透明的社群資料
Happy Toy Scout 如何運作
Happy Toy Scout 是免費、獨立的地圖工具，整理美國各地麥當勞 Happy Meal 玩具的近期社群回報。尋找附近玩具、查看門市回報並分享你的發現。
誰建立了這個網站？
Happy Toy Scout 由 Brian 建立。白天我是工程師，晚上則用自己所學幫助家人。Hello Kitty & Friends × Godzilla 活動推出時，我想幫兩個女兒找到她們想要的玩具，但資訊散落在 Facebook、Instagram、Reddit 和朋友的訊息中，很難整理哪一家門市、哪一款玩具，以及什麼時候有人回報。因此我做了一個更簡單的查找與追蹤工具。後來發現很多人也想收集完整套組，這個網站很快就成長起來。
每筆回報代表什麼
回報記錄一位社群成員在特定門市與小時拿到或確認的玩具，可包含一個或多個玩具編號、活動玩具售罄狀況，以及是否能指定、交換或單買玩具等選填門市政策。
時間與資料新鮮度
回報以 UTC 時間儲存，並依訪客裝置的時區顯示。即時工具優先顯示近期資料並以最新回報優先。每筆資料都是過去的觀察，不代表現場現在仍有相同玩具。
資料如何修正
供應狀況改變時，由同一家門市較新的社群回報更新資訊。門市面板依時間保留近期觀察，讓收藏者比較變化，而不是把舊回報誤認為即時庫存。
定位與隱私
瀏覽器定位完全是選用功能，只用來把地圖移到訪客附近。社群回報會連結到使用者選擇的麥當勞門市，不會記錄訪客的個人位置、姓名或帳號。
準確度限制
Happy Toy Scout 沒有取得麥當勞官方庫存資料。門市可能隨時售罄、補貨、改變政策或換發其他玩具；如果需要特別前往，建議先致電門市確認。
獨立性與商標
Happy Toy Scout 與 McDonald’s、Sanrio、Toho 或其關係企業沒有合作、背書或贊助關係。所有商標與角色名稱均屬其各自權利人所有。
關於數據與影響力估算方法（About the Data & Impact Methodology）
自 Happy Toy Scout 上線以來，我們在全美記錄了數百萬次的使用者互動。除了純粹的網站流量之外，我們更想探討一個有趣且具體的問題：當我們用群眾外包的精準數據取代盲抽運氣時，究竟能創造出多大的真實社會影響力？
以下是我們如何計算社群所省下的時間、汽油與荷包開銷的透明推估方法。
1. 數據從何而來？
我們的基礎指標來自 Google Analytics 4 (GA4) 以及持續不斷的社群即時回報：
- 不重複使用者人數（Unique Users, U）：訪問並使用這張地圖的獨立收藏家與家長人數。
- 調整後頁面瀏覽量（Views, Vadj）：地圖搜尋與頁面探索的總次數。在 9 月 1 日至 9 月 5 日期間，前端部署改版短暫造成 initial
page_view事件遺漏，但使用者的互動事件完全正常記錄。我們採用問題發生前驗證過的基準比率 0.339 Views / Event 對該區間的瀏覽量進行回補與校正。 - 站內互動事件總數（Event Count, E）：數百萬次真實互動——包含篩選指定玩具、縮放探索特定區域門市、以及提交即時庫存確認等操作。
2. 多維度影響力計算引擎（U, V, E）
我們並非盲目假設每位路過網站的訪客都會開車橫跨城鎮。相反地，我們透過 超過 320 萬次互動事件（E） 以及 平均每次超過 5 分鐘的深度停留，來佐證使用者的強烈意圖與深度參與：
- 精準獵捕任務數（Targeted Hunt Sessions, T）：使用者出門前在地圖上規劃路線、確認門市庫存時，平均會產生約 15 次互動事件（篩選目標、縮放地圖、比對多家門市），換算下來累積了超過 21.3 萬次深度尋寶任務（
T = E ÷ 15）。 - 省下的人生時間：漫無目地在郊區車流中穿梭與排 Drive-thru 點餐，一趟來回至少耗掉 30 至 40 分鐘。事先鎖定門市庫存讓每間門市省下約 40 分鐘，平均替每位活躍收藏家少跑 8 至 12 趟撲空的冤枉路（每位使用者平均省下約 8 小時）。
- 守護的汽油油資：全美家庭最常駕駛的是緊湊型與中型休旅車（SUV，在市區走走停停加上怠速吹冷氣，實測油耗約 20～24 MPG）。消除跨門市盲目尋找能替每位活躍獵人省下約 10 加侖汽油，此處以全美平均油價每加侖 $4.30 美元計算。
- 擋下的非必要餐點：全套 8 款玩具中，像 1 號與 6 號屬於極度稀缺的款式。在機率學上的「贈品收集者問題（Coupon Collector's Problem）」指出，若純靠盲抽湊齊整套，平均需要買超過 20 份以上的餐點。這張地圖把盲抽賭博轉為精準狙擊，替每位使用者省下最多 20 份吃不下的重複兒童餐（全美含稅均價約 $7.50 美元）。
3. 即時影響力計數器（Real-Time Impact Ticker）
以下是依據最新平台數據即時動態計算出的全美社群節省總量：
Google Analytics 截至 2026 年 9 月 14 日數據
預估社群影響力 · 樂觀極限版
資料原則
資料原則
- 清楚顯示每筆回報時間。
- 將社群觀察與官方庫存資訊明確區分。
- 優先參考較新的證據，同時保留有用的近期紀錄。
- 不收集這個工具不需要的個人資訊。