# 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

> 潛在客戶開發轉換中有 46.7% 是機器人（Opticks，2026）。偵測假潛在客戶、阻擋表單垃圾訊息並守住計分的跡象。

- **來源 (source):** https://aistohire.com/zh/ai-form-lead-capture-scoring-108/blog/detect-fake-leads-form-bots-2026
- **平台 (platform):** AIstoHire
- **語言 (language):** zh
- **已更新 (updated):** 2026-11-20

## 重點摘要

- [Opticks Security 的廣告詐欺報告（Ad Fraud Report）](https://optickssecurity.com/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](https://datadome.co/threat-research/ai-traffic-report/) 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](https://arxiv.org/abs/2607.18659)（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。

![一排人形站在巨大的網頁表單前，其中一半是由電路構成的半透明剪影](https://cdn.aistohire.com/i/1705-snil-yqil-pvgb-iwax.webp)

## 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](https://blog.optickssecurity.com/ad-fraud-rates-in-different-marketing-channels/)，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。

![兩個漏斗的比較：電子商務漏斗被付款閘道擋住，而表單漏斗大門敞開，所有機器人都從中通過](https://cdn.aistohire.com/i/6374-haxx-opne-eknd-vwvj.webp)

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）](https://siliconangle.com/2026/09/22/datadome-report-finds-bad-bot-traffic-growing-nine-times-faster-than-human-traffic/)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](https://www.enilon.com/blog/the-rise-of-ai-powered-spam-form-fills-its-affect-on-lead-gen/) 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](https://arxiv.org/abs/2607.18659)（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](https://www.managednerds.tech/blog/ai-spam-leads-are-exploding-how-to-stop-fake-form-fills-and-bot-calls)（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](https://4thoughtmarketing.com/articles/bot-form-submissions/)（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。

![放大鏡檢視已送出表單的欄位，發現異常，例如飆高的計時器或對不上的電話區碼](https://cdn.aistohire.com/i/3886-ajki-vnhc-tvow-aqbn.webp)

以下是目前效果最好的幾種，依實作成本由低到高排列：

1. **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](https://dev.to/alexisfranorge/honeypot-fields-bot-protection-thats-free-and-takes-5-minutes-2eid)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**。
2. **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。
3. **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。
4. **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。
5. **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。
6. **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](/zh/ai-form-lead-capture-scoring-108) 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。

![五階的階梯式漏斗，真人身影逐步離開，機器人則在平行的通道上毫無流失地前進](https://cdn.aistohire.com/i/3774-fkio-ambv-eiwb-nvcg.webp)

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](/zh/ai-form-lead-capture-scoring-108)、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

- [Aiformleads — 自動收集潛在客戶並自動分類的表單](https://aistohire.com/zh/ai-form-lead-capture-scoring-108)

## 關於平台

**Aiformleads — 自動收集潛在客戶並自動分類的表單** — 應用程式，來自 AIstoHire. 可在以下網址使用: https://aistohire.com/zh/ai-form-lead-capture-scoring-108/blog/detect-fake-leads-form-bots-2026

### 其他語言

- `es`: https://aistohire.com/es/aiformleads-formularios-captacion-leads-108/blog/detectar-leads-falsos-bots-formularios-2026
- `en`: https://aistohire.com/aiformleads-forms-lead-capture-108/blog/detect-fake-leads-bots-forms-2026
- `fr`: https://aistohire.com/fr/aiformleads-formulaires-capture-leads-108/blog/detecter-faux-leads-bots-formulaires-2026
- `it`: https://aistohire.com/it/aiformleads-moduli-acquisizione-lead-108/blog/rilevare-lead-falsi-bot-moduli-2026
- `pt`: https://aistohire.com/pt/aiformleads-formularios-captacao-leads-108/blog/detectar-leads-falsos-bots-formularios-2026
- `de`: https://aistohire.com/de/aiformleads-formulare-lead-gewinnung-108/blog/falsche-leads-erkennen-bots-formulare-2026
- `bg`: https://aistohire.com/bg/aiformleads-formulyari-za-privlichane-i-klasifitsirane-na-liydove-108/blog/otkrivane-na-falshivi-liydove-botove-formulyari-2026
- `ja`: https://aistohire.com/ja/aiformleads-lead-capture-forms-108/blog/nise-lead-bot-form-spam-2026
- `nl`: https://aistohire.com/nl/aiformleads-formulieren-om-leads-binnen-te-halen-en-in-te-delen-108/blog/valse-leads-herkennen-bots-formulieren-2026
- `ko`: https://aistohire.com/ko/aiformleads-lead-suljip-form-108/blog/gajja-rideu-tamji-bot-yangsik-2026
- `sv`: https://aistohire.com/sv/aiformleads-formular-for-att-fanga-och-sortera-leads-108/blog/upptacka-falska-leads-bottar-formular-2026
- `da`: https://aistohire.com/da/aiformleads-formularer-til-at-indfange-og-klassificere-leads-108/blog/opdag-falske-leads-bots-i-formularer-2026
- `ar`: https://aistohire.com/ar/aiformleads-nmadhj-ljdhb-alamla-almhtmlin-wtsnifhm-108/blog/kashf-al-umala-al-muhtamalin-al-muzayyafin-bots-nama-ij-2026
- `no`: https://aistohire.com/no/aiformleads-skjemaer-for-a-fange-og-klassifisere-leads-108/blog/oppdage-falske-leads-boter-skjemaer-2026
- `fi`: https://aistohire.com/fi/aiformleads-lomakkeet-liidien-keraamiseen-ja-luokitteluun-108/blog/vaarat-liidit-botit-lomakkeet-2026
- `pl`: https://aistohire.com/pl/aiformleads-formularze-do-pozyskiwania-i-klasyfikowania-leadow-108/blog/wykrywanie-falszywych-leadow-boty-formularze-2026
- `he`: https://aistohire.com/he/aiformleads-tpsim-lgios-vsioog-lidim-108/blog/detect-fake-leads-form-bots-2026
- `cs`: https://aistohire.com/cs/aiformleads-formulare-pro-ziskavani-a-trideni-leadu-108/blog/odhalit-falesne-leady-boti-formulare-2026
- `id`: https://aistohire.com/id/aiformleads-formulir-untuk-menjaring-dan-mengklasifikasikan-lead-108/blog/deteksi-lead-palsu-bot-formulir-2026
