心算法)、分析应用(对接需求并输出解决方案,常承担统筹协调角色)。国际数据治理协会(IDGA)

buligbulig的博客 210

WALink 短链接服务技术解析:架构、功能实现与开发者视角

从技术角度看,现代短链接服务已远非简单的键值存储重定向。它融合了高并发架构、实时数据处理、精细化访问控制与开发者友好的 API 设计,成为一个可嵌入业务流的基础设施组件。合理选型:根据业务阶段与团队能力,选择 SaaS、开源或自研方案。高效集成:充分利用 API 与 Webhook,将短链接能力自动化集成到 CI/CD、监控告警、营销自动化等流程中。性能优化:在设计自有系统时,借鉴其缓存策略、异步处理与数据聚合架构。安全加固:实施类似的密码保护、过期机制与恶意检测,提升自身业务链接的安全性。

m0_74320929的博客 390

计算机毕业设计选题推荐【基于大数据的气象站地面观测数据分析与可视化】Hadoop+Spark+K-Means

本项目《基于大数据的气象站地面观测数据分析与可视化》用 Hadoop + Spark(PySpark)完成约 10 万条观测数据的清洗与多维统计,覆盖气温变化、降水特征、风场结构、湿压协同、能见视程与天气画像六类分析;天气画像侧采用 K-Means 做天气类型聚类、Isolation Forest 做异常时次侦测,结果经 Django + Vue + ECharts 以分析页与可视化大屏呈现,便于查看分型结构与异常样本。

BYSJLG的博客 234

【Kafka学习1】 事件流(Event Streaming)

文章摘要:Apache Kafka是一个分布式事件流平台,用于实时捕获、存储和处理事件流数据。它具备发布订阅、持久存储和处理事件的能力,适用于金融、物流、医疗等多个行业。Kafka通过分区和副本机制实现高吞吐、容错和可扩展性,支持多语言客户端和精确一次语义。其核心概念包括事件、主题、分区、生产者和消费者,能够满足现代企业对实时数据流处理的需求。

海兰 226

Linux入门攻坚——86、ELK Stack-1-基本概念

查询的内容是从索引中获取的,索引的建立,要从获取原始内容开始,通过一定的方式,将原始数据,如各服务器上的日志信息,网络爬虫获取的网页信息等,汇集后,由获取内容组件进行分析整理,然后通过构建文档组件,创建文档,通过分析文档组件,对文档进行分析,主要是将文本分割成一系列语汇单元,还可能进行一些其他操作,如语法修正、是否插入同义词、单词合并等,最后由创建索引组件根据分析文档的结果,创建索引。它是一个完整的搜索引擎,实现了上图中的搜索组件和索引组件功能,并能够实现对索引的分布式存储和处理,扩展性好,高可靠性。

kaoa000的专栏——非淡泊无以明志,非宁静无以致远 207

头歌实践教学平台:大数据存储2023(十)

十、Hive表DDL操作(二)    第1关:Create/Drop/Alter 视图    第2关:Create/Drop/ALTER 索引 有任何问题都可以随时关注私信!

qaziy的博客 143

AI算法系列(3| 实时数据管道:CDC+Flink实现库存异动秒级响应

本文从架构、实施、优化等方面介绍了CDC+Flink构建库存实时数据管道的方法。该方案将数据库变更日志直接转化为流数据,结合Flink的实时计算能力,为企业提供了低延迟、高可靠的库存异动响应能力。相比传统轮询,它实现了从“秒级延迟”到“毫秒级捕获”的跨越,同时具备完整变更语义和Exactly-Once保障。随着企业AI化转型的深入,实时数据管道将成为智能决策的基础设施。未来,结合机器学习预测库存需求、自动补货、智能风控等AI能力,有望进一步提升供应链效率。

CIO_Alliance的博客 246

Petrel三维地质建模与裂缝建模,低价不服来辩内容包括1数据导入,2构造建模,3岩相建模,4属性建模,裂缝建模,总共十七节精讲 可以边看边操作的项目数据,包括地震数据哦对应的是20

Petrel三维地质建模与裂缝建模,低价不服来辩内容包括[1]数据导入,[2]构造建模,[3]岩相建模,4属性建模,裂缝建模,总共十七节精讲。可以边看边操作的项目数据,包括地震数据哦对应的是2020的新版精讲视频包括视频教学高级地质建模pdf文档裂缝建模pdf文档视频对应练习数据基础中文操作手册

上一篇: 移动端抓包调试工具
Jessie.Zhai
博客等级 码龄8年 47粉丝 66原创
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值