資料來源：QSearch 社群監測數據
分析期間：2026/09/07 00:00 – 2026/09/13 23:59（台灣時間，完整 7 天）
對照期間：2026/08/31 – 2026/09/06（週對週變化率基準）
資料擷取時間：2026/09/14 08:44
同一個台北市、同一週，蔣萬安與沈伯洋的最大聲量來源都是 Threads——但比重差了 16.5 個百分點。蔣萬安這週 33.6% 的討論落在 Threads，沈伯洋卻高達 50.1%。同一個平台掛帥，不代表兩人的傳播結構長得一樣。
先說清楚這個系列的立場：聲量不等於支持度，本系列不預測選舉結果。被大量批評一樣會產生聲量。以下所有數字量測的都是「討論怎麼發生」，沒有任何一項可以推導出「誰會當選」。
這週的量體骨幹
| 候選人 | 本週提及數 | 前週 | 變化率 | 正面 | 中立 | 負面 |
|---|---|---|---|---|---|---|
| 蔣萬安 | 16,445 | 21,939 | −25.0% | 7.9% | 22.6% | 69.5% |
| 沈伯洋 | 12,551 | 10,679 | +17.5% | 32.1% | 26.2% | 41.7% |
口徑是四個頻道（Threads、Facebook、媒體、論壇）的全部提及聲量，不限縮於選舉相關討論。
兩人這週的量體都已進入穩定水位，不是被單一天推起來的：蔣萬安單日最高 2,918 篇（9/8），只是週均 2,349 篇的 1.24 倍；沈伯洋單日最高 2,296 篇（9/11），是週均 1,793 篇的 1.28 倍。兩人的尖峰倍數都很接近日常波動的範圍——蔣萬安 9/8 當天入榜貼文同時有身世 DNA 驗證發言、校園營養午餐食物中毒案並列討論，屬多個話題並存、沒有單一主導事件；沈伯洋 9/11 則以本人石牌掃街心得、台大用餐分享等個人帳號發文為主，同樣不是被外部事件單獨推高。
頻道分布差異：同樣是 Threads 掛帥，結構卻不一樣
這個維度是「全渠道收錄」最直接的證明：單一平台工具算不出四種來源的相對比例。
| 候選人 | Threads | 媒體 | 論壇 | 最大來源 | |
|---|---|---|---|---|---|
| 蔣萬安 | 33.6% | 26.5% | 33.0% | 6.8% | Threads 33.6% |
| 沈伯洋 | 50.1% | 20.5% | 24.0% | 5.4% | Threads 50.1% |
兩人這週的最大來源都是 Threads，但比重差了 16.5 個百分點——蔣萬安的討論相對平均地散布在 Threads、媒體兩個頻道（33.6% 對 33.0%，幾乎打平），沈伯洋則有一半的討論集中在單一頻道。換句話說，同樣「Threads 第一」這句話，蔣萬安的傳播是多頭並進，沈伯洋的傳播結構明顯更集中。自營發文佔比也拉開差距：蔣萬安本人官方帳號在 Facebook 與 Threads 合計只發 3 篇，佔他這兩個頻道提及量的 0.03%；沈伯洋 52 篇，佔 0.59%——兩人都遠低於 5%，社群上關於候選人的討論絕大多數不是候選人自己產生的，但沈伯洋自己開口的比例仍是蔣萬安的近 20 倍。
零重疊的頻道集中度之外，情緒的頻道分布也提醒我們同一個總數可能藏著不同的答案。蔣萬安整週負面 69.5%，四個頻道裡最高的論壇（73.9%）與最低的媒體（63.7%）差 10.2 個百分點；沈伯洋整週負面 41.7%，拆到頻道後，論壇負面 58.5%、Threads 只有 33.5%，相差 25.0 個百分點，落差比蔣萬安更大。
四人的負面比例在論壇一律偏高，這是平台使用者結構造成的系統性差異，不是針對某個人。跨平台的情緒數字不能互相比較，只能同平台比同平台——想理解這件事對資源配置的意義，可以參考跨平台資源應該怎麼分配與從負面情緒強度做危機預警的方法。
這 20 篇高互動貼文是誰發的
Facebook 互動最高的 20 篇裡，出自候選人本人官方帳號的篇數——蔣萬安 0 篇、沈伯洋 0 篇，兩人的高互動貼文全部由第三方帳號發出。
那是誰在發？兩人的前 20 篇裡，各自還有數個不同帳號，類型涵蓋政治評論粉專與新聞媒體帳號；其中有三個帳號同時出現在雙方榜上：打馬悍將粉絲團（蔣萬安 4 篇、沈伯洋 2 篇）、政客爽（2 篇、1 篇）、林智群律師（klaw）（各 1 篇）。本系列只具名「跨候選人重複出現」的帳號與候選人本人帳號，其餘一律按類型統計，避免變成單邊點名。
互動集中度上，前 5 篇佔該人 200 篇互動總量的 10.5%（蔣萬安）與 12.4%（沈伯洋），兩人都沒有出現一兩篇貼文撐起全部互動的形狀。深度則看每篇留言：Facebook 上蔣萬安 109 則、沈伯洋 102 則，Threads 上分別是 29 則與 31 則——關於互動數的合理區間，可對照台灣 FB 粉專五級距每篇平均互動基準。
常見問題
Q：蔣萬安、沈伯洋這週的最大來源都是 Threads，是不是代表兩人都靠社群自然討論帶起聲量？
不是，這要先弄清楚「最大來源佔比」量的是什麼。這個數字只算「哪個頻道的討論量佔這個人整週總量的比重最高」，量的是傳播路徑落在哪個平台，不代表這個平台上的討論是正面還是負面，也不代表這個頻道的使用者比較支持哪一方——Threads 佔比高，可能是因為個人心得、轉貼、評論在這個平台特別活躍，跟「有沒有人自然力挺」是兩回事。
這週兩人 Threads 佔比都最高，但集中程度不同：蔣萬安（33.6%）因為身世 DNA 驗證傳聞、校園營養午餐爭議等話題同時在媒體與 Threads 都有討論，比重相對平均；沈伯洋（50.1%）這週的日本後援會成立造勢、「市長你給我聽好了」民意平台上線等話題本來就適合在 Threads 發酵，比蔣萬安集中得多。
該怎麼讀這類數字：頻道佔比反映的是「討論集中在哪裡」這個傳播結構問題，不能直接推論成「聲量好不好」或「哪一方比較受歡迎」；真正需要留意的是同一個頻道內的情緒分布，那才是更接近觀感的指標。
Q：這週兩人唯一的共同話題是「王偉忠專訪效應與受訪態度對比」，這代表什麼？
代表這是一起兩人各自被討論、卻源自同一件事的話題，而不是兩人主動對話的結果。蔣萬安至今尚未接受同類媒體邀訪，社群翻出他過往受訪片段做對比；同一時間，資深媒體人王偉忠本週專訪沈伯洋，訪談近 40 分鐘，社群普遍評價沈伯洋應對得宜。這個話題在蔣萬安榜上佔 5.0%（排名第四），在沈伯洋榜上佔 13.7%（排名第一）——兩人都被捲入同一起事件，但份量並不對等。
這說明「共同話題」不必然是兩人立場交鋒的議題，也可能是單一候選人的行程（受訪）順帶讓另一人被拿來比較；解讀共同話題時，需要回頭看話題本身的性質，不能只看重疊這件事本身。
這週的三個結論
- 兩人最大聲量來源相同，比重卻差 16.5 個百分點。蔣萬安的傳播結構在 Threads 與媒體間相對平均，沈伯洋則有過半討論集中在 Threads 單一頻道。
- 彙總情緒數字同樣掩蓋了頻道落差。蔣萬安整週負面 69.5%，拆開後論壇與媒體差 10.2 個百分點；沈伯洋整週負面 41.7%，拆開後論壇與 Threads 差 25.0 個百分點。
- 高互動貼文全部由第三方帳號發出。兩人 Facebook 前 20 篇的本人帳號篇數都是 0 篇，且有三個帳號同時出現在雙方榜上。
這三點量測的都是「討論怎麼發生」。再說一次：聲量不等於支持度，本系列不預測選舉結果。
方法與限制
- 情緒為 AI 判讀，諷刺與反串可能被誤判；各平台使用者結構不同，情緒差異不等於民意分布。
- 話題為每週重新歸納、兩人各自成類，佔比分母是各自的討論總量，不互相比較。
- 台北與新北的量體差 6 至 8 倍，兩區數字不可並列比較。
- 部分話題篇數偏少（低於 30 篇，文中標 †），佔比與負面比例的統計穩定度較低，不宜過度解讀單一小樣本話題的精確數字。
四個維度的完整方法與限制寫在選舉聲量能看出什麼？社群討論結構的四個維度，每週最新數字則回到分區文。同一週的新北市，李四川的尖峰對應到一場具體造勢活動，蘇巧慧的尖峰卻只是本人密集發文所致，可以看2026 新北市長選舉社群聲量（9/7–9/13）——注意兩區量體差 6 至 8 倍，絕對數字不可並列比較，可比的是結構。
以上頻道分布、分頻道情緒與發文者結構，都由 QSearch 全渠道全文收錄資料庫直接算出——台灣範圍收錄 115 萬個 Facebook 粉專、42 萬個 Threads 帳號，加上論壇與新聞媒體共約 820 個來源。這也是為什麼能同時算出四種來源的相對比例：單日尖峰背後通常就是一兩篇，點開就看得到原文。想用同一套方法看自己的品牌或議題，可以免費試用。
