8/31–9/6 台北市長選舉社群數據：蔣萬安 21,658 篇（+80.6%）、沈伯洋 10,451 篇（+8.0%）。兩人前五大話題無一重疊，蔣萬安近三成討論集中在單一爭議，沈伯洋分散在五個不同事件上。附分頻道情緒落差與高互動貼文發文者結構。聲量不等於支持度。

SOV 報告只算聲量占比，看不出這些聲量是叫好還是叫罵——只有疊加情緒分析，才能分辨品牌聲量成長是真的口碑帶動，還是負評堆出來的假象。這篇文章整理五個實際可執行的疊加方法。

8/24–8/30 新北市長選舉社群數據：李四川 2,482 篇、蘇巧慧 2,355 篇。8/28 這天，三份調查方法不同的民調公布，結果彼此矛盾——這正是本系列「聲量不等於支持度」主張的例子。附兩人唯一共同話題與高互動貼文發文者結構。

8/24–8/30 台北市長選舉社群數據：蔣萬安 11,733 篇、沈伯洋 9,364 篇。整週負面比例掩蓋了頻道落差——拆到頻道層級，蔣萬安負面比例最高與最低頻道差 12.5 個百分點，沈伯洋差 22.8 個百分點。附單日尖峰事件與高互動貼文發文者結構。聲量不等於支持度。

同一位候選人的負面比例，在 Threads 是 70.7%、在媒體只有 32.5%。本文以 2026 雙北市長選戰一週的社群數據，說明討論結構的四個可量測維度，以及為什麼聲量不能當成得票預測。