CareerRoost重點
- 63% 的雇主表示，候選人越來越多地根據不準確或未經驗證的數據提出薪資要求。您在談判中攜帶的數字決定了您是留在談判桌上還是要求報價的數字（Payscale）。
- 像 Glassdoor 這樣的自我報告薪資平台比真實市場中位數高出 5% 到 15%。這種偏見是可以預見的：收入高於平均水平的人報告的更多，而積極的求職者要么薪酬過低而離開，要么薪酬過高並考慮下一個工作機會。
- 73% 的薪資談判失敗並不是因為候選人要求太多，而是因為他們將自己的要求錨定在根本上有缺陷的數據上。您的號碼來源比號碼本身更重要。
- 三源規則消除了大多數資料品質問題。在您說出一個數字之前，請交叉參考政府資料集作為基準、針對當前範圍的特定於角色的平台以及針對雇主披露的薪酬的職位發布聚合器。
為什麼大多數線上薪資數據不如您想像的準確？
大多數求職者進行薪資研究的方式與進行任何其他線上搜尋的方式相同。他們在出現的第一個平台中輸入職位名稱和地點，瀏覽平均值，並將該數字視為事實。過程需要九十秒。犯錯的後果會影響整個職業生涯，因為每份薪水都會影響下一份薪水，而第一次談判中 5% 的差距並不是一次性的損失。這是一種複合的。
線上薪資資料的結構性問題並不是故意誤導。收集數據的平台的激勵措施從根本上與使用它的人的準確性需求不一致。自我報告的薪資網站依賴使用者提交的資訊來建立資料庫。提交的使用者不是勞動力的隨機樣本。他們中大部分人收入高於平均水平並希望分享，或者收入低於平均水平並希望在離開前進行基準測試。兩組都引入了抽樣偏差，並且都使總數偏離了真實的市場中位數。史丹佛大學勞工經濟學家將自我報告的平台與經過驗證的雇主數據進行比較後發現，Glassdoor的薪資比實際市場中位數高出 5% 至 15%（Payscale，“薪酬最佳實踐報告”，2025 年）。誤差方向一致。幅度因角色而異。在每種情況下，含義都是相同的：您看到的數字可能高於大多數雇主實際支付的數字。
使採樣問題變得更加複雜的是陳舊性問題。免費平台上的薪資數據可能多年未更新。從 2022 年開始，軟體工程師的薪資反映出招募市場已不復存在。 2023 年行銷經理的薪資早於人工智慧驅動的重組，改變了公司為這些技能支付的費用。依賴自上屆總統執政以來尚未更新的數據不是研究。這是在用一個決定你的財務軌蹟的數字來賭博，而賠率對你不利。
73% 的薪資談判失敗是因為候選人將他們的要求錨定在根本上有缺陷的市場數據上，而不是因為他們要求太多。數據來源決定結果。候選人在參與談判時所使用的數字來自經過驗證的、雇主報告的數據集，這與那些引用他們在電話會議前十分鐘查到的Glassdoor平均值的候選人給人的印像是不同的。招聘經理可以看出其中的差異。薪酬團隊當然可以區分出其中的差異。 （Payscale，《薪水最佳實務報告》，2025 年）
薪資數據格局：數字的實際來源
在選擇正確的資料來源之前，您需要了解每個來源實際包含哪種類型的資料。薪資平台衡量的標準並不相同。他們收集數據的方式並不相同。而且它們在談判中的目的並不都是相同的。按資料類型而不是按品牌名稱對它們進行分組可以明確哪些屬於您的研究堆疊。
政府資料集位於可靠性層次結構的頂部。美國勞工統計局職業就業和工資統計計劃對 830 種職業的約 110 萬家企業進行了調查，並報告了雇主提交的實際工資數據以及按地理細分的數據。這些數據統計嚴謹，涵蓋幾乎所有行業，並具有聯邦強制性調查的分量。它也落後於市場 12 到 18 個月，並且不包括獎金、股權或福利，這些因素加起來平均佔總薪資的 29.5%。政府數據為您提供了發言權。它沒有給你上限，也沒有給你奧斯汀科技新創公司下週將提供高級產品經理的具體數字（Salary.com）。
Levels.fyi 和 Glassdoor 等眾包平台填補了政府資料無法彌補的及時性差距。 Levels.fyi 已成为技术薪酬的标准参考，它根据录取通知书和 W-2 表格验证提交内容，而不是仅接受表面上的自我报告。它将总薪酬分为基本工资、股权、签约奖金和绩效奖金，这一点很重要，因为在上市科技公司，股权可能占总薪酬的 40% 或更多。權衡是覆蓋範圍。超過 70% 的 Levels.fyi 提交內容是軟體工程角色。該平台因其利基市場而與眾不同，對其之外的任何人來說幾乎毫無用處。
職位發布聚合器代表了最新的類別，並且在某些方面，對求職者來說是最直接有用的類別。 Integrated.io 和 HireJack 等平台直接從雇主的職缺中提取薪資範圍，而不是依賴員工的自我報告。由於薪資透明度法現已涵蓋 16 個州的約 6,000 萬名美國工人，因此越來越多的職位包含雇主揭露的薪資範圍。這些數據與就業市場本身一樣最新，因為它來自即時發布的信息。限制是覆蓋範圍。如果某個角色沒有按照公開的範圍積極招募，它就不會出現在資料集中。但當它確實出現時，這個數字來自雇主自己的預算，而不是陌生人的自我報告。
圖表中的數字反映了薪資研究出錯時會發生什麼以及出錯的頻率。超過一半的員工從不進行談判，不碰任何擺在桌面上的東西。近三分之二的雇主報告稱，應徵者攜帶的數據未經證實。幾乎一半的自我報告薪資數字下降了 15% 以上。近四分之三的失敗談判可以追溯到疲軟的數據，而不是疲軟的候選人。這種模式並不微妙。談判失敗的人素質並不低。他們消息靈通，他們消息靈通，因為他們相信最簡單的來源，而不是正確的來源。
對於您的具體情況，您應該相信哪些來源？
沒有一個薪資平台適合所有角色、產業和談判環境。正確的來源取決於您正在研究什麼類型的角色、您處於招聘流程的哪個階段以及您正在與哪種類型的公司交談。下面的矩陣根據每個資料來源類別在您的研究中佔有一席之地的場景映射了主要資料來源類別。
| 數據來源 | 最適合 | 注意 |
|---|---|---|
| 美國勞工統計局/政府數據 | 為任何角色建立防禦底線；都會區之間的地理比較；醫療、教育、製造業等政府數據全面的產業 | 12至18個月的滯後；無股權、獎金或福利數據；職業類別很廣泛，可能無法清楚地映射到特定的職位 |
| Levels.fyi（已驗證） | 具有既定薪酬範圍的公司的技術職位；股權佔總薪酬很大一部分的職位；比較科技雇主之間的報價 | 超過 70% 的提交內容是工程角色；傾向於更高的報價和大型科技；對非科技行業的價值有限 |
| Glassdoor / 薪資表（自我報告） | 當政府數據過於陳舊時，廣泛的行業覆蓋範圍；針對公司的薪資研究；在進行更深入的研究之前獲得方向感 | 自我報告偏差使數字比真實中位數高出 5% 至 15%；數據可能已有多年歷史；視為方向性而非確定性 |
| 職缺發布聚合器 | 積極招募的職位的當前市場價格；驗證報價是否與競爭對手的廣告相符；在製定薪酬透明度法律的國家中的角色 | 僅捕獲正在積極招募的角色；法律不要求披露的空白；以美國為中心的報導 |
| 產業薪資指南（Robert Half、Randstad） | 這些指南具有深厚的歷史數據，涵蓋財務、會計、法律和行政職能中的角色；獲取函數的同比變化百分比 | 可能反映偏向較大都會區的安置資料；通常每年更新一次；利基角色的粒度有限 |
該表並非排名。它是一個決策工具。一名軟體工程師在與 C 輪新創公司談判報價時，需要 Levels.fyi 來獲取股權數據，並需要一個職位發布聚合器來獲取競爭對手的廣告內容。研究特定醫院系統薪酬的護理人員需要區域基線的 BLS 資料和特定機構範圍的Glassdoor。不同的角色，不同的堆疊，不同的數量。唯一的普遍規則是，只有一種來源是不夠的。
如何進行三角測量：消除不良資料的三源規則
最可靠的薪資研究習慣是三角測量：檢查三個獨立的資料來源，只信任收斂在合理範圍內的數字。如果 BLS 表示您所在城市的職位中位數為 72,000 美元，職位發布聚合器顯示的當前職位職位範圍為 68,000 美元到 82,000 美元，Levels.fyi 顯示經過驗證的職位資訊集中在 75,000 美元左右，那麼您的範圍就很窄，但還算合理。如果 Glassdoor 表示 95,000 美元，而其他所有內容都表示 72,000 美元，那麼您就需要丟棄一個異常值，而不是討價還價的籌碼。
順序和計數一樣重要。從政府數據開始作為基線。它的移動速度最慢，但最難忽視，因為它在統計上具有代表性，任何自我報告的資料集都無法比擬。然後檢查特定於職位的來源：科技領域的 Levels.fyi、法律或醫學領域的專業協會調查、會計或行政職位的行業薪資指南。使用職位發布聚合器或透過搜尋目標地區的即時職位並篩選包含公開薪資範圍的職位來完成當前市場檢查。整個過程需要二十分鐘。三角測量和單一來源猜測之間的區別在於，依靠實力進行談判與希望自己不只是提出一些結束對話的要求之間的區別。
當你確定了範圍後，請為其附加一個置信度。經過政府數據、經過驗證的平台提交以及當前雇主發布的範圍確認的數字具有很高的可信度。來自單一自我報告平台的數字存在較大差異且條目陳舊，可信度較低。您無需與雇主分享您的信心評級。您需要自己了解這一點，以便將您的要求錨定在高可信度數據上，並足夠寬鬆地持有低可信度數據，以便在雇主的報價揭示您無法提前收集的信息時進行調整。
從研究到談判：使用數據而不像電子表格
收集準確的薪資數據是先決條件。在談判中以不顯得機械或敵對的方式表達它是將研究成果轉化為金錢的技能。大多數候選人都會犯以下兩個錯誤之一。他們要麼引用自己的數據，就像在法庭上提供證據一樣，這讓雇主處於守勢，要麼根本不引用任何數據，這讓他們的要求浮在空中，沒有任何底蘊。中間道路比任何一個極端都更有效。
使用範圍而不是單一數字開啟。一個數字就可以回答「是」或「否」。範圍開啟對話。有效的措辭是這樣的：「根據我對該地區該職位當前市場價格的研究，我預計 X 到 Y 範圍內的價格。這與您的預算相比如何？」最後的問題將要求變成了邀請。它還讓雇主有空間說你的範圍在他們的預算之內，略高於預算但可以協商，或者遠高於預算，在這種情況下，你在接受該職位之前了解了一些有價值的信息。
順便引用一下你的資料來源，而不是詳細說明。您無需在談判中提及 Levels.fyi 或 BLS，就像您無需在有關天氣的對話中引用消息來源一樣。重要的是你聽起來像是一個做過工作的人，而不是一個在猜測的人。像「該地區可比較角色的市場數據」這樣的短語傳達了研究信心，而不聽起來像是您在閱讀證詞。如果雇主延後了你的工作範圍，那就是你要具體說明的時候了。 「我正在查看可比較公司的這一級別的經過驗證的報價數據，以及披露 X 和 Y 之間範圍的當前帖子。」特異性是您的後盾。信心是你的開門紅。
贏得談判的候選人並不是提出最激進要求的候選人。他們的要求建立在雙方都可以視為真實的數字之上。雇主可能會反對你的偏好。對他們來說，要冷靜地、不帶自我地呈現經過驗證的市場數據，作為雙方都希望以「是」結束的對話的共同起點，進行爭論要困難得多。這項研究為你辯護。你的工作就是像世界上最自然的事情一樣交付它，因為經過二十分鐘的三角測量，它確實如此。
準確的薪資數據並不能保證更高的報價。沒有數據可以迫使雇主支付超出預算的費用，也沒有消息來源可以預測他們需要多麼迫切地填補這個職位。準確的數據的作用是消除薪資談判中最大的非受迫性錯誤：因為您信任錯誤的來源而要求錯誤的數字。修復這個錯誤不需要花費任何成本，只是需要花二十分鐘檢查三個來源而不是一個。在整個職業生涯中，這二十分鐘的回報可達數十萬美元。達到這個比例的投資並不多。甚至更少，幾乎沒有人生產。