STAR 原則怎麼用？把「負責 X」改成有數字的履歷 bullet

STAR 的重點是最後那個 R（Result）：把「負責 X」挖出數字，變成看得出成效的 bullet。人數、頻率、規模、時間、比例、品質改善都算數字，不是只有業績金額。

多數人寫履歷時，情境、任務、行動都寫得出來——「公司要改善客戶滿意度，我重整了回覆流程」——然後就停了。結果那一格交白卷，或寫成「提升了客戶滿意度」這種沒有刻度的形容詞。招募方真正在看的恰恰是結果：前三段描述你做了什麼，只有結果證明你做出了什麼。每條 bullet 都只到「行動」就結束，對方看到的是一份忙碌但看不出成效的職責清單。

STAR 四段各要回答什麼

• —Situation 情境：那時公司或團隊面對什麼狀況
• —Task 任務：你被交付的目標是什麼、要解決哪個問題
• —Action 行動：你實際採取了哪些具體動作
• —Result 結果：做完之後，哪個數字變了、變多少

台灣職場文化重視謙虛與集體功勞，把成果算到自己頭上常被視為搶功。這讓很多人寫結果時下意識把「我做出了 X」縮成「協助團隊達成 X」。但履歷不是同事聚餐，是你個人的價值證明——誠實標出你那一份貢獻不是搶功，量化正是把「集體」拆出「你個人那一塊」最乾淨的方式。

量化的 7 種來源：金額只是其中一種

「我的工作沒數字」這個卡點，多半來自一個誤解——以為量化就等於業績金額。但數字有 7 種來源，金額只佔一格：

• —金額：帶來或省下多少錢、管多少預算。常見於業務、採購、財務
• —百分比：某個指標成長或下降幾個百分點。常見於行銷、營運、產品
• —人數：服務、帶領或影響多少人。常見於客服、人資、教育訓練
• —頻率：多久做一次、一週或一個月處理幾件。常見於行政、客服、後勤
• —時間：花多久、比原本快多少。所有職能都適用
• —規模：管多少品項、系統、據點或資料量。常見於行政、資訊、供應鏈
• —品質改善：錯誤率、投訴、重工降低多少。常見於客服、品保、製造

所謂「沒數字的工作」，通常只是習慣盯著第一種。行政有頻率與規模，客服有人數與品質，後勤有時間與規模——數字一直都在，只是沒人教你怎麼算。

教練式自問清單：把數字問出來

數字不是憑空寫出來的，是問出來的。對著每一段經歷逐題自問：

• —這件事我多久做一次？一週或一個月幾件——問出你的工作量級
• —這件事影響多少人？我服務或協調幾個單位——問出你的影響範圍
• —做之前和做之後，哪個數字變了、變多少——問出可驗證的成果
• —我管多少東西？幾個品項、系統或據點——問出你扛的責任量級
• —做這件事花多久？比原本快或省多少——問出你的效率
• —沒有我，會出什麼問題——問出你的不可取代性

問不出精確數字也沒關係，用合理估算或範圍就好，例如「約每週 50 件」「服務超過 30 個內部單位」「處理時間縮短大概一半」，都遠勝過模糊動詞。估算可以，捏造不行：估算是你對真實情況的合理回憶，捏造是面試一問就破的地雷。

範例一：行政總務，把「負責庶務」挖出規模與頻率

以下數字皆為示意範例，請替換成你自己的真實數字。

• —模糊寫法：負責辦公室行政庶務、文件管理與會議安排
• —量化寫法：統籌 3 個據點、約 60 人規模的行政庶務，每月處理逾 80 筆請款與採購；導入文件電子化與共用行事曆，將會議排程往返溝通時間縮短約 40%，年度辦公用品支出較前一年節省約 15%

挖出了什麼：用規模（3 據點 60 人）和頻率（每月 80 筆）撐起量級，再用時間和金額證明成效。同一句「負責庶務」，問完 4 個來源就有了 4 個數字。

範例二：客服，把「處理客訴」挖出人數與品質

以下數字皆為示意範例。

• —模糊寫法：負責客戶問題處理與客訴回覆，維護顧客關係
• —量化寫法：獨立處理日均約 40 通客戶來電與 30 封信件，平均首次回覆時間從 8 小時縮短至 2 小時；歸納高頻問題建立 FAQ 與回覆範本，使客訴重工率下降約 25%、月度滿意度評分由 4.1 提升至 4.6

挖出了什麼：純流程性的工作，靠頻率、時間與品質改善三個角度，就能從流水帳變成看得出成效的成就。

範例三：行銷企劃，把「協助活動」挖出百分比與商業結果

以下數字皆為示意範例。

• —模糊寫法：協助社群經營與行銷活動執行，提升品牌曝光
• —量化寫法：主導 2 檔季度社群活動（觸及超過 10 萬人次），重構貼文策略後自然觸及成長約 60%、粉絲月增率從 3% 提升至 8%；建立內容排程 SOP，將每篇貼文產製時間縮短約 30%

挖出了什麼：「提升品牌曝光」是無法驗證的說法，換成可驗證的百分比，再補上規模與時間；順帶把「協助」升級成「主導」，標明你的角色。

「沒數字也能量化」對照

如果你還是覺得自己的工作對不上，直接查這份對照：左邊是你以為沒數字的工作，右邊是可以挖出的量化角度。

• —整理文件、資料建檔：處理筆數、資料量、錯誤率下降、查找時間縮短
• —接電話、回訊息：日均通數或信件數、首次回覆時間、一次解決率
• —安排會議與行程：協調人數與單位數、排程往返時間、衝突率下降
• —跑流程、送簽核：流程件數、平均處理天數、卡關率下降
• —帶新人、教學：帶過幾人、上手時間縮短、留任情況
• —維護系統或設備：管理品項數、故障率、停機時間、復原時間
• —寫文案、做設計：產出件數、產製時間、互動率或轉換率變化

訣竅永遠是同一個：先確定這件事的規模和頻率，撐起量級；再找一個前後對比，證明成效。兩者湊齊，最普通的工作也寫得出成就。

那我自己用 ChatGPT 寫不就好了？

我們不反對你用 AI，潤飾文句、修文法確實夠用。但量化這一步，恰好是它天生解不了的：

• —它順從你，不會反問你。你叫它把客服經歷寫得專業一點，它就直接生一個漂亮版本，不會反問你日均接幾通、回覆時間從幾小時降到幾小時——而那些數字，只有你腦袋裡有
• —你沒給數字，它可能為了句子好看自己填一個。那是工具的猜測，不是你的真實成果，面試一追問就露餡
• —它寫得出「專業」，寫不出「是你」。生成出來的是語感漂亮的平均求職者，細節一問就空

差別一句話講完：一般 AI 幫你「假裝」，教練式 AI 幫你「表達」。CareerOS 做的是後者——用看過大量台灣履歷的職涯顧問方法論，反過來問你問題：這件事多久做一次、影響多少人、前後差多少，把你真正做過卻說不清楚的數字一題一題問出來。你主導內容，它只負責引導。

我的工作真的沒數字怎麼辦？

幾乎不存在「真的沒數字」的工作，只有還沒被問對問題的工作。回到量化的 7 種來源，先放掉金額那一格，改問頻率（多久做一次）、規模（管多少東西）、人數（影響多少人）。再普通的行政或後勤，套這三個角度都挖得出東西。

STAR 一定要四段都寫嗎？

履歷的 bullet 通常不會完整寫四段，版面有限。實務做法是把行動和結果濃縮成一句：做了什麼動作、帶來什麼數字結果；情境與任務用一兩個關鍵詞帶過或省略。STAR 是幫你想清楚的框架，不是照抄的格式。完整四段比較常用在面試的口頭回答。

數字可以估算嗎？會不會算錯反而扣分？

估算可以，捏造不行。沒有後台精確數據時，用合理範圍或量級完全沒問題，例如「約每週 50 件」「服務超過 30 個單位」，這是對真實情況的合理回憶，不是造假。紅線是無中生有：寫一個你根本沒做到的數字，面試一問就破，誠信成本遠高於少一個小數點。

台灣職場講究謙虛，把成果算自己頭上會不會太招搖？

履歷不是同事聚餐，是你個人的價值文件。在這裡誠實標出你那一份貢獻不是搶功。技巧是：團隊成果用「主導或負責某一塊」標清你的角色，例如「在 12 人專案中主導客服流程那一段」，既誠實又不搶整隊的功。量化反而是把集體拆出個人最乾淨的方式。

CareerOS 跟一般 AI 履歷工具差在哪？

一般工具多是你給指令、它生一份，數字它替你猜。CareerOS 用真人職涯顧問的方法論反過來問你問題，把你腦中的真實數字問出來，並針對台灣職場語境（台廠、外商、新創各自在看什麼）調整。你主導內容，它不替你假裝，所以結果經得起面試追問。它不承諾錄取結果，履歷成效本來就因人、因職缺而異。

下一步：先確認哪幾行還停在「負責 X」

讀到這裡，你已經有了 STAR 框架、量化的 7 種來源和自問清單。真正難的往往是：對著自己的履歷，看不出哪一句還停在「負責 X」。免費的履歷健檢可以先做這件事——不用註冊就能跑，跑完看得到總分、四個維度分數、市場價值與整體診斷總結，也就是先確認卡點在哪一段。至於完整的逐句改寫建議，需要登入並使用付費方案；如果你現在只是想知道自己的成就有沒有寫出數字，從免費健檢開始就夠了。