referral-program

referral-program skill 概覽

referral-program skill 的功能

referral-program skill 可協助 AI 代理設計、診斷或優化顧客推薦計畫、affiliate program，或混合型夥伴模式。它不是只用來發想點子，而是為了實際成長規劃而設計：會把對話推進到方案類型、獎勵結構、推薦迴路設計、工具選型，以及是否能啟動上線等關鍵決策。

最適合 Product Marketing 與成長團隊的情境

這個 referral-program skill 特別適合 Product Marketing、growth、lifecycle 與 founder-led 團隊，當你需要把既有客戶或合作夥伴轉成可重複運作的獲客渠道時尤其有用。特別適合回答這類問題：

• 我們應該做 referral、affiliate，還是兩者並行？
• 什麼樣的獎勵符合我們的定價與 LTV？
• 為什麼參與率偏低？
• 上線前需要哪些工具與追蹤機制？

真正要解決的工作

多數使用者並不需要 referral marketing 的定義，他們需要的是一套可落地、能對應產品、單位經濟與顧客行為的方案。這個 skill 最強的地方，在於能把「想讓口碑多一點」這種模糊目標，轉成具體結構：觸發時機、分享流程、轉換路徑、獎勵設計、衡量指標與 rollout checklist。

這個 skill 與一般 prompt 的差異

相較於一般 prompt，這個 skill 的主要優勢在於內建決策路徑。它會明確檢查：

• referral、affiliate 或 hybrid 哪種較適合
• B2B 或 B2C 情境
• LTV 與 CAC 限制
• 目前參與情況與既有誘因
• 產品是否容易被分享、是否具備自然口碑條件
• 工具與預算是否符合現實

它也附帶 affiliate 設計參考與實際方案案例，因此輸出不容易停留在「給個折扣」這種泛泛建議。

什麼時候適合選用 referral-program skill

以下情況很適合使用 referral-program skill：

• 你正在規劃新的 refer-a-friend 或 affiliate program
• 你需要重新設計獎勵機制
• 參與率或轉換率偏弱
• 你需要案例、benchmark 或工具建議
• 你希望有一份更有結構的 Product Marketing referral-program 指南

什麼時候它不是正確工具

如果你的核心問題是整體產品 launch 的擴散性，而不是持續運作的 referral system，那這個 skill 就不是最佳選擇。repository 本身也把偏 launch virality 的問題指向 launch-strategy。另外，如果你無法提供基本商業資訊，例如定價、LTV、客戶類型與目前獲客經濟，這個 skill 的幫助也會有限。

如何使用 referral-program skill

在你的 skills 設定中安裝 referral-program

repository 並沒有在 SKILL.md 內提供安裝指令，因此請從 repo root 使用標準的 skills installer 方式：

npx skills add https://github.com/coreyhaines31/marketingskills --skill referral-program

如果你的環境已經支援本機或同步 skills，也可以直接從 skills/referral-program 加入，位置在 coreyhaines31/marketingskills repository 內。

第一次使用前，先讀這些檔案

如果你想快速抓到高價值資訊，建議依序閱讀：

1. skills/referral-program/SKILL.md
2. skills/referral-program/references/program-examples.md
3. skills/referral-program/references/affiliate-programs.md
4. skills/referral-program/evals/evals.json

這個閱讀順序有差。SKILL.md 先交代 workflow，references 補足具體細節，而 evals/evals.json 則能看出高品質輸出應該包含哪些內容。

下 prompt 前，先確認 product marketing context

這個 referral-program skill 會明確要求代理先查看 .agents/product-marketing-context.md 或 .claude/product-marketing-context.md。如果你已經把產品定位、受眾、定價或 GTM 背景維護在這些檔案中，skill 就能少問很多重複問題，也更容易產出貼近現況的方案。

如果沒有這個檔案，就把同樣的背景資訊直接寫進 prompt 裡。

至少提供這些輸入，才能解鎖有用的輸出

至少要提供：

• 你目前認為需要的方案類型：referral、affiliate，或 unsure
• B2B 或 B2C
• 產品與定價模式
• 平均客戶 LTV
• 其他渠道目前的 CAC
• 是否已經有既有方案
• 目前 referral participation 或 conversion rates
• 曾經試過的 incentives
• 產品的 shareability
• 你正在使用或負擔得起的工具

如果缺少這些資訊，referral-program 的輸出通常會停留在較泛的層次，因為獎勵經濟與方案機制都高度依賴這些前提。

把模糊需求改寫成更強的 referral-program prompt

弱的 prompt：

Help me make a referral program.

更好的 prompt：

Use the referral-program skill to design a customer referral program for our B2B SaaS. We charge $49/month, average 14-month retention, CAC is about $180 on paid channels, and we have 1,000 active customers. We do not have an existing referral program. Customers often invite teammates, but not external peers. Recommend whether referral, affiliate, or a hybrid model fits best, propose incentives, define the referral loop, suggest tools, and include a launch checklist.

這樣效果更好，因為它提供了足夠資訊，讓 skill 可以估算獎勵幅度並判斷適配性。

要求 skill 分開處理 referral 與 affiliate 邏輯

這個 repository 的一個實用優點，是它不會把 customer referral 和 affiliate partnership 混在一起。如果你的業務同時可能適合兩者，請明確說明，並要求分開給建議。

例如：

We have happy customers and industry creators. Use the referral-program skill to compare a customer referral program versus an affiliate program, including incentive structure, tracking requirements, fraud risk, and which should be launched first.

這通常會比要求一個混合版方案，更容易得出正確決策。

使用內建 workflow 來設計方案

使用這個 referral-program skill 時，一個穩健的 workflow 會是：

1. 先建立背景與經濟條件
2. 判定方案類型
3. 驗證產品是否適合分享行為
4. 設計 referral loop
5. 選擇 incentives
6. 決定工具與追蹤方式
7. 定義 launch checklist
8. 設定成功指標與檢視頻率

如果你跳過第 1 到第 3 步，後面的內容通常會變得不切實際。

用 references 來壓力測試輸出品質

這些輔助檔案不只是拿來瀏覽，真的值得拿來對照使用：

• references/program-examples.md 有助於比較 incentive 類型、viral mechanics 與 program 風格
• references/affiliate-programs.md 可用來檢查 commission、cookie windows、affiliate recruitment 與 fraud prevention

尤其當第一版答案太空泛，或過度偏向某一種模式時，這一招特別有用。

好的 referral-program 輸出應該包含什麼

根據 evals，高品質結果通常應包含：

• 清楚區分 referral 與 affiliate 模式
• 一個明確的 referral loop：trigger、share、conversion、reward
• 依你的 business model 估算過的 incentive 建議
• launch 或 rollout checklist
• 工具建議
• 如果你已有方案，還要包含優化建議

如果輸出少了這些部分，不要直接接受過於表層的方案，應要求代理修正。

常見使用情境的實用 prompt 範本

針對新方案：

Use the referral-program skill to design a first referral program for our product. Include eligibility, incentive structure, share flow, tracking, abuse prevention, and launch checklist.

針對低參與率：

Use the referral-program skill to diagnose why only 5% of customers have ever referred someone. Prioritize participation bottlenecks, messaging issues, reward mismatch, trigger timing, and product-fit constraints.

針對 affiliate setup：

Use the referral-program skill to propose an affiliate program for our subscription product, including commission model, cookie duration, recruitment channels, enablement assets, and fraud controls.

referral-program skill 常見問題

referral-program 主要是用來做 referral programs 還是 affiliate programs？

兩者都可以。這個 skill 清楚涵蓋 customer referral programs、affiliate programs、ambassador 類型模式，以及 hybrid 情境。它的價值有一部分就在於：幫你選對模式，而不是預設所有 partner-led growth 都是同一套邏輯。

referral-program skill 適合初學者嗎？

適合，但前提是你能提供基本商業資訊。你不需要很懂 growth loops，但必須提供足夠背景，讓模型可以推理 incentive 與 channel economics。對初學者來說，如果是用「請給我建議，並說明取捨」這種問法，通常能得到最大價值。

這個 skill 比一般 AI prompt 強在哪裡？

一般 prompt 很容易只產出一些泛用的獎勵點子。referral-program skill 會給代理更完整的檢查清單與 reference 基礎，因此更有機會先問對設定問題、分清 referral 與 affiliate 的運作差異，並把 launch 細節納入，而不是只停留在策略口號。

referral-program 對 Product Marketing 特別有用嗎？

有。referral-program for Product Marketing 是很合理的搭配，因為 Product Marketing 往往負責 positioning、audience understanding、messaging 與 lifecycle triggers，而這些都會直接影響 referral adoption。當 PMM 需要把產品價值、客戶動機與獲客經濟串起來時，這個 skill 特別有用。

它有幫助做優化，而不只是新上線嗎？

有。evals 清楚展示了「低 referral participation」的優化使用情境。因此它不只是一次性的規劃文件，也能協助診斷 adoption 弱、incentive 不匹配，或 referral flow 有摩擦等問題。

什麼情況下不該使用 referral-program？

以下情況不建議依賴這個 skill：

• 你的產品幾乎沒有自然分享行為，而且也沒有理由相信 incentives 能克服這個問題
• 你需要某個特定推薦平台非常技術性的實作細節
• 你的問題其實是更廣義的 launch virality，而不是持續性的 referral-program system
• 你連粗略的 economics、pricing 或 customer context 都無法提供

這個 skill 有包含 benchmark 或案例嗎？

它提供的是經挑選的案例與設計參考，而不是大型 benchmark database。這些案例很適合拿來比對 incentive 類型、program structure 與 viral mechanics，但最終仍需依你的定價與受眾做調整。

如何改善 referral-program skill 的使用效果

先從 economics 開始，不要一開始就想 reward

使用 referral-program skill 最常見的錯誤，就是直接跳去談 incentives。更好的輸出應從 LTV、CAC、retention、margin 與 customer type 開始。這樣 skill 才能判斷 free month、account credit、flat payout 或 recurring commission，哪一種在財務上合理。

清楚說明產品是否具備自然分享行為

這個 skill 會問產品是否容易被分享、是否有 network effects、是否本來就容易被談論。請誠實回答。如果客戶平常很少談起這個產品，合理結果可能只是做小規模 referral test，或改做 affiliate program，而不是直接推大規模 incentive rollout。

描述最適合提出 referral 邀請的客戶時機

Referral program 的成敗，很多時候取決於時機。請把 trigger moment 寫清楚，例如：

• after activation
• after a success milestone
• after NPS or positive feedback
• after team invite or collaboration event
• after a repeat purchase

這會幫助 skill 設計出可信的 referral loop，而不是只給一個泛泛的「加個分享按鈕」方案。

提供真實的工具與營運限制

如果你只能用輕量工具，請直接說。如果財務只能接受 monthly payouts，也請寫明。如果 legal 需要先核准 rewards，也要一併說明。你的限制越具體，這份 referral-program 指南就越實用。

要求輸出採用可直接決策的格式

通常你會在要求以下章節時，得到更好的結果：

• recommended model
• incentive options with pros and cons
• referral loop
• tooling
• launch checklist
• success metrics
• risks and fraud controls

這種格式更方便內部審閱，也更容易和其他替代方案做比較。

用案例逼出更具體的內容

如果第一版答案太抽象，可以要求代理用一到兩個 repository 案例作為錨點來重寫：

Rework this referral-program recommendation using Dropbox-style double-sided value and Morning Brew-style gamified milestones, but adapted to our SaaS economics.

這通常比單純要求「再具體一點」更能逼出更銳利的 incentive 與流程設計。

留意這些常見失敗模式

品質差的 referral-program 輸出，常見問題包括：

• 把 customer referral 和 affiliate recruitment 混為一談
• 沒檢查 unit economics 就直接推薦 rewards
• 忽略 participation friction
• 預設所有產品都很適合自然分享
• 跳過被推薦者點擊後的 referred-user experience
• 漏掉 fraud 或 abuse controls

如果你看到上述任一情況，應要求針對該缺口修正，而不是接受現有版本。

用更精準的 follow-up 改善品質不佳的初稿

以下 follow-up prompts 很實用：

• “Revise this for B2B with longer sales cycles.”
• “Make the incentive safer for a low-margin subscription.”
• “Show 3 reward options ranked by ROI risk.”
• “Add fraud prevention and tracking requirements.”
• “Diagnose why participation is low before suggesting bigger rewards.”

這些追問之所以有效，是因為它們會迫使模型做取捨判斷，而不只是再多給一些點子。

對照 eval expectations 驗證結果

提升 referral-program 輸出品質的一個實用方式，是把答案拿去對照 evals/evals.json。如果你的結果沒有檢查 product-marketing context、沒有分開 referral 與 affiliate 邏輯、沒有定義 loop、沒有估算 incentives，也沒有提供 launch guidance，那它多半低於這個 repository 預期的品質門檻。

把 referral-program 當成結構化顧問，而不是 autopilot

這個 skill 的最大價值，在於加快決策，而不是取代判斷。最好的使用方式，是提供扎實的商業背景、批判性檢視它提出的機制，並在第一版方案暴露出真正取捨之後再迭代一次。