「平均投幾份履歷才有 offer？」沒有一個個人案例能回答所有求職者，但個人部落格和 Substack 常公開傳統招聘調查不會呈現的細節：申請多少職位、面了幾輪、等了多久、退出幾個流程，以及哪些公司始終沒有回覆。這些數字適合用來看求職流程的摩擦點，不適合拿來當市場平均或保證成功的公式。
四份候選人個人追蹤，各有不同母體
| 作者和平台 | 作者公開的求職紀錄 | 解讀限制 |
|---|---|---|
| Nick Hart 個人部落格 | 50 歲以上、科技業求職；文章呈現面試與失聯比例，並記錄每週 2–4 個高品質申請、熟識人脈引介較有幫助 | 資深工程／管理經驗，偏好特定職位；作者自己說年齡歧視段落沒有統計數據 |
| Maggie Wolff Substack | 2.5 年、296 份申請、376 則招募私訊、與 50 位聯絡、116 輪面試、3 個 offer；最終面試轉 offer 的比例逐年變動 | 資深資料科學求職者、在職且挑職；市場跨 2022–2025，作者有休息和更改策略 |
| Kitty Giraudel 個人網站 | 5 個月、60 家申請；33 家在見面前拒絕、13 家在至少一輪後拒絕、14 家未回；另有公司主動從 LinkedIn 聯絡 | 工程管理與資深 IC 職位搜尋；作者對自動化篩選的成因有推論，沒有後台紀錄 |
| cjr.dev 個人部落格 | 共 43 份申請、14 個拒絕、3 個面試、1 個退出、25 家沒有回覆；收到回覆的平均時間 18 天，最長 57 天 | 軟體工程師、限定有薪資範圍且多數條件符合的職位；小樣本且非隨機 |
資料來源：Nick Hart 的求職回顧、Maggie Wolff 的求職數據、Kitty Giraudel 的求職回顧、cjr.dev 的求職統計和故事。
這些數字揭露的不是一個成功率，而是四種不同流程
Maggie 的總數很大，但她找的是高度聚焦的資深資料職位，且仍有在職收入，所以可以多次拒絕不值得轉職的 offer。cjr.dev 作者則把投遞限制在自己大致符合的職位，而且只投刊出薪資範圍的職缺；他的 43 份申請中，多數沒有回覆。Kitty 同樣以品質為優先，找管理職和資深工程職，還遇到公司主動邀請。Nick 把熟人推薦視為較有效入口，卻也記錄直接聯絡招聘窗口無回覆的情形。
四份個人紀錄不能比較出哪個人「策略比較好」，因為職級、專業、地點、年份、在職狀態和薪資目標都不同。它們比較能說明：
- 面試數多，未必代表求職進度快。116 輪面試可能跨很長時間，且其中有退出流程。
- 收到已讀、平台狀態或私訊，不一定轉成正式面試。每位作者如何定義「聯絡」也不同。
- 等待時間差異大。cjr.dev 的個案從約 12 小時到 57 天都有；作者最後接受 offer 的流程從投履歷到終面 31 天，正式 offer 再等 6 天。
- 最後一輪不保證錄取。Maggie 的終面轉 offer 比例從前幾年低到後來提高，是她個人面試練習與市場時間共同交織的結果，不能保證讀者練同樣次數就得到相同比率。
- 候選人也會退出或拒絕 offer。只看公司拒絕數會忽略求職者自己的篩選權。
求職者如何自己建立有用的漏斗
每個職缺一列，記錄這些欄位：
| 欄位 | 為何值得記 |
|---|---|
| 職缺來源、刊登日期、職稱 | 比較平台、時間和職位類型，但不直接推算哪個平台一定有效 |
| 申請日期、履歷版本、是否附求職信 | 看哪種申請後續較常被聯絡；小樣本只作個人調整線索 |
| 資格符合情況和薪資範圍 | 發現自己是選擇條件過寬、職缺資訊不足，還是薪資方向不合 |
| 每個面談日期、輪數、面試者和評估內容 | 計算你的準備時間與流程成本，觀察是否重複面談 |
| 承諾回覆日、實際更新日 | 分辨守時流程和反覆失約，不把單次延誤解讀成拒絕 |
| 結果：拒絕、失聯、進行中、退出、offer | 把沉默從「我是不是不夠好」拆成流程結果 |
| 自己的決定與退出原因 | 看哪些工作條件會讓你拒絕，不被單一 offer 壓著走 |
每月檢查一次即可，不需要把求職變成績效競賽。若申請多但沒有電話初談，先看職位匹配、地點和履歷呈現；若初談很多、主管面少，檢查你對職務需求、薪資和轉職動機的說法；若進到後段但不錄取，記錄是否出現技能缺口、角色重新定義或內部人選消息。這是定位漏斗卡點的假設，不是只憑比例下定論。
如何記錄「失聯」而不把未回當作已拒
先用自己的規則定義狀態，例如「超過對方承諾日期五個工作日仍無更新」標成逾期；「四週沒有任何聯絡」移入長期沉默區。Nick Hart 以四週沒有聯絡作為個人「ghosted」分類門檻；那是他的管理習慣，不是業界正式規定。Nick Hart：把四週未聯絡列入失聯清單
資料表上可以保留「進行中／等候」「逾期未更新」「已收到拒絕」「本人退出」四種狀態。這可避免把對方未回當成已知結果，同時讓你不再每天反覆查信箱。超過自己的等待日後，仍可把工作流程視為未定，不必停止其他求職活動。
個人數據能回答什麼？
它能回答：「我目前投的職位，有幾個進到初談？流程通常多久？我在哪一階段比較常停住？哪些條件讓我選擇退出？」它不能回答：「市場平均錄取率是多少？HR 這次沉默真正因為什麼？我是否遭遇年齡歧視或假職缺？」後兩類問題需要不同證據，不能由個人漏斗直接判定。
求職數據的用途是幫你調整策略，不是怪自己
四位求職者都公開了數字，但每人的求職母體不同。把他們的數字當作流程地圖，你會看到申請無回音、後段失聯、面試長、offer 不是全盤照收等現象確實存在於個人經驗；把數字當成標準成功率，就會得到錯誤比較。最有價值的是追蹤自己的條件、投入和決定，讓你知道該調履歷、問清楚時程、拒絕超時作業，或把精力轉向更匹配的工作。
來源與個案限制
以下都是求職者個人回顧，不是代表市場的抽樣調查；職涯階段、地域、產業和統計定義各不相同。部分數字依作者自行記錄和分類，不能當作求職成功率，也不能單靠數據推斷未回覆的原因。查核日期：2026-10-05。
- Nick Hart：50 歲以上科技業求職回顧（個人求職追蹤、面試與失聯經驗）
- Maggie Wolff：我的求職數字（一）（跨 2.5 年的個人申請、面試與 offer 統計）
- Kitty Giraudel：求職回顧（資深工程與管理職的個人追蹤）
- cjr.dev：求職統計與經驗（43 份申請的小樣本記錄）
資料記錄
資料維護資訊
- 最後查證
- 2026年10月5日