Levende data fra analysearkivet
Hvad finder Detektiven i de analyserede webshops?
Statistikken bygger udelukkende på analyser, der faktisk er gennemført i FupButik Detektiven. Den viser aggregerede mønstre, aldrig en liste over konkrete webshops. Tallene fortæller derfor noget om det materiale brugerne vælger at undersøge, ikke om alle webshops på internettet.
Analyser i alt6Alle gemte rapporter
Unikke domæner6Domæner med mindst én analyse
Seneste 30 dage66 de seneste 24 timer
Gns. forbrugerrisiko46,2På skalaen 0 til 100
30 dage
Analyseaktivitet
Antal nye analyser pr. dag
19/09
20/09
21/09
22/09
23/09
24/09
25/09
26/09
27/09
28/09
29/09
30/09
01/10
02/10
03/10
04/10
05/10
06/10
07/10
08/10
09/10
10/10
11/10
12/10
13/10
14/10
15/10
16/10
17/10
18/10
Resultater
Klassifikationer
Legitim1 · 16,7%
Legitim med bekymringer2 · 33,3%
Misvisende1 · 16,7%
Høj risiko2 · 33,3%
Sandsynlig svindel0 · 0,0%
Utilstrækkeligt grundlag0 · 0,0%
Tre akser
Gennemsnitlige scorer
47,2Misvisning
46,2Forbrugerrisiko
22,5Svindelmistanke
Domæneendelser
Hvilke TLD’er analyseres oftest?
TLD betyder top level domain, altså den sidste del af domænenavnet, eksempelvis .dk, .com eller .shop. Fordelingen nedenfor bruger den seneste analyse for hvert unikt domæne, så genanalyser af samme webshop ikke får en TLD til at fylde kunstigt meget. En TLD er ikke i sig selv et kvalitets- eller svindelsignal. Det interessante er først, når fordelingen sammenholdes med Detektivens klassifikationer.
.dk
3
.com
2
.de
1
TLD fordelt på resultat
De mest almindelige domæneendelser i hver gruppe
Legitim
- .dk1
Legitim med bekymringer
- .de1
- .dk1
Misvisende
- .dk1
Høj risiko
- .com2
Sandsynlig svindel
Ingen analyser i gruppen endnu.
Utilstrækkeligt grundlag
Ingen analyser i gruppen endnu.
Supplerende mønstre
Rapportmodeller og registrerede virksomhedslande
Anvendte AI-modeller
Antal færdige rapporter pr. angivet model. Det er ikke antal API-kald; se den beskyttede backend for forbrug pr. analysetrin.
gemini-3.6-flash3
gemini-3.8-flash2
gemini-3.5-flash-lite1
Virksomhedslande
Nederlandene3
Danmark2
Tyskland1
Sådan skal tallene læses
Statistikken viser brugerens udvalg, ikke internettets facit
Detektiven analyserer ikke et tilfældigt udsnit af alle webshops. Besøgende indsætter typisk en side, fordi de allerede har et spørgsmål eller en mistanke. Derfor vil datasættet naturligt indeholde flere problematiske webshops end internettet som helhed. En høj andel af eksempelvis “misvisende” analyser betyder altså ikke, at samme andel af alle webshops er misvisende. Det samme gælder TLD-fordelingen. Hvis .com fylder meget blandt analyserne, kan det både afspejle hvor mange internationale butikker brugerne møder, og hvilke typer sider de vælger at undersøge. Statistikken er mest værdifuld som et transparent indblik i Detektivens eget analysearkiv og som grundlag for at følge ændringer over tid. Klassifikationerne kommer fra samme analysemodel som de enkelte rapporter, hvor misvisning, forbrugerrisiko og dokumentation for egentlig svindel vurderes hver for sig. Genanalyser af samme domæne tæller som nye analyser, mens antallet af unikke domæner gør det muligt at se forskellen mellem historiske opdateringer og helt nye sider.