基于 seomachine 推荐计划技能设计增长飞轮：Referral 与 Affiliate 营销体系的完整实战指南

基于 seomachine 推荐计划技能设计增长飞轮：Referral 与 Affiliate 营销体系的完整实战指南

【免费下载链接】seomachineA specialized Claude Code workspace for creating long-form, SEO-optimized blog content for any business. This system helps you research, write, analyze, and optimize content that ranks well and serves your target audience.项目地址: https://gitcode.com/GitHub_Trending/se/seomachine

本指南围绕开源项目 seomachine（SEO Machine）中内置的.claude/skills/referral-program技能展开，系统讲解如何借助 Claude Code 工作区设计、优化并衡量推荐（Referral）、联盟（Affiliate）与口碑（Word-of-mouth）增长体系。读者学完后，将掌握从触发时刻识别、激励结构设计、程序优化、指标衡量到上线执行的全套方法论，并能直接在本仓库的技能、参考文档与关联技能之间按图索骥。

一、技能定位：何时触发 referral-program

在 seomachine 的 Claude Code 工作区中，每个技能（Skill）都通过 YAML frontmatter 声明触发条件。referral-program技能的元数据位于 .claude/skills/referral-program/SKILL.md：

name: referral-program version: 1.0.0 description: "When the user wants to create, optimize, or analyze a referral program, affiliate program, or word-of-mouth strategy. Also use when the user mentions 'referral,' 'affiliate,' 'ambassador,' 'word of mouth,' 'viral loop,' 'refer a friend,' or 'partner program.' This skill covers program design, incentive structure, and growth optimization."

从源码结构看，该技能的定位是"增长营销"（growth marketing）而非内容生产：当用户提出创建、优化或分析推荐计划、联盟计划、大使计划、病毒循环等需求时，技能即被激活。技能的目标宣言非常明确——帮助把客户变成增长引擎（turn customers into growth engines）。

整个技能目录采用"主文档 + 参考文档"的模块化组织方式：

.claude/skills/referral-program/ ├── SKILL.md # 主技能：程序设计与优化方法论 └── references/ ├── program-examples.md # 真实案例、激励额度与病毒系数指标 └── affiliate-programs.md # 联盟计划设计、招募、工具与防欺诈

二、开工前置：先读取产品营销上下文

技能在开始提问前有一个强制步骤：检查产品营销上下文文件。

如果.claude/product-marketing-context.md存在，先读取它，再提问。仅收集该文件中未覆盖或与本任务相关的信息。

这个上下文文件由配套技能 .claude/skills/product-marketing-context/SKILL.md 负责创建与维护。它沉淀了 12 类基础营销信息：产品概述、目标受众、B2B 人物画像、问题与痛点、竞争格局、差异化、异议与反人物画像、切换动力（JTBD 四力）、客户语言、品牌声音、证明点与目标。其价值在于：推荐计划设计所需的 LTV、CAC、产品是否可分享等信息，往往已沉淀在上下文文档中，避免每个技能重复提问。

随后，技能列出四组待收集信息：

1. 计划类型（Program Type）

• 是客户推荐计划、联盟计划，还是两者都要？
• 面向 B2B 还是 B2C？
• 客户平均 LTV（生命周期价值）是多少？
• 其他渠道的当前 CAC（获客成本）是多少？

2. 当前状态（Current State）

• 是否已有推荐/联盟计划？
• 当前推荐率（推荐客户的比例）是多少？
• 尝试过哪些激励手段？

3. 产品适配度（Product Fit）

• 产品是否容易被分享？
• 是否具备网络效应？
• 客户是否会自然谈论产品？

4. 资源情况（Resources）

• 正在使用或考虑的工具/平台？
• 推荐激励的预算？

这四组问题决定了后续所有设计决策——激励额度、单边/双边结构、K 因子目标都依赖这些输入，因此"先收集信息再设计方案"是技能的第一原则。

三、客户推荐 vs. 联盟营销：两条增长路径的选择

技能首先要求区分两种截然不同的获客机制：

决策要点：如果产品本身口碑好、客单价低、用户自助服务，客户推荐计划更合适；如果目标是借助内容创作者、网红、博客作者触达陌生受众，且客单价足以覆盖持续佣金，联盟计划更合适；两者也可并行（如先推荐后联盟）。

四、推荐计划设计三步法

4.1 推荐回路（The Referral Loop）

技能给出增长回路的核心抽象：

触发时刻 → 分享动作 → 被推荐人转化 → 奖励 → （循环）

Trigger Moment → Share Action → Convert Referred → Reward → (Loop)

任何推荐计划的本质都是让这条回路反复运转：在正确的时刻请求分享，让分享足够简单，让被推荐人有理由转化，让推荐人获得回报，再以回报驱动下一次分享。

4.2 第一步：识别触发时刻

推荐请求的时机比话术更重要。技能列出的高意图时刻包括：

• 用户刚经历"aha 时刻"（第一次领悟产品价值）之后
• 用户达成某个里程碑之后
• 用户获得超预期客服支持之后
• 用户续费或升级之后

这些时刻用户对产品的价值感知最强、分享意愿最高，是植入推荐请求的最佳窗口。

4.3 第二步：设计分享机制

按转化效果从高到低排序：

1. 产品内分享（转化率最高）——用户无需离开产品即可完成分享
2. 个性化链接——每人一个专属追踪链接
3. 邮件邀请——低摩擦、可批量
4. 社交媒体分享——覆盖面广但转化偏弱
5. 推荐码——可离线传播（线下场合、播客口播等）

设计原则：分享路径越短、摩擦越低，分享率越高；"一步点击完成分享"应作为默认目标。

4.4 第三步：选择激励结构

技能定义了三种基本结构：

• 单边奖励（Single-sided）：只奖励推荐人。结构简单，适合高价值产品（推荐人本身有强动机）。
• 双边奖励（Double-sided）：推荐人与被推荐人各得一份。转化更高，且"你我都获益"的框架更容易促成行动。
• 阶梯奖励（Tiered）：按推荐数量升级奖励。将推荐过程游戏化，持续提升参与度。

五、激励设计的实战深度：案例、类型与额度测算

主技能将激励设计的具体案例与测算框架指向参考文档 .claude/skills/referral-program/references/program-examples.md。

5.1 经典案例拆解

Dropbox（经典范式）——送 500MB 存储、得 500MB 存储：

• 奖励直接与产品价值挂钩（存储即产品本身）
• 低摩擦（只需一封邮件）
• 双方获益对等
• 进度追踪带来游戏化

Uber/Lyft——送 $10 乘车券、对方乘车后再得 $10：

• 即时、清晰的价值
• 双边激励
• 易于分享（码/链接）
• 在自然时刻触发

Morning Brew——订阅者推荐阶梯奖励：

• 3 个推荐：贴纸；5 个：T 恤；10 个：马克杯；25 个：连帽衫
• 游戏化驱动持续参与
• 实体奖励本身可分享（带来更多推荐）
• 相对订阅价值成本低
• 建立身份认同

Notion——每个推荐送 $10 额度（教育场景）：

• 精准瞄准高分享人群（学生）
• 产品天然在团队内扩散
• 额度让用户保持使用

5.2 激励类型对比表

5.3 激励额度测算框架

技能给出"最大推荐奖励"的计算公式：

最大推荐奖励 = (客户 LTV × 毛利率) - 目标 CAC

示例：LTV $1,200、毛利率 70%、目标 CAC $200 → 最大奖励 = ($1,200 × 0.70) - $200 =$640。

行业常见参考区间：

• B2C：$10–50，或首单金额的 10–25%
• B2B SaaS：$50–500，或 1–3 个月免费
• 企业级：更高，通常定制

六、程序优化：把推荐率与转化率拉起来

6.1 推荐率低时怎么办

当"很少客户愿意推荐"时：

• 在更好的时机提出请求
• 简化分享流程
• 测试不同的激励类型
• 让推荐入口在产品中更醒目

当"推荐来了但不转化"时：

• 优化被推荐用户的落地体验
• 强化对新用户的激励
• 确保推荐人的背书可见（谁推荐的、为什么推荐）

6.2 建议运行的 A/B 测试

• 激励测试：金额、类型、单边 vs 双边、发放时机
• 文案测试：计划描述、CTA 文案、落地页文案
• 位置测试：推荐提示出现的位置与时机

6.3 常见问题与对策速查表

七、衡量成功：从 K 因子到 ROI 的指标体系

7.1 程序健康指标

• 活跃推荐人（最近 30 天内推荐过他人的人数）
• 推荐转化率
• 已发放/已支付的奖励

7.2 业务影响指标

• 来自推荐的新客户占比
• 推荐渠道 CAC 与其他渠道 CAC 对比
• 被推荐客户的 LTV
• 推荐计划 ROI

7.3 参考文档中的扩展指标

program-examples.md 进一步给出了量化增长的核心工具：

病毒系数（K 因子）：

K = 邀请数 × 转化率 K > 1 = 病毒式增长（每个用户带来超过 1 个新用户） K < 1 = 放大式增长（推荐作为其他获客手段的补充）

示例：平均每个客户发出 3 个邀请、15% 转化 → K = 3 × 0.15 = 0.45。

推荐率：

推荐率 = 实际推荐过的客户数 / 客户总数

基准参考：良好 10–25%；优秀 25–50%；卓越 50%+。

人均推荐数：平均 1–2 个；良好 2–5 个；卓越 5+ 个。

推荐计划 ROI：

推荐计划 ROI = (被推荐客户带来的收入 - 计划成本) / 计划成本 计划成本 = 已支付奖励 + 工具成本 + 管理时间

同时要求分开追踪：推荐渠道 CAC、被推荐客户 LTV（通常高于均值）、推荐奖励的回本周期。

7.4 典型发现（作为行业基准参考）

• 被推荐客户的 LTV 比普通客户高 16–25%
• 被推荐客户的流失率低 18–37%
• 被推荐客户再推荐他人的概率是普通客户的 2–3 倍

八、上线检查清单

上线前

• 定义计划目标与成功指标
• 设计激励结构
• 搭建或配置推荐工具
• 创建推荐落地页
• 配置追踪与归因
• 定义防欺诈规则
• 编写条款与条件
• 测试完整推荐流程

上线当日

• 向现有客户公告
• 添加产品内推荐提示
• 更新网站计划详情页
• 向客服团队简报

上线后 30 天

• 复盘转化漏斗
• 识别头部推荐人
• 收集反馈
• 修复摩擦点
• 向未推荐用户发送提醒邮件

九、配套邮件序列：让推荐计划有人"看见"

主技能提供了两套可直接复用的邮件模板，并与仓库中的 .claude/skills/email-sequence/SKILL.md 技能互补（后者负责更完整的序列设计方法论，如"一封邮件一个任务"、欢迎序列 5–7 封、时机节奏等）。

9.1 推荐计划启动邮件

主题：现在可以通过分享 [Product] 赚取 [奖励] 我们刚刚上线了推荐计划！ 和朋友分享 [Product]，每成功注册一位，你就获得 [奖励]。 对方也会获得 [对方的奖励]。 [专属推荐链接] 1. 分享你的链接 2. 朋友完成注册 3. 你们双方都获得 [奖励]

9.2 推荐培育序列

• 第 7 天：提醒推荐计划的存在
• 第 30 天："你认识谁可能受益吗？"
• 第 60 天：成功案例 + 推荐提示
• 里程碑后："你达成了 [X]——还有谁想要这个？"

邮件序列的设计要点（来自 email-sequence 技能）：一封邮件只承载一个任务、先给价值再索取、相关性胜过数量、每条链接都要导向明确下一步。推荐计划的启动与培育邮件，本质上是把"触发时刻"通过自动化在时间轴上放大。

十、联盟计划设计详解

主技能将联盟计划的深入内容指向 .claude/skills/referral-program/references/affiliate-programs.md。

10.1 佣金结构

按销售额百分比：

• 常见 10–30%（首单或首年）
• 适合：电商、定价清晰的 SaaS
• 示例："你推荐的每一笔销售赚 25%"

按动作固定费用：

• 常见 $5–500（视价值而定）
• 适合：线索开发、试用、Freemium
• 示例："每个合格演示 $50"

经常性佣金：

• 常见 10–25% 的经常性收入
• 适合：订阅制产品
• 示例："12 个月内订阅的 20%"

阶梯佣金：

• 适合激励头部表现者
• 示例："1–10 单 20%，11–25 单 25%，26 单以上 30%"

10.2 Cookie 时长：归因窗口怎么选

点击后多久内产生的转化归联盟伙伴？

10.3 联盟招募渠道

• 会创作内容的现有客户
• 行业博主与评测者
• 你所在领域的 YouTuber
• 通讯稿作者（Newsletter writers）
• 互补工具公司
• 顾问与代理机构

触达邮件模板：

主题：合作机会 —— [Your Product] 你好 [Name]， 我一直在关注你在 [topic] 上的内容——特别是 [specific piece]—— 觉得我们在合作上可能很契合。 [Your Product] 帮助 [audience] 实现 [outcome]， 我认为你的受众会发现它很有价值。 我们为合作伙伴提供 [commission structure]， 另有 [附加权益：抢先体验、联合营销等]。 你有兴趣了解更多吗？ [Your name]

10.4 联盟伙伴赋能清单

为联盟伙伴提供：

• 专属追踪链接/推荐码
• 产品概览与核心卖点
• 目标受众描述
• 与竞品对比
• 创意素材（Logo、横幅、图片）
• 文案范例与谈话要点
• 案例研究与客户证言
• Demo 访问或免费账号
• FAQ 与异议处理话术
• 支付条款与时间表

10.5 工具选择考量

选择推荐/联盟工具时评估：与支付系统的集成、欺诈检测能力、佣金结算管理、报表与分析、定制化能力、价格与规模匹配度。参考文档列举了全功能平台（如 ReferralCandy、Ambassador、GrowSurf、Viral Loops、Mention Me 等）与联盟网络（ShareASale、Impact、PartnerStack、Tapfiliate 等）作为公开信息参考。

说明：主技能中"工具集成"一节引用了仓库级工具注册表路径（.claude/tools/REGISTRY.md及各类集成指南），该目录未包含在当前仓库快照中，故本文不为其生成链接；工具选型仍可按上述六项标准自行评估。

十一、欺诈防控：让增长体系不被薅秃

参考文档 affiliate-programs.md 专门给出防欺诈框架。

常见欺诈类型

• 自我推荐（注册虚假账号刷奖励）
• 推荐圈（互相推荐套利）
• 优惠券网站发布推荐码
• 虚假邮箱
• VPN/设备伪造

技术层对策

• 强制邮箱验证
• 设备指纹识别
• IP 地址监控
• 延迟发放奖励（激活后兑现）
• 最低活跃门槛

策略层对策

• 清晰的条款与条件
• 每周期推荐上限
• 退款/拒付时收回奖励
• 可疑模式人工审查

结构层对策

• 要求被推荐人执行有意义的动作
• 设置终身奖励上限
• 以产品额度形式发放奖励（对欺诈者吸引力低）

十二、任务专属问题清单

无论设计推荐计划还是联盟计划，技能都要求先回答：

1. 计划类型是什么（推荐、联盟，还是两者）？
2. 客户 LTV 和当前 CAC 是多少？
3. 从零开始，还是已有计划？
4. 考虑使用哪些工具/平台？
5. 奖励/佣金预算多少？
6. 产品天然可分享吗？

十三、技能生态：如何与其他能力协同作战

referral-program 并非孤立技能，它被设计为可与其他技能组合使用，形成完整的增长工作流：

• launch-strategy（.claude/skills/launch-strategy/SKILL.md）：负责推荐计划的高效发布。其 ORB 框架（自有渠道 Owned / 租赁渠道 Rented / 借力渠道 Borrowed）与五阶段发布法，与推荐计划的"向现有客户公告、产品内提示"等上线动作直接衔接。
• email-sequence（.claude/skills/email-sequence/SKILL.md）：负责推荐培育邮件战役（见第九节）。
• marketing-psychology（.claude/skills/marketing-psychology/SKILL.md）：解释推荐动机背后的心理学——互惠原则（Reciprocity）、社会认同（Bandwagon/Social Proof）、承诺一致性（Commitment & Consistency）、损失厌恶（Loss Aversion）、默认效应（Default Effect）等，均可直接应用于激励结构与文案设计。技能中明确警告的"眼镜蛇效应"（Cobra Effect）——激励措施适得其反——正是防欺诈章节的理论根源。
• analytics-tracking（.claude/skills/analytics-tracking/SKILL.md）：负责推荐归因追踪。其"对象-动作"事件命名规范（如signup_completed、referral_link_clicked）、UTM 参数策略与 GA4/GTM 实现方法，是"设置追踪与归因"这一上线检查项的标准落地方式。
• ab-test-setup（.claude/skills/ab-test-setup/SKILL.md）：负责第六节的激励/文案/位置 A/B 测试。
• product-marketing-context（.claude/skills/product-marketing-context/SKILL.md）：提供第二节所需的 LTV、受众、竞争与差异化基础上下文。

十四、在 seomachine 中的使用流程总结

结合 CLAUDE.md 描述的项目架构，referral-program技能在 seomachine 中的典型调用路径是：

1. 准备上下文：通过/product-marketing-context或检查.claude/product-marketing-context.md，确保 LTV、CAC、受众等基础信息就绪；
2. 激活技能：向 Claude Code 提出推荐/联盟/口碑相关需求，referral-program技能依据 frontmatter 触发；
3. 信息收集：技能按"计划类型 → 当前状态 → 产品适配 → 资源"四组问题补齐缺口；
4. 方案输出：技能产出包含推荐回路设计、激励结构、触发时刻、分享机制、衡量指标与上线清单的完整方案，案例与额度测算可从 references/program-examples.md 取用，联盟细节从 references/affiliate-programs.md 取用；
5. 配套执行：邮件序列交由 email-sequence、归因追踪交由 analytics-tracking、发布节奏交由 launch-strategy、实验交由 ab-test-setup，心理动机分析交由 marketing-psychology。

这套"主技能 + 参考文档 + 关联技能"的结构化设计，正是 seomachine 工作区将增长方法论工程化的体现：把可复用的营销判断沉淀为可触发、可引用、可组合的技能模块，让 Claude Code 在每次对话中都能稳定产出专业级方案。

【免费下载链接】seomachineA specialized Claude Code workspace for creating long-form, SEO-optimized blog content for any business. This system helps you research, write, analyze, and optimize content that ranks well and serves your target audience.项目地址: https://gitcode.com/GitHub_Trending/se/seomachine