Overview
如何判斷評論是否值得信賴？本指南使用選擇邏輯學框架來系統地評估利益衝突、來源可信度和數據的可驗證性。每條評論都嵌入了價值假設（T1.2 推論）；目標不是「絕對真理」，而是將認知預算花在更可能反映真實世界使用的來源上。
Mapping to theory: T1 匹配定理 提醒我們，評論結論通常假設評論者的情境；M4 比較分析 需要交叉檢查多個來源，而不是依賴一個來源。
Source credibility
不同的來源有不同的激勵結構。優先區分：獨立媒體（編輯與廣告分離）、KOL（合作夥伴關係揭露）、品牌自有內容和用戶 UGC（選擇偏誤但沒有直接的商業回報）。
| Source type | Typical incentives | Credibility checks |
|---|---|---|
| Independent media / test lab | subscription, ads, brand deals | sponsorship disclosure, consistent methodology |
| KOL / creator | ads, samples, affiliate | “sponsored,” “partner,” “affiliate–disclosure |
| Brand site / store | sales conversion | use for specs only, not neutral evidence |
| User reviews | no direct payoff; occasional fake reviews | read negative/neutral, timing, verifiability |
Conflict of interest
已揭露的贊助不會使評論變成假的，但它提高了驗證的門檻。未揭露的樣品、聯盟連結或品牌交易會顯著降低信任度。請參閱權威偏誤和社會認同：一個大牌或「每個人都喜歡它」並不能取代利益衝突檢查。
Cross-checking data
對於關鍵聲明（效能、電池、影像品質），使用 M2 多維評估-風格的方法：至少使用兩個獨立來源進行驗證。如果一條評論在沒有解釋的情況下與大多數可驗證的數據相矛盾，則降低權重或將其視為不確定。
Common manipulation
選擇性呈現、比較錨定、模糊框架（「同類最佳」——未定義）、評論農場和審核。認識到這些有助於避免錨定效應和確認偏誤。
Building a personal filter
根據 T2 認知預算定理：對於高風險決策，確定 2-3 個具有明確揭露政策的來源，並習慣性地檢查衝突和交叉驗證性；對於低風險決策，接受「足夠好」的資訊，避免無休止的驗證。