本文へスキップ
AI Dev Cases
Sprout

非エンジニアの大学生が作った「求人版Tinder」Sprout —「作る」より「配る」に賭け、8ヶ月で月$250kに到達するまで

Claremont McKenna在学中のNicole Cheungが作った求人アプリ。スワイプで応募し、AIが職務ごとに履歴書・カバーレターを書き、エージェントが企業サイトへ自動応募する。広告ゼロ・VCゼロで8ヶ月・月$250kに到達。前作の美容アプリGlam Up(6ヶ月で100万ユーザー)と同じ『クリエイター量産』の型を再利用した。

公開日: 2026年6月28日数字の最終確認: 2026年8月21日4分で読了一次情報で検証済み · 6
月商換算
約3,750万円/月
成長期間
8ヶ月
非エンジニアの大学生が作った「求人版Tinder」Sprout —「作る」より「配る」に賭け、8ヶ月で月$250kに到達するまで

この事例の要点

  • 「作る」より「配る」を先に設計する——機能ではなく観客を制約として扱う
  • 万人共通の自己改善ニーズ × ショート動画映え × 結果に払う動機、の3条件が揃うジャンルを選ぶ
  • UGCクリエイターを“採用→社内コースで育成→フィードバックで改善→紹介と分析で量産”の4工程で回す

どの痛点を、どう見つけたか

新卒・第二新卒の就活は『同じ情報を何十回も打ち込む』作業の地獄だ。求人ごとにWorkdayの長大なフォームを埋め、職務に合わせて履歴書とカバーレターを毎回書き直す——応募1社で消耗し、量が出せない。Sproutはこの『応募の摩擦』を狙い撃ちした:気になる求人をスワイプするだけで、AIが職務に合わせた書類を生成し、エージェントが企業サイトに代理入力して送信する。学生本人が一番よく知っている『就活のだるさ』が、そのまま市場の入口だった。

背景とプロダクト

Sproutは『求人版Tinder』を名乗る就活アプリ。何百万件の求人をスワイプして気になるものを選ぶと、SproutのAIがあなたのプロフィールと求人を突き合わせ、不足情報を埋める短い質問をしたうえで、その職務専用の履歴書とカバーレターを生成する。確認(またはスキップ)すると、AIエージェントが企業の応募ページに代理で入力して送信まで行う。バラバラになりがちな応募状況も1つのダッシュボードに集約される。

作ったのはNicole Cheung。Claremont McKenna College(2025年卒、心理学×経済の二重専攻)在学中に、エンジニアリングの専門教育を受けないまま複数の消費者向けAIアプリを立ち上げた『4x Founder(4度の創業者)』だ。最初の代表作は美容アプリGlam Up——顔写真をアップするとAIが顔・パーソナルカラーを解析し、メイクのアドバイスと商品提案を返す。共同創業者はY Combinator系のエンジニアAaron Paul。2024年4月のローンチから半年で、広告費ゼロ・外部資金ゼロのまま100万ユーザー超、App Storeで3位、月$150k(MRR)に到達した。

Sprout(旧称Prep AI)は、その『勝ち筋』を別ジャンルへ移植した2本目だ。Nicoleの主張はシンプルで、いまの時代は『誰でも週末でアプリを作れる』からこそ、本当の制約は機能開発ではなく『どうやって人を集めるか』に移った、というもの。だからSproutでも、プロダクトの磨き込みと同じかそれ以上に、配布(ディストリビューション)そのものを設計対象にした。料金はBasic/Pro/Ultraの3段で、月あたりの応募数で区切る従量設計。週課金より月課金が約25%安く、本格利用にはサブスクが必要になる。

そしてローンチから約8ヶ月、Sproutは月$250k(MRR)に到達。前作Glam Upと合わせ、2本のアプリで合計月$400k規模を、広告もVCも使わずに作り出した。

料金

無料DL。App内課金はBasic/Pro/Ultraの3段(2026年8月時点、公式サイト表記): Basic 週$19.99、Pro 週$39.99、Ultra 週$79.99。月課金は週課金より約25%安い。

拠点: 米国(サンフランシスコ)

アプリ画面

  • Sproutのロゴと「Your job search, supercharged. / Get hired faster.」のキャッチコピー、App Storeでの星5つ・4万件の評価を示す月桂冠を配したタイトル画像。アプリの画面は写っていない
  • 求人を1件ずつ見ていく画面。ノボ ノルディスクの「API Manufacturing Associate I」(米ノースカロライナ州クレイトン、本日掲載)の要約が表示され、Full Time・Mid Level・In Person・製薬・従業員5001人以上といったタグが並ぶ。上部に残クレジット40と勤務地の絞り込みがある。見出しは「Search from over 5m+ jobs」
  • 求人カードを右にスワイプして応募する操作の画面。カードが傾いて「APPLY」のスタンプが現れており、下にめくれた次の求人(Cascades の Production Operator、ニューヨーク州スケネクタディ)が見える。下部に Jobs・Resume・Applications・Emails・Profile のタブが並ぶ。見出しは「Swipe right to apply」
  • 応募書類を求人ごとに生成する画面。Gebrüder Weiss の「Supply Chain Systems & IT Manager」(米イリノイ州ウッドデール)に対して、Resume と Cover Letter のタブで書類を切り替えられ、生成された履歴書のプレビューと Edit・Regenerate(1/3)のボタンが並ぶ。見出しは「Documents tailored for each posting」

画像はApp Store・公式サイトの掲載画像を各提供元から直接表示しています(当サイトには保存していません) — Sprout

Sprout growth channels and tech stack

どうやって作ったか

  1. 制約は『作る』ではなく『配る』にあると置き、プロダクトと同じ熱量で配布そのものを設計対象にする
  2. 万人共通の自己改善ニーズ × ショート動画映え × 結果に金を払う動機、の3条件が揃うジャンルを選ぶ(美容のGlam Upから就活のSproutへ移植)
  3. 就活で最も消耗する『同じ情報の再入力』を消す — スワイプ→AIが職務専用の履歴書とカバーレターを生成→エージェントが企業の応募ページに代理入力して送信、の3手に圧縮する
  4. バラバラになりがちな応募状況を1つのダッシュボードに集約する
  5. 料金はBasic/Pro/Ultraの3段で月あたり応募数に上限を置き、週課金より月課金を約25%安くして長期利用へ誘導する
AIに任せた範囲
最先端モデルを自作せず既存AIを摩擦ゼロの体験に翻訳する。差別化は技術ではなく配布の仕組みに置く

どうやって広めたか

  1. 200人超のUGCクリエイターを『育成』して回す4ステップの制度を作る
  2. (1)ソーシング=作り手を集める / (2)オンボーディング=構造化した社内コースで勝ち筋を教え込む
  3. (3)マネジメント=フィードバックループで一人ひとりの投稿を改善する / (4)最適化=紹介インセンティブと分析基盤で量と質を両輪化する
  4. オンボーディングのコース修了者の50%超が最初の2週間以内にバズ動画を出す水準まで、勝ち筋を型化する
  5. 散発的なバズではなく多数の小さな当たりの合算で量を作る(ピーク時は1週間で4億回再生、直近もTikTok・Instagram・YouTube横断で月4〜5億回を維持)
  6. 1本目(Glam Up)で作った配布の型を、別ジャンルの2本目(Sprout)にそのまま移植し、堀を『アプリ』ではなく『仕組み』に溜める
初期の広告費
$0(前作Glam Upから一貫して広告費ゼロ・外部資金ゼロ)

再現できる手順

  1. 1「作る」より「配る」を先に設計する——機能ではなく観客を制約として扱う
  2. 2万人共通の自己改善ニーズ × ショート動画映え × 結果に払う動機、の3条件が揃うジャンルを選ぶ
  3. 3UGCクリエイターを“採用→社内コースで育成→フィードバックで改善→紹介と分析で量産”の4工程で回す
  4. 4オンボーディング修了者がすぐ当てられるよう勝ち筋を型化する(修了者の過半が2週間以内にバズる水準を狙う)
  5. 5プロダクト側は最も消耗する作業を1スワイプに畳む(就活なら応募の再入力をAI生成+エージェント自動化で消す)
  6. 6従量×月/週課金で価格を刻み、体験価値を見せてから課金へ誘導(行動心理に沿った収益化タイミング)
  7. 71本目で作った配布の型を、別ジャンルの2本目にそのまま移植して堀を“仕組み”に溜める

つまずき・苦労

Nicoleはエンジニアリングの専門教育を受けておらず、就活アプリに辿り着くまでに複数のアプリを作っている(本人いわく“4度の創業者”)。元は不動産の仕事に物足りなさを感じて欧州を放浪し、その後サンフランシスコでアプリ作りに行き着いた経緯がある。最初から就活アプリで当てたのではなく、Glam Upで掴んだ『配布の型』を別ジャンルで再現した2本目がSproutだ——“一発のひらめき”ではなく型の使い回しが本質。

その後の更新

  1. 2026年8月21日

    料金体系を更新: Basic/Pro/Ultraの週課金が$19.99/$39.99/$79.99に(公表時点は旧名Prep AI名義で$5.49〜$29.99台)。公式料金ページと複数の独立レビューで確認。

深掘り分析

【深掘り】Sproutの本質は求人アプリであること以上に、『バイラルを“運”ではなく“工程”に変えた配布マシン』である点にある。Nicoleが2本のアプリで再利用した仕組みを分解する。

中核思想:制約は『作る』から『配る』へ移った

Nicoleの一貫した主張は「誰でも週末でアプリを作れる時代、勝負を決めるのは機能ではなく観客(オーディエンス)だ」。だから彼女はプロダクトと同じ熱量で“配布”を設計する。Glam Upでもらった結論——広告ゼロ・無資金でも、配布を仕組み化すれば100万ユーザーに届く——を、Sproutでそのまま再演した。これは『良いものを作れば広まる』の真逆で、『広め方を先に決めてから作る』に近い。

4ステップのクリエイター制度(バイラルの工場)

Sproutの集客の心臓は、200人超のUGCクリエイターを“育成”して回す仕組みだ。報じられている型は4段:(1)ソーシング=作り手を集める、(2)オンボーディング=構造化したコース(社内“学校”)で勝ち筋を教え込む、(3)マネジメント=フィードバックループで一人ひとりの投稿を改善する、(4)最適化=紹介(リファラル)インセンティブと分析基盤で量と質を両輪化する。効果は数字に出ている——オンボーディングのコースを修了したクリエイターの50%超が、最初の2週間以内に“バズ”動画を出す。散発的なバズを、再現性のある供給ラインに変えたわけだ。

結果としての到達量

この工場が回ると、ピーク時には1週間で4億回再生という規模に達した。直近もTikTok・Instagram・YouTube横断で月4〜5億回の再生を維持している。重要なのは、これが“1本のバズ頼み”ではなく“多数の小さな当たりの合算”である点。中の人(クリエイター)が増えるほど供給が増え、紹介で次のクリエイターが入る——人数そのものが次の集客を生む正のループになっている。

プロダクト側の摩擦削減:応募を1スワイプに畳む

配布だけでは課金は続かない。Sproutはプロダクト側でも“応募の摩擦”を徹底的に削った。求人ごとのWorkday長文フォーム、職務に合わせた履歴書・カバーレターの書き直し——この一連を、スワイプ→AI生成→エージェント自動入力の3手に圧縮する。就活で最も消耗する『同じ情報の再入力』を消すことが、毎月課金を払い続ける理由になる。

価格とマネタイズの設計

料金はBasic/Pro/Ultraの3段で、月あたり応募数で上限を区切る。週課金より月課金が約25%安く、長く使うほど月課金へ誘導される設計。さらに“本格利用にはサブスクが必要”(オンボーディングは通せるが、実用にはまず課金)という、体験価値を見せてから払わせる導線になっている。Nicoleが行動心理学と『感情的に最適なタイミングでの収益化』を重視してきた——という前作Glam Upの設計思想が、ここにも通底している。

なぜ就活カテゴリだったか(ジャンル選択の妙)

美容(Glam Up)から就活(Sprout)へ——一見遠いが、狙いは一貫している。どちらも(a)“万人共通の自己改善ニーズ”があり、(b)ショート動画で『使ってみた』が映え、(c)結果に金を払う動機が強い。クリエイター工場で配るには、UGCが量産しやすく、視聴者の自分ごと化が速いテーマが向く。就活はまさにその条件を満たし、学生クリエイターとの相性も良かった。

個人開発者への持ち帰り

Sproutの教訓は『技術の堀より配布の堀』。最先端モデルを自作するのではなく、既存AIを摩擦ゼロの体験に翻訳し(=作る側の差別化を最小化し)、代わりに“クリエイターを育てて回す”という再現可能な配布資産に投資する。1本目で作った配布の型は、2本目のジャンルでもそのまま効いた——つまり堀は『アプリ』ではなく『配布の仕組み』に溜まっていた。

よくある質問

Sproutはどこの国のアプリ?誰が作った?
米国サンフランシスコ拠点のNicole Cheungが開発しました。Claremont McKenna College在学中に複数の消費者向けAIアプリを立ち上げた「4x Founder」です。
Sproutの料金はいくら?
無料ダウンロード+アプリ内課金です。2026年8月時点でBasic 週$19.99・Pro 週$39.99・Ultra 週$79.99の3段階(月課金は週課金より約25%安い)。
Sproutは無料で使える?
ダウンロードと基本的な求人閲覧は無料ですが、AIによる応募書類の自動生成・自動応募を本格的に使うにはサブスクリプション契約が必要です。

全事例を横断した『集客の型』レポート(準備中)

個別の事例では見えない「どの集客手法が、どのカテゴリで、どれくらい効いたか」を全事例の数字から集計した有料レポートを準備しています。公開時に先行案内を受け取れます。

関連する事例