Aiformleads你表單的送出中,將近一半是機器人:2026 年如何偵測假潛在客戶
团队: Aiformleads在 AI 协助下撰写15 分鐘閱讀重點摘要
- Opticks Security 的廣告詐欺報告(Ad Fraud Report)(2026年10月14日發布,分析 2025年1月至2026年3月間、來自 243 個地區 500 家廣告主的逾 20億次點擊)指出,潛在客戶開發的轉換中有 46.7% 是惡意機器人,電子商務則為 18.3%。
- 差別不在產業,而在阻力。付款閘道要求一張可用的信用卡;表單只要求打字。Opticks 測得,在沒有付款環節時,機器人多出 2.5 倍。
- 2026 年的垃圾訊息不再是一堆亂碼。它們是以語言模型為基礎的代理程式,以人類的節奏瀏覽,並用看似合理的姓名、語法正確的電子郵件與格式正確的電話號碼填寫表單。DataDome 僅在2026年1月與2月,就統計到 79億次 AI 代理程式請求。
- CAPTCHA 已不再是防線:學術論文 Broken Gates(Ousat 等人,2026年11月5日修訂)記錄到,破解服務對以挑戰為基礎的防禦,成功率達 100%。
- 真正有效的是衡量送出行為:填寫時間、答案之間的一致性、透過隱藏欄位與 UTM 交叉驗證的來源、對不一致之處扣分的計分規則,以及逐步漏斗:在漏斗中,真人會中途離開,機器人則不會。
如果你負責潛在客戶開發,你應該已經注意到好幾個月了:數量上升、後台的每筆潛在客戶成本下降,然而業務團隊打電話過去,電話另一頭卻沒有人。這不是錯覺。這是 2026 年的核心數據,它改變了該問的問題:不再是「我帶來了多少潛在客戶」,而是「這些潛在客戶之中有多少真實存在」。本文回顧已公開的數字、任何報告中都不會出現的成本,以及洩漏自動送出的具體跡象,這些正是 AIsToHire 的表單式潛在客戶開發工具 Aiformleads,在送出表單的當下轉換成標籤與分數的依據。

我收到的潛在客戶中有多少是機器人?將近一半
根據 Opticks Security 於2026年10月14日發布的廣告詐欺報告,潛在客戶開發活動的轉換中,有 46.7% 是惡意機器人。樣本並不小:分析期間為2025年1月至2026年3月,涵蓋 243 個地區、500 多家廣告主與媒體代理商的逾 20億次點擊。在這段期間,Opticks 記錄到 4億1,630萬次機器人工作階段,其中 3億7,090萬次(89.10%)是惡意機器人,只有 4,540萬次是合法的爬蟲。
與其他轉換目標對照,這個反差才是重點發現:
| 轉換目標 | 屬於惡意機器人的轉換 |
|---|---|
| 潛在客戶開發(表單) | 46.7% |
| 電子商務(購買) | 18.3% |
資料來源:Ad Fraud Rates by Channel,Opticks Security,2025年1月至2026年3月的資料。
換句話說:如果這個月你收到了 400 份報價請求,合理的統計情境是,其中大約 180 份不對應任何真人。而且它們不是隨機分布在你的各個管道中:而是集中在表單最短、活動最激進的地方。
為什麼表單比網路商店吸引更多機器人?
因為轉換目標決定了詐欺的類型。購買行為迫使機器人以有效信用卡通過付款閘道,這是成本高且可驗證的篩選;表單只要求它輸入文字,而這是免費的。Opticks 量化了這一點:當轉換路徑上沒有付款閘道時,機器人多出 2.5 倍。
這種不對稱,解釋了為什麼潛在客戶開發成了首選目標。它是數位行銷中唯一的大規模漏斗,轉換對攻擊者毫無成本,卻會讓廣告主付出金錢:每一筆假的送出,都會消耗競價預算、佔用 CRM 中的一個位置,並向業務觸發一則通知。

而且這不是會自己解決的問題。DataDome 的 2026 年機器人與代理程式安全現況(State of Bot & Agent Security 2026)報告(2026年9月22日發布,分析 2025年7月至2026年6月間、逾 75,000 個網站的逾 1兆次請求),測得惡意機器人流量增加 124%,是同期真人流量成長的九倍以上。
2026 年的改變:表單垃圾訊息已不再像垃圾訊息
不久之前,假送出一眼就能認出來:子音隨機亂排的姓名、留言欄中的連結、同一段文字重複一百次。到了 2026 年,主流的樣貌不同了:以語言模型為基礎建構的代理程式會載入網頁、捲動、在按下前停頓幾秒,並寫出與問題一致的答案。看似合理的姓名、語法有效的電子郵件、格式正確的電話號碼,以及單獨讀起來像真人寫的自由文字。
這個規模是有紀錄的。DataDome 統計到,2026年1月與2月共有 79億次 AI 代理程式請求(1月 41億1,000萬次、2月 34億5,000萬次),而 2026 年上半年為 296億5,000萬次,2025 年下半年則為 230億6,000萬次。對管理表單的人來說更重要的是:2026 年上半年,AI 代理程式對敏感端點產生了 6億560萬次請求,包括登入頁面、表單、購物車與付款流程。
| 指標(DataDome,2025年7月至2026年6月) | 數值 |
|---|---|
| 記錄到的 AI 代理程式請求 | 527億次 |
| AI 流量成長 | +82.3% |
| 惡意機器人流量成長 | +124% |
| AI 對敏感端點的請求(2026 年上半年) | 6億560萬次 |
| 不封鎖任何類型機器人的網站(分析的 21,491 個中) | 65.3% |
| 具備完整防護的網站 | 2.4%(2024 年為 8.4%) |
同一份報告中的一個數字,很好地概括了質的飛躍:AI 機器人每月對登入頁面的請求,從2026年1月的 1,190萬次,增加到6月的 9,970萬次。至於這件事的走向,電子郵件已經樹立了先例:根據 Enilon 所引述的 SlashNext 資料,自2022年第四季 ChatGPT 推出以來,惡意網路釣魚郵件成長了 1,265%。表單是落後於收件匣,而不是走在前面。
放個 CAPTCHA 有用嗎?越來越沒用
作為唯一的防線,沒用。研究論文 Broken Gates: Re-evaluating Web Bot Defenses in the Age of LLM Agents(Ousat、Turkmen、Rampersaud、Bailey 與 Kharraz;2026年7月21日提交,2026年11月5日修訂)記錄到,商業破解服務對以挑戰為基礎的防禦,成功率達 100%,而對 reCAPTCHA v3(以評估行為取代出謎題)的平均成功率則停在 23%。
該研究的實務結論,正是這裡重要的一點:決定一道防禦是否接受代理程式的,不是謎題,而是瀏覽器環境與工作階段的歷史紀錄。一個擁有持久 Chrome 設定檔和既有消費者帳號的代理程式,能通過新建立的代理程式通不過的關卡。
這並不表示要拿掉 CAPTCHA。這表示不要再把它當成篩選器,而是開始把它當作其中一層。常見的實作指南,例如 ManagedNerds 關於假表單送出的指南(2026年4月21日發布,2026年11月12日更新),建議將它與誘捕欄位(honeypot)、伺服器端驗證,以及針對服務的特定問題結合使用,並提醒一項容易忘記的營運限制:reCAPTCHA 免費方案每個組織每月涵蓋 10,000 次檢查,第 3 版建議的分數門檻為 0.5。
一筆假潛在客戶的真實成本:預算、時間,以及失去作用的計分
看得見的成本,也就是花在永遠不會購買的點擊上而燒掉的競價預算,是三者中最小的。第二項是業務團隊的時間:他們撥電話、留言、重撥,並在根本不存在的紀錄上標記「無人接聽」。第三項才是中期真正傷人的:潛在客戶計分模型被污染,無法再用來排定優先順序。
4Thought Marketing(2026年9月29日,10月22日更新)描述了這個機制:自動送出的表單會「累積與合法潛在客戶相同的分數」,因此機器人最後被當成與主管層級的聯絡人完全一樣。結果是膨脹的 MQL 數量卻沒有購買意圖支撐、在技術上已超過門檻的潛在客戶在 MQL 轉 SQL 的交接時退回率不斷攀升,以及計分模型逐漸偏移。
| 成本層面 | 表現方式 | 誰最先察覺 |
|---|---|---|
| 預算 | CPL 看似不錯,真實的每個商機成本卻在上升 | 行銷部門,在月底報告中 |
| 業務時間 | 打給不存在的人、重撥、接觸率下滑 | 業務部門,在第一週 |
| 潛在客戶計分 | MQL 膨脹,並在交接時被退回;門檻不再具有區分力 | 雙方,而且為時已晚 |
| 資料 | 合成紀錄堆積在 CRM 與自動化流程中 | 營運部門,數個月之後 |
陷阱在於,前兩層可以吸收;第三層不行。當計分無法再分辨時,團隊又回頭憑直覺排優先順序,而整個行銷自動化的投資也就失去了存在的意義。
洩漏自動送出的跡象
表單中任何單獨的資料,都不能證明背後有機器人:一個看似合理的姓名與一個有效的電子郵件,如今已經說明不了什麼。洩漏自動送出的,是答案之間行為跡象與內部一致性的組合,因為代理程式是逐個欄位最佳化的,而不是整個故事。

以下是目前效果最好的幾種,依實作成本由低到高排列:
- 填寫時間。 測量從表單載入到送出之間的秒數。常見的含時間控制的 honeypot 實作,例如這份誘捕欄位指南中所述,對短表單把門檻設在一到三秒之間,長表單則提高到五到十秒。重點在於:2026 年的代理程式已會以人類的節奏停頓,所以低門檻抓得到傳統垃圾訊息,卻抓不到代理程式。依然能洩漏代理程式的,反而是相反的情況:不同送出之間,時間異常地一致。
- 答案之間的矛盾。 這是最難被繞過的跡象。一家只有兩名員工的公司,卻有六位數的預算;「立即」的急迫性,卻搭配十二個月的導入期;與所要求服務不符的產業。代理程式逐欄填寫,不會檢查整體是否合理。
- 電話區碼與國家對不上。 一個技術上格式正確的號碼,其國際區碼所屬國家,與表單中宣告的國家和工作階段的國家都不同。檢查成本低,區分力很強。
- 泛泛的開放式回答。 文字正確,卻完全沒有任何脈絡:「我想進一步了解貴公司的服務」。真正有意圖的真人,會提到自己的情況、期限或問題。
- 誘捕欄位被填寫。 一個以 CSS 隱藏、真人看不到的欄位。它已抓不到最先進的代理程式,但仍能以零成本濾掉大量流量。
- 來源不符。 聲稱來自某個活動的送出,其參數卻沒有出現在工作階段中;或是來自單一來源的送出暴增,卻沒有相應的工作階段暴增。
隱藏欄位與 UTM:對照潛在客戶說的與來源顯示的
最快速清理潛在客戶流程的方式,不是看送出的內容,而是把它與來源交叉比對。如果表單在隱藏欄位中擷取 UTM 參數、進入頁面與活動參照,每筆送出都會附帶幾項資料,是攻擊者無法像控制自己輸入的內容那樣控制的。
藉此可以偵測出內容本身看不出來的模式:
- 某個活動的轉換率遠高於其他活動,而接觸率卻遠低於其他活動。
- 被歸因於某個來源的送出,而該來源當天根本沒有投放。
- 同一組來源與裝置的組合,集中了不成比例的送出比例。
也是申訴的依據:如果沒有逐筆儲存的來源,就無法向廣告平台證明某一段流量是無效的。
計分與標籤規則:不讓任何送出沒有被分類
偶爾偵測到詐欺潛在客戶,與有系統地偵測之間的差別,在於分類發生在送出的當下,依據寫下來的規則,而不是在週五下午對試算表進行人工檢視。現今好用的計分模型必須能夠扣分,而不只是加分。
行之有效的架構:
- 對意圖跡象加分:宣告的預算、短期限、相關職位、帶有自身細節的開放式回答。
- 對不一致的跡象扣分:區碼對不上、填寫時間超出範圍、泛泛的自由文字、兩個答案互相矛盾。
- 門檻把總分轉成可操作的評級:立即聯絡、培養、檢視、捨棄。
- 對沒有觸發任何規則的送出,設定預設標籤。這是最常被遺忘的細節,也是避免真正漏洞的關鍵:問題不是機器人溜進來,而是有一部分送出沒有被分類,之後也沒有人再回頭看。
這正是用潛在客戶開發工具而非客製開發的好處。Aiformleads 讓你不必寫程式就能撰寫這些規則,例如「如果預算超過 X 且急迫性高,標示為熱門潛在客戶」,並在表單完成時依序評估,可以在第一條符合的規則處停止評估,並為不符合任何規則的送出提供預設標籤。每個選項都可以加分,門檻則把總分轉成評級;覆蓋率指標會提醒你還有哪些答案沒有規則。收件匣可依標籤、狀態或分數篩選,匯出為 CSV 或 Excel 時可以選擇欄位,讓你只把已分類的內容交給團隊。
逐步漏斗:真人在哪裡離開,機器人不會
把表單拆成多個步驟,具有單頁表單做不到的偵測功能:它會產生一條流失曲線。而這條曲線,是如今最乾淨的跡象之一,因為真人會在令人不舒服的問題上疲乏,代理程式則不會。

在漏斗中該看什麼:
- 沒有流失的步驟。 如果預算或電話的步驟一個人都沒流失,那表示有非人類的東西正從那裡通過。
- 各步驟的流失都很平均。 真人的曲線是不平均的:在敏感問題上大幅下滑。過於一致的曲線令人起疑。
- 依來源、國家與裝置區分的轉換。 某個來源的轉換是其他來源的兩倍,卻連一通被接聽的電話都沒有,這是教科書般的案例。
- 變體之間的比較。 如果某個表單變體讓轉換大幅提升卻沒有改善接觸,那不是改善了表單:而是降低了機器人的阻力。
Aiformleads 內建這項漏斗分析,提供每個步驟的流失率,以及依來源、國家、裝置與變體分解的轉換,此外還有帶條件邏輯的多步驟表單:只有在符合你設定的條件時才會顯示的步驟與欄位,以及可直接跳到另一個步驟的答案。順帶一提,這套邏輯也是另一層偵測:代理程式毫無條理地走過的分支,很容易用一條規則標記出來。
30 天計畫:衡量你的潛在客戶品質
不需要一個專案。只需要為表單加上量測,並檢視四次資料。
| 週次 | 行動 | 你會得到什麼 |
|---|---|---|
| 1 | 在所有送出中擷取填寫時間、UTM、進入頁面與一個誘捕欄位 | 基準線:沒有這些資料,就無法診斷 |
| 2 | 把表單拆成多個步驟,並啟用流失分析 | 依步驟與來源劃分的流失曲線 |
| 3 | 撰寫第一批標籤規則與計分門檻,並設定預設標籤 | 每筆送出一到就自動分類 |
| 4 | 把分數與業務團隊回報的實際接觸率交叉比對 | 驗證:如果計分能預測接觸,就表示有效 |
第四週才是關鍵。計分模型只有在與現實世界中可衡量的事物相關時才算好,而在潛在客戶開發中,那就是實際接觸率,而不是 MQL 的數量。
常見問題
2026 年表單送出中有多少比例是機器人?
根據 Opticks Security 於2026年10月14日發布的廣告詐欺報告,潛在客戶開發活動的轉換中,有 46.7% 是惡意機器人,電子商務則為 18.3%。這些是分析 2025年1月至2026年3月間逾 20億次點擊的資料。就你的具體情況而言,比例會取決於管道、活動的激進程度與表單的長度。
如果姓名、電子郵件與電話看起來都正確,我怎麼知道潛在客戶是假的?
不要再逐一檢視各個欄位,而是看整體的一致性,加上送出的行為:異常或可疑地一致的填寫時間、與宣告國家不符的電話區碼、兩個答案之間的矛盾、沒有任何自身細節的泛泛自由文字,以及與工作階段參數不符的來源。2026 年的代理程式能逐欄產生可信的資料,卻無法建構出前後一致的故事。
CAPTCHA 擋不住表單機器人嗎?
單靠它,越來越擋不住。研究 Broken Gates(2026年11月5日修訂)記錄到,破解服務對以挑戰為基礎的防禦成功率為 100%,對會評估行為的 reCAPTCHA v3 平均為 23%。目前的建議是把它當成多層之一:誘捕欄位、伺服器端驗證、答案計分,而不是唯一的防線。
什麼是潛在客戶計分?為什麼機器人會毀了它?
潛在客戶計分會依據每位潛在客戶的答案與行為給分,以決定業務團隊先打給誰。機器人會毀了它,因為如 4Thought Marketing 所述,它們累積的分數與合法潛在客戶相同:在沒有購買意圖支撐的情況下膨脹 MQL 數量,並讓在技術上已超過門檻的潛在客戶,在移交給業務時的退回率上升。門檻就此失去區分力。
多步驟表單的轉換率會比較低嗎?
它會失去沒有真正意圖的人,並留住真正有意圖的人,此外還能提供單頁表單給不了的、依步驟劃分的流失曲線。這條曲線如今是偵測詐欺潛在客戶最可靠的跡象之一,因為真人會在令人不舒服的問題上離開,而自動化代理程式會毫不遲疑地完成它。
自動為潛在客戶加標籤與計分,需要寫程式嗎?
不需要。有些表單式潛在客戶開發工具,用可設定的規則來完成,無須撰寫程式碼:針對答案設定條件來指定標籤、依選項給分、評級門檻,以及為不符合任何規則的內容設定預設標籤。Aiformleads 就是這樣運作,並在表單完成的當下評估規則。
別再手動篩選潛在客戶
2026 年的根本事實是,潛在客戶開發表單中將近一半的送出並不對應真人,而且憑肉眼區分已不可行,因為垃圾訊息已經學會寫得很好。依然有效的是可衡量的事物:時間、一致性、交叉驗證的來源、會扣分的計分,以及一個顯示真人在哪裡離開的漏斗。AIsToHire 的 Aiformleads,不需要任何開發就能做到這一切:你可以建立具備自動標籤與潛在客戶計分的潛在客戶開發表單、在隱藏欄位中擷取來源、依標籤篩選收件匣,並查看逐步漏斗。建立你的第一份表單,每一筆回覆一到就已標籤並計分。
建立你的第一份表單,每一筆回覆一到就已標籤並計分 - 免費註冊
建立你的第一份表單,每一筆回覆一到就已標籤並計分 - 免費註冊


