資料期間：2026/06–2026/09（2026-06-01 ～ 09-20，112 天、16 個完整週）
資料來源：QSearch 社群監測數據
9 月 22 日公布的台北市信民兩岸研究協會民調，蔣萬安支持度 41.7%、沈伯洋 40.5%，差距 1.2 個百分點，落在抽樣誤差範圍內。該調查由畢肯市場研究公司執行，訪問期間為 9 月 16 日至 18 日。
同一段期間，QSearch 監測的台灣社群數據累積 334,308 篇提及兩人的貼文。這份數據裡兩人的差別不在量的高低，而在聲量的來源、民眾討論的評價與討論的內容，三者都呈現穩定的結構差異。
關鍵發現速覽
- 全期間貼文數 201,022 對 133,286，相差 1.5 倍；但逐月倍率 1.27 → 2.96 → 1.25 → 1.24，9 月已收斂
- 渠道組成是全期間最穩定的一條差異：媒體佔比 33.8% 對 23.0%、Threads 佔比 38.7% 對 53.5%，三個分析段幾乎不動
- 8 月中至 9 月中的民眾討論負面比 65.8% 對 38.7%，相差 27.1 個百分點
- 佔該段 Facebook 討論 8% 以上的主事件，蔣萬安 7 個、沈伯洋 4 個；沈伯洋在 6 月初至 7 月初一個都沒有
這四個月，兩人的聲量怎麼變的？
全期間蔣萬安的貼文數是沈伯洋的 1.5 倍，但這個差距逐月收窄到 1.24 倍，中間兩人的方向還一度完全相反。
112 天內，台灣社群上提及兩人的貼文合計 334,308 篇，蔣萬安 201,022 篇、沈伯洋 133,286 篇，涵蓋 Threads、Facebook、媒體、論壇四個渠道。
| 月份 | 蔣萬安 | 沈伯洋 | 倍率 |
|---|---|---|---|
| 2026-06 | 36,317 | 28,625 | 1.27 |
| 2026-07 | 59,662 | 20,160 | 2.96 |
| 2026-08 | 51,538 | 41,215 | 1.25 |
| 2026-09（1 至 20 日） | 53,505 | 43,286 | 1.24 |
7 月是兩條曲線距離最遠的一個月。蔣萬安因毒油事件與凱道集會衝到全期間高點 59,662 篇，沈伯洋則因主力行程移至訪美，落到全期間低點 20,160 篇。倍率在這個月拉到 2.96 倍，是全期間唯一超過 2 倍的月份。
拆到週看，這個落差是累積出來的。蔣萬安從 7 月 6 日當週起連續四週上升（+23.6%、+39.9%、+21.4%、+10.4%），單週貼文數從 9,592 篇推到 17,982 篇；沈伯洋則從 6 月 8 日當週起連續六週下滑，單週量從 7,003 篇掉到 3,627 篇。
兩人的谷底與高峰幾乎完全錯開，這也是全期間倍率唯一破 2 的原因。
8 月起沈伯洋連續兩個月拉升，倍率回到 1.25 與 1.24。全期間最大的單週變動出現在 8 月 31 日當週的 +82.8%（蔣萬安）與 9 月 14 日當週的 +60.6%（沈伯洋）。
這兩個尖峰各自對應一起具體事件：蔣萬安是長子交換學生資格與利益迴避爭議爆發，沈伯洋是石牌與公館夜市掃街的人潮效應疊加候選人登記。9 月 14 日當週沈伯洋累積 20,825 篇，是他全期間單週最高。
週對週跳幅的第一個用途就是這個，它直接指出哪一週發生了值得追的事。對監測工作來說，這比看月度總量有效率得多。月度只告訴你多或少，週對週會把時間點交到你手上。
需要提醒的是，聲量口徑把「被支持」與「被批評」算成同一件事，數字本身不帶方向，〔選舉聲量能看出什麼？社群討論結構的四個維度〕有完整說明。品牌端同理：季報總量持平，可能是兩條反向曲線互相抵銷的結果，看方向必須拆期間。
誰的聲量是媒體報出來的，誰是網友自己在談？
這是全期間最穩定的一條差異。三個分析段裡渠道組成幾乎沒有變動，它是體質，不是狀態。
兩人聲量的最大來源都是 Threads，但比重差很多：蔣萬安 38.7%、沈伯洋 53.5%。媒體佔比則反過來，蔣萬安 33.8%、沈伯洋 23.0%。
| 分析段 | 蔣萬安 媒體 | 蔣萬安 Threads | 沈伯洋 媒體 | 沈伯洋 Threads |
|---|---|---|---|---|
| 6 月初至 7 月初 | 37.0% | 36.2% | 27.1% | 47.4% |
| 7 月至 8 月初 | 33.6% | 39.6% | 20.4% | 59.8% |
| 8 月中至 9 月中 | 32.4% | 39.0% | 22.2% | 53.8% |
同期總量的單週擺動可以達到八成，渠道組成的變動幅度卻遠小於此。這讓來源結構從一次觀察升級為可信的體質指標。
換句話說，蔣萬安約三分之一的聲量來自媒體報導與衍生討論，沈伯洋則有過半來自 Threads 上使用者自發的討論。這個差異不隨個別事件起伏而改變。
兩人的 Facebook 佔比反而接近，三段都在兩成上下（蔣萬安 22.2%、22.1%、22.9%，沈伯洋 19.7%、16.1%、19.1%），論壇也都在 4% 到 6% 之間。差異集中在媒體與 Threads 這兩個渠道，其餘兩個渠道幾乎沒有區辨力。
這個結構差異的成因，數據本身回答不了，但從兩人的身分推測，市長的職務活動本身就會產生新聞，而挑戰者要進入媒體版面通常得自己製造話題。這一層屬於脈絡補充，不是數據結論。
需要一併記住的是，各平台的使用者結構不同。Threads 佔比高不代表整體民意，只代表在那個平台上被談得多。
對公關工作的意涵很直接：媒體驅動型的聲量停掉投放就會掉，社群自發型不會。判斷品牌聲量的體質要看組成比例，不是看總量高低，〔每週品牌聲量報告怎麼做？公關主管的 4 步數據選取 SOP〕整理了例行報告該固定盯哪幾個欄位。
網路上對兩人的評價差多少？
9 月民調兩人差 1.2 個百分點的同時，8 月中至 9 月中的民眾討論負面比差 27.1 個百分點。
民眾討論情緒： 扣除候選人本人官方帳號發文後，其他帳號提及該候選人的貼文情緒分布。扣除候選人自行發布內容是為了避免候選人自己發的貼文墊高正面比例。
| 分析段 | 蔣萬安 正／中／負 | 沈伯洋 正／中／負 | 負面比差距 |
|---|---|---|---|
| 6 月初至 7 月初 | 12.5% / 25.2% / 62.3% | 23.1% / 26.1% / 50.8% | 11.5 pp |
| 7 月至 8 月初 | 6.8% / 20.1% / 73.1% | 32.2% / 21.3% / 46.4% | 26.7 pp |
| 8 月中至 9 月中 | 10.2% / 24.0% / 65.8% | 34.6% / 26.7% / 38.7% | 27.1 pp |
蔣萬安的負面比在第二段達到全期間最高的 73.1% 後回落到 65.8%，三段都維持在六成以上；沈伯洋則是 50.8%、46.4%、38.7% 一路走低。兩人的差距從 11.5 個百分點擴大到 27.1 個百分點。
正面比的方向相同但幅度不同：蔣萬安 12.5% → 6.8% → 10.2%，沈伯洋 23.1% → 32.2% → 34.6%。
這裡要講精確一點。負面比差距是三段逐段擴大的，正面比差距則是 10.6、25.4、24.4 個百分點，在第二段達到最大後略微收窄，並非單向移動。三段之中真正一路同向的只有負面比這一項。
口徑上，蔣萬安官方帳號在 112 天內發文 66 篇，沈伯洋 746 篇，佔各自總量皆低於 0.6%。實測顯示扣除前後的情緒差異全部在 0.2 個百分點以內，兩人皆然。
這裡用的是分析段層級的情緒，每個數字彙總十萬篇以上的貼文。AI 判讀的個別誤差在這個量級下大量相互抵銷，系統性偏誤也對兩人同向作用，因此差距比絕對值穩定。
必須說清楚的是，情緒與聲量都不等於支持度，本文不預測選舉結果。各平台使用者結構不同，情緒差異不等於母體態度分布，AI 判讀也會誤判諷刺與反串。
下一節談具體事件時不會再帶情緒。單一主題可能只有幾百篇，而且一起事件牽涉多方時，負面討論指向誰無法從數據判定。
兩人被討論的是什麼事？
蔣萬安的討論被少數幾件事吃掉，沈伯洋的分散得多。
看主題排名之前要先看覆蓋率，也就是各段前十大主題合計佔該渠道貼文數的比例。蔣萬安是 52.0%、62.6%、39.8%，沈伯洋是 29.0%、41.7%、43.6%。覆蓋率低的期間，排名本身的代表性就有限。
以下列出佔該段 Facebook 討論 4% 以上的全部主題，其中達 8% 以上者標為主事件。兩道門檻都不涉情緒判讀，只問一件事佔掉多少版面。
蔣萬安：10 個主題，其中 7 個是主事件
| 期間 | 主題 | 篇數 | 佔該段 | 主事件 |
|---|---|---|---|---|
| 6 月初至 7 月初 | 議會備詢讀稿、殷瑋代答與議場交鋒爭議 | 1,112 | 12.0% | ★ |
| 6 月初至 7 月初 | 內湖 0625 短延時強降雨積淹水與市府應變究責 | 1,051 | 11.4% | ★ |
| 6 月初至 7 月初 | 主張廢除監察院並建議否決 29 位監委提名 | 811 | 8.8% | ★ |
| 7 月至 8 月初 | 725 凱道反毒油集會 | 2,723 | 17.7% | ★ |
| 7 月至 8 月初 | 巴威颱風停班停課決策 | 1,752 | 11.4% | ★ |
| 7 月至 8 月初 | 倒閣主張與閣揆人選點名 | 1,683 | 10.9% | ★ |
| 7 月至 8 月初 | 食安法修法與市府跨局處應變 | 636 | 4.1% | |
| 7 月至 8 月初 | 慈濟疫苗案與擋疫苗說法回溯 | 617 | 4.0% | |
| 8 月中至 9 月中 | 長子交換學生資格與利益迴避爭議 | 2,741 | 13.4% | ★ |
| 8 月中至 9 月中 | 庇護工場禮盒訂單與採購回應 | 831 | 4.1% |
七個主事件裡有五件的啟動點不由他決定：議會期程、6 月 25 日的短延時強降雨、巴威颱風、7 月的食安爭議，以及 8 月底爆發的家庭爭議。剩下兩件是他自己提出的政治主張，廢除監察院與倒閣。
沈伯洋：9 個主題，其中 4 個是主事件
| 期間 | 主題 | 篇數 | 佔該段 | 主事件 |
|---|---|---|---|---|
| 6 月初至 7 月初 | 內湖淹水夜間勘災與災後清理協助 | 469 | 7.5% | |
| 6 月初至 7 月初 | 夜市、市場與廟宇掃街拜票行程 | 251 | 4.0% | |
| 7 月至 8 月初 | 基層掃街陸戰行程與人潮迴響 | 551 | 12.2% | ★ |
| 7 月至 8 月初 | 東發號簽名事件與店家負評爭議 | 429 | 9.5% | ★ |
| 7 月至 8 月初 | 訪美行程與海外後援會成立 | 390 | 8.7% | ★ |
| 7 月至 8 月初 | 陳時中疫苗採購舊案聲援與退選質疑回應 | 187 | 4.1% | |
| 8 月中至 9 月中 | 石牌公館景美掃街人潮與工讀生質疑 | 2,678 | 19.1% | ★ |
| 8 月中至 9 月中 | 王偉忠專訪與網路收視討論 | 666 | 4.8% | |
| 8 月中至 9 月中 | 市場夜市掃街與簽名互動花絮 | 618 | 4.4% |
四個主事件全部來自行程或其延伸：基層掃街、訪美、石牌公館景美掃街，以及掃街衍生的東發號簽名事件。
6 月初至 7 月初一個主事件都沒有。那段他最大的單一主題只佔 7.5%，前十大主題合計也只覆蓋 29.0% 的討論，其餘七成分散在無法命名的長尾裡。
集中度是兩人最直接的差異
| 期間 | 蔣萬安 | 沈伯洋 |
|---|---|---|
| 6 月初至 7 月初 | 3 個／合計 32.2% | 0 個（最大 7.5%） |
| 7 月至 8 月初 | 3 個／合計 40.0% | 3 個／合計 30.4% |
| 8 月中至 9 月中 | 1 個／13.4% | 1 個／19.1% |
兩人的覆蓋率走勢相反。蔣萬安是 52.0% → 62.6% → 39.8%，先集中後分散；沈伯洋是 29.0% → 41.7% → 43.6%，持續集中。到了最後一段，反而是沈伯洋的討論更講得出在談什麼。
主事件的時間分布也值得看。兩人在 8 月中至 9 月中都只剩一個主事件，但那一件的量體都是各自全期間最大級別：蔣萬安 2,741 篇、沈伯洋 2,678 篇。
前兩段是多個中型事件並存，最後一段變成單一大型事件獨大。競選期進入後段、議題收斂到少數幾條主軸，這個現象在兩人身上同時出現。
這個差異不是討論量造成的。兩人同期的 Facebook 貼文數是 9,232 對 6,274，量的差距遠小於集中度的差距。
對公關工作而言，問「這段期間大家在談我什麼」，答不出來本身就是一種結果。討論分散代表沒有任何單一議題主導那段期間的版面，這跟聲量高低是兩件事。
兩份清單的性質也不同。蔣萬安七個主事件裡五件由外部條件觸發，能決定的是回應方式而不是議題本身；沈伯洋四個全部來自可自行安排密度的行程。
品牌端對照過來，前者近似危機與法規事件，後者近似檔期與活動。同樣是聲量，可控程度差很多，排資源的邏輯也不該一樣。
為什麼 Facebook 和 Threads 看到的不一樣？
換個平台，上一節的清單就會不同。不只主題不同，是 Threads 有七成以上的討論不屬於任何可命名的事件。
各段前十大主題合計佔該渠道貼文數的比例，兩個平台差距懸殊：
| 分析段 | 蔣萬安 FB | 蔣萬安 Threads | 沈伯洋 FB | 沈伯洋 Threads |
|---|---|---|---|---|
| 6 月初至 7 月初 | 52.0% | 29.6% | 29.0% | 9.5% |
| 7 月至 8 月初 | 62.6% | 26.9% | 41.7% | 6.0% |
| 8 月中至 9 月中 | 39.8% | 15.5% | 43.6% | 9.3% |
Facebook 的前十大主題可以覆蓋該渠道 29.0% 至 62.6% 的貼文，Threads 只覆蓋 6.0% 至 29.6%。Threads 上有極長的長尾：大量一句話反應、個人經驗分享與零散吐槽，無法歸進任何一個可命名的事件。
成因數據沒有直接回答，但從兩個平台的貼文形式推測，Threads 的發文門檻低、篇幅短，容易產生大量不成主題的即時反應。這一層同樣屬於脈絡補充。
對一般讀者來說，這解釋了一件常見的事：同一段期間，你在 Threads 上看到的討論，跟朋友在 Facebook 上看到的可能幾乎沒有交集，但兩邊談的其實是同一批事件。
有趣的是，兩平台涵蓋的事件其實高度重疊。以「是否指向同一起真實事件」逐項比對兩份主題清單，共同事件數為 7、8、9（蔣萬安）與 5、7、7（沈伯洋），差別在各自額外補上的那幾題。
Threads 多出來的是人設與迷因型內容，例如身世改姓爭議、高單價物品簽名趣聞、深藍選民轉投見證與女兒互動小故事。Facebook 多出來的則是制度與政策型內容，例如廢除監察院、食安法修法與陳時中疫苗採購舊案聲援。
這個落差對品牌監測的意義很具體。如果一份報告的主題清單建立在 Facebook，拿去解釋 Threads 上的討論，會系統性漏掉那些不成事件但數量龐大的個人反應，而那類零散反應正是口碑累積的形式之一。
實務上，跨平台監測必須各建各的主題清單。Threads 的前十名會漏掉七成以上的討論，要掌握整體氛圍就得搭配長尾抽樣，〔為什麼 Facebook + Instagram + PTT 數據要一起看？跨平台輿情監測的商業邏輯與實戰策略〕說明了合併看與分開看各自的用途。
這份數據不能回答什麼
- 不能歸因到民調。 民調的時間點少、解析度是月級，社群事件是天級的，把某起事件對到民調變動屬於編故事。
- 主事件不等於全部討論。 各段前十大主題只覆蓋該渠道 29.0% 至 62.6% 的貼文，達 8% 門檻的主事件涵蓋得更少。
- 主題層級不談情緒。 單一主題樣本小，且事件牽涉多方時，負面討論指向誰無法從數據判定。
- 社群母體不是選民母體。 聲量與情緒都不等於支持度，本文不預測選舉結果。
常見問題
Q：社群聲量高，是不是代表支持度高？
A：不是。聲量口徑把「被支持」與「被批評」算成同一件事，數字本身不帶方向。本文的數據裡，聲量較高的一方，民眾討論的負面比也較高。
Q：怎麼判斷一個品牌的聲量是媒體給的還是民眾自發的？
A：看四渠道的組成比例，而且要跨多期比對。組成比例比總量穩定得多，本文的三個分析段裡總量單週擺動可達八成，組成卻幾乎不動。
Q：怎麼挑出一段期間真正重要的事件？
A：先看前十大主題合計覆蓋該渠道多少貼文，再設佔比門檻。覆蓋率只有三成的期間，那份排名的代表性本來就有限。
Q：為什麼同一個對象在 Facebook 和 Threads 看到的討論不一樣？
A：事件其實高度重疊，差別在長尾。Facebook 的前十大主題可覆蓋該渠道近三到六成貼文，Threads 只有 6% 到 30%，其餘是無法歸類的零散反應。
結論
這 16 週、334,308 篇貼文留下三條可以帶走的做法。
第一，看方向要拆期間。全期總量的差距是 1.5 倍，逐月看卻從 1.27 倍走到 2.96 倍再收斂到 1.24 倍，兩者會給出不同的結論。
第二，判斷體質看渠道組成。它比總量穩定得多，也更能說明聲量從哪裡來、停掉投放後還剩多少。
第三，事件層先看覆蓋率再看排名，並且分渠道各建各的清單。同一段期間、同一個對象，Facebook 與 Threads 會給出不同的答案。
這三件事有個共同點：它們問的都不是「聲量多少」，而是「這些聲量長什麼樣」。單一總量數字在任何一個問題上都幫不上忙。
三個層次合起來用的方式是：先看渠道組成確認體質，再看事件清單確認議題有沒有聚焦，最後才把總量的變化放進這個背景去解讀。順序顛倒過來，很容易把一次事件造成的量體當成長期趨勢。
聲量與情緒都不等於支持度，本文不預測選舉結果。
想了解你的產業或品牌在社群上的真實樣貌？了解 QSearch →
延伸閱讀
- 聲量數字為什麼各家不一樣？收錄範圍、計數口徑與雜訊過濾解析
- 每週品牌聲量報告怎麼做？公關主管的 4 步數據選取 SOP
- 為什麼 Facebook + Instagram + PTT 數據要一起看？跨平台輿情監測的商業邏輯與實戰策略
