綠藤生機 Facebook 長期互動趨勢分析
資料來源：
dataset_facebook-posts-scraper_2026-06-08_04-24-11-699._greenvines.json分析日期：2026-06-08 總貼文數：999 篇
一、分析目的
評估綠藤生機 Facebook 粉絲專頁的整體互動趨勢，特別關注：
- 長期自然觸及是否有結構性下滑
- 2024 年職場管理爭議前後的互動變化
- 2025 年蘇丹紅事件前後的互動變化
二、資料結構與時間方向說明
資料排列方向
資料集以「新→舊」排列：
- index 0 = 最新貼文（約 2025 年末 / 2026 年初）
- index 998 = 最舊貼文（約 2015 年）
時間戳取得限制
Facebook 的 pfbid 格式 URL 無法直接解碼時間戳，嘗試從 mediaset_token（格式如 pcb.1467379492094406）以 Facebook Epoch（2011-01-01）公式解碼，結果與貼文內容明顯不符，判定不可靠。
因此以 index 作為時間代理指標，方向為：index 越大 → 時間越早。
已確認的時間錨點（以貼文內容為準）
| Index | 時間 | 事件 |
|---|---|---|
| ~243 | 2024 年 4 月 | 前同事指控貼文首次回應 |
| ~242 | 2024 年 4 月 | 鄭涵睿請辭聲明 |
| ~240 | 2024 年（後續） | 新執行長怡雯就任聲明 |
| ~34 | 2025 年 11 月 21 日 | 食藥署公告蘇丹四號，完整聲明 |
| ~33 | 2025 年 11 月 | 預防性下架時間軸說明 |
| ~30 | 2025 年 11 月底 | 全系列產品第三方檢驗結果 |
三、計算方式
滾動平均（Rolling Average）
參數：window = 30 篇，step = 15 篇
計算公式：
avg_likes[i] = mean(likes[i : i+30])
avg_shares[i] = mean(shares[i : i+30])
avg_comments[i] = mean(comments[i : i+30])
每 15 篇移動一次，產生重疊視窗以平滑波動。
時期分析（Bucket Analysis）
參數：每 50 篇為一個時期
將 999 篇分為 20 個時期，由舊→新顯示，對應每期的平均 likes 與 shares。
四、滾動平均完整數據（window=30, step=15）
| 中心 index | avg_likes | avg_shares | avg_comments | 備註 |
|---|---|---|---|---|
| 0 | 20.8 | 1.0 | 0.6 | 最新期（2025末後） |
| 15 | 73.8 | 3.6 | 13.3 | 2025 蘇丹紅危機區 |
| 30 | 122.1 | 19.2 | 34.5 | 2025 蘇丹紅危機區 |
| 45 | 139.3 | 36.8 | 53.5 | 2025 蘇丹紅危機區（shares 峰值） |
| 60 | 101.9 | 31.7 | 46.0 | |
| 75 | 33.0 | 13.8 | 17.9 | |
| 90 | 26.4 | 4.2 | 4.5 | |
| 105 | 68.2 | 11.4 | 40.0 | |
| 120 | 86.8 | 12.6 | 48.1 | |
| 135 | 46.8 | 3.4 | 9.6 | |
| 150 | 24.5 | 1.5 | 1.5 | |
| 165 | 20.1 | 1.5 | 5.3 | |
| 180 | 16.4 | 1.3 | 5.3 | |
| 195 | 15.2 | 0.8 | 0.8 | 2024 危機後低谷 |
| 210 | 18.6 | 1.1 | 0.7 | |
| 225 | 145.8 | 6.1 | 27.1 | 2024 職場爭議危機區 |
| 240 | 159.3 | 5.9 | 27.5 | 2024 職場爭議危機區（likes 局部峰值） |
| 255 | 42.8 | 1.4 | 1.0 | 2024 職場爭議危機區 |
| 270 | 29.8 | 2.1 | 0.6 | |
| 285 | 18.7 | 2.1 | 1.5 | |
| 300 | 32.5 | 5.8 | 9.6 | |
| 315 | 56.7 | 6.6 | 12.7 | |
| 330 | 52.3 | 5.2 | 4.4 | |
| 345 | 92.9 | 5.5 | 5.4 | |
| 360 | 107.3 | 3.6 | 7.1 | |
| 375 | 142.9 | 16.5 | 23.6 | |
| 390 | 148.7 | 16.2 | 23.8 | |
| 405 | 161.9 | 3.7 | 6.2 | |
| 420 | 147.0 | 3.3 | 4.7 | |
| 435 | 75.5 | 6.6 | 10.0 | |
| 450 | 72.2 | 7.0 | 9.6 | |
| 465 | 59.0 | 4.0 | 6.8 | |
| 480 | 51.0 | 3.7 | 8.3 | |
| 495 | 145.4 | 16.1 | 36.3 | |
| 510 | 148.5 | 16.8 | 38.3 | |
| 525 | 67.6 | 5.2 | 11.6 | |
| 540 | 105.6 | 5.4 | 11.5 | |
| 555 | 93.2 | 5.8 | 11.1 | |
| 570 | 60.3 | 5.0 | 7.4 | |
| 585 | 65.1 | 3.5 | 7.3 | |
| 600 | 98.3 | 16.7 | 42.0 | |
| 615 | 100.9 | 15.7 | 36.1 | |
| 630 | 73.7 | 2.6 | 2.7 | |
| 645 | 69.6 | 2.8 | 3.5 | |
| 660 | 116.3 | 5.3 | 40.5 | |
| 675 | 220.9 | 5.9 | 40.5 | 全盛期高峰 |
| 690 | 237.9 | 5.9 | 22.1 | 全盛期高峰 |
| 705 | 294.7 | 8.7 | 41.4 | 資料集 likes 最高點 |
| 720 | 250.7 | 8.3 | 27.4 | |
| 735 | 113.3 | 5.4 | 7.0 | |
| 750 | 143.2 | 5.5 | 13.5 | |
| 765 | 99.4 | 4.1 | 12.8 | |
| 780 | 75.9 | 3.0 | 7.0 | |
| 795 | 109.2 | 3.3 | 7.7 | |
| 810 | 145.3 | 4.2 | 10.1 | |
| 825 | 147.9 | 5.6 | 11.3 | |
| 840 | 122.9 | 5.7 | 17.6 | |
| 855 | 181.4 | 7.1 | 30.4 | |
| 870 | 263.9 | 17.0 | 23.9 | |
| 885 | 192.3 | 14.3 | 11.5 | |
| 900 | 178.2 | 5.7 | 35.4 | |
| 915 | 245.7 | 7.2 | 37.3 | |
| 930 | 168.7 | 6.1 | 7.8 | |
| 945 | 115.6 | 5.0 | 5.4 | |
| 960 | 152.7 | 5.6 | 14.4 |
五、時期分析（每 50 篇一期，舊→新）
| 時期（index 範圍） | avg_likes | avg_shares | 趨勢 | 備註 |
|---|---|---|---|---|
| 999 ~ 950 | 156.5 | 6.1 | 基準 | 最舊期（~2015） |
| 949 ~ 900 | 175.7 | 5.2 | ↑ | |
| 899 ~ 850 | 213.8 | 12.8 | ↑↑ | |
| 849 ~ 800 | 125.6 | 4.3 | ↓↓ | |
| 799 ~ 750 | 111.3 | 4.1 | ↓ | |
| 749 ~ 700 | 235.0 | 7.7 | ↑↑ | 全盛期峰值（~2018–2019） |
| 699 ~ 650 | 140.9 | 4.3 | ↓↓ | |
| 649 ~ 600 | 90.3 | 11.2 | ↓↓ | |
| 599 ~ 550 | 79.5 | 4.4 | ↓ | |
| 549 ~ 500 | 116.2 | 12.4 | ↑↑ | |
| 499 ~ 450 | 66.8 | 5.9 | ↓↓ | |
| 449 ~ 400 | 124.6 | 3.7 | ↑↑ | |
| 399 ~ 350 | 127.8 | 12.1 | → | |
| 349 ~ 300 | 40.2 | 4.6 | ↓↓ | 危機前長期低迷開始 |
| 299 ~ 250 | 37.2 | 1.8 | ↓ | 2024危機前低谷 |
| 249 ~ 200 | 90.5 | 4.0 | ↑↑ | ▲ 2024 職場爭議（含鄭涵睿請辭） |
| 199 ~ 150 | 21.4 | 1.4 | ↓↓ | ← 全資料集最低點，危機後崩潰 |
| 149 ~ 100 | 62.4 | 8.5 | ↑↑ | 回升中 |
| 99 ~ 50 | 100.3 | 30.1 | ↑↑ | ▲ 2025 蘇丹紅（shares 異常高） |
| 49 ~ 0 | 52.2 | 2.7 | ↓↓ | 危機後互動靜默（最新期） |
六、整體趨勢解讀
三段式結構
全盛期（index ~999–500，約 2015–2019）
avg_likes：79–294，平均約 150–235
說明：Facebook 自然觸及高峰，品牌成長期高互動
平台衰退期（index ~500–300，約 2020–2023）
avg_likes：37–127，波動大，整體下滑
說明：Facebook 演算法縮減品牌頁自然觸及（全行業趨勢）
注意：2024 職場爭議爆發前，觸及已在歷史低位（37–40）
危機交疊期（index ~300–0，約 2024–2026）
兩次危機皆造成局部 likes 高峰，但危機後各有不同程度崩潰
兩次危機的互動模式
2024 職場爭議
| 時期 | Index 範圍 | avg_likes | 說明 |
|---|---|---|---|
| 危機前 | 299–250 | 37.2 | 本就低迷 |
| 危機當期 | 249–200 | 90.5 | 聲明文高互動（含 likes=1,490 新執行長貼文） |
| 危機後 | 199–150 | 21.4 | 全資料集最低點，重挫 -76% |
解讀：危機貼文（道歉、請辭、新執行長就任）帶來一波關注，但之後互動崩潰至歷史最低。受眾可能大量取消追蹤，或演算法懲罰負面互動貼文。
2025 蘇丹紅事件
| 時期 | Index 範圍 | avg_likes | avg_shares | 說明 |
|---|---|---|---|---|
| 危機當期 | 99–50 | 100.3 | 30.1 | shares 異常高（危機貼文被外部大量轉發） |
| 危機後 | 49–0 | 52.2 | 2.7 | shares 驟降 91%，互動回歸低位 |
解讀：蘇丹紅事件的高 shares 是被動擴散（外部媒體、消費者轉發危機聲明），並非品牌黏著度提升。事件平息後立即回到靜默狀態。
核心結論：複合效應
| 下滑成因 | 判斷比重 | 佐證 |
|---|---|---|
| Facebook 平台演算法縮減自然觸及 | 主因（~70%） | 下滑從 ~2019–2020 開始，早於任何危機 |
| 2024 職場爭議後受眾流失 | 明顯加速因子 | 危機後出現全資料集最低點 21.4 |
| 2025 蘇丹紅品牌信任損耗 | 尚在觀察 | 最新期 52.2，高於 2024 後低谷但未明顯回升 |
七、分析限制
- 無 impressions/reach 數據：likes/shares 是互動的代理指標，不等同於觸及數。真正的瀏覽量需要粉專後台數據（Facebook Insights）。
- 時間戳不可靠：僅能以 index 作為時間代理，無法精確定位每篇貼文的發布日期。
- 內容品質變數：互動下滑亦可能部分源自貼文主題或內容形式的改變，非純粹受眾流失。
- 危機貼文拉高效果：危機期的互動均值因高曝光聲明文而偏高，應以「危機後」時期為主要判斷依據。
分析日期：2026-06-08