知道哪些顾客适合推荐好友的 AI 电商推荐计划。
AI ecommerce referral program 不应只是结账后的优惠券插件。Runner AI 会读取购买历史、商品偏好、利润规则、会员状态、库存压力和渠道时机，再生成推荐邀约。差异在于把倡导者选择、奖励逻辑、推荐落地页、邮件和短信放进一个可审核的店铺增长工作流。
可从 Free 开始。Pro 或 Max 可启用高级自动化。
[Image: Runner AI 将顾客推荐、奖励规则和实时店铺上下文转化为推荐工作流]
别再把推荐计划当成静态折扣框。
推荐计划有效，是因为邀约、奖励、落地页和跟进时机都符合顾客关系。Runner AI 连接这些环节，让团队不用再依赖孤立应用也能发展口碑增长。
找到合适的倡导者
Runner AI 可识别复购、互动积极、商品偏好明确、支持摩擦低且时机合适的顾客，而不是向所有买家发送同一条推荐请求。
让奖励匹配店铺经济模型
推荐奖励可考虑利润、库存、订阅状态和商品类别。Runner AI 帮助测试积分、礼品、抢先体验、套装或双向奖励，而不是默认大额折扣。
协同邮件、短信和页面
推荐邀约、提醒、落地页和新客优惠保持一致。Runner AI 可在邮件、短信和店铺文案中复用同一个活动上下文。
抑制不合适的时机
不是每位顾客今天都应该收到推荐提示。Runner AI 会在流程触发前考虑最近发送、售后问题、低库存、退款窗口和渠道重叠。
为想把顾客倡导连接到店铺运营的营销团队而建。
“推荐增长最强的时候，是店铺知道谁愿意分享、什么奖励公平、以及被推荐的新客应看到哪一页。Runner AI 把这些决策变成一个可审核流程。”
AI Ecommerce Referral Program 设计从倡导者上下文开始。
有用的问题不是给多少折扣，而是哪位顾客在近期满意度、商品熟悉度和时机上适合推荐。Runner AI 从复购行为、商品类别偏好、订单金额、评价意图、售后历史、会员状态、补货时机以及近期活动触达中建立上下文。顺利复购后的推荐邀约，与延迟发货后的邀约完全不同。VIP 护肤顾客可能愿意分享补货套装，首次礼品买家可能还需要更多教育。AI ecommerce referral program 应与 AI ecommerce customer segmentation 和生命周期消息处在同一系统里，让推荐请求来自真实店铺信号。
构建会学习、但不会骚扰忠诚顾客的推荐循环。
每次购买后都发送同样请求会消耗善意。Runner AI 把抑制和学习放进循环：避开有未解决售后、刚收到赢回消息、推荐商品库存紧张或近期已经分享过的顾客。团队可以审核顾客为什么进入推荐受众、建议的优惠是什么、将使用哪些文案，以及哪些规则防止过度触达。目标不是向更多顾客索取帮助，而是在正确时刻给正确顾客一个值得分享的理由。
“推荐营销应在增长获客的同时保护顾客信任。最好的邀请来自时机、上下文和店铺真正能兑现的奖励。”
为希望把推荐增长连接到实时店铺运营的电商团队而建。
Runner AI 中的 AI Ecommerce Referral Program 如何运作
准备构建顾客愿意分享的推荐循环？
创建连接倡导者上下文、奖励、邮件、短信、落地页和抑制逻辑的 AI ecommerce referral program。