在台灣 Netflix 有上的動畫 (防疫期間)

依 IMDB 超過 1 萬人以上評分的順序

降世神通

• 1. 9.3 Avatar 降世神通
• 2. 9.2 Ricky and Moorty
• 3. 9.1 鋼之鍊金術師 Brotherhood
• 4. 9.0 進擊的巨人
• 5. 9.0 獵人
• 6. 9.0 死亡筆記本
• 11. 8.8 一拳超人
• 13. 8.8 咒術迴戰
• 16. 8.7 鬼滅之刃
• 18. 8.7 排球少年
• 19. 8.7 Bojack Horseman 馬男波傑克
• 20. 8.7 反叛的魯魯休
• 21. 8.7 烙印勇士
• 23. 8.7 南方公園
• 26. 8.6. 四月是你的謊言
• 27. 8.6 Young Justice 少年正義聯盟
• 29. 8.6 Advanture Time 探險活寶
• 30. 8.6 火影忍者疾風傳
• 32. 8.6 The Simpsons 辛普森家庭
• 34. 8.5 Love, Death and Robots 愛死機器人
• 35. 8.5 約定的夢幻島
• 37. 8.5 我的英雄學院
• 38. 8.5 Trollhunters 巨怪獵人
• 43. 8.5 攻殼機動隊 SAC
• 48. 8.5 新世季福音戰士
• 51. 8.4 The Dragon Prince 龍的王子
• 53. 8.4 Jojo 的奇幻冒險
• 55. 8.4 The Legend of Korra 科拉傳奇

科拉傳奇

原始來源：

TV Series,Rating Count at least 10,000,Animation(Sorted by IMDb Rating Descending) 

資料科學的局限或是不同可能性？(來檢驗王定宇與黃偉哲民調的真實面)

民進黨為了要決定提名，因此辦了民意調查，來決定候選人，而公布高雄市的民調時，嘗試跟 "專頁儀表板" 做了個比較，發現相關性達到 0.99 以上這個令人吃驚的事，但第二天台南的民調跟專頁儀表板的相關性只有 0.03，這數字可以說是完全無關，而 0.99 的相關性雖然是令人吃驚，但 0.03 這個無關結果更令人無法理解。（見粉絲團談論人數與民調的驚奇異同 )

會出現 0.9911 的相關性雖然驚訝，但還是在可接受範圍，但 0.03 這部份是完全出乎意料，而一直在想，到底是甚麼樣的情型造成這完全無關的結果呢？在想會不會是一個是正相關，而另一個是負相關所造成的結果。

因此檢驗這數字的時候，發現有兩組資料是相當有趣的差異，一組是陳亭妃，顏純左，李俊毅，這三個人的粉絲團談論數跟民調的相關性不只是達到 0.99，而是 0.9999，這數字更令人驚訝，但另三個人的數字只剩 -0.4178。

甚至在有人提醒，不是使用葉宜津因為注音事件造成這一兩個星期的大升，而是大家都用 "月中位數" 時，此時即使是扣掉王定宇與黃偉哲這兩個人，相關係數是 0.9782，但一起算的時候自然還是 0.0462 的無關，但在這邊做了個有趣的嘗試，就是把這兩個人的數字對調，又發現一個驚人的事實，這六個人的相關係數居然是 0.9748 的高相關。

會有這樣的結果，不得不讓人猜想，是不是有人把這兩個人數字弄錯，若真的是這樣，該出線的應該是王定宇而不是黃偉哲。此時就不得不想到很多 "陰謀論"，說不定是故意調包，或是早就談好的呢？

因為每一個候選人都很特別，最後的民調與談論數都是大家經營出來的結果，但事出必有因，會造成這樣的結果因子很多，像原本所說的：

1. 高雄慢慢變成一個商業都市，網路的普及率與接受度較高。

2. 台南有相當的人口還是在鄉村，使用網路接受訊息的狀況較低。

3. 王定宇是較為全國性的人物，不代表可以直接轉成台南市。

4. 黃偉哲的傳統插旗與廣告還是奏效？
5. 台南市的民調真的有所失真？

這些會造成影響，有些不是，甚至也發現花更多錢廣告的反倒黃偉哲不是最高的，那到底為甚麼會造成這樣的現像呢？

我相信數字會說話，除了王定宇與黃偉哲，高雄市與台南市的候選人的 "轉換率" 都很接近，有多少網路聲量就會有多少民調結果，這轉換率乖離度最大的是葉宜津，而這因子大家應該不意外。

但到底發生甚麼因子，造成王定宇與黃偉哲的 "轉換率" 完全超乎系統的預期？連我都相信 "事出必有因"，即使很難會發生，但最簡單的答案往往可能是最正確的答案，也就是真實民調是兩個人對調！

會有這樣的意外也是 我預期不到的，因為以前除了用電話民調外，從來沒有其他系統可以輔助，因此大家只能相信民調，但專頁儀表板提供了一個可能性來檢驗，且在這次發現網路的真實與電話的真實若是沒有甚麼奇怪的 "因子" 大都是接近的，若有差距一定是發生甚麼事？

當然用這兩種不同方法論來互相驗証有很大的問題，一個是網路聲量越高，不代表的是正面的，也可能是負面的，且即使是正面，也不代表能轉換成 "支持度"，更不要說這選區的選民在這些支持者的比例多少，以及這選區的網路使用者是多少？

只是透過談論數是相信支持者與關心者多少跟選區相關，必竟要談論 (Making Story) 沒這麼簡單，所以會有如此高的正相關是不意外，這也是用這種方法論 "成功" 的地方？

但這不代表驗證電話民意有問題，因為網路的談論數即使可以轉換成支持度，但這樣直接說台灣的大市長直接給柯文哲做好了，因為他擁有目前透過網路所衡量出來的支持者，只是這系統為甚麼沒包含柯文哲呢？最簡單就是他並沒有參與高雄市或台南市的初選。

因此若不是系統失靈，更不是民意失真或做假，除非一個很大的因素是："台南市選民跟本認為王定宇不是出來選的"。此時唯一可解釋的就是 "棄保效應"，雖然王定宇是受到許多人支持，但當要選擇一個時，棄保效應就是原本支持王定宇的，知道他現在是第一屆的立法委員，還須要更多屆的歷鍊時，這些人的支持就會轉為支持第二個或是 不同考量的結果。

畢竟資料科學利用社群數據，最有趣的地方是他是可以很準確的呈現事實的數字，但必須要有對此問題夠了解的人去組合才會有接近其他方法論的結果。所以若是棄保效應是最後操弄這次民調的最大因子，這兩個人的數字會失真也就不意外了。

所以在這次的研究可以發現幾件事：

1. 用社群聲量來轉換民意的機會很高，且幾乎都可以到 9 成以上的準確度。

2. 甚至可以用這個來做檢驗，像這次是不是真的王定宇與黃偉哲的數字弄錯或失真，也是一個有趣的檢定。

3. 但面臨到一些像 "棄保效應" 的因子時，系統就可能無法得知而造成很大的差距，因為表面的候選人民單跟真實的差很多。

4. 若真的是棄保效應，也大概可以知道像這次陳亭妃想要挖王定宇的支持者，不知為甚麼失敗，因為大部份的人都轉向黃偉哲。

有人說，棄保或配票等等說不定是傷害民主最大的事，當然若真的是這個民調是假的是更糟糕的事，雖然這都不是我們樂見的，但這次的電話民調與網路聲量讓我們看到一件有趣的事，就是在資料科學中，這兩個系統之間互相轉換面臨到的局限，或是可以挖掘到更深層的真實，而這個真實如何或是如何判斷，可能還要更多的事來驗證吧。

粉絲團談論人數與民調的驚奇異同

這幾天，公布了台南與高雄這兩個地方的民進黨內部的電話民調，雖然這跟真的投票沒有絕對關係，但做民調是很花成本的，當然除非有內參保密民調與對外公開民調外，民調還是很有效的 "政治工具"。

談論人數一直是很好的指標，尤其是在選舉的時候，因為選舉最後決勝負是得票數，而選戰不可能就是等著最後結果，也必須努力的讓聲量與認同度提高，所以最常見的方式就是電話民調。

電話民調的問題很多，但網路民調問題也是很多，所以我認為這兩個方法論雖然一致，最後跟的票數有正相關是必然，只是最後這個相關的差距在於 "誤差" 與 "轉換率"，而在選舉這種分秒必爭的戰場，本來就不該輕忽任何資訊，想辦法在 "先驗" 的情型下知道戰況做判斷是必要的。

昨天在公布民進黨高雄市民調結果，恭喜 陳其邁 Chen Chi-Mai 出線，當時我看這數字雖然並不意外，也沒想那麼多，而剛有朋友問我今天台南市的狀況，此時我就很想知道高雄市電話民調有沒有辦法透過誤差與轉換率來推估。

因此把民調與這週平均談論數輸入，來算 "線性迴歸" 的 "相關係數"，我預期應該是 0.7~0.8 之間，若低於這數字一定是有方法論的問題，但跑出來的結果立刻讓我嚇到吃手手，再三確認這數字沒問題，因為跑出來的結果是：

0.9911

通常相關係數大於 0.7 就可以推估有一定的相關，但 0.99 這數字已經說這兩個是一樣的結果，只有 1% 的誤差，當然這只有四筆資料，可信度表面是資料不足，但這個談論數是基於台灣平常有 1 千 5 百萬的使用者行為的結果，這個解空間不能說太小。

這數字一出來的確讓我嚇到，因為 0.9911 這數字真的是故意用 "做" 的也很難做成這樣，只是換來看台南市又是一個怎樣的狀況呢？結果更令人吃驚！

0.0310

這個數字代表的是不是正相關，也不是負相關，而是趨近於無關，這跟高雄的幾乎是 1 的正相關是天差地遠，為甚麼會有這現像呢？是真的頗令人玩味，但這邊提出幾點可能解釋。

1. 高雄慢慢變成一個商業都市，網路的普及率與接受度較高。

2. 台南有相當的人口還是在鄉村，使用網路接受訊息的狀況較低。

3. 王定宇是較為全國性的人物，不代表可以直接轉成台南市。

4. 黃偉哲的傳統插旗與廣告還是奏效？
5. 台南市的民調真的有所失真？

當然這數字有時背後意義很多，就像是在兩年前的立委選舉，雖然談論人數與票數的相關係數是 0.74 ，但每個政黨都不一樣：

畢竟這種結果常常決定於選民結構，雖然我認為這種計算方式雖然在全國性的選舉比較有意義，而六都市長通常具有相對的可信度，但其他縣市長與縣市議員的轉換度就應該很低，但沒想到一個台南市與高雄市就天差地遠。

接下來選舉越來越近，黨內初選的電話民調到底意義為何？或者是可以即時呈現的網路聲量該又如何看呢？雖然我們知道這些離選票不完全一致，但通常說，有聲量就代表有一定的支持度，除非打的是烏賊戰，此時即使高聲量也會變成負相關，或許這也是另一種警惕。

春節期間媒體粉絲團經營最不易，但政治人物與藝人是高峰

專頁儀表板除了作為社群編輯的工具外，更想做的是想要成為 "透過社群來了解社會" 的儀表板，因此對於 "屬性" 上做了各個面相的定義，除了常見的分類外，更重要的是依立場，議題來去 "標籤"。

因此會有 "藍綠" 或 "廢死/反廢死"，"支持/尊重同志"，"勞資/性別"，"台北/台南"，"親子/旅遊" 等等不同的 "屬性"，而這些 "標籤" 說是種 "聚焦" 的方法，也可以做為比較的基準，所以除了相同標籤的一起看文章 或圖片來集合與交互參考，甚至有排行榜來做為 "儀表板" 的概覽。

所以在一開始就寫了依 "標籤" 來看粉絲團屬性的時間軸趨勢，而當時考量到粉絲團數量的變化，因此而不是用 "絕對值" 而是用 "相對變化" 來看，只是這些變化有時太過敏感，每天上上下下反而較難看到 "趨勢"，所以想說有機會改寫成總量的圖表來看。

而這幾天看到了有趣的現像，原本看起來意義不高的圖表找到一些端倪，也就是除了立場的相對性可以看到一消一長的結果，而這次春節這段時間，更發現有趣的現像：

1. 在春節這段時間，只要是媒體，都會慘跌，無論是大眾媒體，分眾媒體，甚至是 "內容農場" 或是 "純分享粉絲團" 都跌得很深。

2. 但相較 "內容農場"，新聞媒體或是分眾媒體在花蓮大地震都震出一個相當高的眼球，除了媒體外，政治人物或宗教信仰也在花蓮大地震都有上漲。

3. 花蓮大地震媒體賺到不少眼球，但 "內容農場" 等粉絲團則是沒有跟著上去，但地震完後春節的這段時間都是有回復一些，只是春節又跌下去。

4. 政治人物跟媒體不一樣，地震這種大事件抓到目光後，雖然之後有點小跌，而開始春節拜年時又上漲回去，可以說是一波很重要的成長。

5. 除了政治人物在春節有所成長外，拜年是少不了藝人，因此藝人類的粉絲團春節當天成長了 35% 是相當驚人，只是相較地震時政治人物有 42% 的成長與信仰有 32% 成長也不算甚麼了。

6. 會拜年的還有一些網紅等公眾人物，而網紅在過年期間的成長是春節還沒開始就上升，跟藝人必須等到初一才上升是不一樣的狀況。

這些現像說真的不意外，但從數字更能佐證這些事情，下面的圖表來看就知道：

大眾媒體與分眾媒體都是在地震時成長最多，在春節時就開始下跌，而大眾媒體在春節有止跌的現像，但小型媒體大概都還在放假。

而分享粉絲團與內容農場也是在春節下跌，但在地震時沒有獲得流量。

政治人物某方面跟宗教信仰很接近，有趣的是最高的成長差了一天，春節也有時間差，但幾乎是相同的曲線。

網紅跟藝人也很接近，跟上面的政治人物不一樣的是無法在大事件獲得關注，但還是有所成長，而在春節倒是成長最多的，而這兩組圖也有些許不一樣，一個是在地震成長較多，一個是春節成長較多，一個是較早過春節，一個是要等到大年初一。

但若是要讓大家猜，春節過年這段期間成長最多的是那個，結果旅遊食材類並沒有很明鮮的高峰，真正最高峰的是下面這個，有高達 54% 的成長：

是的，就是 "宮廟" 類，表示民間信仰在這種節慶的確是一年的最熱的一段時間，只是相對的大部份的網路圈，這段時間是最暗淡的幾天，嗚~~~

從一例一休來看社群變化

有人問我這次一例一休本來一開始民進黨如此的強勢, 但為甚麼如此呢?

記者對一例一休的文章數, 可以看到在 10 月之前有還是有在露出, 但在 10 月底才開始加碼...

主要是社群一開始沒甚麼熱度, 一直到 10 月底才開始...

即使是評論也是跟著按讚的熱度走, 但看得出來前期比讚少, 但後期比讚更多..

但從這邊看, 在新聞的留言是在 10/29 帶動整個氣氛, 這點不排除是網軍, 且這也是改變整個趨勢的領先指標....

那 10/29 或是 10/28 到底發生甚麼事呢?

但事實上在 11/22 之前民進黨還是很堅持自己的立場, 但在 11/23 號之後, 整個民進黨開始軟化與白熱化? 當然不是民意的關係.... 而是他們發現這樣的監持不是民意反彈很大, 而是原本無法收割民意的國民黨突然有人站出來, 而現在變成是民進黨的眼中釘, 像今天連上台都上不了台....

當然在新聞媒體下面的留言能不能成為領先指標, 畢竟這本來就是人民, 社群與網軍競爭的地方...

在上面的圖可以看到在 10/30 那天有 2838 個留言跟一例一修有關, 且獲得 7772 個 "讚" 同, 這數字是相當驚人的...

所以來看, 有時真正的人氣不是新聞, 而是留言下的按讚, 而這部份又不計算原本新聞裏面的社群訊號, 這對於輿情分析者更困難, 因為不只要分析粉絲團, 真正要分析的是新聞網站下的留言, 甚至是裏面的按讚與回應, 因為會被大眾注意到的開始與結果都在這邊, 而不是只靠粉絲團的讚享評而已, 這也是相當有趣的現像....

SEO 顧問前半年所須要做的事 Roadmap

六年前之前，我只擔任 SEO 公司的 SEO 顧問，因為知道自己不是那種願意花時間去教化別人傳教士的個性，更沒有好的講師有的深入淺出能力，所以對於那些想要一步升天的公司，是敬謝不敏。但因為朋友的關係，勉為其難的接下第一份純 SEO 顧問的工作，雖然之後還是有不少家公司陸續找我，而我是更確信 "SEO 不只是 SEO"，認為這是一個須要系統功能，內容編輯，前端介面等等合作才會有好的成效的工作，而這幾年的實務經驗讓我更堅定這件事。

而之後我雖然接了十家以上的顧問，其中都包含 SEO 這部份，但我不會把自己設定成 SEO 顧問，因為我知道這工作若是沒有下去參與的顧問，執行，觀察，開工作，成效都很有限，畢竟網路有趣的地方雖然跟行銷不一樣，有人說行銷有一半是浪費的，最麻煩是你不知道是那一半，而 SEO 最有趣的地方是相信每做一件事都是對的，但成效有高有低，有快有慢，甚至最麻煩的你知道網站一定有錯的地方，而這些有時要抽絲撥繭的找出答案是須要工具，時間，甚至往往會在意想不到的過程找到問題解決點。

這些經驗累積下來，我也慢慢的摸索出一條路，也就是一個 Roadmap，也就是先後次序的階段，因為每一個公司的資源都是有限的，但 SEO 要做的事是成百上千件累積出來的，而至少在 SEO 的前期，如何先做最有效果的事，變成一件很重要的事，雖然不是說這些做完就好，因為我不認為有公司有須要或能夠投入那麼多資源做這些事，而做事順序就像是 80/20 法則一樣，先把最重要好做的 20% 先解決，而那些說不定就有 80% 的成效，會讓之後的 SEO 做得更輕鬆。

我會把 SEO 過程分為幾個階段：

階段零: HTML 語法優化
      事實上因為我不像很多 SEO 講師能夠巨細彌遺的改善 HTML 的語法，所以有時都會建議他們去上課，或是用 SEO 的 On-Page Analysis 的工具找到自己的問題，雖然這些都是很基本，但也看過太多自以為都做好的人事實上還有太多的基本工沒做好，雖然以現在的觀點，依循著 HTML 5 的格式就已經差不多，或是大部份的分析工具都能夠找到不少該做的事，這些的爭議並不大，只要隨著許多書，課程來走，就很足夠。

階段一: 改正錯誤

      除了 HTML 的錯誤外，最重要的是利用像 Search Console (Webmaster Tools) 以 Crawler 的角度來看網站的錯誤，無論是 SC (Search Console) 的 Crawler Error，或是 HTML Improvement (改善 HTML)，還以許多像 sitemap ，robots.txt，網址參數，結構化資料錯誤等等許多問題，這個通常都可以透過 SC 來獲得線索。

      只是這只是線索，有些可以透過像 Crawler Error 的 Linked From 找到答案，但也有不少是沒辦法的，甚至有些沒有時間資料時要透過第三方程式來比對知道改善的地方或發生新錯誤的地方，尤於有些事不是做了就有效，包含 SC 的資料是三天前這問題，有時這個比 Runtime Error 的 Debug 還要困難說。 

階段二: 優化 Meta-Data

      通常會牽涉到使用者介面是最麻煩的，因為這須要更多的美術與前端參與，所以第二個階段是處理不會被 "使用者" 看到的在 Head 的 meta-data，這邊要處理的東西相當多，從最重要的 Tite 與 Description，以及一堆 Social Tag 如 Open Graph，Twitter Card 等，除外更有各種 Schema.org 與 Microformat ，還有 Json-LD 等等的資訊，這些都對 SEO 有很大的幫助，若是做好會有很大的成長，只是這些須要的是更多與內容，系統的相互配合，這個跟除錯一樣，都是須要很大的創意與基本知識，經驗配合。

階段三: 優化 Tag 頁 (非內容性的增加頁數)

      網頁分成兩大類，一個是物件內容頁，與中間頁，這中間頁包含分類，索引，搜尋，等等的頁面，如何讓這些物件內容頁之間的連結關係更強化，須要的就是中間頁的製作，這也包含標籤頁等等的方式。但標籤頁不只是頁面，而更是之後能夠強化內容，語意，情境等等的基本工。

      語意一直是 SEO 很重要的一環，若能夠透過人事時地物因果的標籤把內容聚合，串連，將會是在因為語意的強化關聯很重要的因子，因為中文不像英文一樣很容易切字，有時須要人工智慧與工人智慧的結合才能夠加深內容的價值。

階段四: 內部連結建立 (推薦閱讀)

      在上一個階段提到去建立標籤，是為了增加內容頁，但更重要的是增加連結，雖然除了語意外，可以透過編輯的智慧，使用者行為的關聯分析等等來串接資訊，不要忘了，SEO 的真義是 "用對的內容與連結讓使用者去閱讀，點擊" ，這個基礎工夫是 SEO 的排名因子再怎麼調整與改變中，還是有不會變的因子。

      當然若是用 Javascript 等外掛的連結，語意不相通的內容連結，一直改變的連結與內容是相當吃虧的，但建立完善的網頁連結是相當重要的，甚至能夠做到網頁之間的六度分隔，也就是任意兩個網頁只靠連結就可以在六次點擊點到，那就很好了，甚至從概念與使用者行為的網頁內容，更應該在三個點擊就可以做到就更好了，這甚至須要更好的麵包屑與資料探勘來做連結與預測。

當然上面四個階段是個大綱，還有更多的細節去注意，更多的工具去協助，以及編輯內容的參與才能夠做得更好。

而下面第五階段與之後呢？事實上還有很多， 而並不是我有所保留，因為目前的經驗每一個媒體，每一個網站的安排都不盡相同，所以很難統整成可以建議的下面階段，但我相信前面的四到五個階段就足以做半年到一年了，就我的經驗，此時的搜尋流量就應該是幾倍的成長，你這個 SEO 顧問就應該足以被公司所認同了。

很多人寫這樣的文章是為了尋找更多的顧問機會，而我剛好是相反，我已經不太想接任何以 SEO 為前提的顧問工作，而是想辦法在 awoo 那邊培養幾個能夠交接我這個棒子的人，所以這篇有點像是種 "告別" 的完結，我還是想要更專心的開發工具，開發系統，因為有太多內容與 SEO 的基本工更須要去完成，尤其是中文，尤其是面對那些 "黑帽 SEOer"。

所以有這類 SEO 顧問須求的人請找 awoo，而要上課的人更是可以找像連啟佑等人，就我聽過他們的課與演講，這部份比我強不知幾倍，所以我還是偷偷的縮回技術層面去解決無法克服的疑難雜症，這對我的成就感是較大的。

八招教你如何辨識臉書詐騙

我們都知道網路詐騙是一個很嚴重的問題, 不下於假新聞, 雖然這些事都不是在網路上獨特的社會現像, 因為在現實社會這些欺騙的事層出不窮, 但透過網路的高效率散播, 有時比現實社會來得嚴重.

在臉書投廣告, 大部份都是須要透過粉絲團來操作, 若是我們能夠 "定位" 這些詐騙粉絲團, 就能很清楚的判斷那些 在網路購物是屬於欺騙成份較高? 當然這邊欺騙不見得是指 "完全" 的騙錢, 就像是一些旅遊團的購物行程那樣, 通常是指這些商品品質與價錢 與外在真實存在著落差, 而有人從中獲取高額利潤...

透過粉絲團的追蹤, 有時可以知道很多事情, 若是能夠抓到大多數的 "詐騙" 粉絲團, 此時就會從 "談論人數" 知道有多少人在七天內對這些粉絲團 "傳訊", "分享", "按讚", "下訂", "打卡".. 等等之類的行為, 而這些人大概就是正在 "受騙" 進行式的人數.

在 "專頁儀表版" 中, 不到一個月就已經標示了有 187 個 "詐騙" 粉絲團, 但也因為這些粉絲團往往被很多人檢舉或負評時就用完即丟, 目前還有談論數在進行的還是有 118 個, 總談論人數有 90841, 這代表有七天內有接近 10 萬人有接受到這些訊息且進行 "動作/Making Stories", 這數字不能說很少.

而在收錄這樣的粉絲團時, 也大致可歸納出下面八點, 大部份可以輕易做出判斷:

1. 沒有在經營, 粉絲數都很少, 但談論數因為廣告的關係偏高
2. 不會在粉絲團揭露商品資訊
3. 價格多在 699~1899 的區間
4. 商品跟粉絲團屬性常不一致
5. 版型就那幾種, 都是一頁式網站
6. Favicon 也不超過三種
7. 網址都很奇怪, 沒意義, 或是夾雜
8. 過於強調貨到付款, 安心退貨

右邊的表就是目前談論數超過 10, 收錄在 "專頁儀表版" 的詐騙粉絲團, 可以看到這些粉絲團粉絲數都很少, 但透過廣告獲得很高的談論人數, 這代表著廣告是很有用的, 事實上他們都知道不須要太經營, 因為若被檢舉過多就會被臉書停權, 只是這過程有時須要兩三個月, 而這段時間就已經賺夠了.

這份列表可以在 "詐騙" 的選項看到這份清單, 當然這是靠我跟幾個朋友搜集來的, 遺漏的還是很多, 若有看到可以在最下面留訊息給我.

當然在未來這列表可以跟 "假新聞" 等等反制系統結合, 多少會降低上當的人, 只是這還須要更多功夫來完成.

附註: 當然這些都是靠 "工人智慧" 判斷, 雖然有極高的自信是對的, 但若被誤判的請快跟我們說...