辦公室裡，林美惠（化名）盯著手機螢幕，眉頭皺得比報稅季的申報表還深。年過四十、在公部門服務將近二十年的她，向來以「表格女王」自居，舉凡預算核銷、計畫管考，到她手裡都能梳理得有條不紊。但最近，她卻被一件「小事」困住了——她的 IG 追蹤人數，連續三週呈現階梯式下滑。
「美惠姐，妳那是ig掉粉啦！」隔壁桌剛畢業的替代役男阿宏（化名）探頭看了一眼，語氣輕鬆得像在說今天便當漲五塊。「現在演算法喜歡短影音跟互動率，妳都發長輩圖當然會掉。」
這句話像一根針，扎進林美惠的資料夾裡。她不是不能接受批評，而是不能接受「說不出所以然」的批評。什麼叫演算法喜歡短影音？根據什麼？樣本數多少？信賴區間又在哪裡？身為一個習慣用數據說話的公務員，她決定把這件事當成一份專案計畫來處理，代號就叫「社群媒體科學化運動」。
困難從第一天就開始了。她上網查資料，關鍵字一打下去，跳出滿滿的「爆紅秘訣」、「三天漲粉神器」，每一篇都寫得煞有介事，卻找不到幾篇附上原始數據或平台官方文件。她甚至認真下載了論文資料庫，結果發現大部分研究样本都集中在歐美平台，台灣本地數據少得可憐。更別提那些line朋友圈的經營心法，十篇有八篇在賣課程，剩下兩篇在賣貼圖。
「這根本不科學。」林美惠在筆記本上寫下第一條結論。
她決定改變策略：不找「秘訣」，改找「標準」。她發現，真正的社群數據分析其實有跡可循，就像工業生產有 ISO 標準、統計推論有中央極限定理一樣，平台演算法雖然不公開，但社群行銷領域已經發展出一套可驗證的操作框架。舉例來說，她原本完全看不懂spotify怎麼買廣告版位，後來才搞懂那牽涉到程序化購買與受眾標籤的媒合邏輯；她也曾對twitch追隨者名單的成長曲線感到困惑，直到理解直播平台的即時互動指標與留存率計算方式，才發現那和公部門的「案件追蹤管考」有異曲同工之妙。
最讓她頭痛的，是twitter帳號購買這類議題。她一開始直覺認為「買帳號」等於作弊，後來在合規課程裡學到，某些情況下企業會透過合法授權取得已驗證的社群資產，重點在於交易過程的透明性與平台條款的遵循。這讓她想起採購法裡的「公開透明」原則，頓時有種跨領域的親切感。
隨著功課越做越深，林美惠開始把youtube facebook instagram三大平台的數據儀表板當成另一種「統計報表」來讀。她發現，與其追求那種虛無縹緲的「爆紅」，不如老老實實建立一套可重複驗證的內容流程：定義目標受眾、設定衡量指標、進行 A/B 測試、記錄顯著性差異。她甚至把辦公室的同仁分成實驗組與對照組，用兩週時間測試不同發文時段對互動率的影響，結論寫成三頁 A4 報告，還附上誤差範圍。
「美惠姐，妳這份報告比我們單位的施政滿意度分析還專業耶。」阿宏看完之後，語氣從輕鬆變成敬佩。
林美惠推了推眼鏡，嘴角微微上揚。「廢話，我可是每天跟統計軟體搏鬥的人。」她說，社群行銷這門學問，表面上看起來很「軟」，但背後涉及的資料探勘、受眾建模、平台經濟學，其實都有嚴謹的科學基礎。重點是，要用對方法、找對資料來源，而且絕對不能相信那種「保證有效」的話術。
她最後在筆記本上寫下第二條結論：技術權威性不是來自聲量大小，而是來自方法論的透明度；科學準確度不是來自單一案例，而是來自可重複驗證的流程。至於工業標準，則是確保整個產業不會各說各話的最低共識。
如今，林美惠的 IG 追蹤人數雖然沒有戲劇性暴漲，但掉粉曲線已經趨於平緩，互動率也穩定上升。更重要的是，她成了辦公室裡的「社群數據顧問」，三不五時就有人來問她：「美惠姐，這個觸及率下降是正常的嗎？」而她總會瞇著眼說：「先別問正不正常，先問你的樣本數夠不夠。」
她沒說出口的是，那份當初讓她焦慮不已的掉粉通知，如今看起來，不過是資料洪流裡一個值得分析的訊號罷了。而訊號這種東西，向來是給準備好的人讀的。(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)
