---
title: "小紅書被封之後：FB、IG、LINE、TikTok 詐騙風險怎麼看？一張漏斗圖講清楚"
url: https://joelin.cc/p/7864
source: https://joelin.cc/p/7864
id: 7864
slug: "xiao-hong-shu-bei-feng-zhi-houfbiglinetiktok-zha-p"
pubDate: 2025-12-07
date_modified: 2025-12-08
updatedDate: 2025-12-08
schema_type: BlogPosting
description: "建構詐騙風險漏斗模型，從使用規模到破案回收，理性分析各平台詐騙數據"
ai_summary: "在小紅書禁用討論中，老喬建立完整的「詐騙風險漏斗」模型，從平台 MAU、民眾通報、轉換率、成案數、破案數到追回金額共九層，系統性剖析詐騙統計。指出台灣官方統計按「詐騙類型」而非「平台別」分類，造成平台間無法直接比較。根據數位發展部 FraudBuster 資料，Facebook 通報濃度 27.58 次／萬人最高，Threads 28.67 次／萬人次之，TikTok 僅 0.31 次／萬人。小紅書 2024–2025 年共 1,706 件成案、2.4767 億元財損。作者主張理性討論應建立一致統計方法，避免拿不同層級的數據相互攻擊。"
key_facts: ["詐騙風險應用九層漏斗模型評估，從通報到追回金額", "Facebook 通報濃度 27.58 次／萬人為最高，Google 僅 0.15 次", "小紅書兩年涉詐成案 1,706 件、財損 2.47 億，惟無法與 FraudBuster 通報數直接比較"]
categories: ["商業/科技前沿參考"]
tags: ["商業前沿參考"]
entity_ids:
  author: https://me.joelin.cc/#joe
  publisher: https://me.joelin.cc/#joelincc
---

# 小紅書被封之後：FB、IG、LINE、TikTok 詐騙風險怎麼看？一張漏斗圖講清楚

## 摘要

在小紅書禁用討論中，老喬建立完整的「詐騙風險漏斗」模型，從平台 MAU、民眾通報、轉換率、成案數、破案數到追回金額共九層，系統性剖析詐騙統計。指出台灣官方統計按「詐騙類型」而非「平台別」分類，造成平台間無法直接比較。根據數位發展部 FraudBuster 資料，Facebook 通報濃度 27.58 次／萬人最高，Threads 28.67 次／萬人次之，TikTok 僅 0.31 次／萬人。小紅書 2024–2025 年共 1,706 件成案、2.4767 億元財損。作者主張理性討論應建立一致統計方法，避免拿不同層級的數據相互攻擊。

### 重點

- 詐騙風險應用九層漏斗模型評估，從通報到追回金額
- Facebook 通報濃度 27.58 次／萬人為最高，Google 僅 0.15 次
- 小紅書兩年涉詐成案 1,706 件、財損 2.47 億，惟無法與 FraudBuster 通報數直接比較

你好，我是老喬  
這週老喬看到台灣要禁封小紅書，當下其實是滿震驚的

![](https://image.joelin.cc/cdn-cgi/imagedelivery/0xu8EsaSar9n3zUKY5d7xw/migrations/wp/2025/12/%E6%88%AA%E5%9C%96-2025-12-07-17.45.58/hero)

但是隨之而來的，看到的是正反兩方一點都不理性  
都只以自己的價值觀來做論述的文字，然後不停的吵架 ="=  
有人說這是打擊中國勢力，有人說這是政治操作，也有人說是保護年輕人。

老喬看了就覺得無聊，這些人講話都只用感覺  
主動忽略有個很怪的地方：  
**大家講得都很大聲，卻很少有人真的把「數據」攤出來講清楚。**

老喬這邊不討論陰謀、立場、主權等價值性論述  
**只從一個做系統的人，來看「詐騙 × 平台 × 統計方法」這件事，要怎麼看才算完整。**

這個背景下，老喬查了下官方數據，也發現有些有趣的地方  
與各位分享，下圖是整合圖表

![](https://image.joelin.cc/cdn-cgi/imagedelivery/0xu8EsaSar9n3zUKY5d7xw/migrations/wp/2025/12/unnamed-2/hero)

## 如果我們真的要理性比較「各平台的詐騙風險」，理論上應該長這樣

討論詐騙與平台風險，不能只看「通報數」或「成案數」某一層。  
真正完整的判讀邏輯，應該是一條完整的 Funnel（漏斗），  
從「使用規模」一路流到「破案後追回多少錢」。

以下是「理想資料鏈」的完整流程：

### 1\. 平台使用規模（MAU）

代表平台的活躍母數。  
沒有母數，就無法比較風險比例。

### 2\. 近 30 天民眾通報數（可疑事件）

指民眾覺得自己「疑似遇到詐騙」時所做的通報。  
這是整個漏斗的入口。

### 3\. 通報濃度（詐騙曝險度指標）

計算方式：  
**通報數 ÷ MAU × 10,000**

它代表：

> 一個人在平台上活躍 1 萬次，會遇到幾次「疑似詐騙」內容？

這是最早期、最前端的「風險熱度」。

### 4\. 成案數（警方查證後認定的正式詐欺案件）

並不是所有通報都會成立。  
這一層才是刑事局最正式的統計。

這裡有兩個需要的指標：

* **(A) 通報 → 成案的轉換率**  
代表可疑事件中，有多少最後被認定成「詐欺」。
* **(B) 成案案件數**  
代表真正被認定為詐騙的規模。

### 5\. 成案金額（正式詐欺的財損規模）

這裡又拆成兩個資料：

* **(A) 該平台所有成案加總的總損失**
* **(B) 每件成案的平均損失（案件單價）**

這能回答：

> 某平台的詐騙，是「多量小額」還是「少量但高額」？

### 6\. 破案數（有抓到人、有凍結到錢）

這是詐騙最難的一層。  
破案需要追金流、查帳戶、跨國合作。

如果這層有數字，我們可以看到：

* 有幾件成功破案
* 有哪些詐欺模式比較容易破案
* 哪些媒介的案件偵辦難度特別高

### 7\. 破案率

計算方式：  
**破案數 ÷ 成案數**

能回答：

> 哪些平台（或哪些詐騙模式）比較容易偵破？  
> 哪些地方的犯罪成本最低？

### 8\. 追回金額（受害者實際取回多少）

這是最終指標：

* 破案後，總共追回多少？
* 平均每件追回多少？
* 追回比例是多少？

計算方式：  
**追回金額 ÷ 成案總損失**

這是整條漏斗的最後一層，  
能回答「警方在這類案件的有效性」與「平台合作度」的影響。

## 用 Marketing Funnel 的視角來看，理想模型長這樣：

![](https://image.joelin.cc/cdn-cgi/imagedelivery/0xu8EsaSar9n3zUKY5d7xw/migrations/wp/2025/12/unnamed-3/hero)

如果把上面的東西壓成一張 Funnel 示意圖，大概會是：

1. **MAU（使用者母數）**  
↓
2. **近 30 天民眾通報數（可疑事件）**  
↓
3. **通報濃度（曝險指標）**  
↓
4. **成案數（正式詐欺案件）**  
↓
5. **通報 → 成案轉換率**  
↓
6. **成案金額（總金額／平均每案金額）**  
↓
7. **破案數**  
↓
8. **破案率**  
↓
9. **追回金額（總追回／平均每案追回／回收率）**

如果一個國家有辦法在「每一層」都有穩定又公開的統計，  
那時候我們要討論「哪個平台風險高、哪個平台配合度差」，就可以有一套共同語言。

**可惜的是 —— 台灣現在的公開數據，離這個理想狀態還很遠。**

### 這套 Funnel 有什麼用？為什麼要講得這麼細？

#### 1\. 把「詐騙風險」拆成不同層級，而不是一筆帳算到底

會讓討論從吵架變成「系統診斷」。

#### 2\. 每一層的資料來源不同，大家在討論時不會混為一談

（例如：民眾通報 ≠ 成案數）

#### 3\. 不同平台之間，只能比較同一層的指標

例如：不能用「小紅書成案」去比較「FB 通報」。

#### 4\. 用 Funnel 看，可以看出「資料缺口」

例如現在台灣缺的就是：

* 分平台的成案數
* 分平台的成案金額
* 分平台的破案數
* 分平台的追回金額

這些一缺，整個漏斗自然就算不出真相。

小結：  
這是一套「討論詐騙與平台風險」時應該要用的標準模型

如果台灣真的想理性處理「平台風險」議題，  
這套 Funnel 模型會讓：

* 紀錄更一致
* 不同平台更可比較
* 民眾也更看得懂什麼是「可疑」、什麼是「案件」

也能避免大家現在看到的狀況：

> A 拿通報數吵  
> B 拿成案數吵  
> C 拿破案數吵  
> 大家都吵不同段落，根本沒講同一件事。

而你現在正在做的，就是把整個漏斗從亂流 → 梳理 → 變成可判讀的系統。

### 目前「真的有」的，是：各平台 30 天的「民眾通報數」

先從我們「真的拿得到」的東西開始說。

台灣數位發展部有一個打詐儀表板：  
FraudBuster：<https://fraudbuster.digiat.org.tw>

裡面有一個很關鍵的圖表：  
**「近 30 天，民眾通報的疑似詐騙內容，是透過哪些媒介出現」**

我先把這張圖擷取下來：

![](https://image.joelin.cc/cdn-cgi/imagedelivery/0xu8EsaSar9n3zUKY5d7xw/migrations/wp/2025/12/%E6%88%AA%E5%9C%96-2025-12-07-09.07.16/hero)

再把公開數字整理成表格，搭配平台的台灣活躍用戶數（MAU），算出「通報濃度」：

### 台灣民眾通報疑似詐騙濃度分析

資料來源：數位發展部 FraudBuster（[https://fraudbuster.digiat.org.tw）](https://fraudbuster.digiat.org.tw%EF%BC%89)

| 平台         | 台灣 MAU     | 近 30 天民眾通報數 | 通報濃度（通報 ÷ MAU × 10,000） |
| ---------- | ---------- | ----------- | ----------------------- |
| Facebook   | 17,100,000 | 47,181      | 27.58                   |
| Instagram  | 11,300,000 | 5,228       | 4.63                    |
| Threads    | 3,500,000  | 10,035      | 28.67                   |
| Meta Msg   | 11,000,000 | 3,357       | 3.05                    |
| Meta 廣告聯播網 | 無 MAU（非平台） | 3,642       | 無法計算                    |
| LINE       | 22,000,000 | 997         | 0.45                    |
| TikTok     | 8,340,000  | 258         | 0.31                    |
| Google     | 18,400,000 | 272         | 0.15                    |

老喬將這些數據整理下來，配上平台的MAU，來看說「疑似詐騙濃度」的高低

#### 先釐清這些數字「是什麼」：民眾通報，不是案件數

要讀懂這張表，有三件事一定要先講清楚。

##### 1\. 打詐儀表板呈現的是「民眾通報」

也就是：

* 我覺得這個連結怪怪的
* 我覺得這個廣告像詐騙
* 我覺得這個訊息很可疑

**民眾填進系統之後，會被歸類到「詐騙媒介」**，例如 FB、IG、Threads、Google 搜尋、LINE 等。

這個數字代表的是：

> 「在這段時間內，有多少件被民眾通報為可疑的內容，出現在這個平台上。」

它不是：

* 不是警方確認的「詐騙案件數」
* 不是「成案數」
* 更不是「破案數」

##### 2\. MAU 是母數，只拿來看「比例關係」

各平台的 MAU 多半不是官方公開數字，而是：

* 廣告後台推估
* 市場調查報告
* 第三方資料整合

所以絕對值可能高估或低估，但在這篇文章裡，**我們只拿來當「母數」**，看的是：

> 「在這個平台，每一萬個活躍用戶，有幾件被民眾通報？」

也就是上面表格中的「通報濃度」。

##### 3\. 「媒介」這個字，其實用得很精準

打詐儀表板寫的是：

> 「詐騙媒介比例」

這個用字很重要，因為它在說：

> 這些被通報的可疑內容，是經由哪一個「媒介」被看見，  
> 但不代表這個平台本身就一定發生了詐騙案件。

所以我們可以說：

* 它是一個「可疑內容的熱區指標」
* 卻不是「平台有罪證明」

### 從民眾通報，到「真正的詐騙案件」：中間還有三道關卡

接下來，我們再把「官方流程」拉出來看一次。  
這一段是之前我整理的，這邊直接放進來。

#### 1\. 民眾通報（入口）

民眾可透過以下管道通報疑似詐欺事件：

* 165 反詐騙專線
* 報案三聯單
* 警局現場報案
* 線上受理（e 化報案）

這個階段是「民眾自陳」，還沒有查證。  
統計上：**這是數字最大的那一層。**

打詐儀表板的數據，就落在這一層。  
我用這些數字加上 MAU，整理出「民眾詐騙通報濃度」這個指標。

---

#### 2\. 初審（警方受理 → 法務檢視）

警方依《刑法》《詐欺犯罪危害防制條例》《偵查作業規範》做初步判斷，會看：

* 有沒有具體的金流紀錄？
* 是不是常見詐騙類型？（網購、投資、交友、假冒機關…）
* 民眾提供的內容完整嗎？（流程、金額、對方資料）
* 是否涉及跨境、跨平台？

資訊不足 → 可能被標記為「無法查證」或「不成立」。  
資訊足夠 → 進入成案審認。

---

#### 3\. 成案（立為正式詐欺案件）

要被認定為詐欺案件，通常需要：

* 有金流證據
* 有聯繫紀錄
* 可以判斷詐騙模式
* 有可追查的行為人、帳戶或通訊資料

符合要件 → 成案（立案）。

統計上：**刑事局對外公布的詐騙「案件數」，多半是這一層。**

---

#### 4\. 破案（查到人、查到錢）

破案需要：

* 追到金流
* 找到相關人士到案
* 拿到足夠證據可以移送檢方
* 有時還需要跨縣市、跨國合作

詐騙常常牽涉跨境與人頭帳戶，破案難度高。  
目前公開資料裡，**幾乎看不到「按平台」的破案統計**。

## 無法透過數據一覽狀況背後的原因：政府統計不是「平台」分類，而是「詐騙類型」分類

這點是整件事情最核心、最容易被誤解的地方。

### 政府分類方式如下（示意）：

* 網購詐騙
* 投資詐騙
* 交友詐騙（假愛情）
* 假冒機關（檢警、銀行）
* 資安/釣魚訊息
* 遊戲點數
* ATM 提領／解除分期

因此——  
**政府的統計從頭到尾都不是用「FB、IG、LINE、TikTok」來分的。**

所以沒有以下資料：

* Facebook 成案多少件
* Instagram 破案多少件
* TikTok 的財損金額
* LINE 的每案平均金額
* Threads 的詐騙轉換率

現在完全沒有。

### 平台層級的比較「天然做不出來」

因為缺少：

1. 每個平台的民眾通報數
2. 每個平台的成案數
3. 每個平台的破案數
4. 每個平台的財損金額

只有：

* 少數平台因為「專案」被單獨拆出（例如小紅書）
* 少數平台因為「廣告系統」被單獨歸在「媒介類型」，但統計的是「詐騙廣告」，不是完整案件

→ 所以各大平台的通報量、詐騙量、破案量都無法直接比較。

## 小紅書（Xiaohongshu）資料說明（不可與 30 天通報比較）

小紅書目前 **沒有** 數位發展部 FraudBuster 的「近 30 天民眾通報數」。  
因此無法列入主表格的「30 天通報濃度」比較。

政府目前針對小紅書公開的是「警方成案數」，時間區間不同、性質不同：

【2024 年】

* 已成案涉詐案件：950 件
* 財損：132,900,000 元

【2025 年 1–11 月】

* 已成案涉詐案件：756 件
* 財損：114,770,000 元

【兩年合計】

* 成案數：1,706 件
* 財損總額：247,670,000 元（2.4767 億）

資料來源：內政部警政署刑事局（CNA 2025-12-04 記者會報導）  
<https://www.cna.com.tw/news/asoc/202512040369.aspx>

因此小紅書僅能作為「平台別警方已認定之涉詐案件」參考，  
無法與 FraudBuster 的「民眾通報量」進行橫向比較。

## 把立場先放旁邊，只看系統和現實

最後總結一下。  
如果我們先不談政治、不談立場，只問一個問題：

> 「在一個想要認真打詐的系統裡，我們要怎麼設計『資料的收集與統計』，才能更清楚地看到每一個平台、每一種手法的真實風險？」

那答案大概會長這樣：

* 要有基本的 **平台使用規模（MAU）** 作為母數
* 要有 **分平台的民眾通報數**
* 要有 **分平台 × 詐騙類型 的成案數與金額**
* 要有 **分平台的破案數與追回金額**
* 最好能把這整條流程用一致的方式長期追蹤

而目前的現實是：

* 我們只有「部分平台」的 30 天民眾通報數
* 只有「特案平台」的小紅書成案數與財損
* 沒有任何平台的破案數與破案率
* 大部分官方統計還是以「詐騙類型」為主

所以現在我們能做的，  
比較像是把「少數幾塊有光的地方」拼在一起，  
盡量避免在黑暗的部分腦補。

對老喬來說，這篇不是要幫哪個平台說話，也不是要為哪個政府單位辯護。  
比較像是：

> 在一個吵得很兇的議題裡，  
> 先把我們「真的看得到的東西」和「必須承認看不到的東西」講清楚，  
> 至少讓接下來的討論，有機會是建立在同一張底圖上，而不是各自畫各自的世界。

你可以不同意任何人的立場，  
但在那之前，我們至少要先搞清楚：  
**這個系統現在到底是怎麼在運作的。**