推薦獎勵計畫不要從「送多少折扣」開始，而要先定義五件事：一筆有效推薦值多少、什麼情況才算有效、推薦人要怎麼揭露獎勵關係、誰推薦誰如何歸因、以及哪些異常要先人工審核。AI 可以幫台灣 SME 算獎勵上限、草擬 LINE 或 IG 分享文案、整理推薦碼資料表與防刷規則；但獎勵承諾、個資告知、揭露句和最後核發責任，仍要由人確認。
推薦獎勵計畫為什麼不能先從折扣開始
很多小店、課程、顧問服務、電商和在地服務業，一開始都會把推薦活動想成一句話：「推薦好友，各送 100 元。」這句話很好懂，卻少了四個營運問題：這 100 元會不會吃掉毛利？被推薦人只註冊不消費算不算？推薦人分享時要不要說自己有獎勵？如果同一個人開多個帳號怎麼辦？
搜尋結果裡表現好的推薦計畫教學，通常不是只給文案範本，而是把機制拆成獎勵模型、雙向誘因、分享體驗、歸因追蹤和防刷規則。這個方向值得採用，但台灣 SME 還要多補一層：公開推薦如果帶有獎勵、抽獎、折扣、點數或分潤，就不只是行銷創意，也可能被讀者理解成帶有利益關係的薦證內容。公平交易委員會的薦證廣告規範說明提醒，非一般大眾可合理預期的利益關係若未充分揭露，可能產生交易秩序風險。
所以，推薦獎勵計畫的重點不是把獎勵喊大，而是讓顧客願意真心推薦、讓新客知道推薦關係、讓公司算得出成本，並讓後台能判斷每一筆推薦是否有效。
上線前先補 5 個防刷欄位
1. 獎勵上限：先用毛利和可承受 CAC 算，不要憑感覺
第一欄不是活動名稱，而是每一筆有效推薦最多能花多少。最簡版可以先放四個數字：平均客單價、毛利率、預估回購次數、目前用廣告或活動取得一位新客的大約成本。AI 可以協助你把不同獎勵組合列成表格，但不能替你發明毛利或回購率。沒有真實數字時，先用保守區間，並把試點規模壓小。
2. 有效事件：註冊、加好友、下單、核銷要分開
很多推薦活動虧錢，是因為把「按了連結」或「加入 LINE」直接算成成功推薦。對大多數台灣 SME 來說，較安全的有效事件應該接近真實商業價值，例如完成首購、到店核銷、付款未退款、預約到場，或業務確認為合格名單。若你只是想擴大 LINE 好友數，也可以把加好友當成中間指標，但不要把它和成交混在同一個獎勵欄位。
3. 揭露句：推薦人有獎勵，就讓新客看得懂
如果推薦人會因為分享、成交或被推薦人下單而得到折扣、點數、現金、贈品或抽獎資格，分享文案就要讓對方看得懂這層關係。美國 FTC 的Endorsement Guides FAQ也強調，會影響讀者判斷的利益關係應該清楚、顯眼、難以錯過；個人化折扣碼本身不一定足以讓所有人理解背後可能有財務關係。台灣 SME 不必把文案寫得像法條，但可以用白話，例如「你用我的連結首購有折扣，我之後也會拿到回饋券」。
4. 歸因欄位：推薦碼、短連結和店員輸入要能對帳
沒有歸因，推薦獎勵就會變成吵架現場。最小做法是一張試算表：推薦人、推薦碼或連結、被推薦人、訂單或預約編號、有效事件、狀態、獎勵是否發放、人工備註。若有電商或 CRM，再把推薦碼帶進訂單欄位。若是門市，就讓店員在 POS 備註或表單填入推薦碼；但要同時設計錯碼、漏填和補登的規則。
5. 防刷審核：先定義哪些情況暫緩發獎
推薦活動只要有實質利益，就要預設會有人測試漏洞。常見風險包括自我推薦、同手機或同付款方式重複領、退貨後仍領獎、員工或合作夥伴濫用、假帳號刷加好友、被推薦人沒有真實消費。AI 可以幫你列出異常規則，但建議把核發時點放在真實消費完成後，並保留人工審核與暫緩發放機制。
不同情境適合的獎勵設計
| 情境 | 較適合的獎勵 | 要避免的錯誤 | AI 可以幫什麼 |
|---|---|---|---|
| 餐飲、零售、生活服務 | 被推薦人首購禮，推薦人下次回購券 | 分享就發券，導致假分享或自我推薦 | 產生短版 LINE 文案、整理核銷名單 |
| 課程、顧問、B2B 服務 | 完成諮詢或成交後才給折抵、點數或服務加值 | 把高單價決策寫成朋友隨手下單 | 整理推薦來源、需求摘要與業務追蹤狀態 |
| 電商與會員制品牌 | 雙向折扣、點數、免運或會員升級 | 只看新註冊數，不看首購與退款 | 比對訂單、退款、推薦碼與回購狀態 |
| 專業或高度信任服務 | 小額感謝、公益捐贈、非現金回饋 | 讓推薦看起來像保證療效、收益或結果 | 檢查文案是否有過度承諾或缺少揭露 |
7 天小規模試點流程
第一天，先列出過去三個月最願意回購或好評的客群，不要直接把全名單都丟進活動。第二天，算出每筆有效推薦可承受的獎勵上限。第三天，用 AI 草擬三組雙向誘因，再由老闆或行銷負責人選一組最容易執行的版本。第四天，完成推薦碼、表單或短連結欄位。第五天，寫好分享文案、揭露句、活動規則與客服回覆。第六天，只邀請一小群熟客測試。第七天，檢查參與率、有效推薦、人工處理時間和異常案例，再決定是否擴大。
這個試點的目標不是七天內讓營收爆發，而是確認三件事：顧客願不願意自然分享、公司能不能正確歸因、獎勵成本是否在可承受範圍內。若這三件事不成立，擴大活動只會擴大混亂。
誰適合做，誰先不要做
這套方法適合已經有穩定好評、回購、會員、LINE 官方帳號、CRM 或訂單紀錄的台灣 SME，例如餐飲、課程、維修、美業、電商、顧問、B2B 服務、設計工程和在地服務。共同點是：既有顧客真的有推薦理由，公司也能追蹤下一步。
如果你的產品體驗還不穩、客訴尚未處理、毛利不清楚、訂單或預約資料散落在個人手機裡，先不要急著上線推薦獎勵計畫。這時 AI 應該先用來整理回饋、找出高滿意與高風險客群，而不是把問題包成一場活動。
資料更新與來源
本文更新於 2026 年 9 月 27 日。推薦計畫結構觀察參考 AgentAI 智庫的AI 推薦獎勵計畫教學與 Zarif Automates 的AI referral program setup文章；揭露與薦證風險參考公平交易委員會薦證廣告規範說明與 FTC Endorsement Guides FAQ；台灣 SME 導入 AI 的政策背景參考經濟部中小及新創企業署中小微企業 AI 創新應用輔導計畫頁面。平台功能、抽獎規則、稅務、個資與產業法規可能變動，正式活動上線前應回到官方文件並由負責人確認。
結論：先讓推薦變可控，再讓 AI 幫你放大
推薦獎勵計畫最怕的不是獎勵不夠吸引人，而是活動一開就不知道誰推薦誰、該不該發獎、成本算不算得回來、推薦文案是否讓新客誤會。台灣 SME 可以用 AI 加速計算、文案、欄位與防刷清單，但先把獎勵上限、有效事件、揭露句、歸因欄位和人工審核責任補齊。當這五個欄位穩了，推薦才會從偶然口碑變成可追蹤的成長流程。
FAQ
推薦獎勵計畫一定要雙向獎勵嗎？
不一定，但多數 SME 可以先測雙向獎勵，因為被推薦人需要嘗試理由，推薦人也需要分享動機。若毛利很低，可改成小額回饋、點數、加值服務或非現金感謝。
推薦人分享時一定要揭露自己有獎勵嗎？
如果推薦人會因為對方使用連結、代碼或完成消費而得到利益，建議用白話揭露。揭露不必很長，但要讓新客看得懂推薦關係，不要只藏在活動細則。
沒有工程資源也能做推薦碼嗎？
可以先用試算表、表單欄位、短連結或結帳備註做小規模試點。重點是每筆推薦都能對到推薦人、被推薦人、訂單或預約，以及獎勵發放狀態。
AI 可以自動判斷誰該發獎嗎？
AI 可以先整理異常訊號，例如同電話、同地址、退款、重複帳號或資料缺漏，但第一次上線不建議全自動發獎。最好保留人工審核，至少等試點穩定後再自動化。
推薦活動要看哪些成效指標？
不要只看分享數。至少要看有效推薦數、首購或到場數、獎勵成本、退款或取消率、人工處理時間、次月回購，以及推薦客和一般廣告客的差異。