Metodología
Transparencia sobre nuestra recopilación y análisis de datos.
Recopilación de datos
Los datos se recopilan a través de un cuestionario anónimo en línea. Los participantes son SEOs in-house asalariados.
Actividades en lugar de títulos profesionales
A diferencia de otros estudios salariales, no preguntamos por el título profesional. Títulos como "SEO Manager" o "Head of SEO" no son comparables entre empresas: un "SEO Manager" en la empresa A puede tener responsabilidades completamente distintas que en la empresa B.
En su lugar, registramos 16 actividades SEO concretas y cuánto tiempo dedican los participantes a cada una (escala 0–5). Esto hace que los datos sean comparables.
Dimensiones recogidas
Más allá de las 16 actividades, recogemos otros factores que influyen en el salario.
Salario y compensación
Salario anual bruto, bonus, beneficios, aumento respecto al año anterior, salario deseado.
16 actividades SEO
Cuánto tiempo se dedica a cada actividad (escala 0–5). Desde la investigación de palabras clave y el contenido hasta el desarrollo técnico.
Experiencia y perfil
Experiencia en SEO, experiencia laboral total, edad, género, formación.
Empresa
Tipo (startup, mediana empresa, gran empresa), sector, internacionalización, antigüedad.
Liderazgo y responsabilidad
Liderazgo técnico y disciplinario, tamaño del equipo, responsabilidad de presupuesto.
Uso de IA en SEO
Cómo los SEOs utilizan la inteligencia artificial — desde GEO hasta la creación de contenido y el análisis de datos.
Análisis estadístico
Mediana en lugar de media
Utilizamos la mediana en lugar de la media aritmética. La mediana es robusta frente a valores atípicos: unos pocos salarios muy altos o bajos no distorsionan la imagen. En la mediana, exactamente el 50% gana más y el 50% gana menos.
Cuartiles (Q1, Q3)
Además de la mediana, mostramos los cuartiles:
- Q1 (25%): el 25% gana menos, el 75% gana más
- Mediana (50%): el punto medio
- Q3 (75%): el 75% gana menos, el 25% gana más
Mínimo de datos
Las estadísticas solo se calculan cuando hay al menos 5 datos disponibles. Las categorías con menos de 30 datos se marcan como «baja confianza» y se distinguen visualmente: su significancia estadística es limitada.
Limpieza de datos
No todos los datos enviados son utilizables. Los siguientes filtros aseguran la calidad de los datos:
Limitaciones
Autoselección
Los participantes deciden por sí mismos si participan. Las personas con salarios extremos pueden estar infra o sobrerrepresentadas.
Autodeclaración
Los salarios no se verifican. Confiamos en la honestidad de las respuestas.
Periodo temporal
Los datos antiguos no reflejan necesariamente los salarios actuales. El filtro de cohorte ayuda a separar los periodos.
Datos abiertos
Las estadísticas agregadas están disponibles públicamente. Los datos brutos no se publican para proteger el anonimato de los participantes.
Participar ahora