投了几十份 Software Engineer、Data Analyst 或 Product Analyst 岗位，没有面试邀请，很容易得出一个结论：岗位都是假的，或者自己缺内推、学历不够、市场已经没有机会。

这些说法有时包含一部分现实，但不能代替诊断。招聘暂停、竞争激烈、简历证据不足、岗位级别不对、渠道失效，都会造成“没有回复”。它们对应的下一步也完全不同。

与其每天盯着申请状态，不如把连续 14 天的投递当作一次小型实验：记录你投了什么、为什么投、投后发生了什么，再根据数据决定继续扩大投递、优先找内推，还是暂停某类岗位。

申请没有回复，通常卡在三个位置：

因此，单看“投了多少份”没有意义。你需要先区分“有效匹配申请”和“顺手申请”。

一份有效匹配申请至少满足以下两项：你做过 JD 中的核心工作；能列出对应项目或成果；关键工具或方法有实际使用经历；岗位级别与你的经验阶段接近。只因为公司知名、职位名称熟悉而投，不应和前者放在同一个统计池里。

所谓 ghost job，通常指职位页面仍然开放，但公司并未积极推进招聘，或岗位已被内部调整、冻结。它确实存在，但不能用“没有回信”单独证明。

想知道 ghost jobs 怎么判断，可以看一组组合信号：职位已发布很久且长期重复刷新；公司 Careers 页面上相似岗位数量反复变化；同一团队近期没有新增员工、没有招聘活动；你通过校友或招聘人员确认团队暂不推进；投递后职位被撤下又以几乎相同的描述重新发布。

但也要注意，发布时间长不等于虚假。大型公司、热门 New Grad 项目和跨地区岗位本来就可能收集候选人较久。

行动判断：若你在同一家公司投了 3 个以上高度相关岗位，均无任何查看、联系或后续动态，先暂停继续投该公司的相似职位两周。把时间转向仍有新增岗位、团队近期有招聘互动，或你能找到具体业务负责人的公司。不要为了验证一个猜测，反复投同一类入口。

科技招聘里，100% 匹配通常不是合理门槛。JD 往往同时写了必须项、理想项和团队未来可能需要的能力。真正要判断的不是关键词覆盖率，而是你能否完成岗位最核心的工作。

关于 JD 匹配多少可以投，一个实用做法是把要求分成三层：

例如，Data Analyst 岗位要求 SQL、Python、dashboard 和 A/B testing。若你有 SQL、Python、指标分析和可展示的项目，却没有某个指定 BI 工具，仍值得投。相反，如果职位核心是生产环境的 Java 服务开发，而你只有课程中的 Python 作业，即使关键词很多，也不应把它列为高优先级申请。

行动判断：14 天内，如果高匹配岗位的回复明显好于低匹配岗位，继续投前者并扩展相邻职位名称。若高匹配岗位也完全没有反应，重点改简历证据，而不是盲目补更多关键词。

没有内推能找到工作吗？可以。公开申请仍是美国科技招聘的正式入口，尤其是实习、New Grad 和结构化招聘项目。内推的价值主要在于增加简历被人查看、获得团队信息或找到正确申请岗位的机会，不是替代基本匹配。

内推最容易被误用的地方，是先要推荐、后看岗位。对方不了解你的经历，也无法解释为什么你适合团队，推荐的实际价值会很有限。

行动判断：当你已经有一份针对岗位调整过的简历，且目标公司存在具体团队、校友或二度人脉时，再优先寻找内推。联系时用三句话说明：你申请的岗位链接或 Job ID、与团队最相关的一项经历、希望对方确认的问题。不要只发“能否帮我内推”。

如果公开投递有零星 recruiter screen 或面试，但最终轮次推进困难，问题通常不在是否有内推，而在面试准备、项目叙述或岗位选择。

ATS 会整理申请信息，部分公司也会使用自动化工具协助招聘流程。但“没有某个标准背景就一定被机器筛掉”是过度推断。更常见的问题是简历让人看不出你是否满足核心要求。

例如，你写“参与电商数据项目”，招聘方无法判断你的角色；改成“用 SQL 清理 80 万条订单记录，建立留存指标 dashboard，支持每周业务复盘”，可验证性就高得多。数字必须真实，工具、任务、结果之间也要能在面试中讲清楚。

行动判断：若投递量不少但没有 recruiter screen，先抽样检查 10 份简历：每份是否在前半页写清目标岗位相关的技术、项目成果和业务场景；是否把课程作业伪装成工作经历；是否使用了与 JD 一致但真实的职位语言。先改证据表达，再讨论算法筛选。

学校品牌、专业和学历会影响部分岗位的筛选方式，尤其是校招资源有限时。但在 0 至 3 年经验岗位里，能否证明工作能力往往更直接：你解决过什么问题，使用什么方法，结果如何，是否能与工程、产品或业务团队协作。

对转专业或项目经历较少的人，难点不是“背景不够漂亮”，而是缺少可比较的工作样本。GitHub 项目、分析报告、案例复盘、开源贡献或校内研究，都可以成为证据，前提是它们与目标岗位相关，而非为了填满简历。

行动判断：如果你投递的岗位高度依赖已有行业经验，例如 fintech 风控、广告归因或医疗数据合规，可以暂时增加相邻岗位，如 Business Analyst、Operations Analyst、Implementation Analyst，或寻找能积累领域经验的合同项目。换岗位不是放弃目标，而是缩短证据缺口。

市场变化会影响招聘速度，但“整体难”无法回答你该投什么。美国科技岗位并非一个统一市场，不同城市、公司规模、职能和经验层级的需求差异很大。停止投递会让你失去观察真实需求的样本。

更合理的做法是缩小实验范围：少投一些，但每份都记录质量和结果。两周后再判断是继续、调整还是暂停。

连续 14 天，记录每一份有效匹配申请。建议不要把超过 30 份的随手海投与精投混在一起，否则数据无法解释。

第 7 天先做一次轻复盘。若高匹配申请少于 8 份，不要急着解释回复率，先补足样本。若投递都集中在同一类热门大厂，也应加入中型公司、行业科技团队或相邻职能岗位。

第 14 天，根据结果做选择：

没有回复并不自动说明你不够好，也不自动证明市场没有岗位。真正有用的信息来自可比较的数据：哪种岗位、哪版材料、哪个渠道，正在给你最接近面试的信号。把 14 天当作一个观察周期，下一轮行动才不会被传言牵着走。