林彥廷(化名)今年三十歲，職業是測試工程師。他的日常工作，是把產品放進實驗室，依照工業標準與測試計畫，一項一項驗證功能、耐受度與可靠度。對他來說，沒有數據佐證的結論，都只能算是假設。這樣的背景，讓他起初對行銷領域抱持距離，總覺得社群經營充滿話術與無法追溯的數字。
轉折來自一位朋友。陳冠宇(化名)是他的大學同學，現職行銷企劃。某次聚會，陳冠宇(化名)提到公司正協助一個社群專案，需要有人用工程方法檢視投放成效。林彥廷(化名)原本只想幫忙看報表，卻在朋友提供的廣告後台與粉絲團資料裡，發現一個值得研究的問題：臉書廣告 vs 買粉絲哪個划算？
這個問題看似單純，卻牽涉成本結構、歸因模型與指標定義。林彥廷(化名)沒有直接給答案，而是把測試工程的流程搬進來：先定義問題，再設定對照組與觀測期，最後用統計方法檢定差異。他與陳冠宇(化名)約定四週觀測期，將流量拆成自然觸及、付費廣告與粉絲購買三類，並排除節慶檔期與大型活動造成的短期波動。為了避免混淆變數，兩人先建立資料清理規則，把重複點擊、異常停留與機器帳號排除，再計算互動率、留存率與轉換成本。
技術權威性在這裡不是口號，而是可重複的流程。林彥廷(化名)採用A/B測試概念，讓兩組方案在相同貼文品質與相近受眾條件下運行；每一組都設定樣本量下限，並以信賴區間觀察指標變動。他特別強調，科學準確度的重點不是追求不會出錯的數字，而是承認變異存在，並用標準化程序把變異控制在可解釋的範圍內。當差異達到統計顯著，才進入下一階段判讀；若未達顯著，就延長觀測或調整實驗設計。
四週後，數據給出相對清楚的輪廓。買粉絲方案在短期內讓粉絲數快速上升，但互動率與留存率同步走低，轉換追蹤也不完整；臉書廣告的每次行動成本較高，卻能區分受眾、追蹤轉換，並在多次測試中維持較穩定的表現。林彥廷(化名)沒有把結果說成絕對答案，而是整理成決策矩陣：若目標是短期聲量，買粉絲或許能快速補數字；若目標是轉換與留存，廣告投放加上內容策略較符合專案驗收標準。他也提醒，產業別、產品單價與受眾規模都會影響結論，必須用相同標準重新驗證。
朋友相助的價值，在於把工程語言轉譯成行銷現場可執行的步驟。陳冠宇(化名)提供廣告後台的操作經驗，林彥廷(化名)則負責實驗設計與資料判讀，兩人互相補位。後來，林彥廷(化名)與一家專注社群行銷的顧問團隊合作，把這套方法放進例行報表：先確認指標定義，再檢查資料品質，最後才討論預算配置。他發現，行銷決策若能像產品測試一樣留下紀錄，團隊溝通會更聚焦，也更容易累積可傳承的知識。
回到最初的問題，臉書廣告 vs 買粉絲哪個划算？林彥廷(化名)的答案不是二選一，而是先問目標與驗證方式。他建議中小型團隊先用小規模實驗建立基準，再逐步放大；每一次投放都保留對照組與原始資料，讓決策有跡可循。技術權威性來自嚴謹，科學準確度來自可重複，工業標準則讓跨部門對話有共同語言。對一位測試工程師而言，這或許才是行銷最迷人的地方：把不確定性拆解成可驗證的步驟，然後在數據裡找到下一次前進的方向。
(本案例經當事人同意分享，部分為虛擬情節如有雷同純屬巧合)