美食推薦文的標準誤差值

回顧最近的一些食物體驗時，心裡老浮起三個字：過譽了......

香港人愛去的東區居酒屋，本地人也排隊的雞肉飯名店，巷子裡用料澎湃的海鮮丼飯，海邊價格公道又新鮮美味的熱炒店，還有哪家麵館的滷味絕對不可錯過，哪家的牛肉麵獨門配方懂吃的就懂......

一般不特別花心思的情況下，最常見被推薦美食的管道不外乎是google map、部落客，和朋友的社群媒體。但不論是因為google map上的高分評論，或剛好搜到部落客的各種花式推薦，或看到有朋友在臉書上的分享而特地前往……皆然。

說到"體驗"當然指的往往不只是食物本身的表現，整個用餐過程包括環境、服務，甚至老闆酷不酷幽不幽默都是體驗的一環，都可能是被推薦的原因之一。

不過在此只純就食物的表現來說。

倒不是說那些食物或餐館有多糟糕（極少，不是完全沒有），但吃起來普普通通沒有踩雷還是和被推薦時的美好預期有明顯落差；也不是說那麼多家的結果全都讓人失望，但偶爾獲得驚喜的概率和路邊隨意走進一間餐館也差不多(大概就是猴子射飛鏢選股打敗理財專家的道理)。

令人惆悵。

原本想以最近美食運不佳啦來打發自己，但仔細去想，往前回推印象所及上次因為看了哪裡或誰的推薦特地去吃，吃完滿心歡喜笑著離開的是哪一次呢？一時竟想不起來，應該有，只是在太久遠之前了（可見概率之低）。

當然部落客文章原本就有流量導向等等的商業考量（如果主要就是想吃店家名氣打個卡拍拍照的客人倒是可以參考），而Google map上的評論通常也只是大量未經審核的任意留言（好評雖不可靠，看看負評避雷倒是可以參考），因此要看部落客文章或Google map而去吃，事先就會先抱持著有較大誤差可能的心態。

但怎麼連朋友在臉書上的分享也參考性不高呢？（再次強調不是踩雷，只是沒有描述的那麼美好）

是社群媒體影響下大家除了圖片要美化、要"P一下"，連文字的描述也不自覺地多少要"P一下"才拿得出手嗎？

如今大數據分析和AI如此發達，是不是有人能發展出一套計算那些推薦文與真實之間落差的"美食推薦評論標準誤差值"（亂套用數學專業術語）的程式呢？

例如打開一篇部落客的美食推薦文或Google map評論或臉書上的分享，分析一下就會顯示這篇評論或文章和真實體驗之間的標準誤差值為42%，或13%，或27%（意味著有這些比例是偏離真實體驗的）。

當然沒有那種東西。

好吧，或許真相其實就是，我得了"吃不出來別人吃得出來的好"的病，吧？

總之，就是這樣。