顧客推薦制度最適合已經有穩定滿意客戶、回購紀錄或成功案例的台灣中小企業。它不是單純發折扣碼，而是先定義誰可以推薦、被推薦人得到什麼、推薦人何時得到獎勵、如何在 LINE 或 CRM 留下紀錄，以及如何判斷這筆新客是否真的來自推薦。AI 可以協助挑出高滿意度客戶、整理邀請訊息、提醒業務跟進與檢查異常，但獎勵承諾、個資告知與推薦關係揭露仍要由企業明確負責。
顧客推薦制度先回答三個問題
很多老闆一聽到推薦制度，第一反應是「要不要給 500 元、折價券或購物金」。這個順序太快。真正的顧客推薦制度，先回答三個營運問題：第一，誰是值得被邀請推薦的客戶；第二，推薦成功的標準是填表、預約、成交，還是完成付款；第三，獎勵要在什麼條件成立後才發放。
如果這三件事沒有定義清楚，推薦活動很容易變成一次性的促銷。短期看似有人分享，後台卻分不清自然來客、廣告來客與朋友介紹，最後也無法判斷下次要不要加碼。
這篇方法適合誰，不適合誰
這篇適合客單價較高、服務需要信任、回購或續約有明顯價值的企業，例如顧問服務、B2B 服務、補習教育、診所非醫療廣告範圍內的服務溝通、健身課程、居家服務、餐飲會員、電商熟客經營與在地店家。這些場景裡，老客戶的介紹通常比冷廣告更容易建立信任。
不適合的情況也要先說清楚：如果產品交付還不穩、客訴未處理、毛利不足以支撐獎勵、或成交流程完全無法標記來源，先不要急著做推薦獎勵制度。此時應先修正產品體驗、客服回覆與基本追蹤，否則推薦制度只會放大既有問題。
五種推薦獎勵設計怎麼選
推薦制度的獎勵不一定要越高越好。中小企業更該先選一種容易理解、容易核銷、容易停止的設計，跑出基準數據後再加碼。
| 獎勵類型 | 適合情境 | 主要風險 | AI 可協助的地方 |
|---|---|---|---|
| 單邊獎勵 | 推薦人動機強、被推薦人本來就有需求 | 新客誘因不足 | 找出高滿意客戶與常互動客戶 |
| 雙邊獎勵 | 電商、課程、門市、會員服務 | 折扣成本上升 | 依毛利與回購機率建議獎勵級距 |
| 服務升級 | B2B、顧問、訂閱服務 | 交付人力被低估 | 估算可承受的服務時數與優先序 |
| 階梯式推薦 | 有 KOC、團購主或長期合作夥伴 | 規則太複雜、易被鑽漏洞 | 偵測異常推薦頻率與重複資料 |
| 公益或社群回饋 | 品牌信任高、客群重視價值觀 | 短期轉換可能較慢 | 整理客戶回饋與推薦故事素材 |
建議第一版只用一種主要獎勵，加上一句清楚規則。例如「好友完成首次付費後，推薦人獲得下次服務折抵，被推薦人獲得首次體驗優惠」。不要同時塞入會員等級、抽獎、分潤與滿額門檻，否則前線同事與顧客都會搞混。
用 AI 找出適合邀請的老客戶
AI 在推薦制度裡最有價值的位置，不是自動大量私訊所有人，而是幫團隊縮小邀請名單。你可以把最近 6 到 12 個月的訂單、客服紀錄、滿意度回覆、回購頻率、LINE 互動標籤與業務備註整理成欄位，請 AI 協助分成「適合邀請」、「先關懷」、「暫不打擾」三類。
判斷條件要透明。適合邀請的人通常有幾個特徵：最近有正面回饋、問題已解決、購買品項穩定、沒有未結客訴、與品牌互動不是只為了折扣。AI 可以提出候選名單，但最後應由客服、業務或店長確認，避免把尚未滿意的客戶推進推薦活動。
LINE、CRM 與 GA4 的最小追蹤架構
台灣中小企業不一定一開始就要買完整推薦平台。最小可行版本可以用 LINE 官方帳號標籤、表單、CRM 或 Google Sheet 先跑起來。LINE 官方帳號官方頁面提到，商家可以用聊天標籤受眾、曝光或點擊再行銷、加入管道受眾等方式做分眾溝通；LINE SME 的分眾標籤文章也把標籤定位為降低不必要群發、提升相關性的工具。參考：LINE 官方帳號產品頁、LINE SME 分眾標籤說明。
追蹤欄位不必多，但一定要一致：推薦人 ID、被推薦人聯絡方式、推薦來源、分享日期、首訪日期、是否合格、是否成交、成交金額、獎勵狀態、個資告知版本。若網站或 App 有埋點，Google Analytics 建議事件可對應分享、註冊、名單與購買等動作，例如 share、sign_up、generate_lead、purchase 與 lead-funnel events。這些事件不會自動代表推薦成功，仍要搭配你的推薦碼、表單欄位或 CRM 標籤。
14 天試跑流程
第 1 到 2 天：定義成功條件
先決定推薦成功是「留下名單」、「完成預約」、「到店體驗」還是「首次付款」。B2B 或高客單價服務不應只看表單數，因為低品質名單會拖慢業務。電商或門市則可以先看首次購買，但要同時記錄毛利與退貨。
第 3 到 5 天：建立邀請名單與話術
讓 AI 根據既有資料產生候選名單與三種邀請訊息：熟客版、近期好評版、合作夥伴版。每一版都要由真人改寫成品牌語氣，並清楚說明推薦人與被推薦人的獎勵條件。不要讓訊息看起來像群發廣告。
第 6 到 9 天：小批量邀請
先邀請 20 到 50 位最適合的老客戶，不要一口氣推全名單。客服或業務在 LINE 或 CRM 貼上「referral-invited」與「referral-shared」等內部標籤，並記錄每位客戶是否願意分享。這一步的目標是學習話術與規則是否清楚，不是追求最大觸及。
第 10 到 12 天：追蹤與排除異常
檢查重複手機、相同地址、同一裝置大量送出、短時間內異常成交、或推薦人與被推薦人關係不明的狀況。AI 可以協助標示異常樣態，但不要自動拒絕獎勵；應建立人工覆核流程，避免誤傷真實客戶。
第 13 到 14 天：決定擴大或修正
看四個指標：邀請回覆率、分享率、合格名單率、推薦成交毛利。若分享率高但合格名單率低，表示話術太廣；若合格率高但成交低，可能是被推薦人的首次優惠或銷售跟進不足；若成交毛利不足，獎勵成本要下修或改成服務升級。
個資、薦證與信任風險
推薦制度會碰到個資與薦證揭露。全國法規資料庫的個人資料保護法第 8 條要求，蒐集個人資料時應明確告知機關或非公務機關名稱、蒐集目的、資料類別、利用期間地區對象方式、當事人權利與不提供的影響。設計推薦表單時，至少要把蒐集目的、聯絡方式使用、保存期限與刪除請求方式寫清楚。參考：個人資料保護法第 8 條。
如果推薦人因分享而取得利益，對外溝通就不應偽裝成完全無誘因的自然口碑。公平交易委員會對薦證廣告的說明把「廣告主以外之他人」反映其意見、信賴或親身體驗的內容納入判斷，且要求廣告主對內容真實性負責。實務上，推薦邀請頁、分享文案與活動規則應清楚寫明獎勵條件，避免讓被推薦人誤以為推薦人沒有任何利益關係。參考：公平交易委員會薦證廣告規範說明宣導會資料。
資料更新與限制
本文更新於 2026 年 6 月 3 日。工具功能與法規適用會變動，尤其是 LINE 官方帳號方案、AI 聊天功能適用業種、Google Analytics 事件建議與個資法修正施行狀態。本文引用的核心資料包括 LINE 官方帳號產品頁、LINE SME 分眾標籤文章、Google Analytics recommended events、全國法規資料庫個人資料保護法第 8 條，以及公平交易委員會薦證廣告說明。
本文提供行銷與營運設計建議，不是法律意見。若推薦制度涉及醫療、金融、保險、投資、健康食品、藥品、加盟、直銷或高額分潤，請先請法務或主管機關規範熟悉者檢查活動辦法。
結論：先做可追蹤的小制度，再買大系統
台灣中小企業要做顧客推薦制度，最好的起點不是複雜工具，而是一個清楚、可信、可衡量的小流程：挑對客戶、說清獎勵、留下來源、追蹤成交、準時發放、定期檢查毛利。AI 的角色是讓團隊更快整理名單、產生草稿、提醒跟進與檢查異常；真正讓推薦成立的，仍然是客戶對產品與服務的信任。
FAQ
顧客推薦制度一開始要給現金獎勵嗎？
不一定。若毛利有限，可以先用服務升級、購物金、下次折抵或雙方小額優惠測試。重點是條件清楚、可核銷、可停止，而不是獎勵金額越高越好。
AI 可以自動挑出要邀請推薦的客戶嗎？
AI 可以協助排序候選名單，例如依回購、滿意度、互動紀錄與客訴狀態分群；但最後應由客服、業務或店長確認，避免邀請尚未滿意或不適合被打擾的客戶。
沒有 CRM 可以做推薦制度嗎？
可以先用 LINE 標籤、表單與 Google Sheet 試跑。最低限度要記錄推薦人、被推薦人、來源、狀態、成交與獎勵發放。當名單量、分店數或獎勵規則變複雜時，再評估 CRM 或推薦工具。
推薦人拿獎勵需要揭露嗎？
建議揭露。只要推薦人因分享可能取得利益，就應在活動規則、邀請頁或分享訊息中清楚說明獎勵條件，避免被推薦人誤以為推薦完全沒有誘因。
推薦制度最重要的指標是什麼？
不要只看分享次數。至少要看邀請回覆率、分享率、合格名單率、成交率、成交毛利、獎勵成本與回購。若只有分享但沒有合格名單，表示誘因或邀請對象需要重做。