Shopee老带新怎么做：让满意老客带来新客

老带新的价值在哪里

第一个价值是获客成本低。广告获取一个新客需要持续投入，推荐来的新客只需要一次性支出奖励，而且这个奖励的成本可以精确控制。

第二个价值是信任起点高。熟人的推荐本身带有背书，新客对商品的怀疑会少很多，决策周期也明显更短。

第三个价值是留存更好。推荐来的新客往往和老客有相似的需求和偏好，商品匹配度高，复购的概率也就更大。

第四个价值是评价质量。这类新客的预期更接近实际，不容易产生落差，给出的评价通常也更客观正面。

第五个价值是抗风险。平台的流量规则会变化，广告成本会波动，自有渠道带来的新客受这些外部因素影响较小。

第六个价值是长期积累。老客的推荐关系会形成网络，一个满意客户能带来的新客可能不止一个，这个网络的规模会随时间扩大。

把老带新和广告投放的成本放在一起比较，很多店铺会发现推荐的性价比明显更高，问题只是在于这件事没有专门去做。

老带新的效果不是线性的。前几次触达的响应可能很低，随着机制跑顺、老客形成习惯，效果会逐步显现出来。

推荐关系还有一个特点是可复用。老客推荐来的新客，如果体验好，也有可能成为下一个推荐人，形成扩散的链条。

对多品类经营的店铺，同一个老客可以在自己买过的品类之外带来新客，这种跨品类的推荐能帮店铺拓宽客群。

老带新还提供了一个观察买家满意度的窗口。愿意推荐的老客比例，某种程度上比评价分数更能反映真实的口碑水平。

从长期看，稳定的推荐渠道能降低店铺对平台流量的依赖，这在流量成本持续上涨的环境下是一种结构性优势。

把老带新的数据和其他获客渠道放在同一张表里对比，能直观看出这个渠道的位置。多数店铺在做完这个对比之后，会把老带新提升到更重要的位置。

推荐关系的价值还体现在信任的传递上。买家相信朋友的选择，这种信任在成交时直接体现为更少的犹豫和更快的决策。

从运营效率上看，老带新的边际成本是递减的。机制搭建完成之后，每带来一个新的推荐人，后续的获客成本还会继续降低。

推荐渠道的稳定性也是它的优势之一。广告的效果会随竞争环境波动，推荐的效果主要由商品和服务质量决定，可控性更强。

推荐渠道的启动不需要额外预算。机制搭建的人力投入是主要成本，触达和奖励的支出可以随着效果逐步放大。

把老带新和内容营销结合也是常见做法。买家分享的内容本身就是素材，能同时服务于群内传播和站外曝光。

老客为什么愿意推荐

第一个原因是商品确实好用。这是最基础的条件，商品本身有问题，任何奖励都换不来真心的推荐。

第二个原因是推荐的动作足够简单。如果推荐需要老客解释很多、或者操作步骤繁琐，多数人会放弃。

第三个原因是推荐有明确的回报。回报不一定是钱，但必须让老客感觉到这件事对自己是有价值的。

第四个原因是推荐的场景自然。买家在和朋友聊天时提到某个商品，这种自然的场景比刻意发广告的接受度高得多。

第五个原因是店铺的服务让老客愿意背书。服务好的店铺，老客推荐时没有心理负担；服务差的店铺，老客会担心推荐之后朋友不满意。

第六个原因是推荐的门槛低。让老客写一段推荐语很难，让她转发一条现成的信息容易得多，门槛的差异直接影响参与率。

这几个原因里，商品和服务是基础，动作和回报是推动力。缺了基础，推动力再大也只是短期刺激；缺了推动力，基础再好也很难转化成人传人。

老客的推荐意愿也可以主动培育。在售后沟通中表达感谢、在群里营造分享的氛围，这些动作会慢慢提高推荐的自然发生率。

推荐意愿是可以被观测的。老客在评价里表现出高度满意、主动在群里分享、咨询态度积极，这些都是潜在的推荐人信号。

对不同类型的商品，推荐意愿也不同。有些商品买家愿意公开分享，有些涉及隐私的品类买家只会在私下推荐，渠道设计时要考虑到这一点。

推荐的门槛要针对不同人群调整。活跃的老客可以接受稍复杂的流程，普通的买家越简单越好。

场景化的提醒比泛泛的邀请更有效。比如买家刚收到货、刚用完一次、刚给了好评，这些时刻提起推荐，成功率通常更高。

对不同满意度的老客要用不同的触达方式。满意度一般的先解决他们的问题，再考虑邀请推荐。

老客推荐的动力有时候和奖励无关。如果商品真的解决了他的问题，他会主动分享，这种自然推荐的质量往往比奖励驱动的更高。

对自然推荐也要给予回应。感谢、回馈、记录，这些动作能让老客感受到被认可，推荐的行为会持续。

推荐意愿的培养是长期工作。每一次好的售后体验、每一次及时的响应，都在为后续的推荐积累基础。

给推荐行为一个正式的入口很重要。买家有意愿但找不到入口，这个机会就流失了，把入口放在显眼位置能提高转化。

奖励机制怎么设计

第一条设计原则是双向奖励。老客拿到推荐奖励，新客拿到首单优惠，双方的参与动力都有了，转化链条才能跑通。

第二条原则是奖励金额参考获客成本。把广告获取新客的平均成本作为参照，奖励总额控制在这个数字以内，投入就是划算的。

第三条原则是奖励形式匹配商品属性。低客单价的商品适合用优惠券，中高客单价可以用积分或者实物，形式要和买家的感知价值匹配。

第四条原则是规则清晰可核对。什么样的行为算有效推荐、奖励什么时候发放、有没有上限，这些要写清楚，避免后续争议。

第五条原则是奖励兑现要及时。老客推荐成功之后很久拿不到奖励，下次就不会再推荐。兑现的时效本身就是机制可信度的一部分。

第六条原则是设置合理的上限。无上限的推荐奖励容易被专门做奖励的人利用，设置每人每月或者一定周期内的上限能控制风险。

奖励的形式可以组合使用。比如老客拿到优惠券、新客拿到折扣，两边都能感受到实际的好处，成本却不一定很高。

机制设计完之后建议先小范围试跑，把规则里的模糊之处暴露出来，再全面推开。规则在纸面上看起来清楚，实际执行时往往会有理解偏差。

奖励的类型可以按买家的偏好分。有些买家更在意实际的优惠，有些更在意专属的权益感，两种偏好都能通过不同的奖励形式覆盖。

奖励的力度建议做成梯度。推荐数量达到一定水平之后奖励可以升级，这种设计能激励真正有影响力的老客持续推荐。

把奖励的规则写成一页纸的说明。买家看一遍就能明白，执行时才不会出现理解上的偏差。

奖励的成本要纳入月度核算。推荐成本、优惠让利、运营人力加总起来，和带来的新客价值对比，才能判断机制是否健康。

奖励的形式不必复杂。一段时间的实践之后会发现，简单直接的优惠券往往比复杂的积分机制更容易被理解和使用。

奖励的说明要放在老客能经常看到的地方。分享素材里、群里、售后沟通里都提一次，参与率会更高。

奖励机制不分大小店铺。小店铺用简单的双向优惠券就能跑通，关键是把规则和执行做扎实，而不是机制有多复杂。

奖励和商品质量的关系要理清。商品本身有问题时，奖励只能带来短期的新客，留存和口碑都会出问题。

奖励的发放记录要留存。谁推荐的、什么时候推荐成功的、奖励什么时候发的，这些记录既是核算依据，也是后续优化规则的输入。

奖励的表述要具体。说清楚推荐成功之后能获得什么、什么时候到账，比含糊的承诺更容易让人行动。

推荐链路怎么落地

第一步是筛出合适的老客。优先找复购过、评价正面、沟通积极的买家，这部分人的推荐意愿最强。

第二步是准备好分享素材。给老客一段现成的文案和一张图片，她只需要转发，不需要自己写内容。

第三步是标明推荐通道。新客通过专门的入口下单，系统能记录推荐关系，后续的奖励发放才有依据。

第四步是承接新客的需求。新客进来之后要有清晰的引导，让他知道怎么使用优惠、怎么联系客服。

第五步是跟踪关系链。推荐关系要记录在系统里，能追溯推荐人、被推荐人和对应的订单，这是核算和分析的基础。

第六步是按时发放奖励。发放之后要通知双方，让老客知道奖励已经到账，这个反馈会强化下一次的推荐意愿。

链接路上的每一环都要有人负责。环节多了容易在交接处出问题，把责任明确到具体的人，执行才不会断。

整个流程的时间要尽量压缩。从老客分享到新客下单之间的间隔越短，转化的概率越高，中间任何一个卡顿都会损失一部分。

分享素材的形式要考虑使用场景。买家多数会在社交渠道分享，素材要适配这些渠道的展示方式，太长的文案没人愿意转发。

推荐入口要尽量少步骤。从看到分享信息到完成下单，中间的跳转越少，流失越少。

新客下单之后的体验要特别留意。推荐来的新客如果体验不好，不只是损失一个客户，还会影响推荐人的感受。

系统里的推荐标记要准确。标记错了会导致奖励发错，也会让数据分析失去参考价值。

链路跑通之后要做一次完整的测试。从老客分享到新客下单再到奖励发放，全流程走一遍，找出容易卡住的位置。

推荐流程的操作说明要简单到不需要思考。任何需要买家判断的地方，都是流失的节点。

链路的设计要从买家的角度出发。买家会怎么分享、分享给谁、对方看到之后会怎么做，把这个过程想清楚，链路才算设计好。

链路跑一段时间之后要复盘每个环节的转化率。哪一步流失最多，就是最需要优化的地方。

如果平台对私域导流有限制，链路设计要符合平台的规则要求，避免因为操作方式不当带来的账号风险。

推荐成功的通知要同时发给推荐人和被推荐人。双方都知道推荐关系已经生效，参与感和信任都会增强。

怎么防止刷单和作弊

第一个条件是要求新客是首次购买。老客自己注册新账号来刷奖励，是最常见的作弊方式，用首购条件能挡掉大部分。

第二个条件是订单不能取消或者退款。如果奖励发放之后订单被取消，奖励要能追回，规则里要提前写明。

第三个条件是限制相同的收货信息。同一地址或者同一联系方式重复出现，视为同一个买家，不重复计算奖励。

第四个条件是设置奖励上限。单个老客在一定周期内能获得的奖励有上限，避免被集中利用。

第五个条件是奖励发放延后。等订单完成一定时间之后再发放，给退款和异常情况留出观察窗口。

第六个条件是定期抽查。对异常集中的推荐关系做人工核查，发现问题及时调整规则。

风控条件要写在机制说明里。买家事先知道规则，后期执行时就不会有争议，也能起到一定的约束作用。

风控和参与率之间需要平衡。条件设置得过严，真实的老客可能因为流程复杂而放弃参与，这部分的损失也要算进来。

风控规则的执行要有一致性。同样的行为有的被处理有的没处理，会引发争议，规则执行的标准要提前说清楚。

异常的推荐关系可以从数据里发现。某个老客的推荐集中出现、推荐的新客行为模式相似，这些都是值得核查的信号。

奖励追回的规则要明确。订单取消、退款、判定为异常的情况下，奖励如何处理要提前写进说明里。

定期回顾风控规则的有效性。作弊方式会变化，规则也要跟着调整，长期不更新的规则会逐渐失效。

风控条件的设计要考虑到真实用户的体验。为了防住少量作弊而把大多数真实老客挡在门外，得不偿失。

对于已经发生的作弊行为，处理要果断。奖励追回、后续不再参与，态度明确才能维持机制的秩序。

风控的执行要和客服提前对齐。客服是规则的第一解释方，口径一致才能避免买家产生误解。

对于不同站点的买家，风控条件要考虑当地的习惯。收货信息和联系方式的判定规则在不同市场可能不同。

效果怎么衡量

第一个指标是推荐带来的新客数量。这个数字反映机制的实际规模，是判断投入是否值得的基础。

第二个指标是推荐新客的获客成本。把奖励成本和运营成本加总，除以带来的新客数，和广告渠道对比。

第三个指标是推荐新客的留存率。这部分新客的复购表现如何，决定了推荐的长期价值。

第四个指标是参与率。被触达的老客里有多少实际参与了推荐，这个数字反映机制的门槛和吸引力是否合适。

第五个指标是推荐关系的人均产出。一个活跃的推荐人平均能带来多少新客，这个数字能帮助识别出高价值的老客。

衡量时要区分自然推荐和机制推动的推荐。有些老客本来就会推荐，机制的作用是让这件事发生得更频繁。

评估的周期建议按月，最少观察三个月。推荐的传播需要时间，短期数据不足以判断机制的长期效果。

如果参与率低，先检查触达的人群是否满意、分享是否足够简单、奖励是否有吸引力，这三个环节是主要的影响因素。

衡量时要把推荐成本和推荐收益放在一起看。只看带来的新客数量，不看成本结构，容易得出过于乐观的结论。

推荐新客的质量可以和老客做对比。复购率、客单价、退货率这几个指标对比下来，就能看出推荐渠道的实际价值。

把参与推荐的老客单独标记出来，跟踪他们的复购和消费变化。参与推荐的老客往往粘性更高，这部分数据也有参考价值。

衡量结果要能指导调整。成本偏高就调整奖励力度，参与率低就优化触达和门槛，数据要能对应到具体动作上。

数据积累到一定量之后，可以分析哪类老客的推荐效率最高。找到特征之后，触达的对象就能更精准。

衡量结果要定期和团队同步。让所有人看到推荐渠道的贡献，后续的配合和资源投入才有共识基础。

把老带新的数据和其他渠道并列展示，用同一套口径对比，结论会更清晰。

把推荐渠道的数据按月记录并留存，长期积累之后能看到这个渠道的成长曲线，也能为预算分配提供依据。

衡量老带新时不要忽略维护成本。触达、沟通、发放奖励都需要人力，这部分投入也要计入总成本。

如果发现推荐新客的留存明显更好，可以把推荐渠道在预算分配中的优先级提高，资源向效果好的渠道倾斜。

常见误区

第一个误区是给所有老客群发推荐邀请。没有购买体验或者体验一般的老客，推荐意愿很低，群发只会打扰他们。

第二个误区是奖励金额定得过高。奖励超过获客成本，推荐越多亏损越多，机制本身就不成立。

第三个误区是让老客承担说服的成本。老客需要花时间解释商品，参与率会非常低，应该由店铺准备好素材。

第四个误区是奖励发放拖延。老客推荐之后很久拿不到奖励，会直接影响对店铺的信任。

第五个误区是规则含糊。什么算有效推荐、什么时候发奖励说不清楚，执行时必然产生争议。

第六个误区是不做风控。没有任何限制的推荐奖励，很快会被专门逐利的人利用。

第七个误区是只看数量不看质量。推荐来的新客如果留存差、退货多，数量再多也没有意义。

第八个误区是把老带新当短期活动。推荐关系需要时间积累，做一次就停，效果很难体现。

第九个误区是奖励规则只写在内部文档里。买家不知道规则，参与时就会有很多疑问，沟通成本反而更高。

第十个误区是不区分推荐人和被推荐人的关系。关系类型会影响后续的维护方式，记录下来才能做更精细的运营。

第十一个误区是忽略推荐人的后续体验。推荐成功之后就失去联系，老客的推荐热情会逐步下降。

第十二个误区是只在新品期做老带新。推荐机制适合长期运行，只在特定阶段使用会错过很多自然推荐的机会。

第十三个误区是把推荐奖励当成折扣。推荐奖励的成本和折扣的成本结构不同，混在一起核算会看不清真实情况。

第十四个误区是没有给推荐机制明确的负责人。跨运营、客服、财务多个环节的工作，没人牵头就落不了地。

第十五个误区是让老客自己承担推荐的说服工作。老客只适合分享，说服的部分应该由商品和服务本身来完成。

第十六个误区是忽略推荐来的新客的售后体验。这部分新客出现问题，会同时影响新客和推荐人两个关系。

最后一个建议是把老带新纳入常规的运营机制，设定固定节奏的触达和复盘。持续运行之后，它会成为一条稳定的新客来源。

第十七个误区是不给推荐行为设置反馈。老客不知道自己的推荐有没有成功，参与的持续性会受影响。

第十八个误区是奖励方式长期不变。买家的偏好会变化，奖励的形式也需要定期评估和调整。

第十九个误区是忽略推荐人的信誉积累。长期稳定推荐的买家，可以给予更高的信任等级和更好的待遇。

第二十个误区是把机制做得太复杂。规则越复杂，理解和执行的成本越高，参与率反而越低。

最后一个提醒是，老带新的基础是商品和服务。机制只是放大器，商品本身没有让人推荐的价值，任何机制都不会带来持续的效果。

第二十一个误区是把老带新当成获取新客的唯一渠道。它适合作为补充，和其他渠道配合使用效果最好。

第二十二个误区是不给机制的运行做阶段性检查。机制上线之后环境会变化，定期检查才能保证规则还适用。

第二十三个误区是忽略老客的隐私。推荐关系涉及买家的信息，处理时要符合相关的合规要求。

把这件事长期做下去的关键是让它变成常规动作。每周固定触达一批满意老客，每月固定复盘一次数据，机制就能持续产生价值。

第二十四个误区是只在顺境时做老带新。商品和服务的口碑在困难时期更重要，这时候的推荐带来的信任更扎实。

最后一个提醒是把老带新看成商品口碑的自然延伸。商品和服务做到位，推荐只是把这件事变得更有组织，效果的好坏最终还是由商品本身决定。

常见问题（FAQ）