推荐计划发了奖励仍没人转化，先把“分享”和“接受”分开看

推荐计划上线一个月，运营后台常会出现两种相反的尴尬：页面有人点，专属链接也发出去了，新客却没有完成注册或购买；另一种更早，老客户连分享按钮都懒得碰。团队往往把两种情况归到同一个原因——奖励不够大，于是从五十元加到一百元，再给首页挂一条横幅。

钱加上去了，问题可能还在原地。老客户决定要不要把链接发给朋友时，会担心自己像在赚提成；朋友收到链接后，要判断产品值不值得试、注册麻不麻烦、优惠是否真有用。这是两次不同的决定。推荐计划要先拆成分享、接受和价值兑现三段，再分别处理社交压力、行动成本和新客质量。

一条推荐链路里，有两次完全不同的决定

一条成功推荐至少经过五个动作：老客看见邀请入口、发出链接、朋友打开链接、完成约定动作、系统发放奖励。最终订单只显示最后有没有成交，无法告诉团队前面哪一步断了。

Pedro Costa 在一则公开的 B2B 推荐项目复盘 中把它称为“双漏斗”：先看多少人第一次发出邀请，再看邀请带来多少新客。他的说法来自单个团队的实践观察，价值在于把两个问题分开。分享率低，团队应检查触发时机、社交压力和分享动作；链接打开很多、接受很少，团队应检查新客得到什么、承诺是否可信，以及成功门槛是否过高。

营销研究也给出了相同方向的解释。Gershon、Cryder 与 John 的 推荐激励研究 发现，分享链接对老客来说动作成本较低，真正注册或购买对新客的成本更高。把奖励给被推荐人，既让老客显得在给朋友带来好处，也直接降低了新客采取行动的成本。只奖励老客可能增加分享意愿，却未必能推动接受。

因此，推荐看板的第一行不该只有“推荐转化率”。至少把符合触发条件的老客数、发出邀请的人数、有效邀请数、接受人数和完成价值事件的人数分开。漏斗一旦拆开，团队才知道下一笔预算应该花在奖励、产品体验，还是分享流程上。

只奖励老客，可能让一条好意变成提成

推荐发生在真实关系里。老客发给朋友的不只是一条链接，还押上了自己的判断。若页面醒目地写着“好友下单，你得一百元”，朋友很容易把这次分享理解成一次带佣金的推销。产品越新、朋友越难判断，推荐人越在意自己会被怎么看。

一项包含田野实验和四项在线实验的 研究 发现，对较创新的产品和服务，公开的小额推荐人奖励会在特定条件下降低推荐意愿。研究者把原因指向自我形象：用户原本可以通过介绍新产品显得有眼光，公开的金钱动机削弱了这层意义。提高奖励、只向推荐人私下说明奖励，或同时奖励双方，都能在实验条件下缓和影响。这个结论有明确边界，它不说明现金奖励在任何产品上都会伤害口碑。

对运营团队更有用的判断是：先问谁承担更大的动作成本。若新客要迁移数据、提交企业资料或学习一套新流程，把主要优惠给老客，很难改变新客的决定。若新客只需领取一个低风险试用，老客却要花时间解释产品，推荐人奖励才更可能成为主要杠杆。双边奖励常见，因为它同时给了老客一个体面的开口理由，也给了新客一个尝试理由。

汇丰中国公开的亲友推荐规则提供了一个结构样例：部分项目在新客达到“合格客户”条件后，同时给推荐人和被推荐人成长值；房贷推荐则把成功条件放在签约与实际放款之后。公开规则没有披露活动效果，它说明了一件更基础的事：谁得奖励、完成什么才算成功、何时发放，需要在项目上线前写清楚。

奖励要和产品的价值感对上

奖励对象确定之后，团队还要决定给现金、折扣、积分、额外容量，还是专属权益。方便采购和发放的礼品卡，未必是用户最愿意拿去和朋友解释的东西。

一项在中国健身俱乐部和旅行社进行的 田野研究 比较了实用型与享乐型奖励。实用型产品搭配实用型奖励时，转化率为 11.8%，搭配享乐型奖励为 8.7%；享乐型产品搭配享乐型奖励时为 12.0%，搭配实用型奖励时为 9.2%。后续实验支持“奖励与产品价值契合”的方向，作者也明确提醒，性别差异、价格比例和田野控制会影响结果。这里的数字只适用于研究场景，适合用来提出测试假设，不能当成行业基准。

假设一款协作软件准备测试推荐计划，可以同时设计两种方案：一种给通用礼品卡，另一种给被推荐团队首月额度，并给推荐人增加可用席位。后者把奖励放回产品价值中，也让推荐人更容易解释“这对你有什么用”。这是用于说明测试方法的假设场景，效果需要由真实实验确认。

测试时还要控制奖励总成本、触发人群和成功事件。每轮只改变一个关键变量，分别比较分享率、接受率与激活率。若三项一起更换，最终即使订单增加，团队也说不清是奖励形式、金额还是入口位置起了作用。

用户刚获得价值时，推荐入口才有上下文

新用户刚注册就收到“邀请好友赚奖励”，通常没有推荐底气。他还没完成自己的任务，也不知道产品在哪些情况下值得推荐。更自然的触发点出现在价值已经发生之后：电商客户确认收货并给出积极评价，SaaS 用户完成第一次有效协作，服务客户确认一项交付，订阅用户完成续费。

Shopify 的 推荐计划指南 也建议把应用内提示放在购买完成或积极评价等自然节点。Thomas Moussafer 的公开复盘提供了一个更具体的做法：团队只向活跃用户展示产品内推荐入口，把提交动作压缩成一次短问卷。这属于团队自述的小样本，适合借鉴入口位置，不能据此预估自己的业绩。

触发还可以利用已经存在的社会经验。Gershon 与 Jiang 的 Referral Contagion 研究 发现，在观察数据中，经推荐加入的客户更常继续推荐；这部分关联不能直接解释为因果。研究者随后在一项田野实验中，让推送提醒用户回想自己当初也经朋友推荐加入，成功推荐提升约 20%—27%。对团队来说，这提示了一种低成本做法：先找出真实由朋友带来的活跃客户，在合适时刻提醒他的加入经历。

当团队已经确定目标人群和价值时刻，可以用客户推荐裂变工具把触发条件、双方奖励、成功事件、分享文案和防滥用规则整理成一份可执行方案。工具承担的是方案整理和检查，奖励是否有效仍要由线上数据验证。

把成功定义在成交之后，才能看出推荐质量

推荐项目最容易制造的假象，是把所有经专属链接注册的人都算成新增客户。有些人原本就会购买，只是临下单时找到了优惠码；另一些人为了奖励完成注册，随后没有使用产品。分享量和注册量都变好，获客质量却可能下降。

Rubli 与 Tudon 对墨西哥一家金融科技平台的 连续随机干预研究 提供了一个完整警示。研究覆盖 390,035 名参与实验的用户，并追踪 54,164 名被推荐用户。奖励让推荐概率约增至两倍，用户对给自己的奖励反应也更强；与此同时，连续接受激励的用户再次推荐倾向下降，由受激励用户带来的新客在第一年 App 参与度更低。曾经真正推荐成功的人，后续推荐倾向仍然较高。结果来自单一金融科技平台和特定实验期，不能外推成所有行业的固定比例，但它清楚展示了“推荐更多”和“客户更好”可能分开变化。

成功事件应同时满足两个条件：用户已经获得核心价值，交易结果也稳定到足以结算奖励。电商可在确认收货并超过退货期限后结算，SaaS 可在完成激活并进入付费周期后结算，金融服务可在合格开户、入账或放款后结算。随后继续比较被推荐客户与其他渠道客户的留存、复购、贡献毛利和退款风险。

需要把这些事件接到同一条数据链时，营销归因分析工具可以帮助团队统一邀请 ID、渠道、激活、奖励成本与后续留存口径，找出奖励带来的增量。最终判断也就清楚了：分享端卡住，解决开口理由和触发时机；接受端卡住，先说清新客收益，并用奖励降低他的行动成本；注册上涨、质量下降，收紧成功条件并停止追逐表面增长。