你以為被騙的都是笨人？FBI 前談判專家、哈佛教授、台大法律系畢業的政治人物，全都中過招。問題從來不在智商——在你的大腦構造。
2024 年，全球因詐騙造成的損失高達 1.03 兆美元，相當於全球 GDP 的 1% 以上。台灣平均每位受害者損失約 1,940 美元，高於中國和香港。而且，台灣有 66% 的人每月至少遭遇一次詐騙。
這不是因為台灣人特別容易騙——是因為詐騙集團在使用的工具，比你想像的精密得多。他們用的不是話術，是認知科學。
諾貝爾獎得主 Daniel Kahneman 提出的「雙系統理論」，是理解詐騙的關鍵：
系統一（直覺系統）：快速、自動、不費力。你過馬路時不需要計算車速，系統一會替你判斷。
系統二（分析系統）：慢速、費力、需要專注。你報稅的時候用的是這套系統。
詐騙集團的所有手法，核心目標只有一個：讓你的大腦停留在系統一，不要切換到系統二。
他們怎麼做到的？靠六種認知偏誤。
心理學家 Stanley Milgram 在 1963 年的經典實驗中發現，65% 的普通人在面對「權威指令」時，願意對陌生人施加足以致命的電擊——即使他們內心不願意。
詐騙集團利用的就是這個機制。當電話那頭的人自稱是「檢察官」「金管會」「刑事局」，你的大腦會自動進入「服從模式」——不是因為你相信他，是因為你的生物本能讓你無法違抗權威。
台灣案例：2024 年，知名演員譚艾珍遭假檢警詐騙近百萬元。她事後坦言：「當對方報出案號和我的個資時，我的腦袋完全停止思考了。」
Kahneman 和 Tversky 的「前景理論」指出：人對損失的敏感度是對獲利的 2 倍。
簡單說：你丟掉 1000 元的痛苦程度，是撿到 1000 元快樂程度的兩倍。
這就是為什麼「您的帳戶將在 24 小時內被凍結」這種簡訊特別有效——它觸發的不是貪念，而是對損失的恐懼。當你的大腦被恐懼淹沒，你根本沒有時間啟動系統二去分析這條簡訊是真是假。
Robert Cialdini 在《影響力》一書中提出：人在不確定時，會觀察其他人的行為來決定自己的行為。
投資詐騙群組裡為什麼要安排幾百個「托」？不是為了壯大聲勢——是為了製造「大家都在賺錢」的假象。當你看到 500 個人都在附和「老師」的分析，你的大腦會自動推論：「這麼多人不可能全錯吧？」
但他們可以全是假帳號。
「限時」「限量」「倒數」——這些詞之所以有效，是因為 Cialdini 發現的「稀缺性原則」：人對即將失去的東西會賦予更高的價值。
研究顯示，約 96% 的詐騙網站會在 24 小時內消失。這不是巧合——詐騙集團刻意製造「現在不做就來不及」的氛圍，讓你在恐慌中做出決定。
你有沒有過這種經驗：路邊有人送你一朵花，然後馬上問你「要不要捐款？」
Cialdini 發現，人有強烈的「回報義務」——當別人先給你好處，你會本能地想要回報。投資詐騙的「養套殺」正是利用這個機制：先讓你賺一筆（養），讓你覺得「欠了」這個群組/老師，然後要求你加碼（套），最後收網（殺）。
殺豬盤（Romance Scam）是所有詐騙中最殘忍的——因為它操控的不是你的貪念，而是你最真實的感情。
研究顯示，殺豬盤受害者並非不理性。他們的問題是：經過數週甚至數月的情感投入後，大腦已經產生「認知失調」——承認被騙等於承認這段感情是假的，而這個打擊太大了，所以大腦會自動合理化對方的行為。心理學家 Leon Festinger 在 1957 年就描述了這個機制：人在已經投入之後，會傾向為自己的決定找理由。
這聽起來反直覺，但研究支持這個結論。
Dunning-Kruger 效應告訴我們：越自信的人，越容易忽略自己的盲區。一個覺得「我絕對不會被騙」的人，反而會跳過驗證步驟——因為他覺得不需要。
一項針對中國投資者的研究（Xiao et al., 2022）發現，男性和高學歷者更容易對自己的財務能力過度自信，導致他們更願意投入高報酬但高風險的投資——正是詐騙集團最愛的目標。
台灣立委苗博雅被詐騙後曾公開表示：「社會大眾認為只有某些人會被詐騙，這反而讓人遇到詐騙不敢聲張。被詐騙並不可恥。」
了解這些心理機制不能讓你免疫——但能讓你在關鍵時刻按下暫停鍵。
當你感覺到以下任何一種情緒時，請停下來：
記住：真正重要的決定，永遠不需要在電話裡、在 5 分鐘內做出。
*本文引用之學術研究包括：Kahneman (2011) 雙系統理論、Cialdini (2007) 影響力六原則、Milgram (1963) 服從實驗、Festinger (1957) 認知失調理論、Kruger & Dunning (1999) Dunning-Kruger 效應。台灣數據來源：165 打詐儀錶板、全球反詐騙聯盟 (GASA) 2024 年報告、數位發展部網路詐騙通報查詢網。*
TrustInt 是一個免費的公益防詐工具。我們不賣任何東西，只幫你辨識可疑的網域和連結。前往 trustint.org →
覺得這篇有用？分享給需要的人 👇