惯性聚合 高效追踪和阅读你感兴趣的博客、新闻、科技资讯
阅读原文 在惯性聚合中打开

推荐订阅源

V
Vulnerabilities – Threatpost
P
Proofpoint News Feed
The Hacker News
The Hacker News
Know Your Adversary
Know Your Adversary
Threat Intelligence Blog | Flashpoint
Threat Intelligence Blog | Flashpoint
T
Tenable Blog
AWS News Blog
AWS News Blog
S
Securelist
T
Threatpost
C
Cybersecurity and Infrastructure Security Agency CISA
IT之家
IT之家
腾讯CDC
WordPress大学
WordPress大学
Spread Privacy
Spread Privacy
C
Check Point Blog
cs.CL updates on arXiv.org
cs.CL updates on arXiv.org
Engineering at Meta
Engineering at Meta
Latest news
Latest news
A
About on SuperTechFans
The Register - Security
The Register - Security
L
LINUX DO - 热门话题
T
The Exploit Database - CXSecurity.com
C
Cisco Blogs
T
Tailwind CSS Blog
Simon Willison's Weblog
Simon Willison's Weblog
阮一峰的网络日志
阮一峰的网络日志
MyScale Blog
MyScale Blog
大猫的无限游戏
大猫的无限游戏
T
Tor Project blog
L
Lohrmann on Cybersecurity
G
GRAHAM CLULEY
B
Blog RSS Feed
Scott Helme
Scott Helme
让小产品的独立变现更简单 - ezindie.com
让小产品的独立变现更简单 - ezindie.com
NISL@THU
NISL@THU
P
Privacy International News Feed
Security Latest
Security Latest
Recorded Future
Recorded Future
L
LangChain Blog
Cyberwarzone
Cyberwarzone
C
Cyber Attacks, Cyber Crime and Cyber Security
C
CXSECURITY Database RSS Feed - CXSecurity.com
博客园 - 聂微东
Google DeepMind News
Google DeepMind News
Last Week in AI
Last Week in AI
Apple Machine Learning Research
Apple Machine Learning Research
F
Fortinet All Blogs
O
OpenAI News
T
Threat Research - Cisco Blogs
Blog — PlanetScale
Blog — PlanetScale

人人都是产品经理

为什么你的产品找不到差异化?90%的失败都卡在第一步上(下) – 人人都是产品经理, 3年从30万到1300万用户、获2200万美元融资,这个AI教育产品用“抽卡”破解了获客难题 – 人人都是产品经理, 园区招商系统怎么做才能真正帮到去化?我加了这一个功能,推广链接转发400次阅读过万 – 人人都是产品经理, AI大事件:OpenAI发完网络安全模型又搞药物研发,小鹏汽车要抓”DeepSeek时刻” – 人人都是产品经理, 电商不是卖货,是一场更残酷的产品经理实战 – 人人都是产品经理, 没想到,活动营销又回来了! – 人人都是产品经理, 为何All-in海外KOC:一场关于AI时代窗口期的豪赌 – 人人都是产品经理, 重新理解企业的内部协作 – 人人都是产品经理, 苹果的 AI 战略到底是什么? – 人人都是产品经理, 医疗智能体·第2讲——合规护城河:等保、PIPL与HIPAA的架构实战 – 人人都是产品经理, 向量知识库五步法:从“答非所问”到“精准回复” – 人人都是产品经理, 鸿蒙PC三方库构建总指挥HPKBUILD(sha)库为例 – 人人都是产品经理, 何时该用LLM?AI产品经理的LLM设计指南 – 人人都是产品经理, 医疗信息领域的需求方、决策方、准入方以及关注点(二) – 人人都是产品经理, 即梦涨价:一场被误读的「傲慢」 – 人人都是产品经理, 面试AI PM必答题:Hermes和OpenClaw的区别,如何讲清楚业务价值 – 人人都是产品经理, AI的下一张船票:世界模型——AI产品经理必须理解的技术拐点 – 人人都是产品经理, 小红书做GEO,怎么让AI信你?记住这 3 个重要信息 – 人人都是产品经理, 5 家印度 AI 初创公司,看看印度 AI 再做什么 – 人人都是产品经理, AI项目跨团队协作:产品技术业务如何不打架 – 人人都是产品经理, Agentic Workflow(智能体工作流):让AI从”答案生成器”变成”数字员工” – 人人都是产品经理, lycium_plusplus 项目全景解读:OpenHarmony 三方库构建的“大管家” – 人人都是产品经理, 从爆单救火到前置履约:两套预采策略,把生鲜大促履约效率拉满 – 人人都是产品经理, 什么时候该补货?我用一轮数据做了一个决定 – 人人都是产品经理, 从“机械兜底”到“动态分流”:AI客服重复进线治理的4大底层逻辑 – 人人都是产品经理, 抖音拼效率,红书拼洞察 – 人人都是产品经理, 全民狂欢与退潮——为什么龙虾这波热潮冷却得如此之快? – 人人都是产品经理, Stripe押注!MPP重塑全球支付 – 人人都是产品经理, 小红书GEO:AI引用你的内容,不是因为你对,而是因为你看起来可信 – 人人都是产品经理, 前百度副总裁押注办公Agent,日韩付费爆发,Manus迎来强劲对手 – 人人都是产品经理, 企事业单位数字化的业务供需本质 – 人人都是产品经理, 医疗智能体·第1讲——医疗信息化重构:从“辅助软件”到“自主智能体”的范式转移 – 人人都是产品经理, 粉丝量就是空气!!! – 人人都是产品经理, 用户说“薯片碎了”,机器回“要买吗?”:意图识别的翻车与破局 – 人人都是产品经理, RAG召回准确率从75到90 我做对了这三件事 – 人人都是产品经理, AI大事件:Anthropic改收费、OpenAI发安全版、手术机器人纳入医保、阿里发布”秒悟” – 人人都是产品经理, Chrome 推出 Skills 新功能,Agent 重塑上网方式 – 人人都是产品经理, GitHub前创始人拿了a16z的1700万美元,做Agent时代的Git – 人人都是产品经理 拷贝或克隆其他 Flutter OH 项目到本地后无法运行 – 人人都是产品经理, 优惠券设计:优惠券创建 – 人人都是产品经理, 不用死磕文档!AI 助手 1 小时搞定飞书 CLI 安装 + 配置 + 知识库 – 人人都是产品经理, 用小龙虾做竞品分析报告:从2天到20分钟,我是怎么做到的 – 人人都是产品经理 用小龙虾做市场分析报告:搞懂这3个公式,市场规模不再靠猜 – 人人都是产品经理, 你早就在做 Harness 工程,只是不知道它叫这个名字 – 人人都是产品经理, Think Long就够?你可能想多了! – 人人都是产品经理, 货代SRM实战:供应商准入怎么做,才能让资源池不是通讯录而是可交付网络? – 人人都是产品经理, 如何做好用户调研?详解基本技巧 – 人人都是产品经理, 木鸟、途家、美团对打,平台春天行动开“卷” – 人人都是产品经理, 入职才发现公司不靠谱?小红书从业者求职避坑指南 – 人人都是产品经理, 美国 AI 三巨头联手封堵,中国 AI 突围之路在何方 – 人人都是产品经理, 小红书,放在需求对面的镜子 – 人人都是产品经理, AI 会带来大规模失业吗? – 人人都是产品经理, 从出单到补货前,我第一次犹豫:该不该放大? – 人人都是产品经理, Flutter 三方库鸿蒙化适配:5 种高效检查方式,快速判断是否需要适配 – 人人都是产品经理, 从做产品进阶拿结果:医美机构产品经理转岗科室运营经理 – 人人都是产品经理, 阿里HappyHorse,一场关于“Token经济”的阳谋 – 人人都是产品经理, To B AI:客户留存落地的观察与思考 – 人人都是产品经理, AI产品的“生命线”——数据采集、标注、清洗的产品化设计 – 人人都是产品经理, 谈谈AI Agent(二):当“孩子”能自己“体验世界”时,你该学什么? – 人人都是产品经理, UI/UX设计师的3层能力进阶,前两层让你活下来,第三层…才是真正的分水岭 – 人人都是产品经理, 2分钟 → 30秒,效率提升75%:B端产品经理如何用「规则枷锁」驯服AI幻觉? – 人人都是产品经理, 还没来得及学OpenClaw,来了个更猛的:Hermes Agent – 人人都是产品经理, AI日报:宇树机器人跑出10m/s刷新世界纪录 – 人人都是产品经理, 一文说透基金互金如何用情绪价值引导用户决策做转化 – 人人都是产品经理, 当浏览器开始替你”看”网页:AI 浏览器正在亲手拆掉它脚下的那张网 – 人人都是产品经理, 0代码,一天时间我Vibe Coding了个网站 – 人人都是产品经理, Hermes 和 OpenClaw 之争,Agent 的能力应该“装上去”还是“长出来”? – 人人都是产品经理 视频生成的“桌子”,字节Seedance 2掀完,阿里快乐马掀 – 人人都是产品经理, 从听不懂到完全信任:我的 Codex 深度产品体验 – 人人都是产品经理, 当虚拟偶像有了北京户口,与真人偶像还有什么区别? – 人人都是产品经理, 会说,远远比会做更重要 —— 对 SBTI 爆火现象的五层观察 – 人人都是产品经理, AI产品经理必看:当“搭环境”比“选模型”更重要,你的认知还在2024年吗? – 人人都是产品经理, 2026年AI产品商业化核心逻辑:从功能demo到规模化营收的3个必破卡点 – 人人都是产品经理, 京东围绕供应链,卷起裤腿下场的那些事儿 – 人人都是产品经理, SBTI一夜刷屏:它赢在了“太会说人话” – 人人都是产品经理, 折扣零售的真相:不是便宜,而是价值感! – 人人都是产品经理, 和甲方吵了一架,最后加钱做了——我学到的ToB产品经理生存法则 – 人人都是产品经理, 和几位小红书操盘手聊了8小时,干货全在这 – 人人都是产品经理, 智谱GLM-5.1登场,开源模型首超Opus4.6!!! – 人人都是产品经理 Anthropic收入凭什么反超OpenAI,终于有人把这事说清楚了 – 人人都是产品经理, 史上最有故事感的技术报告——Claude最强模型Mythos 7个极其精彩的细节 – 人人都是产品经理, 模型不是壁垒,Harness 也不是 – 人人都是产品经理, 抖音本地生活业务思考21 – 人人都是产品经理, Superpowers:145k Star的AI编码框架,到底是什么来头? Superpowers:145k Star的AI编码框架,到底是什么来头? – 人人都是产品经理, OpenAI 的路走错了,Anthropic Harness 解法启示:模型需要实践专科生 – 人人都是产品经理, 画原型图的前一步:设计站点地图 – 人人都是产品经理, 给 DeepSeek 的最后一封催更信 – 人人都是产品经理, 手把手教你用 Claude Code 搭建 AI 营销团队:5 个 Agent、12 项技能,独立完成研究、写作、设计全流程 – 人人都是产品经理, 你以为大模型在学语言?不,它在重新发明语言学 – 人人都是产品经理 所谓Skill,不过是AI时代的工业垃圾 – 人人都是产品经理, 聊一聊内容传播的几个方法 – 人人都是产品经理, 当平台开始吃掉生态:从 OpenClaw 被封杀,读懂 Anthropic 的这盘棋 – 人人都是产品经理, 你装了 10 个 AI 插件,Obsidian 还是一个文件夹 – 人人都是产品经理 关于AI智能体架构演进的系统性思考:从单体试水到多体协同的重构 – 人人都是产品经理, 当“人”变成Skill,我们又该何去何从? – 人人都是产品经理 Mythos 事件:前沿 AI 治理的意外实验 – 人人都是产品经理, 货代CRM:信用与风险管理怎么做,才能把坏账风险拦在放货之前? – 人人都是产品经理, 从HR收集自拍照到员工自助录入——我见证了园区人脸识别从”不可用”到”真好用”的全过程 – 人人都是产品经理 千问闯关AI混沌期:阿里画靶,吴嘉张弓,马云射箭? – 人人都是产品经理,
电商客服薪资在不同城市分布解读——上海篇
晌午 · 2023-07-06 · via 人人都是产品经理

从不同地区的薪资分布,能看出什么信息呢?本篇文章将以上海的电商客服岗为例,探讨其薪资构成所反映的岗位、人员和行业信息,希望本篇文章能为你提供一些参考帮助。


首先,我们来看一组不同城市电商客服的薪资分布数据,围绕这部分数据来分析下“电商客服薪资在不同城市”会得出一些什么样有趣的结论。

数据来源:某直聘软件,6月不同城市客服薪资报告。

电商客服薪资在不同城市分布解读—上海篇

说明:原始数据累加不等于 100%,可能因小数点位数进位或数据缺失导致。

以上就是这一组不同城市客服薪资区间分布的数据组,下面我们就一起来分析下这组数据,本文将首先对上海这个城所作出分析。

以上海为例,分析单个城市薪资分布背后的信息

首先我将这一组数据的 11 个城市作为维度拆分,这样就得到了 11 组独立的城市数据。先以上海这组数据为例,看看上海客服薪资分布数据背后的信息。

电商客服薪资在不同城市分布解读—上海篇

上海 —— 6 月客服薪资区间

将数据组转化成饼图后,我们可以分析出如下结论:

上海客服薪资不同薪资的分布占比中:

  • 有 4 个薪资区间占比大于 0,其中最多的是0.6w-0.9w 这一区间,占比达 55%。占比最小的位于 1.2-1.5w 这一区间,是 4% 。
  • 有 2 个薪资区间占比等于 0,即 0.3w 以下和 1.5w 以上这两个区间的数据是 0,在上海没有客服达到这两个薪资区间。

下面,我们就将通过数据结论解读出其背后的岗位、行业和人员信息。

1. 薪资背后的岗位信息

薪资是一个工作岗位的直观反映,从薪资区间我们可以直接解读出客服这个岗位在上海的一些岗位信息。

1)薪资区间反映职级高低

薪资区间往往和岗位的职位、职级有着明显的挂钩,绝大多数情况下薪资和岗位职级成正比,职级越高可以拿到的薪资数量也就越大。

从这判断出,在上海,接近 8 成的客服集中在一个基层执行者的岗位,并且其中实习生数量占比不乏少数,仅有非常小部分的客服是一个客服管理者岗位。

为什么这么判断?我们从数据上来验证下,在上海一般薪资在 0.9w 以下,是执行岗的一个薪资水平,而 0.6w 以下,可能就是一个实习生的收入水平了。

上图中,0.3w-0.6w 占比 20%,0.6-0.9w 占比 55%,两者相加刚好 75%,证明了近 8 成客服是在基层岗位中的;图中 1.2w-1.5w 这个代表主管甚至总监薪资水平的区间占比不到 5%,也印证了仅一小部分的客服是一个客服管理者。

2)薪资区间反映岗位结构

单个薪资区间可以反映职级,多个薪资区间组合一起看,就能判断出一个岗位的组成结构,例如高薪资区间岗位数量少,低薪资区间岗位数量多就是比较典型的金字塔形的薪资结构。

由此我们可以通过上海客服薪资区间,来看看上海客服的薪资结构情况,从数据中我们判断出,上海客服薪资结构是一个类椭圆形结构。

其原因在于,0.6-0.9w 这个薪资区间占比 55%,超一半的客服薪资落在了这个档位,该薪资区间比其下一区间(0.3-0.6w)的占比多 35%,比其上一区间(0.9-1.2w)的占比多37%,组合在一起,会得到一个中间较宽两头较窄的类椭圆形状。

类椭圆的薪资结构意味着客服岗位在上海薪资水平主要集中在中等薪资区间范围内(0.6-0.9w 是第 3档薪资区间),一方面说明了,岗位竞争较少,大部分客服的薪资落在一个可以保障相对稳定和基本生活的位置,但另一方面也反映出了,高收入的岗位比较少,晋升空间少。

3)薪资区间反映竞争程度

薪资区间的层级和层距,可以一定程度上反映岗位的竞争程度。

一般的,层级少和层距小,说明岗位中的高级岗位和初级岗位薪资差距不大,那么整体岗位竞争小;反之,则竞争激烈从上海薪资区间分布数据上看,一共有 6 个薪资区间,每个薪资区间上限和下限差 3k 元。

其中 2 个薪资区间的占比为 0,说明在上海客服在0.3w-1.5w 这个薪资区间中分布。理论上最高薪资的客服和最低薪资客服的差距最多在1.2w。

这里判断出,整个岗位大家的薪资差距没有很多,整体的竞争性会比较低。

4)薪资区间反映岗位前景

透过薪资区间分布,我们也能预估一个岗位的前景。一个岗位的前景主要一个晋升通道,特别是高职级岗位的晋升。

如果高职级的岗位数量少,下一级的岗位数量多,这种金字塔形结构就反映出了晋升通道狭窄,晋升困难,对应的岗位前景也会较差。

薪资区间可以直接反映职位的职级高低,上海客服能拿到的薪资分为 5 个档位,第 5档的薪资是 1.2-1.5w,第 1档是 0.3-0.6w。通过从上海这组不同档薪资占比数据,判断上海客服岗位的前景晋升空间较少。

原因在于:

  • 其一,高职级的岗位数量很少,1.2-1.5w 这个第 5 档的薪资区间,也就是客服可以拿到最高薪资区间的岗位数量占比仅 4%,说明在上海客服岗位上,只有 4% 的客服薪资在 1.2w 以上。
  • 其二,第 5 档薪资区间比第 4 档、第 3 档分别少了 14% 和 51%,说明下级薪资档位的客服数量多。

结合两者,在上海想要和有机会进入“1.2w 以上薪资”的客服群体有 73%,而最终能拿到“1.2w 以上薪资”的仅 4%,高达 70% 左右的客服最终都没办法从 0.6-1.2w 这个区间,升职进入到 1.2w 这个高收入。

就说明了岗位的晋升较难,缺乏增长动力,会有大量优秀的客服无法晋升到高收入职位,晋升空间有限,最终可能会导致优秀的人才离开行业。

2. 薪资背后的行业信息

岗位是行业提供的,顺着岗位信息,可以进一步去解读行业的信息。

1)薪资区间反映行业差异

同样的岗位,在不同行业会存在差异,在同一个行业的不同细分领域也会有不同。

在电商这个行业领域,通常偏服务、偏支持的行业,所提供的薪资就会相对低,以固定薪资为主。

像是快消、食品等行业,业务比较稳定,该行业客服人员,从事的多是服务和支持消费者的工作,例如解释商品、处理售后等。

而偏销售、偏创造的行业,所提供的薪资就会高,会有比较高的绩效和提成,例如家具、珠宝、数码产品等,客服人员需要更多的去挖掘线索,促成成交等销售性工作。

从数据图表中,我们能推测上海大部分客服在服务性质行业的数量较多,因为在上海 0.9w 以下的客服占比在 75%,0.9w 以上的客服占比在 22% 。

2)薪资区间反映行业限制

薪资区间分布还可以反映一定的行业限制,占比为 0 的区间就反映出了行业的天花板和底线。

上海客服薪资区间中,0.3w 以下和 1.5w 以上,分别是整个薪资结构中最低一档和最高一档,这个两个薪资区间占比都为 0,说明了在上海没有客服的收入处在这两个位置,一定程度也反映出了行业的一些薪资限制。

0.3w 以下这个低收入区间没有客服,说明了行业的薪资有一定的最低准入门槛,可能是政府对于企业职工最低收入区间的政策限制,也可能是低于这个区间没有办法招聘到客服。

而 1.5w 以上这个薪资区间没有客服,说明了客服行业有一定的天花板,再优秀的客服都没有办法突破岗位薪资限制。

3. 薪资背后的人员信息

每个岗位的背后,都对应着实实在在的人,就能从中解读出人员的一些信息:

1)薪资区间反映人的生理信息

通过薪资区间分布数据,我们可以推测出岗位背后人的生理信息,例如客服岗位背后客服人员的年龄。

从上海客服薪资区间分布,判断出客服岗位从业者的年龄偏低,理由有二:

  • 其一,接近 80% 的客服薪资都在 9k 以下,在上海仅能满足日常生活需要,更多地符合毕业不久或无家庭孩子开销的年轻人。
  • 其二,电商行业整体属于一个比较新的行业,年轻人接受程度更高。

结合两者,推断出在上海客服岗位从业者整体年龄偏低,18% 在3-6k 薪资区间的客服可能是即将毕业或刚毕业的学生,55% 在6-9k 薪资区间的客服可能毕业 2-3 年,只有薪资在 9k 以上的这部分占比 22% 的客服可能在毕业 5 年以上。

2)薪资区间反映人的社会信息

薪资区间的分布数据,除了反映出客服的生理信息外,还可以反映其从业人员作为社会人的一些信息。例如客服岗位背后客服人员的一个生活水平情况。

一线城市的上海是中国的经济化中心和国际化大都市,相对应的在这个城市的生活成本也会较高,包括房租、食品、交通等方面。

从薪资区间分布中,我们可以推测在上海绝大部分的客服的薪资仅能覆盖基本的生活开销,因为接近80% 的客服薪资都在 9k 以下,甚至有接近 1/5 的客服只能拿到 6k 以下的薪资,可想而知这部分客服的生活会相对拮据。

剩余 20% 薪资在 9k 以上的客服,在满足基本生活需求外,还能一定程度上享受日常消费和娱乐,生活水平相对较好。

以上就是我通过上海这组薪资数据解读出来的一些信息,数据的解读是有一个无限可能性,下一篇在北京篇看看能不能分析出一些其他有意思的信息呢。

专栏作家

晌午,微信公众号:晌午自习室,人人都是产品经理专栏作家。4年产品经验,专注于数据方向,目前是电商客服领域的产品 。

本文原创发布于人人都是产品经理,未经许可,禁止转载。

题图来自 Unsplash,基于CC0协议

该文观点仅代表作者本人,人人都是产品经理平台仅提供信息存储空间服务。