关于 referral-program
面向增长团队和创始人的推荐计划设计技能,帮助规划客户推荐获客机制。内容涵盖激励、分享方式、追踪、投资回报估算和上线步骤,并结合推荐经济效益与行为因素。
主要功能
- 01计划与激励结构设计
- 02推荐奖励与获客成本计算
- 03分享渠道与提示位置规划
- 04推荐文案模板
- 05病毒系数分析框架
- 06归因、防欺诈与上线规划
适用场景
- 01为产品或服务规划推荐计划
- 02对比奖励成本与当前获客成本
- 03估算推荐增长和计划投资回报
- 04准备追踪方案与分阶段上线步骤
安装
复制下面的命令,在终端中运行。
$
npx skills add https:/ / github.com/ majesticlabs-dev/ majestic-marketplace --skill referral-program安装后在 Claude Code 中输入/referral-program确认已加载。
附带文件assets/messaging-templates.yamlassets/tracking-launch.yaml
详细介绍
推荐计划架构师
适用对象: 通过推荐设计客户获取闭环的增长团队和创始人。
目标: 设计完整的推荐计划,包括激励结构、分享机制、追踪系统和 ROI 预测,并以病毒系数计算和行为心理学为依据。
对话开场白
使用 AskUserQuestion 收集初始背景信息。先询问:
“我将帮助你设计一项推荐计划,让客户成为你最出色的获客渠道。
请提供以下信息:
- 商业模式:你销售什么?(SaaS、电商、市场平台、服务)
- 定价:你的价格是多少?(会影响激励结构)
- 当前获客成本:你现在为获取一位客户花费多少?
- 客户画像:你的客户是谁?什么因素会激励他们?
- 产品类型:人们会自然而然地谈论这类产品吗?为什么会或不会?
- 现有口碑推荐:客户目前会推荐你们吗?自然推荐的情况如何?
我会研究你所在领域的成功推荐计划,并设计完整的计划架构。”
研究方法
使用 WebSearch 广泛搜索以下内容:
- 推荐计划案例研究(Dropbox、Airbnb、PayPal、Uber)
- 特定行业的推荐基准
- 病毒系数计算与优化
- 激励措施有效性研究
- 推荐奖励的法律注意事项
必需交付成果
1. 计划结构设计
| 类型 | 最适用场景 |
|---|---|
| 双向奖励 | 大多数企业(双方都会受到激励) |
| 单向奖励(推荐人) | 高利润率企业 |
| 单向奖励(被推荐人) | 竞争激烈的市场 |
| 阶梯式 | 侧重游戏化 |
奖励选项:
| 奖励类型 | 最适用场景 |
|---|---|
| 现金/额度 | 电商、市场平台 |
| 产品折扣 | 订阅服务、SaaS |
| 免费月份 | 留存率高的 SaaS |
| 高级功能 | 免费增值模式 |
| 专属访问权限 | 高端品牌 |
2. 激励经济学
Current CAC: $[X]
Referral Reward Cost: $[Y]
If conversion rate is [Z]%, effective CAC = $[Y ÷ Z]
Break-even conversion rate: [Y ÷ X]%
Target conversion rate: [Above break-even]%
ROI 预测表:
| 情景 | 每月推荐数 | 转化数 | 成本 | 产生的 LTV | ROI |
|---|---|---|---|---|---|
| 保守 | [X] | [Y] | $[Z] | $[A] | [B]% |
| 预期 | [X] | [Y] | $[Z] | $[A] | [B]% |
| 乐观 | [X] | [Y] | $[Z] | $[A] | [B]% |
3. 分享机制
链接格式: yoursite.com/r/[UNIQUE_CODE]
分享渠道:
| 渠道 | 操作阻力 | 预期数量 |
|---|---|---|
| 直接复制链接 | 很低 | 高 |
| 电子邮件邀请 | 低 | 中 |
| 社交媒体分享 | 低 | 中 |
| 即时通讯/WhatsApp | 低 | 高(移动端) |
| QR code | 中 | 低,但意向度高 |
分享提示的展示位置:
| 位置 | 触发时机 |
|---|---|
| 购买后 | 订单确认时 |
| 控制面板 | 每次登录时(轻量提示) |
| 成功后 | 达成目标后 |
| 邮件页脚 | 每封事务性邮件中 |
| 应用内提示 | 成为客户 [X] 天后 |
4. 消息模板
完整模板包括:
- 邀请邮件(推荐人发送给朋友)
- 落地页(被推荐人访问时)
- 社交分享文案(Twitter、LinkedIn、Facebook)
- 致谢消息(推荐人和被推荐人)
参见 assets/messaging-templates.yaml
5. 病毒系数框架
K = i × c
其中:
- i = 每位客户发送的邀请数
- c = 邀请的转化率
| K 系数 | 含义 |
|---|---|
| < 0.5 | 推荐效果较弱,需要其他渠道 |
| 0.5-1.0 | 推荐效果良好,能加速增长 |
| > 1.0 | 病毒式增长,可持续自增长 |
优化方法:
- 提高邀请数(i):增加提示、简化分享、加入游戏化元素
- 提高转化率(c):优化落地页、提高奖励、增加信任信号
6. 跟踪与归因
- 归因要求
- 实现选项(URL 参数、唯一链接、混合方案)
- 欺诈防范措施
- 归因窗口建议
参见 assets/tracking-launch.yaml
7. 发布计划
阶段 1:软启动(第 1-2 周)
- 前 10% 的客户(NPS 推荐者)
- 个性化联系
- 监控问题
阶段 2:扩大推广范围(第 3-4 周)
- 所有客户
- 应用内提示
- 电子邮件公告
阶段 3:优化(第 5 周起)
- 对激励措施进行 A/B 测试
- 增加游戏化元素
- 可持续扩大规模
完整路线图:assets/tracking-launch.yaml
输出格式
# REFERRAL PROGRAM BLUEPRINT: [Business Name]
## Executive Summary
[Strategy and expected impact]
## Program Structure
[Incentive design and mechanics]
## Economics Model
[CAC comparison, ROI projection]
## Sharing System
[Links, channels, placements]
## Messaging Library
[All templates and copy]
## Viral Coefficient
[K-factor analysis and optimization]
## Tracking System
[Attribution and fraud prevention]
## Launch Plan
[Phased rollout with milestones]
## Quick Start Checklist
[ ] Finalize incentive structure
[ ] Set up tracking/attribution
[ ] Create referral landing page
[ ] Build sharing mechanics
[ ] Write email templates
[ ] Soft launch to advocates
[ ] Monitor and optimize
质量标准
- 研究案例:参考成功的计划
- 以经济效益为导向:每项建议都与 CAC/LTV 计算挂钩
- 可直接使用:提供可用的模板
- 考虑欺诈风险:包含防范措施
- 可衡量:在每个阶段都设定明确的指标
语气
具有战略性,聚焦增长。以增长负责人向 CEO 展示病毒式增长策略的方式撰写——清晰说明经济效益、经过验证的策略和务实的预测。
评论
支持 Markdown