🎁 讓老會員幫你帶新客，一套算得出病毒係數的推薦機制怎麼設計

為什麼推薦機制不能憑感覺設計

「叫老客戶介紹朋友來買」這句話大家都會講，但真正做起來的品牌很少，做起來還賺錢的更少。

多數人卡在三個地方。第一個是獎勵開錯，推薦人送 $50、被推薦人送 $50，結果沒人想分享，因為誘因太小。第二個是開太大，雙邊各送 $300，分享的人是多了，但每帶一個新客倒賠一百多塊，越推越虧。第三個是被刷爆，防刷機制沒設計，一堆人用小號自己推自己，獎勵全被套走。

更根本的問題是，大部分人根本不知道自己這套推薦「會不會擴散」。病毒係數 K 值如果小於 0.3，代表推薦帶不動，花再多獎勵預算都像丟進水裡；K 值到 0.5 以上才叫健康成長。這個數字投放前就能算，不用等做完才知道。

這個工具就是把這件事變成填表：填品牌、客單價、會員數、毛利率，AI 幫你把整套機制設計出來，還能拉滑桿即時看 K 值和 ROI 怎麼變。

這個工具實際上幫你做什麼

它做的不是給你一句「建議做推薦活動」的空話，而是產出一份可以直接執行的完整機制。AI 會依你的品牌條件輸出九個區塊：

AI 設計的完整機制

• 雙邊獎勵設計：推薦人拿什麼、被推薦人拿什麼，各自的發放時機、成本、以及為什麼這樣設計。通常推薦人獎勵會略高於被推薦人，符合「辛苦分享的人值得更多」的公平感。
• 分級推薦制度：推薦 3 人、10 人、30 人各解鎖什麼，把頭部推薦人留住變成品牌代言人。
• 觸發時機與文案：開箱當下、使用滿 14 天、節慶生日前、完成回購，每個時機配一句實際可用的邀請話術，還附預估分享率。
• 防刷機制：IP 加裝置指紋綁定、過鑑賞期才入帳、單人推薦上限、禁止自我推薦等具體規則。
• 文案素材：邀請卡、社群分享文、Landing Page 標題，複製就能用。
• ROI 預估與成功案例：算出每月新增會員、成本、跟付費廣告 CAC 的比較，附 Dropbox、Uber、Airbnb 等經典範本。
• 落地步驟：從技術建置到全站推出的週次時程表。

兩個內建計算機

除了 AI 設計，工具下方有兩個純計算區塊，不耗 AI 額度：

一個是病毒係數即時試算，公式是 K = 啟用推薦比例 × 平均邀請數 × 邀請轉換率。拉四條滑桿就能看 K 值落在哪個區間、三代擴散各帶來多少人、總成本和淨利。

另一個是多層分潤計算，如果你想做 Level 1、Level 2 的分潤結構，它會算出每層要付多少、ROI 多少，並且跳出法規警示，提醒你超過幾層可能被公平交易委員會認定為多層次傳銷。

從填表到拿到完整機制

步驟 1：填品牌與商品結構

填品牌名稱、產業、TA、客單價、會員數、毛利率。這幾個數字決定整套機制的成本天花板，客單價和毛利率一定要填準，毛利率要用扣掉平台抽成、金流費、運費之後的真實數字，不然 AI 算出來的 ROI 會太樂觀。

還會問你有沒有現成的推薦活動、預算大概落在哪個級距（輕、中、高）。如果你剛跑過會員分群，可以從 RFM 工具帶資料過來，會員數會自動填入。

步驟 2：讓 AI 產出機制

送出後 AI 會輸出上面講的九個區塊。第一次可以先按「載入範例」看一個居家香氛品牌的完整範例長什麼樣，這個範例不耗額度，看懂結構再填自己的。

拿到結果先看兩個地方：一是 overview 裡的病毒係數解讀，確認這套機制到底帶不帶得動；二是雙邊獎勵的成本平衡那段，確認每帶一對推薦你還有沒有淨賺。

步驟 3：拉滑桿驗證 K 值

往下到病毒係數試算區，把四條滑桿調成你真實的預期值：多少比例的會員會啟用推薦、平均每人邀幾個、邀來的人多少會轉換、單邊獎勵成本多少。

看 K 值落在哪：0.5 以上是健康成長，0.3 到 0.5 是緩慢擴散，低於 0.3 代表這套帶不動、要重新設計獎勵或觸發點。同時看每月淨利是正的還是負的，負的就代表獎勵開太大了。

填完可以把整份結果存起來，之後接會員成長提案書工具整合成給老闆看的計畫。

進階技巧

1.推薦人獎勵略高於被推薦人：這不是隨便設的。分享的人承擔了「開口找朋友」的社交成本，獎勵給高一點才有動力。但兩邊加起來別超過每單毛利，不然帶越多賠越多。

2.獎勵過鑑賞期再發：這是防刷最重要的一條。如果註冊完成就發獎，會有人下單領獎後馬上退貨套利。改成「過 7 天鑑賞期且無退貨」才入帳，套利空間直接砍掉。

3.先看 K 值再決定要不要做：K 值低於 0.3 的話，先別急著上線，回頭調獎勵或換觸發時機。與其花預算做一個帶不動的機制，不如先把 K 值拉到 0.5 以上再推。

4.分級制度綁身份而不是只綁現金：推薦 10 人送「升級 VIP」比送等值現金更黏，因為身份升級綁住的是長期消費。頭部那 5% 的推薦人會貢獻大部分的擴散，要用榮譽感留住他們。

5.多層分潤最多兩層：想做分潤結構的話，工具的法規警示會提醒你，超過 3 層在台灣可能被認定為多層次傳銷。分潤一定要綁實際商品消費、禁止收入會費，文案避開「下線」「招募」這類字眼。

三個實際情境

情境 A：居家香氛品牌，5000 會員想啟動推薦

客單價 $680、毛利率 45%、TA 是注重生活質感的女性，社群分享意願高。AI 設計推薦人送 $150 購物金、被推薦人送首購 85 折，雙邊總成本 $250、佔客單 37%，毛利 $306 仍有 $56 淨賺。

K 值試算落在 0.65，健康成長區間。ROI 預估每月帶 450 個新客、CAC $250，比 Meta 廣告的 $420 省 40%，而且推薦來的客 LTV 更高。這種結構可以直接軟啟動。

情境 B：高客單保養品，怕獎勵開太大

客單價 $2000、毛利率 55%。老闆想雙邊各送 $300，用滑桿一試發現雖然分享率高、但每對推薦成本 $600 佔毛利太多，淨利被吃掉。

調整方案：推薦人 $300、被推薦人改成「首購送正貨小樣」成本只要 $80，雙邊 $380 保住淨利，K 值還維持在 0.5。這就是先算再上線的價值，不然這個活動跑一個月才發現在賠。

情境 C：想做兩層分潤的訂閱制品牌

用多層分潤計算，Level 1 給 8%、Level 2 給 3%。工具算出 60 個推薦每月帶 $48,000 營收、分潤只付 $1,840，ROI 很漂亮。

但法規警示同時跳出：分潤必須綁實際商品消費、月分潤要設上限（例如 $5,000）避免被認定為主要收入來源、文案禁用「下線」「層級獎金」。照著警示調整，機制才站得住。

設計完之後該做什麼

K 值健康（0.5 以上）：先邀 500 名 VIP 內測兩週，蒐集回饋調整誘因，再全站推出。上線前把防刷機制的每一條都確認技術端有做到，特別是過鑑賞期才入帳這條。

K 值偏低（0.3 到 0.5）：先別全站推。回頭調兩件事，一是把觸發時機挪到分享率最高的點（通常是開箱當下和完成回購），二是微調獎勵結構。改完重新試算，K 值上去了再推。

不管哪種情況，設計前先跑一次會員 RFM 分群分析，找出最活躍、最適合當推薦種子的那群 VIP，把推薦機制優先推給他們，擴散效率最高。

推薦帶進來的新客別讓他們只買一次，接上黃金 7/30/90 天複購流程設計器，用觸發式自動化把首購客養成回頭客。

最後把這份 MGM 機制、RFM 分群、複購流程整合起來，用會員成長提案書產生器產出一份可以直接寄給老闆的 3 個月計畫，把預算和預期成效講清楚。