Реферальная программа

Происхождение и история термина

Английское referral program обозначает организованную программу рекомендаций. В маркетинговом исследовании 2011 года её рассматривают как управляемое компанией стимулирование передачи рекомендаций между потребителями, отличая от их самостоятельных разговоров о продукте. ^[2] Эта работа фиксирует уже существовавшую практику, а не дату изобретения механизма.

Авторы изучали клиентов одного немецкого банка, привлечённых в 2006 году, и наблюдали за ними до сентября 2008 года. Клиенты из программы в среднем отличались более высокой ценностью для банка, но различия зависели от группы клиентов. Это наблюдательное исследование: авторы сравнивали уже привлечённых клиентов, а не назначали им участие в программе случайным образом. Исторический результат одного банка не служит прогнозом для нынешних сервисов. ^[2]

Сегодня цифровая ссылка позволяет связать рекомендацию с действием приглашённого. В справке Dropbox есть отдельные состояния незавершённого приглашения и начисленного бонуса. ^[1] Технический учёт делает условия проверяемыми, но сам по себе не определяет, насколько удачной была рекомендация.

Суть и механизм

От приглашения до бонуса

Механизм удобно разобрать на учебном примере. Онлайн-школа предлагает слушателю Анне пригласить Бориса на платный курс. По придуманным для примера правилам Анна получает 500 рублей, когда Борис впервые оплачивает курс и заканчивается установленный школой период проверки возвратов. Ссылка Анны содержит признак, по которому школа узнаёт источник приглашения.

Борис открывает ссылку, но пока ничего не покупает. Школа может записать переход, однако оснований для выплаты ещё нет. Затем Борис создаёт аккаунт: появляется регистрация. Если он оплачивает курс, система фиксирует покупку; если эта покупка отвечает всем условиям, начисляется вознаграждение. Слово «реферал» здесь слишком неопределённо: им можно назвать и зарегистрировавшегося Бориса, и уже подтверждённого покупателя. В отчёте лучше назвать конкретное состояние.

Атрибуция — приписывание результата определённым взаимодействиям на пути пользователя. Так этот принцип описан в справке Google Analytics. ^[7] В учебном примере это ответ на вопрос «чьё приглашение учитываем?». Представим, что Борис получил ссылки от двух знакомых. До расчёта бонусов школе понадобится правило выбора: например, считать код, который Борис указал при регистрации. Это условие нашего примера, а не общее правило всех программ. Без него одинаковый результат можно случайно приписать нескольким людям.

У реальной программы Dropbox другая цепочка. Для бонуса справка предусматривает создание аккаунта по приглашению, установку приложения, вход в настольное приложение и подтверждение почты. Завершённое состояние означает начисление дополнительного места обеим сторонам. ^[1] Поэтому переносить правило «достаточно зарегистрироваться» из одной программы в другую нельзя.

Чем программа отличается от похожих способов привлечения

Обычная рекомендация возникает и без договора о награде. В учебной ситуации Анна может посоветовать курс Борису потому, что ей понравилось обучение. Если школа вводит отслеживаемый бонус, к личному мотиву добавляется материальная заинтересованность. Эти причины могут сосуществовать: наличие выплаты не доказывает ни полезность совета, ни его недобросовестность.

Другую организацию работы — партнёрский, или аффилиатный, канал — можно увидеть на примере Яндекс Маркета. Площадки размещают товарный контент для своей аудитории и получают вознаграждение за заказы через предусмотренные инструменты. ^[4] Площадка может обращаться к незнакомым читателям; личное знакомство с покупателем здесь не является основой описанной схемы.

Поэтому для сравнения программ полезнее установить роль участника, чем искать единственное правильное название. В одном случае компания обращается к своим клиентам с предложением пригласить знакомых. В другом она строит канал распространения предложений через авторов и площадки. Слово «реферальная» встречается в обоих случаях, но организация работы различается. ^{[2, 4]}

Виды и классификации

Ниже — редакционная схема сравнения, а не общепринятый стандарт. Её признаки помогают описать конкретные правила, не смешивая назначение программы и форму награды.

В учебной школе можно заменить выплату Анне на скидку Борису или дать поощрение обоим. Это будут разные конструкции программы. Нельзя считать их равноценными только потому, что номинал каждого предложения равен 500 рублям: скидка уменьшает поступление денег, а выплата требует отдельного расхода. Для сравнения нужен единый способ учёта.

Ещё одно полезное различие — разовое и повторяющееся вознаграждение. В модели «за первого нового покупателя» человек учитывается один раз. Если организатор решает платить за каждый заказ, единицей результата становится заказ. Такое изменение нужно отразить и в правилах, и в названии показателя: число новых клиентов не равно числу оплаченных покупок.

Как применяется на практике

Dropbox иллюстрирует приглашение пользователя с двусторонним неденежным бонусом, а Яндекс Маркет — работу с контентными площадками. ^{[1, 4]} Эти примеры показывают две разные задачи: расширить круг пользователей через существующих участников и получать заказы через партнёрский контент. Они не служат готовыми образцами экономики для другой компании.

В учебной онлайн-школе задача сформулирована уже: получить новых платящих учеников. Поэтому награда связана с подтверждённой первой оплатой, а не с количеством разосланных приглашений. Если платить за сообщения, школа будет поощрять именно их отправку; успешное обучение или покупка не входят в такое условие. Это различие следует из устройства выбранного стимула.

Правила должны позволять человеку заранее понять результат своего действия. Для нашей школы требуется объяснить, кто считается новым учеником, какие курсы участвуют, что происходит при возврате и когда Анна увидит начисление. Вместо обещания «бонус за друга» нужен проверяемый ответ: какое действие Бориса запускает выплату и какой срок проверки предусмотрен.

Отдельная задача — разбор ошибок. Допустим, Борис оплатил курс, но ввёл код с опечаткой. Для школы это спор об учёте рекомендации, а не об отсутствии самой покупки. В учебном проекте можно предусмотреть обращение в поддержку с подтверждением приглашения. Такое решение следует применять одинаково к сопоставимым случаям, иначе итог зависит от случайного ручного исключения.

Перед запуском полезен сквозной разбор тестовой записи: от приглашения до начисления или отказа с объяснением причины. В нашем примере проверяются как успешная покупка, так и возврат, повторный заказ прежнего ученика и неверный код. Каждый случай отвечает на свой вопрос: работает ли учёт и совпадает ли выплата с обещанным условием. Этот разбор не заменяет оценку законности рекламных сообщений.

Как измерить или проверить

Доля покупателей и стоимость привлечения

Все следующие числа — учебные, а формулы описывают именно заданную модель. Предположим, за месяц школа получила 200 регистраций по приглашениям. Из этих людей 80 совершили первую покупку, которую школа подтвердила после проверки возвратов. Конверсия — доля людей, перешедших от выбранного исходного состояния к нужному результату. Здесь исходное состояние — регистрация, результат — подтверждённая первая покупка.

Это означает, что покупателями стали четыре человека из десяти зарегистрировавшихся. Показатель ничего не говорит о доле покупателей среди всех получателей приглашения: сколько человек получили сообщения, в примере неизвестно. Нельзя заменить знаменатель предполагаемым охватом или количеством отправок — один человек мог получить несколько сообщений.

Пусть за эти 80 покупателей школа начислила 40 000 рублей бонусов и отнесла на программу ещё 20 000 рублей расходов на учёт и проверку. Полные расходы в границах этого примера составляют 60 000 рублей. Стоимость одного подтверждённого нового покупателя равна:

Если делить только бонусы на тех же покупателей, получится 500 рублей. Ошибки в делении нет, но это уже бонусные расходы на покупателя, а не вся выбранная стоимость привлечения. Чтобы сопоставить два месяца или два канала, нужно включать одинаковые виды затрат. Иначе кажущееся удешевление может оказаться следствием исключённой статьи расходов.

Периоды также должны совпадать. Если бонусы за сентябрьские покупки начисляют в октябре, деление октябрьских выплат на октябрьских покупателей смешает разные группы. В учебной модели расходы относят к тем 80 людям, за которых их понесли, независимо от даты перечисления. Повторные заказы этих людей не увеличивают число новых покупателей в знаменателе.

При нуле покупателей стоимость на покупателя не рассчитывается: деление на ноль не имеет смысла. В отчёте следует показать сумму расходов и отсутствие подтверждённых покупателей. Подстановка нуля рублей создала бы ложное впечатление бесплатного привлечения, хотя деньги могли быть потрачены.

Учтённый результат и дополнительный эффект

Другая задача — понять, сколько покупателей добавила программа. Допустим, для мысленного примера достоверно известно, что 30 из 80 человек купили бы курс и без бонусного приглашения. Тогда дополнительных покупателей 50, а те же 60 000 рублей дают 1200 рублей расходов на одного дополнительного покупателя.

В реальной работе число 30 не появляется из журнала ссылок. Один способ оценить причинный эффект — рандомизация, то есть случайное назначение участников в группы: одной предлагают изменение, другая остаётся в обычных условиях и служит контрольной. Затем сравнивают один и тот же показатель. Случайные различия возможны и без эффекта, поэтому результаты проверяют статистически; простого превосходства одного числа недостаточно. Этот подход описан у Kohavi и соавторов, а не в исследовании немецкого банка. ^[6]

Однако участники разных групп могут влиять друг на друга, нарушая условия такого сравнения. Kohavi и соавторы отдельно разбирают это ограничение в приложении A. ^[6] Для нашей школы возможен такой учебный сценарий: человек из группы с бонусом пересылает приглашение участнику контрольной группы. Тогда «обычные условия» второго человека уже изменились. Этот риск нужно учесть при проектировании эксперимента; само разделение людей на две группы его не устраняет. Расчёт с 30 и 80 объясняет только знаменатель и не является результатом эксперимента.

Стоимость привлечения также не равна прибыли. В учебной школе после получения оплаты остаются расходы на обучение и обслуживание. Для оценки результата нужно сравнить доходы и расходы за выбранный период, а не просто вычесть бонус из выручки. Покупатель с несколькими заказами может принести больше денег, но также потребовать дополнительных затрат.

Ошибки, ограничения и спорные вопросы

Самая существенная ошибка — заменить вопрос «почему человек купил?» вопросом «по какой ссылке покупка записана?». Во втором случае проверяется атрибуция, в первом — причинный эффект. Даже исправно работающий учёт не превращает эти вопросы в один.

Другой риск виден в устройстве учебного бонуса. Если награда возникает раньше проверки покупки, её можно начислить за действие, которое затем отменят. Если проверка слишком долгая и её срок не объяснён, приглашающий не понимает, когда получит обещанное. Это выбор между разными условиями программы, а не основание обещать полностью бесспорные выплаты.

Не стоит смешивать качество клиентов и качество самой рекомендации. В нашем примере человек может честно рекомендовать полезный курс, а приглашённый — не купить его из-за цены или расписания. Отказ не доказывает плохой совет. Обратная ситуация тоже возможна: покупка ради бонуса ещё не говорит, что ученик продолжит обучение.

Наконец, раскрытие заинтересованности помогает адресату оценивать сообщение. В американских разъяснениях FTC связь с рекламодателем, которую потребители не ожидают и которая может повлиять на оценку рекомендации, должна быть ясно раскрыта. Это касается не только денежных выплат. ^[3] Из этого не следует, что любая рекомендация автоматически является рекламой по российскому праву.

Правовой аспект

В России квалификация сообщения зависит от признаков рекламы, указанных в пункте 1 статьи 3 закона № 38-ФЗ, а не от названия бонусной программы. Для рекламы по сетям электросвязи часть 1 статьи 18 требует предварительного согласия адресата; доказать его получение должен рекламораспространитель. ^[5]

Для интернет-рекламы статья 18.1 предусматривает несколько отдельных требований. По части 3 сведения передают перечисленные в ней участники размещения, если реклама обращена к потребителям в России, а сами участники соответствуют установленным Правительством критериям. Передача идёт через оператора рекламных данных — организацию, уполномоченную учитывать рекламу и направлять сведения регулятору (часть 5). ^[5]

Часть 16 требует пометку «реклама» и указание рекламодателя либо страницы с информацией о нём. Исключение относится к рекламе в теле- и радиопрограммах и передачах, распространяемых через интернет. По части 17 оператор рекламных данных присваивает рекламе идентификатор — цифровое обозначение для её прослеживания. ^[5] Личная приписка о бонусе сама по себе не заменяет этих требований.

Здесь использован текст указанных норм из редакции закона от 04.08.2026, прочитанный 22.10.2026. Это обзор применимых вопросов; оценка конкретных сообщений, договоров и способа рассылки требует юридической проверки. Американское руководство FTC описывает подход своего регулятора и не является российской нормой. ^{[3, 5]}

Частые вопросы

Связанные термины

• Партнёрский маркетинг
• Партнёрский (аффилиат) маркетинг
• Лояльность к бренду
• Конверсия
• Атрибуция
• Лидогенерация