推荐引擎

要解决的问题

• 付费获客成本居高不下，缺少自增长的有机循环
• 产品口碑不错，但传播机制薄弱，扩散不起来
• 忠诚客户愿意推荐，却没有顺手的分享路径
• 新店广告预算有限，需要高性价比的第一批客户
• 用户首购之后不再回来，复购断档
• 依赖折扣促销驱动复购，缺少可衡量的口碑指标

核心能力与工作流

1. 先验证经济模型

设计之前先算清楚单位经济：AOV、毛利率、当前 CAC，以及目标推荐 CAC（约为毛利率的 50%）。只有确认激励成本能被毛利覆盖，后续讨论才有意义。

2. 设计激励与触发时机

• 双侧奖励明显优于单向，转化率高出 30–50%
• 奖励价值取 AOV 的 10–20%，或实物产品抵扣
• 触发时机选在首次体验后的 7–14 天，而不是注册时群发一封邮件

3. 简化分享路径

一键分享并预填消息到 WhatsApp / SMS / 邮件；分享入口放在订单确认页、购后邮件序列和「我的账户」固定位置，确保用户随时能找到。

4. 追踪与归因

从第一天起追踪分享率、推荐转化率、推荐 CAC 和被推荐客户的 CLV；自定义实现用 UTM 参数（如 ?utm_source=referral&utm_medium=friend）做归因。

5. 反欺诈

至少要做到：奖励只在订单发货后激活、同邮箱域名去重、IP 去重、最低订单门槛；再叠加退款期延迟发放和临时邮箱域名黑名单。

6. 上线与迭代

先对 top 200 高 LTV 客户软启动，再全量推送；月度复盘分享率（低于 5% 说明激励太小或体验摩擦太大）、转化率（低于 20% 说明被推荐者的 offer 不够有吸引力）和欺诈率（高于 10% 收紧风控）。

适用边界

推荐计划放大的是已有口碑信号——如果客户本就不主动推荐，这个技能不会凭空创造意愿。它适合 PMF 已验证、毛利能覆盖双侧激励成本的电商团队；不适合低毛利、无复购、或仍在验证需求的早期项目。