把「找小姐小妹」畫成圖表，能看出什麼、看不出什麼
假設你打開一張折線圖，橫軸是月份，縱軸是某個地區對「援交妹」這組字的搜尋熱度指數。線條在深夜時段悄悄爬升，週末前後出現小高峰，某幾個月又突然掉回谷底。問題是：這條線到底證明了什麼？大多數人會立刻下結論——「需求變高了」或「最近很熱門」。但一張搜尋熱度圖表能承載的資訊，遠比直覺少得多。它記錄的是「有人在搜尋框裡打了這些字」，而不是「有人完成了交易」，更不是「這個行業的規模」。這篇文章用數據新聞的讀法，拆解這類圖表的三層意義與五個陷阱。
搜尋熱度圖表的第一層：它測量的其實是「好奇心」
搜尋熱度指數通常是把某段時間內的查詢量標準化，最高點設為 100，其餘按比例縮放。這意味著圖表上的「100」不是一萬次或一百萬次，而只是「這段期間內相對最高」的那個時間點。同一個字在不同地區、不同年份的圖表，數值不能直接互相比較。
更關鍵的是，搜尋行為只反映注意力，不反映行為。一個人可能出於好奇、寫報導、做功課、甚至出於厭惡而搜尋，這些都會計入同一條曲線。當你看到「找小姐小妹」的線圖上揚，合理的推論只有一個：那段時間有更多人對這個詞產生了興趣。至於興趣轉化成什麼，圖表一句話都沒說。
這也是為什麼數據記者在引用這類圖表時，會刻意把標題寫成「搜尋關注度上升」而不是「需求上升」。前者是資料說的話，後者是我們替資料說的話。
指數化背後的數學：為什麼不能比大小
假設 A 城市的高峰是 100，B 城市的高峰也是 100，直覺上兩地一樣熱門。但如果 A 城市的人口是 B 城市的十倍，實際查詢量可能差了一個量級。指數化把絕對量藏了起來，只留下形狀。讀圖時要問的第一個問題永遠是：這條線的單位是什麼，基準又是誰。
第二層：季節性、事件與雜訊，三種波動要分開看
一條有起伏的線，通常混雜了三種成分。第一種是季節性，例如長假期間人口流動改變，搜尋模式也跟著改變。第二種是事件驅動，某則新聞、某部影集、某個社會案件，會讓關鍵字在幾天內暴衝再迅速回落。第三種是雜訊，也就是樣本太小造成的隨機跳動。
三者的處理方式完全不同：季節性要用同比（去年同月比今年同月）來抵銷；事件驅動要看前後幾天的形狀，暴衝後是否快速衰減；雜訊則要靠拉長觀察窗口或合併多個相關詞來平滑。把雜訊當成趨勢，是這類圖表最常見的誤讀。
舉例來說，「美女」這種涵蓋面極廣的詞，曲線通常平穩而缺乏訊號；但「學生妹」這類帶有明確指向的詞，一旦出現尖峰，往往對應到某個具體事件。尖峰的形狀比高度更有情報價值。
相關詞的群集分析：一個詞不夠，要看一整組
單一關鍵字的圖表容易被雜訊誤導，實務上會把語義相近的詞放在一起看，例如把「外圍女」、「香港樓鳳」與「約炮做愛按摩」畫在同一張圖上。如果多條線同步上升，訊號較可信；如果只有一條線跳動，那更可能是單一事件或資料異常。群集分析不能證明因果，但能幫你區分「局部雜訊」與「系統性變化」。
第三層：圖表看不到的東西，往往才是關鍵
搜尋熱度圖表最大的盲點，是它只覆蓋「會上網搜尋的人」。年齡結構偏高的族群、使用不同語言搜尋的族群、透過私密社群而非公開搜尋引擎接觸資訊的族群，都不在圖表裡。因此，一條下降的線不代表需求消失，可能只是需求轉移到圖表照不到的地方。
第二個盲點是平台覆蓋率。不同搜尋引擎、不同裝置、不同地區的資料抽樣方式不同，同一組關鍵字在兩個工具上可能畫出方向相反的曲線。交叉驗證兩個以上資料來源，是引用這類圖表的最低門檻。
第三個盲點是「查詢」與「意圖」之間的距離。同樣一組字，有人想找資訊，有人想找服務，有人只是路過。圖表把這些意圖全部壓縮成一個數字，讀者若不做質性補充，就很容易把「搜尋」誤讀成「交易」。
把圖表讀對的四個操作步驟
如果你手上真的有一張這類熱度圖，可以按以下順序檢查，避免過度解讀：
- 確認基準與單位：這是相對指數還是絕對量？比較的對象是誰？
- 拉長觀察窗口：至少看兩到三年的同比，才不會被單一季節誤導。
- 標記外部事件：把新聞、假期、平台改版標在時間軸上，看尖峰是否對得上。
- 做群集比對：用三到五個語義相近的詞交叉檢查，區分雜訊與趨勢。
完成這四步之後，你通常會發現原本那條「暴衝的線」變得溫和許多，而真正值得寫的結論，往往是一句謹慎的話：某段時間內，公眾對這組詞的關注度出現變化，原因尚待釐清。
常見的誤讀與它們的代價
第一種誤讀是把相關當因果。圖表顯示 A 上升、B 也上升，不代表 A 導致 B，可能兩者都被第三個因素推動。第二種誤讀是忽略基數，小樣本的一次跳動在指數化之後看起來很嚇人，實際上可能只是幾十次查詢的差異。第三種誤讀是以偏概全，用單一地區的圖表推論整個行業的規模。
這些誤讀的代價不只是學術上的不嚴謹。當媒體或內容創作者用一張圖表去暗示某種「趨勢已成定局」，讀者會被引導去相信一個資料其實沒有支持的結論。負責任的寫法是：把圖表當成提問的起點，而不是答案的終點。圖表告訴你「去哪裡找答案」，而不是「答案是什麼」。
常見問題
搜尋熱度上升，就代表實際需求增加嗎？
不一定。搜尋熱度只反映注意力，可能來自好奇、報導、研究或反感。要推論需求，需要搭配其他資料，例如交易平台流量、實體經濟指標或質性訪談，單一圖表不足以支撐結論。
為什麼同一組關鍵字在不同工具上曲線不一樣？
各工具的取樣範圍、裝置覆蓋率、去重規則與指數化方式都不同。曲線方向相反是常見現象，這正是為什麼專業分析會要求交叉驗證多個來源，而不是只信一張圖。
指數化之後的數值可以直接比較地區大小嗎？
不行。指數化把絕對量隱藏了，兩地高峰都設為 100，但實際查詢量可能相差數倍。要比較地區，必須先還原絕對量或至少取得人口基準，否則只會得到誤導性的結論。
如果圖表出現突然的尖峰，該怎麼判斷是事件還是雜訊？
看形狀與持續時間。事件驅動的尖峰通常來得快、去得也快，且能對應到具體新聞或日期；雜訊則缺乏外部對應，且在多個相關詞之間不同步。把尖峰標在時間軸上與事件比對，是最實用的判別方法。