矽谷工程師薪資大公開，看Google、蘋果工程師如何分級、薪水多少？|數位時代 BusinessNext

大家眼中的工程師薪水都很高，但到底有多少？CNBC的報導指出，在矽谷，應屆畢業的軟體工程師可拿到六位數美元的薪資（不含股權報酬），根據資歷，有些工程師每年更可以賺得數百萬美元，而這都取決於**「級數」的不同**。

在Google，初級工程師從第三級開始；蘋果（Apple）的工程師則分為五級，從ICT2到ICT6；微軟則從59的軟體開發工程師開始到80的技術研究員或某個專業領域的領導者。級數越高，報酬越高。（1,500家台灣企業薪資全公開）

不過，更多人好奇的應該是，這「級數」怎麼運作或怎麼換算？如果Google的第四級跳槽到Facebook，該算哪一級？如果在蘋果升到ICT3，薪資漲多少？尤其在現代，越來越多人靠跳槽加薪，更得搞懂「級數」才行了。於是，兩個美國畢業生穆沙（Zuhayeer Musa）和莫西登（Zaheer Mohiuddin）建立了網站「Levels.fyi」，蒐集來自矽谷的大型科技公司員工薪資資料，讓人們可以根據自身設定的估值去判斷。

薪水15萬美元起跳

Levels.fyi的數據顯示，在Google、Facebook、亞馬遜（Amazon）、蘋果和微軟的軟體工程師薪資都很高。Levels.fyi預估，在Google的第三級或剛畢業的初級工程師可掙得總薪資18萬9,000美元或12萬4,000元薪資加上4萬3,000美元的股權報酬；而在Facebook，初級工程師、「E3」級一年可賺16萬6,000美元。

數據顯示，薪酬隨著級數升高而增加，甚至呈現指數型成長。例如，Google的第七級，被認為是大部分工程師的最高級數，年薪為60萬8,000美元。

Quora前招聘經理奧斯曼（Osman Ahmed Osman）說，雖然每間公司不同，但多數公司採用同一級數標準，分為六級，而每一級別在不同公司的職稱略有差異。

每家公司的級別術語也可能不太一樣，例如蘋果的叫ICT，代表個人貢獻技術（individual contributor tech），Salesforce的級別稱為MTS，代表技術人員（member of technical staff）。

雖然Levels.fyi的數據是眾包的，可能不太牢靠，畢竟那些會提交薪資數據的應該還是賺得較多的那群人，但Levels.fyi創辦人說他們能清除不太可靠的資料點，而且這些數據和Radford、Connery Consulting等數據公司賣的真實資料相當匹配，有些企業的人資就相當依賴這類網站數據。

有利的談判工具

如果是在一間大公司有不錯級數的人，可能會想看看自己可以在較小型的企業取得什麼位置，最重要的是，可以加多少薪水。

但級數的薪資水平並非透明的，這便讓許多求職者在薪資談判上占劣勢。在瀏覽網站上的數據時，你可能會嚇到，有些只有幾年經驗的竟然可以年賺數十萬美元，而有些人的低薪可能只是因為談判技巧差。Levels.fyi網站創立的初衷，正是想幫助人們解決這項難題。

薪資分級可以讓人們有往上爬的動力，但也為整個矽谷的工資帶來壓力。「總的來看，我認為，每當Google和Facebook發現他們失去太多中層員工時，就會調高薪資水平。」軟體公司Triplebyte的創辦人塔格爾（Harj Taggar）說，而這時，Uber或Slacks等企業也會接著調高基本工資，接連繼續影響其他企業。

他說，

Facebook和Google是軟體工程師人才市場的領頭者，為矽谷的薪資水平定錨。

雖然人們看似不斷追求高級別，但可以達到工程師最高級別的人並不多。「大多數人在退休前都落在第三到第五級。」莫西登說。

薪資「級數」不是矽谷獨創

雖然矽谷玩轉這套方法很熟練，但這種「技術階梯」的方法早已在許多公司施行長達70多年。

奧斯曼從二戰後的杜邦公司追蹤這套方法的起源，當時施行的目的就是為了激勵有才華的員工可以不斷成長與進步。

分析完工程師，levels.fyi繼續將目光轉向不同行業領域，例如金融市場，「雖然級數不多，但卻更標準化。」莫西登說。像是高盛、摩根史坦利、花旗，在分析師、合夥人、副總裁、總經理等高管的薪酬水平都非常相似。

責任編輯：蕭閔云

本文授權轉載自：經理人；作者：王德平

一家連續十年營收 700 萬元的健身業者，如何在一年內將業績推升至 3,500 萬元，成長整整 5 倍？答案可能和多數人想的不一樣。

這家健身品牌不是一開始就加碼投放廣告，而是先從調整組織架構與薪酬制度著手，透過明確分工改善團隊運作，進而建立「全員銷售」文化，這並不是要求每位員工都成為業務員，而是讓團隊理解與認同品牌理念，確保從服務、回覆、教學到售後過程中的每一個顧客接觸點，都能傳遞一致的訊息與體驗，從而建立顧客對品牌的信任感，甚至願意主動購買與持續回購。而規劃這套成長策略的幕後推手，正是無限創意行銷。

AI 讓行銷變簡單，為何行銷公司反而更難做出成效？

雖然公司名稱裡有「行銷」兩個字，但無限創意行銷並非只從行銷工具出發，而是以顧問式行銷的角色，先理解企業經營問題，再決定應採取哪些行銷與營運解方。「我們不會一開始就告訴企業該採用哪些行銷策略，而是根據企業真的需求來提供適合解方」，無限創意行銷創辦人翁小五一語道出公司的獨特定位。

通常，企業在面對營收成長瓶頸時，第一個念頭就是做行銷，然而，翁小五從過往的工作與創業經驗中發現，限制企業營收成長的原因有很多，不一定與行銷有關，背後可能還有其他問題，若沒有釐清真正的問題所在，就急著投入廣告或其他行銷資源，很可能只是治標不治本。

基於這樣的觀察，無限創意行銷決定採取反向思考邏輯：先回到企業經營本身，找出造成「成長趨緩」的真正原因，再據此制定策略、優化營運流程，最後透過行銷放大企業優勢。當每一筆行銷投入都建立在更健康的企業體質與更精準的策略判斷之上，行銷才不只是「有做」，而是真正能為企業帶來成長。

這套「先找問題、再選工具」的服務模式，在生成式 AI 工具普及後，也成為拉開行銷成效差距的關鍵。

過去，行銷公司的價值建立在製作能力、投放技術與媒體資源；但當 AI 逐步降低文案、素材與分析的執行成本，單純提供「做內容、下廣告、做報表」的服務，差異化將快速縮小。此時真正考驗的，反而是行銷人的理解力和判斷力：能否看懂消費者真正需要什麼？能否找出限制企業營收成長的關鍵環節？而這正是無限創意行銷長期深耕企業經營現場、不斷透過數據與市場驗證所累積的核心能力。

AI 拆解營收黑洞，讓數據為企業成長導航

在無限創意行銷的顧問式服務流程中，數據是相當重要的依據。翁小五進一步說明，無限創意行銷的數據應用可以分為三個層次：從檢視行銷活動成效、拆解顧客旅程中的問題節點，再進一步延伸至年度營運規劃，讓企業不只知道「過去發生了什麼」，更能判斷「下一步該怎麼走」。

首先，是檢視行銷活動成效，其中最重要的原則在於，根據行銷目標去解讀數據。舉例來說，如果目標是增加首購顧客，除了檢視素材吸引力與點擊率，還要持續追蹤到站、詢問、成交、新客占比與首購成本；如果目標是擴大營收規模，則應進一步檢視回購率、客單價與顧客終身價值。

數據應用的第二層價值，是拆解從「廣告投入」到「營收產出」之間的過程，理解每一個節點的數據分別反映什麼問題，再針對問題逐一修正。

至於第三個層次，則是讓數據成為企業經營與資源配置的依據。無限創意行銷會從年度營收目標出發，結合產業特性、淡旺季變化與過往行銷成果，拆解每一季、每個月的業績任務，再將過去有效的策略放大、成效不佳的做法修正，據此安排下一年度的行銷資源與營運節奏。

不急著加碼廣告，從企業體質出發找出 5 倍成長解方

對無限創意行銷來說，數據是找出問題、配置資源與規劃成長路徑的關鍵，文章開頭提到的健身業者，正是此套方法論的最佳印證。當初，翁小五深入診斷後發現，這家企業真正的問題在於組織結構過度扁平，老闆長期忙於處理日常事務，難以專注在營運規劃；此外，組織缺乏真正負責營運管理的中階主管、教練流動過高導致學員缺乏安全感等，皆是影響回購率的因素。

因此，無限創意行銷先從組織架構著手，設立專責店長一職，並重新設計薪酬制度，藉此讓教練、店長與老闆皆可專注在自身工作上。之後，再透過前期廣告數據與顧客洞察，找出消費者選擇品牌的真正原因，並運用行銷活動與口碑經營持續放大。同時，翁小五也在過程中導入「全員銷售」概念，確保顧客在各個接觸點都享有一致的體驗，品牌才能逐步累積顧客信任。

最終，這家企業的營收一年就成長至 3,500 萬元，達到原先的 5 倍。這個案例也說明了無限創意行銷的方法論：行銷不是企業成長的起點，而是放大企業優勢的槓桿；企業體質愈健全，這支槓桿所能放大的成長效益也愈大。

從「會做」到「會判斷」，AI 時代，無限創意行銷正在重新定義行銷公司的價值

隨著 AI 能力越來越強大，下一代行銷公司的價值，不只是比誰更懂得運用 AI，而是行銷人的市場理解力與專業判斷力，知道 AI 產出的內容哪些值得留下、哪些應該捨棄，或是該如何持續修正，才能打造出能夠被消費者感受到的品牌體驗。

因此，無限創意行銷未來將積極建立團隊與 AI 協作的方法論，將過往的專案判斷、提問框架與數據檢核邏輯，轉化為 AI 協作流程。團隊在面對新專案時，不是直接要求 AI 給答案，而是先定義目標、限制條件與判斷標準，再去檢查 AI 產出是否符合商業情境。

對翁小五而言，AI 時代真正稀缺的，不是工具，而是定義問題、理解消費者與判斷品質的能力。未來無限創意行銷的競爭力，也不在於使用多少 AI，而是持續將人的品味、市場理解與產業 Know-how，透過 AI 放大，協助企業打造更精準的品牌體驗與更高品質的決策。