1,000 美元能買到幾筆職缺？一個招聘數據分析團隊的實際計算

勞動市場情報是一門資料算術的生意——每美元採到最多職缺的團隊，贏得產品展示。本文針對每月 200 萬筆職缺的工作負載，用三種方式實際計價：原始住宅代理、按結果計費的爬蟲 API、以及混合架構。過程中對 Thordata 與 Bright Data 做一場公平比較——因為這正是當時桌上那兩份報價。

勞動市場分析產品——薪資基準、招聘訊號 feed、技能需求指數——都在做同一個承諾：更多職缺、更新鮮、更便宜。贏得展示的是覆蓋率圖表漂亮的那一家。所以當一個招聘數據分析團隊決定重建採集層時，他們先把它變成一道算術題，然後才動基礎設施。

把工作負載規格寫誠實

成本模型的好壞取決於工作負載規格。以下是他們用的版本：

規格直接推出兩個結論。第一，原始量：200 萬筆職缺加更新負擔，每月約 260 萬次頁面抓取，若以完整頁面抓取約 900 GB 流量。第二，目標來源中很大一部分是結構化的求職網站——正是現成爬蟲為之而生的那種標準化目標。記住第二點，模型有意思的地方就在這。

路線 A：原始住宅代理

經典架構：住宅代理流量加上自建解析器。用兩家供應商的公開費率計價：

以公開牌價計，同樣的 900 GB 在 Bright Data 列價上比 Thordata 滑桿貴約 5–7 倍。公平地說這個溢價買到什麼：Bright Data 是業界最完整的企業級網路資料平台之一——龐大的 IP 網路、成熟的解鎖產品線、企業合規工具，以及最高 $500 的首次儲值加碼——而且大買家能議到低於牌價。如果你的組織需要企業協議與成熟的企業供應商姿態，這些是實實在在的考量。但對一個比較公開牌價的自助式分析團隊而言，這個用量下的價差就是頭條數字。

不過路線 A 有一個比每 GB 費率更深的問題，而且兩家都適用：職缺頁是重量級頁面，按 GB 計費懲罰的是重量，不是價值。 你付錢下載導覽列、頁尾、追蹤腳本。這帶出了團隊的下一個問題。

路線 B：按結果計費的爬蟲

Thordata 的 Web Scraper API 按交付結果計費——入門量約 每 1,000 筆 $1.00、量價約 $0.50——目錄超過 120 個現成爬蟲，涵蓋主要求職網站，驗證碼破解與 JavaScript 渲染內建。同一份工作負載重新計價：

與路線 A 的比較不是接近，是懸殊。900 GB 下，Thordata 的住宅滑桿就已經勝過按結果計費的入門費率——但量價下的按結果模式（整份工作負載約 $1,000）勝過兩者，因為它計價的是交付物而不是下載量。而且維運面也縮小了：網站改版不必修解析器、不必寫驗證碼邏輯、不必編重試預算。

Bright Data 對等的自助式爬蟲產品透過其平台方案計價；對已在該生態系的團隊是正當路徑，但針對這個特定工作負載，公開的 PAYG 經濟學在規模上偏袒按結果計費。

路線 C：實際上線的混合架構

團隊的最終架構：主要網站走按結果爬蟲，企業職缺頁的長尾保留一層原始住宅代理——小型網站、版面千奇百怪、沒有現成爬蟲涵蓋：

採集總成本：200 萬筆職缺約每月 $950——每筆職缺約 $0.0005。「1,000 美元能買幾筆職缺」的答案，對這份工作負載而言，是兩百萬筆。

沒人編預算的那一層：搜尋側的招聘訊號

團隊的產品路線圖上有一個客戶一直要的功能：哪些公司「看起來」正在招聘——搜尋結果裡跑著的職缺廣告、雇主品牌關鍵字、職缺頁的搜尋能見度上升。這個訊號住在 SERP 裡，不住在職缺頁裡。

加上它是第三層計價：Thordata 的 SERP API 量價約 每 1,000 次結構化回應 $0.70，或排程追蹤用的完整受管 SERP 監控解決方案。每天監看前 50,000 個雇主關鍵字，大約每月 $1,000，疊在職缺管線之上——而持續 SERP 資料爬取服務交付的就是結構化資料，零解析工程直接進入與職缺資料相同的資料倉儲。

常見問答

企業職缺頁為什麼不用更便宜的資料中心代理？ 職缺頁是小型網站，只有最粗糙的頻率限制，而資料中心 IP 段是小站第一個封的東西。住宅級流量裡被擋的職缺頁代價是一次重試；資料中心流量裡的代價是覆蓋率圖表上少一家公司。長尾的住宅層是為了「每美元的可靠度」，不是每 GB 的原始單價。

更新過程中消失的職缺怎麼辦？ 按結果計費的漂亮之處：回傳「已下架」的過期職缺是便宜的訊號而不是浪費的流量——在勞動分析裡，墓碑本身就是資料點（職位被填滿了），而成本模型天然處理它。

200 萬筆對中型市場產品不是太多了嗎？ 覆蓋率就是產品。覆蓋 40% 的展示圖表，輸給覆蓋 85% 的那一張；而按結果計費正是讓 85% 變得可負擔的原因——新增一個網站的邊際成本是它的職缺量乘以 $0.0005，事先已知。

直接買職缺資料集不是更簡單？ 現成資料集（Thordata 的涵蓋 100 多個網域，約每 1,000 筆 $0.25）非常適合歷史回補與模型訓練，而即時採集服務新鮮度敏感的產品。多數成熟團隊兩者都跑：資料集打底，採集吃增量。

既有按 GB 架構的遷移路徑是什麼？ 先把一小片流量鏡像到按結果 API——免費試用額度就夠——在你自己的來源上比較每美元的交付職缺數。本文的團隊在覆蓋率不變的情況下，把採集成本砍了約 60%，而 SERP 監控層沿用同一套「先試再承諾」的模式。

可以推廣的教訓是：在資料算術的生意裡，計價模式本身就是架構決策。按 GB 計費為你能控制的流量最佳化；按結果計費為你交付的資料最佳化。勞動市場情報交付的是職缺——所以按職缺計價的團隊贏得覆蓋率圖表，而 1,000 美元買到兩百萬筆。