上次你在 Google 地圖挑餐廳，那五顆星是真的嗎？
你在 Amazon 看到那幾百條「非常好用」的評論，是真實買家寫的嗎？你在 Zillow 查那棟房子的仲介評價，確定不是 AI 生成的？
我不是要你停止相信評論。我只是想讓你知道：你每天賴以做決策的那套「社會信任系統」，已經有將近三分之一是假的。
先看數字，再談感受
2025 年，全球線上評論中，30% 是假評論。
這不是估算，是跨平台稽核後的數據。而且這 30% 不是均勻分布的——在某些類別，比如健康保健品、餐廳、電商平台的中小賣家，比例更高。
82% 的消費者表示，他們每年都會遇到假評論。 換個說法：你今年看過的評論，平均每五條裡就有一到兩條是假的，而且你不會知道哪幾條。
更具體的損失數字：假評論誘導消費者做出錯誤購買決策，2025 年全球消費者因此損失了 $7,877 億美元。這不是詐騙金額，而是「你本來不需要買、卻因為看了假評論而掏錢」的總和。
這個數字，比許多中型國家的 GDP 還大。
誰在賺？假評論是門好生意
我們先把道德問題放一邊，純粹看商業邏輯。
假評論之所以存在，是因為它有效。研究顯示：一顆星的評分提升，可以讓商品需求增加 38%。前兩週刷一波假好評，可以讓銷售數字提升 12.5%。
對電商賣家來說，這個回報率比任何廣告投放都要高。
那成本呢？被 FTC 起訴、最終關閉的假評論平台 BigBoostUp.com 的定價是：每條假評論 $1 到 $10。搭配 AI 工具和腳本，同一組人可以每天自動生成並發布數千條風格各異的評論——不同用戶名、不同語氣、不同購買場景，看起來毫無破綻。
這不是一個人坐在那邊慢慢打字。這是工業化的流水線。
然後還有更陰暗的玩法：負評攻擊。
你不需要給自己刷好評，你只需要給競爭對手刷差評。讓他們的星級下滑，讓他們的排名跌出前頁，讓消費者自動轉向你。
這個打法在電商圈有個不成文的名字：「開炮」。服務商明碼標價，委託方付錢，目標的生意就慢慢垮掉。沒有任何物理犯罪，只有一條條隱藏在演算法裡的數字。
誰在死？你我這樣的普通消費者
$7,877 億，錢是從哪裡來的？
是消費者的口袋。
你買了那個 Amazon 四顆半星的藍牙喇叭，回家發現音質很差，退不退貨？大多數人不退。太麻煩了，差幾百塊，算了。
你訂了那家 Google 地圖上五顆星的民宿，入住後發現評論根本是亂寫的。你留了一顆星的負評，但沒有人理你，因為他們有五百條假好評把你的真實差評淹沒掉了。
這種損失，不是一次性的鉅款詐騙，而是每一次購物決策的小小扭曲。一年幾次，每次幾百到幾千，全球幾十億消費者加總起來，就是那個 $7,877 億。
然後還有房地產。
Zillow——美國最大的房產資訊平台——的仲介評論，2025 年有 23.7% 被判定為 AI 生成。2019 年，這個比例只有 3.63%。
六年間，AI 生成評論從邊緣現象變成主流的四分之一。
這不是隨便買個咖啡機的決策。這是你可能花一輩子積蓄買的房子，你信任的仲介。那些五星好評說他「專業、誠信、真心為買家著想」，可能是他自己用 AI 生成的。
灰色地帶：反制生意比犯罪更賺錢
Google 不是沒在抵抗。
2024 年，Google 對假評論的反制力度達到歷史最高點：每年自動攔截超過 2.5 億條可疑評論，另外刪除了數百萬條違規評論。Google 和 Amazon 還聯合起訴了假評論販賣商。
但你知道這場戰爭的結果是什麼嗎？
攔截了 2.5 億條，市場繼續運作，因為總產量更大。就像你每天抓幾十萬條垃圾郵件，垃圾郵件還是每天湧入你的信箱。
而且還有一個更荒誕的現象正在發生：反制假評論的產業，比做假評論的更賺錢。
現在有一整個生態圈的 SaaS 工具，專門幫品牌「監測評論真實性」、「標記可疑內容」、「保護品牌評分」。這些工具的訂閱費加起來，遠超過假評論服務的市場規模。
有人在賣病毒，有人在賣疫苗，有人在賣口罩，有人在賣清潔劑。所有人都在這場假評論的戰爭裡收費。
唯一沒有人保護的，是那個看評論做決策的你。
AI 是如何讓這一切加速的
假評論不是 AI 的發明，但 AI 讓它規模化了。
過去，刷評論需要人工——真實的 IP、真實的帳號、聽起來自然的文字。這有成本上限：你需要僱人，需要管理帳號庫，寫出來的評論如果語氣太像，平台演算法會抓到。
現在，AI 可以做以下這些事：
一、生成多元化文本。 同樣的好評，AI 可以生成五百個版本——不同的用詞習慣、不同的購買動機、不同的語氣（熱情型、理性型、猶豫後被說服型）。演算法很難識別，因為它們「看起來不一樣」。
二、批量操作。 配合自動化腳本，可以同時對幾十個商品在幾十個平台刷評論，單位成本趨近於零。
三、生成攻擊性差評。 AI 可以針對競品的真實痛點，寫出聽起來像真實買家抱怨的差評。這比亂造要難反制。
四、保持最新感。 舊帳號發的假評論容易被識別，AI 可以配合新帳號的預熱腳本，讓帳號看起來有正常的使用歷史再開始刷評論。
Amazon 的數據顯示，目前平台上高度可確認為 AI 生成的評論佔 3%，且正在以「內容農場規模」自動化生產。但 3% 是「可確認」的，不可確認的有多少？沒人知道。
你以為自己識得破，其實你不行
這裡有個讓人不舒服的事實：你沒有辦法靠肉眼識別假評論。
不是說你笨。是說這本來就是一個「信息不對稱的戰場」，你沒有武器。
你以為看「評論日期分布」可以識別？不行，AI 可以調整發布時間節奏。
你以為看「評論細節豐富度」可以識別？不行，AI 可以生成帶有很多細節的假評論。
你以為看「有幾個負評」可以識別？不行，賣家可以買假好評的同時，買幾條輕度負評「讓評論看起來真實」。
有一個出現在研究文獻裡的說法：
「即使是訓練有素的稽核員，面對高品質 AI 生成評論，識別準確率也不到 65%。」
你的直覺，比專業稽核員更不可靠。
信任變成了稀缺品
我不想說「所有評論都是假的，不要相信任何評論」——這是懶惰的結論。
但我想說的是：你正在進入一個「信任需要重建的時代」。
過去，評論系統的設計前提是「大多數人說的是真話」。這個前提在被 AI 假評論系統性地破壞。當 30% 的評論是假的，剩下的 70% 也開始失去參考價值——因為你不知道哪 30% 是假的。
這就是「信任污染」。不需要讓所有水都有毒，只要讓你不確定哪杯水是毒的，你就無法正常喝水。
Google 在攔截、Amazon 在起訴、FTC 在罰款，但這些反制的速度遠遠趕不上 AI 生成假評論的速度。這不是政策失靈，這是一個結構性問題：生成假評論的邊際成本趨近於零，但辨識和刪除假評論的成本是固定的。
當一邊的成本是 $0.001/條，另一邊是 $1/條，你怎麼打？
你還能怎麼做？
幾個不那麼樂觀但比較實用的建議：
1. 優先看差評。 假評論系統通常主攻好評，差評成本較高（容易被賣家檢舉）。負評裡，真實的痛點比較難偽造。
2. 找有圖有影片的評論，但不要輕信。 這提高了造假的成本，雖然仍然可以偽造，但至少門檻高一些。
3. 查第三方平台交叉比對。 如果一個商品在 Amazon 五星、在某個獨立論壇上罵聲一片，相信那個論壇。
4. 用 Fakespot 或 ReviewMeta 這類工具。 它們不完美，但能幫你把「高可疑」的評論過濾掉一批。
5. 重視社群推薦，而非平台評論。 真實用戶在 Reddit、PTT、Discord 社群的推薦，造假成本遠高於電商平台。
最後一個問題
當你每天依賴評論來選餐廳、選產品、選服務提供者，但你再也沒有辦法確認哪些評論是真的，你的行為會怎麼改變？
有些人會開始只用口碑。有些人會開始找「我認識的人用過的」。有些人會開始花更多時間做研究，或者乾脆放棄研究、買貴一點但品牌信任度高的商品。
這都是「信任系統崩潰後，個人的應對方式」。
但有一件事你需要接受：
在 AI 假評論的時代，「信任」本身就成了最稀缺的商品。
誰能建立真實的信任，誰就有真正的護城河。不管是人還是品牌。
一見生財，2026-03-09
載入留言中...