推薦不靠運氣：中小企業用 AI 設計 MGM 舊客帶新客與員工推薦的實戰筆記
當 1000 個人看到廣告，180 個人看完內容，32 個人開始填表，最後只有 11 個人把表單填完。
這是我今晚在講座上放的一張漏斗圖。多數公司看到這組數字，第一個反應是加碼廣告預算，讓上面那層變成 2000 人。可是那 180 個看完內容的人，明明已經有興趣了，為什麼走到最後只剩 11 個？
今晚應國立雲林科技大學品牌共感研究中心之邀，我講了一場「AI × 企業成長力：MGM 無痛招募」。兩個小時談的是同一件事：推薦不只是運氣，它是可以設計的一個流程。
買流量負責啟動，推薦負責複利
口碑推薦的轉換率高、可信度高、成本又低，可是在多數公司裡，推薦來的人卻最少。原因不難猜，公司裡沒有人負責這件事，也沒有方法去促成它，只能等客人哪天心血來潮幫忙轉發。
買流量是另一個極端。付錢就有量，一停就沒了，而且很容易上癮。推薦剛好相反，前期啟動很慢，需要時間發酵，就像插秧，今天插下去不會明天收割。
所以我給的順序是三步：先買流量，找到第一批願意付費的人；接著把他們服務到滿意；然後讓推薦負責複利，由滿意的人帶來下一批客戶，取得成本才會往下走。
推薦之所以值得經營，在於它的漏斗起點不一樣。廣告要從大量曝光開始，從零說服一個陌生人；推薦的起點直接落在漏斗中段，信任在接觸前就建立了，推薦人還會替你先篩過一輪，因為開口推薦等於拿自己的面子背書。用一句話講：廣告是我們自己說自己很好，推薦是別人說你很好。
▲ 廣告要從大量曝光開始說服陌生人，推薦的起點直接落在漏斗中段，因為信任在接觸前就建立了。
MGM（Member Get Member）就是把這件事制度化，讓會員帶會員、舊客帶新客。
AI 讓產出變便宜，信任就變貴了
為什麼現在要談推薦？因為 AI 橫空出世，已經改寫了遊戲規則。
過去靠「做得比別人快、比別人多」建立的優勢，被 AI 一夕抹平。速度、數量、門檻三件事同時被改寫，文組、非本科系的人也寫得出程式。以前一篇文案要花一兩個小時，而且只寫得出一個版本；現在五到十分鐘就能生出好幾個版本拿去測試。我自己設計的內容產製 skill，把一般人大約 11 小時的流程壓到半小時左右。
AI 給得出 60 分的答案，但給不出品味和溫度。受衝擊最大的，是原本就只做得到 60 分的那些人。當人人都做得出六、七十分的東西，內容就不稀缺了，稀缺的變成信任、判斷與關係。在成本變便宜的過程中，信任變貴了，所以推薦比以前更值錢。
話說回來，這也代表瓶頸搬家了。同一條成長路徑上，卡住的地方已經從產出素材，移到接住名單、追蹤、管理與分析。
我在直播現場，給了大家一個功課：把你的工作流程鉅細靡遺畫下來。就算是做了三、五年的專家，寫下來也常會發現漏掉的環節。畫完再判斷哪些交給 AI、哪些自己來、哪些跟 AI 協作。省下的時間，千萬別拿去把貼文從一週三篇變成一天三篇，拿去跟客戶聊天、找出樂意推薦你的人、補齊 Google Analytics 和 Google Search Console 等工具，回報會大得多。
推薦做不起來，通常卡在四個洞
多數公司的推薦機制之所以做不起來，原因有三個：沒有專人負責、推薦人手上沒有可以轉發的素材、沒有追蹤機制。後兩個 AI 幫得上忙，第一個只能靠管理層下決定。不需要成立新部門，每週週會花十分鐘到半小時檢視一次就夠了。
補洞的順序是素材、入口、獎勵、追蹤。
▲ 推薦做不起來的三個原因，後兩個 AI 幫得上忙，專人負責要靠管理層決定；補洞順序是素材、入口、獎勵、追蹤。
素材要貼心到對方可以直接複製貼上。舉個小例子，與其丟一張地圖擷圖，不如直接附上可以複製的地址、電話、郵遞區號和 Google Maps 連結。推薦人少花一分力氣，開口的機率就高一分。
講到獎勵，很多人以為加碼就好，這是我今晚最想釐清的一點。大家不幫你推薦，往往跟獎勵多寡無關，卡在不知道怎麼開口、覺得有壓力、不知道推了有沒有用。這也是人性，如果我幫某家公司推薦了一次卻石沉大海，大概就不會有第二次。
推薦不會因為獎勵夠大而發生，只會因為開口夠容易而發生。
一條完整的推薦路徑有七個環節，很多公司在第三格和第六格就斷掉了。
▲ 一條完整的推薦路徑共七個環節，多數公司斷在第三格「拿到現成素材」與第六格「追蹤得到」。
獎勵本身也有學問。要單向還是雙向？推薦人的心理成本，常常比獎勵金額還大。獎勵也不一定要給現金，一封寫得誠懇的公開信、以推薦人的名義捐贈物資，有時候反而更讓人珍惜。發放時間點可以拆成兩段：小額在推薦送出時立刻給，大額等對方成交或留存一段時間後再給，同時照顧到推薦人的感受，也順便做了篩選。
防弊也要做，但成本可以很低：獎勵綁定成交或留存、限制單一推薦人的推薦數量、使用專屬連結、保留最終稽核權。防弊是為了保護真心推薦的人，別過度到把大多數人擋在門外。
用 AI 寫招募文案，先當記者再當寫手
講座的題目提到「無痛招募」，因為員工推薦是 MGM 最常見的應用情境之一。
招募文案最常見的問題是空泛。「具備良好溝通能力」「福利優於勞基法」這些句子沒有錯，只是每家公司都能寫，求職者讀完什麼也記不住。一篇好的招募文案要做四件事：找到對的人、讓不合適的人自己退場、給出充分的理由、降低投遞門檻。
問題在於，公司內部的真實特色是 AI 寫不出來的。所以第一步是扮演記者，用六個問題去訪談用人主管，把只有內部才知道的細節撈出來。
▲ 訪談用人主管的六個問題，答案就是整份招募文案的原料。
拿到素材後再交給 AI，提示詞抓四個要素：角色、素材、限制、格式。有兩個細節特別重要。一是要求 AI 追問，並且用具體例子；二是一次只問一個問題，你一次丟七題，AI 就只會簡略帶過。如果打字打得很累，改用語音輸入也很好，像跟人聊天一樣講出來。這個階段要在意的是事實的密度，文筆反而其次。
寫的時候按照痛點、誘因、證據、行動四個區塊排，先講對方的處境，再講公司能給什麼。AI 容易杜撰和美化，涉及薪資、福利這種必須嚴格真實的內容，一定要自己把關。
一份扎實的素材可以一魚多吃，至少長出六個版本：長版招募文、社群貼文、LinkedIn 版本、私訊版本、內部轉發版本，以及員工轉介文。
員工轉介文我建議用第一人稱寫，而且要寫出「我為什麼想到你」，讓收到的人覺得這段話是為他寫的，字數也要控制。結尾留一句：「不合適也沒關係，幫我看看身邊有沒有其他人合適。」這一句就是在降低開口的難度。
投放之前，先把淘汰標準寫下來。上線後追蹤曝光數、點閱率、讀完率、投遞率，其中合格率最值得盯。
把表單變成對話
回到開頭那組數字。與其加碼廣告，更划算的做法是修倒數第二層，也就是開始填表卻沒填完的那一段。
填表單是「你先要、他後得」：對方還不知道能拿到什麼，就得先交出一堆個人資料。我自己也常常願意幫忙填問卷，可是一看到題目太長、邏輯前後矛盾，就填不下去了。
反過來做會舒服得多。先關心對方的處境，給他一個有用的判斷或資源，最後再問：方便的話，留個聯絡方式。這就是 AI 顧問的對話流程，依序是開場、釐清、給價值、分流、收件。
▲ 填表單是你先要、他後得；AI 顧問先給價值，最後才問聯絡方式，收進來的名單再分成 ABCD 四級。
設計這段對話有幾個細節。問題要讓對方答得出來，別一開口就問預算；不要只丟一個空白輸入框，先給建議和選項；最後告訴對方「不留資料也沒關係」，這句話能卸下防衛，也能減少假名單。
AI 顧問要守住四條紅線：不承諾價格與效果、不假裝自己是真人、不把對話內容挪作他用、沒有根據就老實說不確定。個資和營業機密要先去識別化，上線前也要測試，例如請 AI 扮演奧客，或問它知識庫以外的問題，看它會不會亂答。
收進來的名單，依急迫性、決策權、適合度分成 ABCD 四級。今天排在 D 級的人，明年可能就適合了，用 CRM 持續經營即可。
從一段話、一張表單、一個人開始
臺灣多數公司是中小企業，所以我不建議一開始就蓋一套大系統。最小可行版本只需要三樣東西：一段讓人好轉發的話、一張表單、一個負責人。
接下來用 90 天慢慢長出來：先做素材，再接上入口、拉進同事，最後補上獎勵與追蹤。追蹤方式可以混用專屬連結、推薦碼，以及直接問客人「你從哪裡知道我們」，只靠專屬連結會低估推薦的貢獻。
指標看五個就好：推薦人占比、人均推薦數、推薦轉換率、留存，以及單位取得成本。
如果你這週就想動手，可以做這五件事：
- 算出目前客戶裡，有多少比例是推薦來的。
- 找主管和同事聊一聊，確認誰來負責。
- 拿一個提示詞範本實際跑一次。
- 約兩三位老顧客聊天，問問他們願不願意轉介、會卡在哪裡。
- 在行事曆上排好每週固定的覆盤時間。
講座最後的 Q&A，有聽眾問我如何做好時間管理？其實，我今年農曆年後才開始學 Vibe Coding，半年多做了 44 個小工具、10 個以上的網站，其中包括受眾經營的後臺和 AI 剪片流程。每天早上，我的虛擬秘書會先做晨間彙報；晚上，我用三個問題做覆盤。工具會一直換，這個每天固定檢視的節奏，才是讓這些事情持續運轉的原因。
推薦也一樣。AI 固然能幫你把素材寫好、把表單改成對話，但要不要每週花半小時盯著這條路徑，一切取決於你的決定。
讀完，下一步
把內容做成一套系統
AI 內容產製系統工作坊
一份素材，自動產出六種格式
繼續讀：內容行銷全攻略動手試：GEO 體檢器（另開新分頁）
