17 · 推荐与裂变

让老用户带新用户的可复制机制

📚 系列导航：这是《数字营销增长入门》的第 17 篇（共 22 篇），第四段收尾。前面几段都在花钱或花力气获客，这一篇讲 AARRR 里最省钱的一段——让老用户免费带来新用户。下一段进入 AI 提效：18 · AI 营销工作流。

获客最省钱的方式，是让满意的老用户替你去拉新——他们的推荐比任何广告都可信，而成本趋近于零。

但推荐这件事，最容易被做成"假增长"。我见过太多团队砸现金补贴搞裂变，数据一时好看，补贴一停，薅完羊毛的用户三周流失大半。这一篇只干一件事：教你设计可持续的推荐机制，用 K 因子衡量它，并区分"产品固有的分享动机"和"停就崩的补贴噱头"。

看完这一篇，你会拿到：

• 推荐为什么是 CAC 最低、留存最好的一段
• K 因子：衡量口碑传播的核心指标
• 可复制机制 vs 一次性噱头的判别
• 一个你自己产品的推荐钩子设计 + K 因子估算

---

01 推荐为什么最省钱

老带新有两个独特优势：CAC 趋近于零（不用买流量），且带来的用户更留存（朋友推荐来的人，信任基础和匹配度天然更高）。

一个健康的推荐机制，等于给你的获客装了一台永动机的雏形——用户越多、推荐越多、用户更多。这是所有增长里性价比最高的一段。

💡 一句话总结：推荐的 CAC 趋近零、带来的用户还更留存——这是 AARRR 里性价比最高的一段，值得专门设计。

02 K 因子：自增长的临界点

衡量推荐的核心指标是 K 因子 = 一个用户平均带来几个新用户。

K > 1 意味着每个用户带来超过一个新用户，用户会自己滚起来（病毒式自增长）；K < 1 说明推荐是助推器不是引擎——它能降低你的综合 CAC，但撑不起自增长。对多数产品，把 K 从 0.1 做到 0.3 就已经是巨大的成本改善，别一上来就追求 K>1。

💡 一句话总结：K 因子 = 一个用户带来几个新用户，K>1 才自增长；但把 K 从 0.1 做到 0.3 就已是可观的成本改善。

03 可复制机制 vs 一次性噱头

这是本篇最重要的判别（也是第 04 篇"可复制性三查"的应用）：

可复制的推荐建立在产品固有的分享动机上——用户分享是因为产品本身需要（协作工具拉队友）、或值得晒（成就、作品）。一次性噱头是靠现金补贴买来的分享，补贴一停就归零，还招来一堆薅羊毛的低质用户。

💡 一句话总结：推荐要长在产品固有的分享动机上——靠补贴买来的裂变是假增长，停就崩、还招羊毛党。

04 分享钩子设计

给用户一个"值得转"的理由，无非三类：利他（分享能帮到朋友，如邀请码给对方福利）、利己且自然（产品要协作，不拉人用不起来）、社交货币（晒出来有面子，如成就、榜单、作品）。

好的推荐钩子藏在产品里，而不是硬贴一个"邀请有礼"的弹窗——如果产品本身没有分享动机，任何补贴都只是买来的一次性数据。

💡 一句话总结：分享钩子靠利他/协作刚需/社交货币，藏在产品里——硬贴"邀请有礼"而产品无分享动机，没人会转。

05 动手：设计推荐钩子 + 估 K 因子

低成本，纸面作业。

任务：为你的产品设计一个推荐钩子（利他/协作/社交货币任选），并估算它可能的 K 因子。

验收标准：推荐机制设计 + K 因子估算 + 一句"是否可持续"的判断（靠产品动机还是靠补贴）。

两种结果都正常：如果你发现产品本身没有任何自然分享动机——这是重要发现，说明推荐这条路暂时走不通，别硬砸补贴，把力气放回其他渠道；如果找到了真实的分享动机，哪怕 K 只有 0.2，也是一台开始转动的省钱机器。

06 小结

你现在应该能：说清推荐为什么最省钱、用 K 因子衡量传播、区分可复制机制和补贴噱头、并为产品设计一个真实的分享钩子。第四段"转化与留存"到此结束。

下一篇 18 · AI 营销工作流：前四段你已经学完了完整的增长动作。第五段讲怎么用 AI 把这些动作的产能放大——内容批量生产、多平台分发、数据分析，人机怎么分工。

---

📎 实战案例

一个协作工具没花一分补贴，把"邀请队友"做成了使用核心功能的必经步骤（一个人用不起来，必须拉人协作）。分享动机是产品刚需而非补贴，K 因子稳定在 1.3，用户自然滚动增长。而同期一个靠现金裂变的竞品，补贴一停增长当月归零——可复制的推荐藏在产品里，不在补贴里。

踩坑

• 我靠现金补贴搞裂变，拉来一堆薅完就走的羊毛党，补贴一停增长归零——补贴裂变是买来的假增长。
• 我的产品本身没有分享动机，硬加"邀请有礼"弹窗，没人转还惹人烦——推荐要建立在产品值得推荐之上。
• 我一上来就想把 K 做到 1 以上，迟迟做不到就放弃——其实把 K 从 0.1 做到 0.3 已经是很大的成本改善，别被"病毒式"三个字绑架。