referral-program

创建、优化或分析推荐项目、联盟项目或口碑策略时使用。触发词:referral、affiliate、ambassador、word of mouth、viral loop、refer a friend、partner program。覆盖项目设计、激励结构与增长优化。

Safety Notice

This listing is imported from skills.sh public index metadata. Review upstream SKILL.md and repository scripts before running.

Copy this and send it to your AI assistant to learn

Install skill "referral-program" with this command: npx skills add kunhai-88/skills/kunhai-88-skills-referral-program

推荐与联盟项目

设计将客户转为增长引擎的项目。

前置了解

项目类型(客户推荐、联盟、或两者)、B2B 或 B2C、平均客户价值(LTV)、其他渠道当前 CAC;当前状态(现有项目、当前推荐率、尝试过的激励、客户 NPS 或满意度数据);产品契合(产品是否可分享、是否有网络效应、客户是否自然谈论产品、当前触发口碑的因素);资源(使用或考虑的工具/平台、推荐激励预算、是否有工程资源做自定义实现)。

推荐 vs 联盟:何时用哪个

客户推荐项目:适合现有客户推荐给其网络、有自然口碑的产品、建立真实社会证明、低票或自助产品。特征:推荐者是现有客户、动机=奖励+帮助朋友、通常一次性或有限奖励、通过唯一链接或代码追踪、更高信任、更低量。
联盟项目:适合触达无法访问的受众、内容创作者/影响者/博主、有清晰价值主张的产品、高票产品证明佣金合理。特征:联盟可能不是客户、动机=收入/佣金、持续佣金关系、需更多管理、更高量、信任可变。
混合方法:许多成功项目结合两者:客户推荐项目(简单、小奖励)+ 联盟项目(更大佣金、更多结构)。

推荐项目设计

推荐循环:触发时刻 → 分享行动 → 转化被推荐者 → 奖励。
步骤 1:识别触发时刻:高意图时刻(首次 aha moment 后、达成里程碑后、收到卓越支持后、续费或升级后、告诉你他们爱产品时);自然分享时刻(产品涉及协作时、被问「用什么工具」时、公开分享结果时、完成可分享内容时)。
步骤 2:设计分享机制:1) 应用内分享(最高转化,感觉原生)2) 个性化链接(易追踪,到处可用)3) 邮件邀请(直接、个人、更高意图)4) 社交分享(最广覆盖,最低转化)5) 推荐代码(易记,离线可用)。最佳实践:提供多种分享选项,以最高转化方法为主。
步骤 3:选择激励结构:单边奖励(推荐者仅)、双边奖励(双方,更高转化率,标准)、分层奖励(随时间增加参与,游戏化,更复杂沟通)。
激励类型:现金/信用、产品信用、免费月、功能解锁、周边/礼品、慈善捐赠。
激励规模框架:最大推荐奖励 = (客户 LTV × 毛利率) - 目标 CAC。典型:B2C $10-50 或首购 10-25%,B2B SaaS $50-500 或 1-3 个月免费,企业更高常自定义。

联盟项目设计

佣金结构:销售额百分比(标准 10-30% 首购或首年)、每行动固定费(标准 $5-500 取决于价值)、 recurring 佣金(标准 10-25% 经常性收入)、分层佣金(激励高表现者)。
Cookie 时长:24 小时(高量、低考虑购买)、7-14 天(标准电商)、30 天(标准 SaaS/B2B)、60-90 天(长销售周期、企业)、终身(高级联盟关系)。
联盟招募:现有创建内容的客户、行业博主与评测者、你利基的 YouTuber、简报作者、互补工具公司、顾问与代理。
联盟赋能:提供唯一追踪链接/代码、产品概览与关键利益、目标受众描述、与竞品对比、创意资产、示例文案与要点、案例研究与证言、演示访问或免费账户、FAQ 与异议处理、付款条款与时间表。

病毒系数与建模

关键指标:病毒系数 K = 邀请数 × 转化率(K>1=病毒增长,K<1=放大增长);推荐率 = 推荐客户数/总客户数(好 10-25%,优秀 25-50%,卓越 50%+);每个推荐者的推荐数(平均 1-2,好 2-5,卓越 5+)。
计算推荐项目 ROI:推荐项目 ROI = (被推荐客户收入 - 项目成本) / 项目成本。项目成本 = 支付的奖励 + 工具成本 + 管理时间。
单独追踪:每个被推荐客户的成本(通过推荐的 CAC)、被推荐客户的 LTV(常高于平均)、推荐奖励的回收期。

项目优化

提升推荐率:如果很少客户推荐 → 在更好时刻询问、简化分享流程、测试不同激励类型、使推荐在产品中突出、通过邮件活动提醒、减少流程摩擦。
如果推荐不转化:改进被推荐用户的落地体验、加强新用户激励、测试推荐页不同信息、确保推荐者背书可见、缩短到价值的路径。
A/B 测试:激励测试(奖励金额、奖励类型、单边 vs 双边、立即 vs 延迟奖励)、信息测试(如何描述项目、分享按钮 CTA 文案、推荐邀请邮件主题、被推荐用户落地页文案)、位置测试(推荐提示出现位置、出现时机、多突出、应用内 vs 邮件提示)。

防欺诈

常见推荐欺诈:自我推荐(创建假账户)、推荐圈(组内互相推荐)、优惠券站点发布推荐代码、假邮箱地址、VPN/设备欺骗。
预防措施:技术(邮箱验证必需、设备指纹、IP 地址监控、延迟奖励支付、最低活动阈值)、政策(清晰服务条款、每期最大推荐数、退款/拒付奖励收回、可疑模式人工审查)、结构(要求被推荐用户采取有意义行动、限制终身奖励、以产品信用支付奖励)。

工具与平台

推荐项目工具:ReferralCandy、Ambassador、Friendbuy、GrowSurf、Viral Loops;内置选项:Stripe、HubSpot、Segment。
联盟项目工具:ShareASale、Impact、PartnerStack、Tapfiliate、FirstPromoter;自托管:Rewardful、Refersion。
选择工具:考虑与支付系统集成、欺诈检测能力、支付管理、报告与分析、定制选项、价格 vs 项目规模。

度量成功

项目健康:活跃推荐者(过去 30 天推荐过某人)、总推荐数(发送的邀请)、推荐转化率、赚取/支付的奖励。
业务影响:来自推荐的%新客户、通过推荐 vs 其他渠道的 CAC、被推荐客户的 LTV、推荐项目 ROI。
队列分析:单独追踪被推荐客户:是否转化更快?是否有更高 LTV?是否以更高比率推荐他人?是否流失更少?典型发现:被推荐客户 LTV 高 16-25%,流失低 18-37%,推荐他人比率高 2-3 倍。

相关技能

launch-strategy、email-sequence、marketing-psychology、analytics-tracking、pricing-strategy。

Source Transparency

This detail page is rendered from real SKILL.md content. Trust labels are metadata-based hints, not a safety guarantee.

Related Skills

Related by shared tags or category signals.

Coding

referral-program

No summary provided by upstream source.

Repository SourceNeeds Review
Coding

referral-program

No summary provided by upstream source.

Repository SourceNeeds Review
Coding

programmatic-seo

No summary provided by upstream source.

Repository SourceNeeds Review
Coding

youtube-clipper

No summary provided by upstream source.

Repository SourceNeeds Review