referral-program

推荐计划

涵盖 4 阶段推荐循环、激励设计方法、触发时机优化、分享机制、病毒传播系数建模、联盟计划架构和系统化优化手册的生产级推荐与联盟计划框架。旨在打造能够持续增长的计划，而不是束之高阁。

核心能力

• 计划类型与循环设计 — 决定采用推荐计划还是联盟计划，并设计 4 阶段循环（触发 → 分享 → 转化 → 奖励）
• 激励设计 — 单边与双边激励、奖励类型、分层游戏化设计，以及根据 LTV/CAC 制定奖励经济模型
• 触发与分享机制 — 产品内和邮件触发点、分享渠道优先级、第一人称分享文案
• 被推荐用户体验 — 推荐落地页、归因规则、计划文案套件（提示词、邮件、仪表盘）
• 增长计算 — K 系数建模、收入影响模型，以及逐项提升 K 值的杠杆
• 联盟框架 — 佣金模型、层级体系、合作伙伴工具包、招募
• 优化 — 先诊断再优化手册、指标基准、故障排查和 3 个 Python 工具

适用场景

• 用户要求“设计推荐计划”“推出联盟计划”或“提升病毒式增长”
• 需要决定采用客户推荐计划还是联盟计划
• 现有推荐计划增长停滞（K 系数 <1、分享率低、被推荐用户转化率低）
• 需要根据 CAC、利润率或 LTV 确定奖励规模
• 需要找出触发时机（何时发出邀请、哪些产品内事件、哪些生命周期邮件）
• 用户表示“口碑营销不起作用”或“我们想添加好友推荐流程”

首先确认

设计推荐计划前，请确认以下信息。如果有任何信息未知或含糊不清，请提问，不要自行假设：

• 计划类型 — 客户推荐还是联盟计划（热情支持或乐于社交的客户 vs 团队买家）（决定整个框架）
• 触发时机 — 发出邀请的产品内时机或生命周期节点（第 1 阶段出了问题，无法靠第 4 阶段提高奖励来解决）
• 奖励经济模型 — 首次付款金额、利润率和 CAC（将奖励上限设为首次付款金额的 <30%）
• 当前推荐率（如有） — 决定采用单边还是双边激励，以及优先修复哪个阶段

停止规则：只问对输出影响最大的 2-3 个问题。如果用户说“直接起草”，就继续，并在交付内容开头列出你的假设。

快速开始

1. 选择计划类型 — 使用“推荐计划 vs 联盟计划决策”表（热情支持或乐于社交的客户 → 推荐计划；团队买家 → 联盟计划）。
2. 按顺序构建循环 — 触发 → 分享 → 转化 → 奖励；第 1 阶段出了问题，无法靠第 4 阶段提高奖励来解决。
3. 确定激励规模 — 将奖励上限设为首次付款金额的 <30%；如果推荐率 <1%，则采用双边激励。
4. 建模并验证 — 运行脚本（referral_economics_calculator.py、referral_funnel_analyzer.py、affiliate_commission_modeler.py），以确定奖励规模、找出最薄弱的阶段，并为联盟计划的层级建模。
5. 按优先级优化 — 先解决认知度问题，再优化分享流程，然后改善被推荐用户体验，最后调整激励。

参考资料

根据任务加载匹配的参考资料——保持此文件精简，按需查阅详细内容：

• references/loop-and-incentives.md — 推荐与联盟营销的决策表、包含各阶段表格的完整 4 阶段循环、激励设计（单边/双边、奖励类型、层级、经济效益）以及触发时机架构。设计核心计划时阅读。
• references/share-and-experience.md — 分享渠道优先级、分享消息模板、推荐落地页布局、归因规则以及计划文案集（应用内提示、仪表板、激活后邮件）。构建分享流程和被推荐用户体验时阅读。
• references/modeling-and-affiliate.md — K 因子计算与改进杠杆，以及完整的联盟营销框架（佣金结构、层级系统、工具包、招募）。建模增长数据或设计联盟营销计划时阅读。
• references/optimization-and-operations.md — 优化手册、关键指标与基准、收入影响模型、输出成果、完整工具参考、故障排查表、成功标准和反模式。诊断停滞的计划或运行脚本时阅读。

范围与限制

范围内： 客户推荐计划设计（4 阶段循环）、激励结构（单边、双边、分层）、触发时机架构、分享机制、推荐落地页规范、病毒系数建模、联盟营销计划框架（佣金模型、层级系统、招募）以及系统化优化手册。

范围外： 推荐落地页视觉设计和 CRO（使用 page-cro）、被推荐用户的注册流程优化（使用 signup-flow-cro）、被推荐用户的注册后引导（使用 onboarding-cro）、推荐客户的客户流失预防（使用 churn-prevention）以及奖励定价匹配（使用 pricing-strategy）。脚本仅在本地数据上运行——不与推荐平台集成（ReferralHero、Viral Loops、PartnerStack 等）。

限制： K 因子基准适用于消费者或专业消费者 SaaS；B2B 企业推荐计划的动态不同（K 值较低，但单次推荐价值较高）。联盟营销佣金基准（持续佣金 20-30%）仅适用于 SaaS；市场平台和电商佣金采用不同模式。归因窗口（30-90 天 Cookie）受浏览器隐私功能的限制日益增加（Safari ITP、Chrome 弃用第三方 Cookie）。收入预测是基于所提供转化率的估算值。

集成点

• pricing-strategy —— 推荐奖励金额必须与定价利润率和 LTV 相匹配；奖励应低于首笔付款的 30%
• signup-flow-cro —— 被推荐用户的注册流程应预填邮箱、显示推荐人信息并尽量减少阻力
• onboarding-cro —— 被推荐用户可能需要不同的引导流程（他们会带着推荐人提供的背景信息前来）
• churn-prevention —— 单独监控推荐客户的留存情况；推荐客户流失率过高会浪费获客支出
• page-cro —— 推荐落地页转化优化遵循 page-cro 方法
• popup-cro —— 购买后或达成里程碑后弹出的窗口是自然的推荐触发点