ほとんどの求職者が信頼している給与データは間違っています。代わりにここを参照してください

オンライン給与データのほとんどがあなたが思っているよりも正確ではないのはなぜですか?

ほとんどの求職者は、他のオンライン検索と同じように給与調査に取り組みます。最初に表示されるプラットフォームに役職と所在地を入力し、平均を見て、その数字を事実として扱います。このプロセスには 90 秒かかります。それぞれの給与が次の給与につながり、最初の交渉で 5% が不足したとしても、それは 1 回限りの損失ではないため、間違った対応をした場合の影響はキャリア全体にわたって大きくなります。複合型です。

オンライン給与データの構造的な問題は、それが意図的に誤解を招くということではありません。それは、情報を収集するプラットフォームのインセンティブが、それを使用する人々の正確さのニーズと根本的にずれているということです。自己申告給与サイトは、データベースを構築するためにユーザーの提出に依存しています。送信するユーザーは、従業員のランダムなサンプルではありません。彼らは、平均よりも収入が高く、共有したいと考えている人々、または平均よりも収入が少ないが、辞める前にベンチマークをしたいと考えている人々です。どちらのグループもサンプリングバイアスを導入しており、両方とも集計値を真の市場中央値から遠ざけています。スタンフォード大学の労働経済学者らによる調査では、自己申告プラットフォームと検証済みの雇用主データを比較したところ、Glassdoor の給与が実際の市場中央値より 5% ～ 15% 偏っていることが判明しました (Payscale、「報酬ベストプラクティスレポート」、2025 年)。エラーの方向は一貫しています。その大きさは役割によって異なります。意味するところはどのケースでも同じです。あなたが見ている数字は、おそらくほとんどの雇用主が実際に支払う金額よりも高いでしょう。

サンプリングの問題をさらに悪化させるのが、古さの問題です。無料プラットフォーム上の給与データは、何年も更新されないままになる可能性があります。 2022 年からのソフトウェア エンジニアの給与は、もはや存在しない雇用市場を反映しています。 2023年からのマーケティングマネージャーの給与は、企業がこれらのスキルに対して支払う金額を変更したAI主導の再編よりも前のものである。前回の大統領政権以来更新されていないデータに依存することは研究ではありません。それはあなたの経済的軌道を形作る数字を使ったギャンブルであり、オッズはあなたに有利ではありません。

給与データの現状: 数字の実際の由来

適切なデータ ソースを選択する前に、各ソースに実際にどのような種類のデータが含まれているかを理解する必要があります。給与プラットフォームはすべて同じものを測定するわけではありません。すべてが同じ方法でデータを収集するわけではありません。そして、交渉においてそれらすべてが同じ目的を果たすわけではありません。ブランド名ではなくデータの種類別にグループ化すると、研究スタックにどれが属するかが明確になります。

政府のデータセットは、信頼性の階層の最上位に位置します。労働統計局の職業雇用・賃金統計プログラムは、830 の職業にわたって約 110 万の事業所を調査し、雇用主が提出した実際の賃金データを地理的内訳とともに報告しています。このデータは統計的に厳密で、ほぼすべての業界を網羅しており、連邦政府の強制調査に匹敵する重みを持っています。また、市場よりも 12 ～ 18 か月遅れており、ボーナス、株式、福利厚生は含まれておらず、これらを合計すると報酬総額に平均 29.5% が加算されます。政府のデータが根拠を示します。それは上限を示すものではありませんし、オースティンのテクノロジー系スタートアップ企業が来週、シニアプロダクトマネージャーにオファーする具体的な数字を示すものでもありません (Salary.com)。

Levels.fyi や Glassdoor などのクラウドソーシング プラットフォームは、政府データでは埋められない適時性のギャップを埋めます。技術報酬の標準リファレンスとなっている Levels.fyi は、自己申告を額面通りに受け入れるのではなく、オファーレターと W-2 フォームに照らして提出物を検証します。これは、報酬総額を基本給、株式、契約ボーナス、業績ボーナスに分けていますが、上場テクノロジー企業では株式が報酬総額の 40% 以上を占める場合があるため、これは重要です。トレードオフはカバレッジです。 Levels.fyi の提出物の 70% 以上がソフトウェア エンジニアリングの役割です。このプラットフォームはそのニッチな分野では例外的であり、それ以外の人にとってはほとんど役に立ちません。

求人情報アグリゲーターは最新のカテゴリーであり、ある意味、求職者にとって最も直接的に役立つカテゴリーです。 Comprehensive.io や HireJack などのプラットフォームは、従業員の自己申告に頼るのではなく、雇用主の求人情報から給与範囲を直接抽出します。給与透明性法は現在、16 州にわたる米国の約 6,000 万人の労働者を対象としているため、雇用主が公表している給与範囲を含む求人の割合が増加しています。データはライブ投稿から得られるため、雇用市場そのものと同じくらい最新のものです。制限は適用範囲です。役割が公開された範囲で積極的に採用されていない場合、その役割はデータセットに表示されません。しかし、実際にその数字が表示される場合、その数字は見知らぬ人の自己申告ではなく、雇用主自身の予算に基づいています。

グラフの数字は、給与調査が失敗した場合に何が起こるか、そしてその頻度を反映しています。従業員の半数以上はまったく交渉をせず、テーブルの上にあるものはすべて放置されます。雇用主の 3 分の 2 近くが、候補者が未検証のデータを持って到着したと報告しています。自己申告給与額のほぼ半数が15％以上乖離している。そして、交渉失敗のほぼ4分の3は、弱い候補者ではなく、弱いデータに遡ります。パターンは微妙ではありません。交渉に負けた人々の資格が劣るわけではない。彼らは情報が少なく、正しい情報源ではなく最も簡単な情報源を信頼しているため、情報もあまり得られません。

あなたの特定の状況についてどの情報源を信頼すべきでしょうか?

あらゆる役割、業界、交渉の状況に適した単一の給与プラットフォームはありません。適切な情報源は、どのような役割について調査しているのか、採用プロセスのどの段階にいるのか、どのような企業と話しているのかによって異なります。以下のマトリックスは、主要なデータ ソース カテゴリを、それぞれが調査内で適切な位置を占めるシナリオに対してマッピングしています。

この表はランキングではありません。意思決定ツールです。シリーズ C のスタートアップからのオファーを交渉するソフトウェア エンジニアは、株式データを取得する Levels.fyi と、競合他社が広告を掲載している情報を取得する求人情報アグリゲーターを必要としています。特定の病院システムの給与を調査する看護師は、地域ベースラインの BLS データと、施設固有の範囲の Glassdoor データを必要とします。異なる役割、異なるスタック、異なる数。唯一の普遍的なルールは、1 つのソースだけでは決して十分ではないということです。

三角測量の方法: 不良データを排除する 3 つのソース ルール

最も信頼できる 給与調査 の習慣は三角測量です。3 つの独立したデータ ソースをチェックし、妥当な範囲内に収束する数値のみを信頼します。 BLS があなたの都市でのあなたの役割の中央値は 72,000 ドルだと言い、求人情報アグリゲーターは現在の求人を 68,000 ドルから 82,000 ドルの範囲で表示し、Levels.fyi では検証済みのオファーが 75,000 ドル付近に集中していることを示している場合、防御可能な範囲は狭くなります。 Glassdoor に $95,000 と表示され、他のすべてに $72,000 と表示されている場合、交渉の材料ではなく、破棄すべき外れ値があります。

順序はカウントと同じくらい重要です。ベースラインの政府データから始めます。これは移動が最も遅いですが、自己報告のデータセットでは一致できないほど統計的に代表的なものであるため、無視するのが最も困難です。次に、役割固有の情報源を確認します。テクノロジーについては Levels.fyi、法律や医学については専門家団体の調査、会計や管理職については業界の給与ガイドなどです。最後に、求人情報アグリゲーターを使用するか、対象地域で現在の求人情報を検索し、公開されている給与範囲を含む役割をフィルタリングして、現在の市場状況を確認します。プロセス全体には 20 分かかります。三角測量した数字と単一情報源の推測の違いは、力に基づいて交渉するか、単に会話を終わらせるための何かを要求しなかったことを祈るかの違いです。

自分の範囲が決まったら、それに信頼レベルを設定します。政府のデータ、検証されたプラットフォームの提出物、および現在の雇用主が提示した範囲によって確認された数値は、高い信頼性を持っています。ばらつきが大きくエントリが古い単一の自己報告プラットフォームからの数値は信頼性が低いです。自分の信頼度評価を雇用主と共有する必要はありません。雇用主のオファーによって事前に収集できなかった情報が明らかになったときに調整できるように、要求を信頼性の高いデータに固定し、信頼性の低いデータを十分に緩やかに保持できるように、自分自身でそれを知る必要があります。

調査から交渉まで: スプレッドシートのように聞こえないデータの使用

正確な給与データを収集することが前提条件です。ロボット的または敵対的に聞こえることなく交渉でそれを実現することは、研究をお金に変えるスキルです。ほとんどの候補者は 2 つの間違いのうち 1 つを犯します。彼らは法廷で証拠を提示しているかのようにデータを引用して雇用主を守勢に置くか、データをまったく引用せず、その下に何もないまま自分の要求が宙に浮いたままになります。どちらの極端な方法よりも中間の方法の方が効果的です。

単一の数字ではなく範囲を指定して開きます。単一の数字が「はい」か「いいえ」を導きます。範囲によって会話が始まります。うまくいく表現は次のようなものです。「この地域におけるこの役割の現在の市場相場を調査したところ、X から Y の範囲で何かを期待していました。それはあなたの予算と比べてどうですか?」最後の質問は要求を誘いに変えます。また、雇用主に、あなたの仕事の範囲は予算の範囲内である、予算をわずかに上回っているが交渉可能である、またはそれをはるかに上回っていると言う余地も与えられます。この場合、あなたはその役割を受け入れる前に、その役割について価値のある何かを学んだことになります。

詳細ではなく、ついでにソースを参照してください。天気に関する会話で情報源を引用する必要があるのと同様、交渉の際に Levels.fyi や BLS の名前を名指しする必要はありません。重要なのは、推測している人ではなく、仕事をした人のように聞こえることです。 「この地域における同等の役割の市場データ」のようなフレーズは、証言録取書を読んでいるように聞こえることなく、研究の信頼性を伝えます。雇用主があなたの範囲を押し返してきたら、その時があなたが具体的になるときです。 「私は、同等の企業におけるこのレベルの検証済みのオファーデータと、X から Y までの範囲を開示する現在の投稿を調べています。」特異性はあなたのバックアップです。自信があなたの原動力です。

交渉に勝つ候補者は、最も積極的な要求をした候補者ではありません。彼らは、双方が現実のものとして扱うことができる数字に基づいて要求を構築している人たちです。雇用主はあなたの好みについて議論する可能性があります。彼らにとって、双方が「はい」で終わりたい会話の共通の出発点として、エゴなしで冷静に提示された検証済みの市場データについて議論することははるかに困難です。研究があなたの代わりに議論をしてくれます。あなたの仕事は、それが世界で最も自然なものであるかのように、それを提供することです。なぜなら、20 分間の三角測量の後には、それが自然なものだからです。

正確な給与データは、より高いオファーを保証するものではありません。雇用主に予算の許す以上の支払いを強制できるデータはなく、その役割をどれだけ緊急に果たさなければならないかを予測できる情報源もありません。正確なデータがもたらすのは、給与交渉における最大の強制されないエラー、つまり、間違った情報源を信頼したために間違った数字を要求するというエラーを排除することです。このエラーの修正には、1 つのソースではなく 3 つのソースをチェックするのにかかる 20 分以外は何もかかりません。キャリアを通じて、その 20 分間の利益は数十万ドル単位になります。この比率の投資はそれほど多くありません。ほとんど誰も作っていないものはさらに少ないです。