リファラル・おすすめエンジン構築：
戦略、自動化、測定ブループリント

パート1：推奨エンジンの戦略的アーキテクチャ設計

推薦エンジンの成功は、「インセンティブ」と「トリガー」という2つの戦略的柱の上に構築されます。インセンティブが顧客に「なぜ」推奨されるべきかについて強力な動機を与えた場合、トリガーは「いつ」要求するのが最も効果的なのかについての最適なタイミングを捉えます。

1.1。コアインセンティブモデル設計：相互補償、一方向、等級差など

1.1.1。インセンティブの戦略的重要性：なぜおすすめは広告よりも強力なのか

推奨プログラムは、費用対効果の高い顧客獲得チャネル以上です。 友だちの紹介に基づく購入決定は、一般広告と比較して90％高い購入率を表示します。

1.1.2。モデル1：相互補償（Double-Sided） - 'Win-Win'構造設計

• 定義： 推薦者（Advocate）と被推薦者（Friend）の両方に報酬を提供する最も一般的で強力なインセンティブモデル
• 働くメカニズム: 「互恵性（Reciprocity）」の原則に基づく。被推奨者は即時割引で進入障壁が低くなり、推薦人は友人に「プレゼント」を与える利他的行為の主体となり、心理的満足感と物質的補償を一緒に獲得

成功事例分析：

• Dropbox: 友達招待時に両側に500MBの追加ストレージスペースを提供。非現金性「製品価値」に基づく報酬として 3,900％爆発的な成長 達成
• PayPal: 友達が加入後7,250ウォンを使用すれば両側に14,500ウォン支給。現金性補償の援助で初期ユーザーベースをウイルスのように広める
• Robinhood: 「ギフト株式」という独創的な報酬。加入時両側ともランダム株式提供でサービス発売前100万人待機者確保

適用： 「友達に29,000ウォンのプレゼント、私も29,000ウォンをもらう」など、明確で即値を提供できるほとんどのB2C、Eコマース、購読ベースのサービスに最も効果的です。

1.1.3。モデル2：単方向（One-Sided） - 戦略的ユースケース

• おすすめの報酬型（Advocate-Only）： 事実上「アフィリエイトマーケティング」に似ている。 B2B SaaSや高価専門サービスで主に使用。推薦が「評判」に直結するため、明確な金銭的補償（例えば、Google Workspaceのユーザーあたり11,600ウォン〜33,350ウォン支給）が強力な動機付け
• 被推奨者報酬型（Friend-Only）： 推薦者がすでに強力なブランドファンシム（内在的動機）を持って報酬なしでも推薦活動。新規顧客の流入障壁を下げるだけに集中し、被推奨者にのみ割引を提供

1.1.4。モデル3：等級差（Tiered）と累積（Cumulative） - 「スーパーファン」の育成戦略

• 定義： 推薦成果（招待回数、成功回数、売上高）によって報酬の大きさや種類が変わる動的モデル
• 働くメカニズム: ゲーム化(Gamification)要素を導入し、1回だけではなく持続的な推薦活動を誘導、「スーパーアンバサダー」を育成

ケース分析：

• 等級差（Tiered）： ハリーの伝説的な立ち上げキャンペーン。 5人推奨時「無料シェービングクリーム」、10人推奨時「無料シェーバー」、50人推奨時「1年値シェーバー無料」。わずか1週間で10万人の電子メールを収集
• 価値ベース（Value-based）： CycleBoardは、友人が購入した注文額の10％を推奨者に現金提供。紹介者がより大きな規模の購入を促す動機付け
• マルチステップ（Multi-step）： 最初の5回の成功推薦までは14,500ウォン支給、その後からは36,250ウォン支給して初期障壁を下げ、長期動機付与

1.1.5。非現金性報酬の隠された力：コスト削減とLTV上昇

1.2. 「招待」の科学：推奨メッセージコアトリガーポイントの識別

最適なインセンティブモデルを設計したら、「いつ」推奨を要求するかを決定する必要があります。 顧客が製品に対する満足度が最も高く、推奨医師が最も強力な心理的頂点（Peak Moment）をキャプチャして、その瞬間に自動化された要求を送信することが推奨エンジンの成功の鍵です。

1.2.1.導入時点（Onboarding）：「Aha Moment」即座にキャプチャ

• 「Aha Moment」とは？ 顧客が製品の重要な価値を初めて感情的に認識し、「ああ！」する瞬間
• ケース： Facebookが「加入後10日以内に7人の友人とつながった」ユーザーは離脱しないことを発見。この瞬間を経験したユーザーは製品の価値を明確に認識し、肯定的な経験を他人と共有する確率が急激に上昇
• 実行： 自社製品の「Aha Moment」をデータで明確に定義する（例：SaaSの「最初のレポート自動生成」、Eコマースの「最初の注文の配送完了と肯定的なレビューの作成」、コラボレーションツールの「チームメンバー3人の招待と最初のプロジェクトの作成」）。このイベントが発生するとすぐに商品内ポップアップ、プッシュ通知、Eメールでの推奨リクエスト

1.2.2。満足視点（Satisfaction）：NPS/CSATデータをトリガに変換

NPS（純粋顧客推薦指数）の再解釈： NPSアンケートは単なる満足度測定指標ではなく、顧客を即座に細分化し、次の行動を導く最も強力な自動化トリガーツールです。

自動化ロジック:

1. 顧客旅程の主要マイルストーン（購入30日後、購読3ヶ月目）からNPSアンケート調査発送
2. システムが応答をリアルタイム分析
3. Promoters (9-10ポイント): 推奨医師が最も高いコア顧客。すぐに「私たちのサービスを推薦していただきありがとうございます！あなたは今この経験を共有したい友達がいますか？」というメッセージで紹介プログラムランディングページにリンク
4. Passives (7-8ポイント): 満足していましたが、熱心ではありません。 「より良い9点のためにどんな点が改善されればいいのでしょうか？」フィードバックリクエスト
5. Detractors (0-6ポイント): 苦情・離脱リスクのお客様。即座にカスタマーサポートチーム/CSMにアラート通知またはサポートチケットを自動生成して迅速に対応する（Churnを防止）

1.2.3。成果のポイント：信頼ベースのB2B推薦の導出

• B2Bの特殊性： B2B環境での推薦は「割引」ではなく、推薦人の「評判」と直結した問題。顧客は、自分が推薦したソリューションが同僚/第三者に実質的な成果をもたらすという「確信」が聞こえるまで推薦を躊躇する
• トリガー： 購読直後ではなく、明確なビジネス成果を達成したことがデータで確認される時点（例：「6ヶ月以上の長期購読の維持」、「製品使用で生成されたROIレポートの確認」、「カンファレンスにおける自社ソリューションの有機的メンション」）
• 実行： 自動化された電子メールよりも、担当のCSMや営業チームが直接パーソナライズされたメッセージでアクセスする方が効果的。 B2B購入決定の91％が口頭で影響を受ける

パート2：推奨ワークフローの自動化と技術的な実装

パート1で設計した戦略を実行可能な「エンジン」にするための技術的設計図です。この段階では、顧客の行動（トリガー）にリアルタイムで反応し、推薦プロセスを自動的に案内、追跡、補償するシステムを構築します。

2.1。自動化ワークフロー設計：シナリオ別ロジックの構築

成功した推奨プログラムは手動で管理してはいけません。顧客登録、ユニークなリンク発行、共有活動の追跡、コンバージョンの確認、報酬の支払いまで、すべてのプロセスをシステムによって自動化する必要があります。

2.1.1.必須ツールスタックの定義

信頼性の高い推奨エンジンを自動化するには、少なくとも4つの主要コンポーネントを有機的に連動させる必要があります。

1. Referral Platform (指揮センター): 推奨ロジックの設定、固有のコード/リンクの生成、推奨の帰属追跡、ダッシュボードの提供、報酬の承認と管理（例：Referral Rock、GrowSurf、ReferralCandy、Friendbuy）
2. Email Software（コミュニケーション）： イベントベース（Event-based）自動化されたEメール/メッセージシーケンスの送信（例：MailChimp、ActiveCampaign、Brevo）
3. CRM (顧客データ): すべての顧客情報、購入履歴、NPSスコア、CSATスコアなどを保存し、顧客セグメンテーション（例：HubSpot、Salesforce）
4. Integration Tool (接続): 上記の3つのコアシステムと既存のウェブサイト/アプリを接続する接着剤の役割（例：Zapier、独自のAPI連携）

2.1.2。シナリオ1：「満足顧客（Promoter）」の推薦者（Advocate）自動登録

• Trigger: 顧客が「NPS 9-10ポイント」にタグ付けされているか、「Aha Moment」を達成
• Action (Automation):
  1. 顧客に「VIPのお客様への特別な贈り物」パーソナライズされた電子メールシーケンスを自動送信
  2. 電子メール内のCTA（「続きを読む」）をクリックすると、「おすすめのランディングページ」に移動
  3. 「プログラム参加/同意」ボタンをクリック
  4. API 呼び出しによる固有の推奨コードと推奨リンクの即時生成と発行
  5. プライベートダッシュボードに即座にリダイレクト

2.1.3。シナリオ2：「被推薦者」の流入とコンバージョントラッキング

• Trigger: 新しい訪問者が「おすすめリンク」（例：https://brand.com/?ref=DAVIDP4821）をクリックしてアクセスする
• Action (Automation):
  1. ウェブサイトトラッキングスクリプトがURLの推奨パラメータ（ref=DAVIDP4821）即座に認識
  2. 訪問者を「DAVIDP4821」の被推奨者として識別し、情報をCookieに保存
  3. 訪問者に即座に「被推薦者（Friend）ランディングページ」を表示（例：「Davidが20％割引をプレゼントしました！」）
  4. 被推奨者が会員登録または初回購入完了（転換イベント発生）
  5. トラッキングスクリプトが遷移イベントを検出し、クッキーに保存された推奨コードと一緒に送信
  6. 「DAVIDP4821」のおすすめ成果として「転換1件（待機中）」記録

2.1.4。シナリオ3：報酬の自動支払と通知

• Trigger: 記録された「転換（待機中）」件が事前定義された「成功」条件を満たしています
• Action (Automation):
  1. おすすめの人に「おめでとうございます！友達の購入が確定し、29,000ウォンの報酬が支給されました」お知らせ自動発送
  2. 被推奨者に「最初の購入の20％割引が正常に適用されました」確認通知を送信
  3. 両側に設定された報酬（割引クーポンコード、アカウントクレジット、ポイント）の自動支払い

2.2.推奨コード発行および追跡ロジックの設計

信頼できる推薦追跡システムは推薦エンジンの心臓です。コード発行が重複しているか、推奨パフォーマンスが欠落している場合、顧客はプログラムへの信頼をすぐに失い、プログラムの失敗に直結します。

2.2.1.推奨コード対。推薦リンク: 何を使用しなければならないか。

• 推奨コード（Referral Code）： （例：DAVIDP4821）ユーザーが覚えて直接入力しやすい一意の識別子。オフラインまたは口頭で共有するときのガラス
• 推奨リンク（Referral Link）： (例: .../?ref=DAVIDP4821) 推奨コードが URL パラメータに含まれる形式。被推奨者がクリックするとすぐに推奨情報がシステムに自動的に配信されるため、オンライン共有には絶対に有利であり、ユーザーエラーがなく、追跡精度が非常に高い
• 最適設計： どちらも提供されますが、推奨リンクをデフォルトとして使用します。最良のUXは、被推奨者がおすすめリンクをクリックしてランディングページに到達したとき、会員登録/決済ページの「クーポンコード」欄に該当推奨コードが既に自動的に入力されているように設計すること

2.2.2。固有の推奨コード生成ロジック(Technical Logic)

推奨方法（Best Practice）：

1. データベース依存方式： システムはすでにすべてのユーザーに一意の識別子を付与します（例：auto-increment User ID 12345）
2. この一意のID 12345をBase62などでエンコードしたり、ユーザーの名前の一部と組み合わせ（例：DAVID + 12345）して単純なハッシュ（Hash）処理して、予測不可能でありながらユニークなコード（例：DAVIDK3X）を生成する
3. この方法では、コードを生成するときにDBを照会（Lookup）する必要がまったくないため（Lookup-free）、パフォーマンスが非常に速く、システムのスケーラビリティが保証されます

2.3。システムの整合性：アビューと推薦詐欺防止戦略

コア： 強力なインセンティブ（特に現金補償）は、不正行為とアビュージングの試みを引き起こします。推奨エンジン設計段階からアビュージング防御システムを組み込まないと、成長エンジン（Growth Engine）ではなくコストリークエンジン（Cost Engine）に転落できます。

2.3.1.主な詐欺タイプの特定

• 自己紹介（Self-Referral）： 推薦者が自分の別のメールアドレスや家計を作って自らを推薦し、両方の報酬を全て奪取
• アカウントの重複（Duplicate Accounts）： 1人の詐欺師が複数の偽のEメール、異なるIPアドレス、仮想デバイスなどを使用して数十、数百のアカウントを作成し、推奨報酬のみを奪取
• クーポンサイトスパム（Coupon Spam）： 推薦者が自分の固有の推薦コードを「友達」ではなく不特定多数が訪問するクーポン割引サイトに投稿し、プログラムの本来目的である「信頼ベース推薦」を毀損し、莫大な費用発生
• ボット活動： 自動化されたスクリプトを使用して購読と推薦を機械的に繰り返す

2.3.2。テクニカルディフェンスロジック

システムには次の多層防御ロジックが必要です。

• IPアドレス監視： 推薦者と被推奨者の加入IPアドレスが同じか、既知のデータセンター/プロキシ(Proxy)IPの場合、報酬支払を自動保留
• デバイスフィンガープリント（Device Fingerprinting）： 同じデバイス（ブラウザ、モバイルデバイス）からCookieを削除し、別のEメールでサインアップしようとしているアビュージャーを識別してブロックする
• 速度制限（Velocity Checks）： 1人の推薦者が短期間（例：1時間）以内に異常に多くの推薦成功（例：100件）または報酬を払い戻そうとした場合、そのアカウントを自動的にフラグ（Flag）に割り当てて管理者レビューの対象に切り替えます。
• 必須認証： 被推奨者の新規加入の際には、必ずメール認証またはSMS OTP（携帯電話本人認証）を経るようにしてボット活動や偽口座作成を源泉的に防止

2.3.3。政策防御ロジック (Policy Defense)

技術的防御だけでは限界があり、紛争発生時に法的根拠が必要です。すべての推薦プログラムは、参加者が必ず同意しなければならない、明確で法的拘束力を備えています 利用規約（T&C）を備えなければなりません。

必須条件：

• 参加資格（Eligibility）： 誰がプログラムに参加できるかを明確に定義します。
• 「成功した推薦」の定義（Qualified Referral）： 報酬が支給される「成功」の基準を具体的に明示する（例：被推奨者が加入後72,500ウォン以上の初回購入を完了し、30日の返金期間が経過した場合）
• 禁止行為(Prohibited Conduct): セルフオススメ、スパム行為（クーポンサイトの投稿、スパムメールの発送）、ボット使用などアビュージング行為を明示的に禁止
• 会社の権利通知（The "Sole Discretion" Clause）： 最も重要な規定。詐欺、濫用、悪用、または利用規約違反が「疑わしい」場合、当社は単独の裁量で報酬の支払いを拒否するか、プログラム参加の資格を奪う権利があることを明確に通知します

パート3：コア成果物作成ガイドライン

パート1の戦略とパート2のスキルが用意されている場合は、顧客と会うためのコアコンタクト（Touchpoint）を設計する必要があります。これらの成果物のデザインとコピーライティングの品質は、顧客の実際の推薦参加率（Share Rate）と新規顧客のコンバージョン率（Conversion Rate）を決定します。

3.1。コンバージョン率を最大化するための推奨ランディングページ設計

ほとんどの企業が1つの推薦ページを運営する間違いを犯していますが、高いコンバージョン率を示すプログラムは目的が全く異なります 2つの別々のランディングページを戦略的に運営します。

3.1.1.ページ1：推薦者（Advocate）ランディングページ（目標：共有を最大化）

対象： すでに当社の製品/サービスを利用している「既存のお客様」（おすすめ）

コアコンポーネント：

1. 明確な価値の提供(Headline): ページに入るとすぐに何を得ることができるかを明確に提示します（例：「友達に29,000ウォンをプレゼントし、29,000ウォンを受け取ってください！」）
2. 簡潔な参加プロセス（How-to）： 顧客が従うべき過程を3段階(1.リンク共有→2.友達登録/購入→3.報酬獲得)で簡単に視覚化して提供
3. コアCTA（Sharing Tools）： パーソナライズされた推奨リンク/コードをコピーできるボタンを最も顕著に配置。カカオトーク、Eメール、SMS、ソーシャルメディアで直接共有できるボタンを提供
4. 私のオススメの現状（Personal Dashboard）： 私が招待した友達の数、そのうち何人が加入したのか、現在までに累積された報酬はどれくらいかなどを視覚的に見せてゲーム化(Gamification)要素を追加

3.1.2。ページ2：被推奨者（Friend）ランディングページ（目標：新規転換）

対象： 紹介リンクをクリックして流入した「新規訪問者」（推奨されない人）

コアコンポーネント：

1. パーソナライズされた信頼： 最も重要な要素。この訪問者は、広告ではなく「友達」の招待状になったことを思い出させなければなりません。即時信頼を形成することで、直帰率の低下
2. 明確な特典： このページで何を得ることができるか（例：「最初の購入で20％割引をすぐに適用する」）
3. 製品/ブランドコアの紹介（Context）： この新しい訪問者は私たちのブランドや製品について全く知らないかもしれません。推薦者がなぜこの製品を推薦したのかを知るために、製品の中核価値提案（Value Proposition）や代表的な機能、顧客レビューなどを簡潔に含める
4. 強力なCTA（Conversion）： 躊躇する理由がないように強力な行動誘導ボタンの配置

3.1.3。ランディングページのデザインとコピーライティングのベストプラクティス

• デザイン： モバイル優先（Mobile-First）で設計。ほとんどのソーシャル共有はモバイルで行われます。単一列レイアウト、クリックしやすい明確なボタン、要素間の十分な余白（White Space）を使用してユーザーの認知負荷を最小化
• コピーライティング： 「機能」ではなく「特典」に集中。 「おすすめプログラムに参加する」（X）の代わりに「無料マッサージを受ける」（O）のように、顧客が得た肯定的な結果を直接提示します
• 社会的証拠： 他の顧客の強力な推奨事項（Testimonials）を引用し、重要な部分を強調することは、コンバージョン率を最大化する実証済みの方法です。

3.2。即時の行動を導くメッセージテンプレート

顧客は忙しく、ほとんどのマーケティングメッセージを無視します。推奨リクエストメッセージは明確でパーソナライズされており、すぐに行動（共有）するのはとても簡単です。

3.2.1.電子メールテンプレート：状況別のタイトルと本文

タイトル（Subject Line）公式：

• ギフトタイプ（The Gift）： 「友達に贈るプレゼント（と29,000ウォン）が届きました」、「愛を分けてください（そして29,000ウォンもらいます）」
• パーソナライゼーション（The Personal）： 「[顧客名]様、友達の方々がこのお知らせをありがとうございます。」
• クリア（The Clear）： 「友達にオススメして36,250ウォンもらいます」、「次の購入を無料にする方法」

[テンプレート] 満足顧客(NPS 9-10点) 対象初招待メール:

3.2.2。 DM/カカオトークメッセージテンプレート

カカオトークは「友達トーク」（広告メッセージ）を通じて顧客にプロモーションを送ることができ、カカオトークメッセージAPIはフィード型、リスト型、コマース型など推奨目的に合った様々なテンプレートを事前定義して使用できるようにサポートします。

重要なのは、紹介者が「コピーして貼り付ける」メッセージ（Preshared Message）を事前に作成しておくことです。 このメッセージは簡潔で非公式であり（友人に送信するため）、リンクを含める必要があります。

[テンプレート]おすすめの人が友達に送るカカオトーク/DM：

パート4：パフォーマンス測定と最適化フレームワーク

「測定できなければ管理できない」というピーター・ドラッカーの言葉のように、構築された推奨エンジンが意図どおりに動作するのか、「成長」エンジンなのか「コスト」エンジンなのかを判断するためには、明確なコア計器盤（Dashboard）とKPI（核心成果指標）が必要です。

4.1。コアパフォーマンス指標の定義と計算

4.1.1. KPI 1: 新規流入時の推奨比率 (Referral Rate)

• 定義： 特定の期間（月/四半期）に発生した「すべての新規顧客」のうち、「推奨プログラムを通じて流入した顧客」が占める割合。プログラムの全体的な貢献と効率を示す最も基本的な指標
• 計算式： Referral Rate (%) = (推奨を通じて流入した新規顧客数/総新規顧客数) × 100
• 例： 2025年6月の1カ月間、新規顧客の合計が20,000人で、そのうち400人が推奨リンクを介して流入した場合、その月の推奨割合は2.0％

ベンチマーク（2025年基準）：

• 全産業グローバル平均：2.35％
• SaaS（B2B / B2C）：信頼ベースの推薦が活発で、平均より高い3％〜5％のレベルを健康なベンチマークで春
• 意味: この比率がベンチマーク（例えば2％）よりも著しく低い場合、プログラムの存在を顧客が認識していない（プロモーションやトリガー不足）、インセンティブが魅力的ではないというシグナル

4.1.2. KPI 2: 最初の推奨発生までのリードタイム (Time to First Referral - TTFR)

• 定義： 顧客が加入した時点から「最初の成功した推薦」を生成するまで（つまり、報酬を受け取るまで）かかった平均時間（日または週）
• 計算式： TTFR = [特定コホート別] Average

ベンチマーク：

• B2C（Aha Momentベース）： 目標は「短縮」。顧客価値が迅速に配信される場合、加入後7～10日以内に最初の推薦が発生することを目標に設定
• B2B（信頼ベース）： 目標は「発生」そのもの。 B2Bの顧客は、推薦者の評判の問題のために十分な信頼が蓄積されるまで（例えば、6ヶ月以上）、推薦を保留することが自然な現象です。
• 意味: B2CでTTFRが不必要に長い場合、Aha MomentまたはNPSトリガが遅すぎるか、顧客がプログラムの存在を認識していないという強力な信号

4.1.3。 KPI 3: 推奨拡散速度 (Viral Coefficient: K-Factor)

• 定義： 顧客1人が平均的に連れて来る新規顧客の数を示す「バイラル」測定指標。 K-Factorが1を超えると、マーケティング費用がなくてもサービスが指数関数的に成長（Organic Viral Growth）できるという理論的意味
• 計算式： K = i × c
  • i = 顧客 1 人あたりの平均招待状発送数 (例: 顧客 1 人が平均 5 人に招待状を発送 → i=5)
  • c = 招待 1 件あたりのコンバージョン率
• 例： 顧客が平均5人に招待を送信し（i = 5）、招待された人の20％が参加した場合（c = 0.2）、K-Factorは5×0.2 = 1

意味:

• iが低い場合： 顧客が「共有」段階から逸脱。おすすめのランディングページのUXが複雑か、メッセージテンプレートの魅力度が低いという意味
• cが低い場合： 招待はたくさん受け取るが「転換」にならない。推奨されるランディングページの説得力が不足しているか、推奨されていない利点が弱いという意味

4.2。推奨報酬消耗率（Redemption Rate）ダッシュボードの設計

コア： 補償損失率は、推奨プログラムの「健康」と「ROI」を表す最も重要な指標の1つです。これは、会社が顧客に「発行した」報酬（費用/負債）に比べて、顧客が実際に「使用した」報酬（活性化/再購入）の割合を追跡します。

4.2.1. 「補償消耗率」の重要性 (Why it matters)

• プログラムの魅力度の測定： 消費率が著しく低い場合、顧客が報酬を受けたにもかかわらず使用価値を感じることができない（例：割引率が低すぎる、使用条件が厳しい）、報酬を使用するプロセスが複雑であるか（例えば、有効期限が短すぎる）、報酬の存在自体を忘れたという意味
• 実質ROI証明： 消費率が高いということは、顧客が報酬を使うためにサービスに「再訪問」したり「再購入」をしていることを意味。推薦プログラムが新規顧客の流入だけでなく、既存の顧客の活性化と維持に直接貢献していることを証明する強力なデータ
• 財務的健全性管理： 会計的観点から、顧客に発行された（しかしまだ使用されていない）ポイントやクレジットは、会社の「負債（Liability）」として認識。消耗率を追跡することは、この負債が将来、いつ、どのくらいの費用で実現されるかを予測し管理するために不可欠です。

4.2.2。消費率計算式とベンチマーク

• 計算式： Redemption Rate (%) = (期間内に使用 (消耗) された報酬数量または金額 / 期間内に合計発行された報酬数量または金額) × 100
• 例： 1ヶ月間の推薦報酬として145,000,000ポイントが発行され、同じ期間に顧客が36,250,000ポイントを使用（消耗）した場合、消耗率は25％

ベンチマーク：

• 一般メールクーポン：1％〜5％
• 推奨プログラム報酬：5％〜20％
• ロイヤリティプログラム報酬：10％〜30％
• 意味: 推薦プログラムの報酬消耗率が5％未満であると、魅力度、複雑性、認知度の問題がある可能性が高いため、即時点検が必要

4.2.3。推奨エンジンKPIダッシュボードのコア構成