用 AI 設計推薦／分享獎勵計畫：從機制、文案到防刷的完整教學

很多老闆都做過這件事：花了一筆預算上線「推薦好友送 100 元」的活動，海報貼出去、官網掛上 banner，然後等了一個月，回頭看後台——推薦人數個位數，獎勵成本還比帶來的營收高。於是得出結論「我們的客人不愛推薦」，把計畫默默收掉。

但真相通常不是客人不愛推薦，而是這個計畫從設計第一步就出了問題：獎勵算錯、誘因給錯人、分享動作太麻煩、文案讓人不好意思轉、也沒辦法追蹤到底誰推薦了誰。

這篇要解決的問題：教你用 AI 把「憑感覺送獎勵」變成「可被計算與優化的成長引擎」，從算預算、設誘因、寫文案到防刷，每一步都有依據。 適合誰讀：電商營運、餐飲與服務業老闆、行銷與成長團隊——任何想靠既有顧客帶新客、又不想亂燒錢的人，不需要技術背景也能跟上。 讀完你會得到：一套推薦計畫的完整設計心法、一張誘因對照表、可複製的 AI Prompt、一個台灣手搖飲品牌導入前後的真實對照，以及最常踩的設計陷阱清單。

TL;DR：推薦計畫成不成功，七成決定在「設計」而非「獎勵大小」。先用毛利與 LTV 算出每筆推薦的獎勵上限（別超過你的獲客成本），設計推薦人與被推薦人都有感的雙向誘因，把分享簡化成一鍵並配上不尷尬的文案，再用專屬連結或推薦碼做歸因、用防刷規則守住成本。AI 能幫你算數字、批量寫文案、列防堵漏洞，把這件原本靠經驗的事變成可複製的流程。

免責聲明：本文的獎勵金額、毛利率與成本數字皆為教學示範，實際數值會因產業與品牌而異；涉及金流、發票與抽獎的活動可能受相關法規規範，正式上線前請依自身情況評估或諮詢專業人士。

為什麼推薦計畫值得用 AI 來設計？

口碑一直是最便宜也最可信的行銷。一位朋友的推薦，抵得過十則廣告——因為它自帶信任。問題在於，多數品牌把推薦計畫當成「貼個 banner、送個折扣」的活動，而不是一套需要被精算的系統。

推薦計畫牽涉的變數其實很多：獎勵要送多少才不虧本？送給推薦人還是被推薦人、還是兩邊都送？用現金、折扣還是點數？分享文案怎麼寫才不尷尬？怎麼追蹤誰推薦了誰？怎麼防止有人刷獎？這些問題彼此相關，靠拍腦袋很容易顧此失彼——獎勵給太大就虧錢、給太小沒人推、防刷沒做好就被薅羊毛。

AI 在這裡的價值不是「幫你想一個 slogan」，而是當你的設計助理與算盤。它能：

• 依你的毛利率與顧客終身價值，算出每筆推薦最多能花多少獎勵、不同方案各自的成本。
• 針對 LINE、IG、口頭等不同管道，批量寫出自然不尷尬的分享文案與通知訊息。
• 列出推薦計畫常見的刷獎漏洞，並把防堵措施轉成清楚的兌獎條款。
• 設計可追蹤的歸因流程與資料表結構，讓獎勵發得出去也對得起帳。

把這些原本散落在不同人腦中的經驗集中起來、用你的真實數字跑一遍，這正是 AI 最擅長的事。如果你想把推薦帶來的後續通知、發券、提醒也自動化，可以搭配我們的 AI Workflow 設計教學 與 自動化情報站 一起規劃。

核心概念：推薦計畫的五個齒輪

把推薦計畫想成一台機器，五個齒輪必須一起轉，少一個都會卡住。很多人只顧著轉「獎勵」這一個齒輪（加碼再加碼），卻忽略其他四個，難怪推不動。

雙向誘因為什麼比單向更有效

只獎勵推薦人，被推薦的朋友沒有嘗試動機，轉換率低；只獎勵被推薦人，推薦人沒有分享誘因，根本不會推。最有效的結構是雙向都給、但形式不同：被推薦人拿「首購折扣」降低嘗試門檻，推薦人拿「下次消費折抵或點數」鼓勵自己也回購。前者拉新、後者留存，一筆獎勵同時推動兩件事。

LTV 思維：別只看一單

新手最常犯的錯，是只用「這一單的毛利」去衡量能不能送獎勵。但推薦來的客人若會回購三次、五次，他的真正價值是**終身價值（LTV）**而非單筆。用 LTV 來看，你會發現很多原本「覺得送不起」的獎勵其實划算得很——因為你買的不是一單，是一位可能長期消費的顧客。想把顧客留下來持續貢獻 LTV，可延伸閱讀 AI 顧客留存教學。

實際做法：五步設計你的推薦計畫

Step 1：算出可承受的獎勵預算

先攤開三個數字：平均客單價、毛利率、顧客終身價值（會回購幾次 × 每次毛利）。再對照你目前的獲客成本（CAC，例如靠廣告獲得一位新客平均花多少）。原則很簡單：推薦計畫的雙向獎勵總成本，要明顯低於你的 CAC，否則不如把錢花在廣告。把這些數字餵給 AI，請它算出每筆有效推薦的獎勵上限與建議區間。先弄清楚顧客是誰、值多少，可參考 AI 客群分群教學。

Step 2：設計雙向誘因結構

決定四件事：推薦人拿什麼、被推薦人拿什麼、各自何時拿到、用什麼形式。建議被推薦人用「首購折扣／首購禮」降低門檻，推薦人用「回購折抵／點數／累積階梯獎勵」綁住留存。發放時機要綁在「被推薦人完成真實消費後」，而不是註冊或分享當下——這同時是防刷的第一道關卡。請 AI 用你 Step 1 算出的上限，列出三套誘因組合並比較成本與預期動機。

Step 3：寫出讓人願意轉發的分享文案

這是最被低估的一步。再好的獎勵，配上「我推薦你來買 XX，輸入我的代碼」這種像業配的文案，多數人會不好意思轉。好的分享文案要像朋友的真心推薦：短、有具體好處、給對方台階。而且不同管道語氣不同——LINE 私訊可以親密，IG 限動要簡短有梗，口頭則要好記。請 AI 一次產出多個版本，你挑順眼的微調。要寫得更打動人，可參考 AI Email 行銷教學 裡的文案技巧。

Step 4：規劃追蹤與歸因

沒有歸因，獎勵就發不出去。最常見的三種做法：專屬連結（每位推薦人一條，點擊與下單自動歸戶，最自動化）、推薦碼（結帳時輸入，門檻低、適合無工程資源）、表單欄位（結帳或註冊時填「誰推薦你的」，最陽春但能跑）。請 AI 幫你設計一張追蹤資料表（含推薦人、被推薦人、訂單編號、推薦狀態、獎勵發放狀態等欄位），讓你用試算表就能管理。

Step 5：設好防刷與兌獎規則

任何送錢的活動都會引來薅羊毛。請 AI 列出常見漏洞——自我推薦、假帳號註冊、同一人多開、退貨後仍領獎——並逐一設計防堵：有效推薦須完成真實且未退貨的消費、同付款方式／地址／裝置限領、獎勵設審核緩衝期、保留最終解釋權與停權權利。把這些寫成清楚的兌獎條款公開在活動頁，既防刷也避免日後糾紛。

可複製 Prompt：一次生出獎勵模型、文案與防刷條款

把下面的 Prompt 填入你的真實數字，貼進任何主流 AI 助理，就能得到一份完整的推薦計畫草案。建議分段微調，別一次全收。

角色：你是一位專精成長行銷與口碑經濟的顧問，熟悉台灣中小企業情境。

我的生意背景：
- 產業／產品：【例：手搖飲連鎖，3 家門市】
- 平均客單價：【例：65 元】
- 毛利率：【例：60%】
- 平均回購：【例：一位常客一個月約來 6 次，平均持續 8 個月】
- 目前獲客成本 CAC：【例：靠 IG 廣告約 120 元／新客】
- 主要客群與管道：【例：18-30 歲學生與上班族，LINE 與 IG 為主】

請依序產出，用台灣用語、條列清楚：

1.【經濟模型】用我的毛利與終身價值（LTV）算出：一位新客的 LTV 約多少；
  每成功推薦一位新客，雙向獎勵總成本的「上限」與「建議區間」是多少（並說明計算邏輯）。

2.【誘因結構】提出 3 套雙向誘因方案（推薦人拿什麼／被推薦人拿什麼／發放時機／形式），
  以表格比較預估成本、預期參與動機與適合情境，並推薦一套主打方案及理由。

3.【分享文案】針對 LINE 私訊、IG 限動、口頭推薦三種情境，
  各寫 2 版自然、不像業配、對方收到不反感的分享話術（每版 40 字內）。

4.【歸因追蹤】設計一張可用試算表管理的推薦追蹤資料表（列出欄位與用途），
  並建議在無工程資源下最務實的歸因方式。

5.【防刷條款】列出這類推薦計畫最常見的 6 個刷獎漏洞，
  每個漏洞對應一條清楚的防堵規則，最後彙整成一段可公開的「兌獎注意事項」條款。

每一段先給結論，再給理由。涉及金額一律用我提供的數字，不要自行假設。

跑完後，你可以接著請 AI 把第 3 點的文案改成更貼近你品牌的語氣，或把第 5 點的條款縮短成顧客看得完的版本。若你想把這套 Prompt 變成隨時可填的模板，AgentAI 智庫的 Prompt 產生器 與 現成食譜庫 有更多可直接套用的範本。

台灣中小企業案例：手搖飲品牌的推薦計畫翻盤

背景：台中一家三店的手搖飲品牌，老闆原本辦過「推薦好友各送一杯」的活動，掛在 LINE 官方帳號選單，三個月只換出十幾杯，幾乎沒帶來新客，便認定客人沒興趣而停掉。

重新設計（用上述五步＋AI）：

• 經濟模型：客單 65 元、毛利 60%，常客 8 個月貢獻的 LTV 約 1,800 元；原本 IG 廣告 CAC 約 120 元。AI 算出每筆推薦雙向獎勵總成本壓在 80 元內都划算。
• 誘因結構：改成雙向不同形式——被推薦人「首杯半價」（降低嘗試門檻），推薦人「下次買一送一券」（綁回購）。發放綁在被推薦人完成消費後。
• 分享體驗：把「翻選單、複製代碼」改成一鍵產生專屬圖卡＋短連結，顧客在 LINE 直接轉發；AI 寫的文案改成「最近喝到一家還不錯，用我這張首杯半價你試試」。
• 歸因：每位推薦人一組短連結＋推薦碼，店員結帳輸入碼即歸戶，用試算表追蹤。
• 防刷：限被推薦人為新 LINE 好友、首杯半價限本人領一次、券需到店核銷。

導入前後對照（單店三個月）：

關鍵不在獎勵變大（總成本反而控制得更精準），而在把分享變簡單、把文案變自然、把每筆推薦追蹤起來。老闆後來把這套流程的提醒與發券串進自動化，省下大量人工核對——這部分可參考 自動化情報站。

常見錯誤：這些坑九成的人都踩過

錯誤一：只加碼獎勵，不修分享體驗。 沒人推的最大主因是麻煩，不是不夠多。先把分享簡化成一鍵，再談獎勵。

錯誤二：文案像業配。 「輸入我的專屬代碼」式文案讓人不好意思轉。改成朋友推薦的口吻，轉發率天差地別。

錯誤三：獎勵時機綁錯。 一註冊或一分享就發獎，等於開門讓人刷。永遠把獎勵綁在「被推薦人完成真實消費」之後。

錯誤四：沒有歸因就上線。 不知道誰推薦誰，獎勵發不準也算不出成效，最後只能憑感覺說「好像沒用」。

錯誤五：用單筆毛利衡量，低估了能送的獎勵。 用 LTV 看，很多「送不起」其實划算。

錯誤六：完全不設防刷規則。 送錢活動必招羊毛黨，上線前就要把漏洞與條款想清楚，別等被刷爆才補。

錯誤七：上線後沒人知道。 計畫藏在選單深處沒人看到。要在結帳成功頁、包裝、收據、店員口頭主動曝光。

結論

推薦計畫不是「送個折扣碰運氣」的活動，而是一套可以被計算、被優化的成長系統。它的成敗，七成決定在設計：用毛利與 LTV 算對獎勵上限、設計推薦人與被推薦人雙向都有感的誘因、把分享簡化到一鍵並配上不尷尬的文案、用專屬連結或推薦碼做好歸因、再用防刷規則守住成本。

AI 在這套流程裡是最稱職的助理——它幫你算數字、批量寫文案、列防堵漏洞，把原本散落在經驗裡的判斷變成可複製的步驟。但獎勵要送多少、品牌語氣怎麼拿捏、條款的最終版本，仍由你拍板。

今天就用本文的 Prompt 套進你自己的數字，先跑出一版草案，再用試算表小規模驗證有沒有人買單。等數據證明有效，再投入更多自動化與工具。想把推薦帶來的新客留住、變成長期回購，下一步可以接著看 AI 顧客留存教學；想把整套行銷流程串成自動化，AI Workflow 設計教學 會是你的好起點。

常見問題 FAQ

延伸閱讀

• AI 顧客留存教學：從流失預警到再行銷
• AI 客群分群：把顧客分對才行銷得準
• AI Email 行銷完整教學
• AI Workflow 設計：把重複流程自動化
• 自動化情報站：把行銷流程串起來