Regeln für KI‑Empfehlungsprogramme: Gutschriften, Fristen und Selbstempfehlungen

Warum klare Empfehlungsregeln wichtig sind

Empfehlungsprogramme scheitern aus einem langweiligen Grund: niemand ist sich einig, was zählt. Die eine Person erwartet eine Gutschrift, weil ein Freund auf einen Link geklickt hat. Eine andere erwartet Gutschrift erst, wenn Geld fließt. In der Zwischenzeit sitzt dein Team damit fest, wütende E‑Mails zu beantworten, statt zu bauen.

Wenn du Gründer:in oder ein kleines Team bist, hast du keine Zeit für Einzelfall‑Entscheidungen. Klare Regeln für Empfehlungen reduzieren den Support‑Aufwand, schützen deine Margen und geben guten Empfehlenden Sicherheit, dich zu promoten.

Die meisten Streitfälle fallen in drei Kategorien:

• Gutschrift: Wem wird die Belohnung zugewiesen, wenn mehrere Personen denselben Kunden beanspruchen oder wenn sich der Kunde später mit einer anderen E‑Mail anmeldet?
• Zeitpunkt: Wann wird eine Empfehlung genehmigt und wann erfolgt die Auszahlung (Trial‑Start, erste Zahlung, nach Rückerstattungen)?
• Randfälle: Wie gehst du mit Rückgaben, Rückbuchungen, gekündigten Abos oder einem Kunden um, der nach einem Desktop‑Klick mobil kauft?

Einfache Regeln schlagen clevere Regeln. Je mehr Schlupflöcher du lässt, desto kreativer werden Menschen. Du brauchst kein 20‑Absätze‑Dokument, das jedes seltene Szenario vorhersagen will. Du brauchst Regeln, die 95 % der Fälle offensichtlich machen und die restlichen 5 % leicht und ohne Drama klären lassen.

Hier ein typisches Szenario: Ein Kunde klickt zuerst auf den Link von Empfehler A und nutzt später einen Gutschein von Empfehler B und kauft. Wenn deine Richtlinie nicht sagt, ob First‑Touch oder Last‑Touch gewinnt, landest du in DMs und verhandelst. Genau da schwindet Vertrauen.

Wenn du KI‑Tools nutzt, um schnell zu arbeiten (bei frühen Prototypen üblich), ist es noch wichtiger, Regeln zu schreiben, die Nicht‑Jurist:innen verstehen. Behandle deine Empfehlungsregeln wie Produkt‑UX: kurz, klar und von jemandem getestet, der nicht im Raum war, als du sie geschrieben hast.

Ziele festlegen und bestimmen, was als Empfehlung zählt

Bevor du Regeln schreibst, wähle ein Hauptziel. Wenn du gleichzeitig Anmeldungen, zahlende Kunden und Upgrades optimierst, endest du mit verwirrenden Randfällen und unzufriedenen Empfehlenden.

Wähle ein Ziel, das du leicht verifizieren kannst. Für eine Dienstleistungsfirma kann das „begonnenes bezahltes Projekt" sein statt „Seitenbesuch." Für SaaS ist es oft die „erste bezahlte Rechnung" statt „Trial‑Anmeldung." Je messbarer das Ziel, desto weniger Diskussionen.

Sobald das Ziel klar ist, definiere das genaue Ereignis, das Gutschrift auslöst und was „gültig" bedeutet. Ziel ist eine Definition, die ein Support‑Mitarbeiter in 30 Sekunden anwenden kann.

Eine solide Definition beantwortet konkret: was die Gutschrift auslöst (Anmeldung, erste Zahlung, Upgrade), was sie bestätigt (E‑Mail verifiziert, Zahlung eingezogen, Rechnung bezahlt), ob es eine Mindestsumme gibt (Plan‑Level, Bestellwert, Mindestbindungsdauer), wer empfehlen darf und welche Produkte oder Pläne qualifizieren.

Gib auch an, was nicht zählt, selbst wenn es offensichtlich erscheint. Rückerstattungen, Stornos und Rückbuchungen sind dort, wo die meisten Streitfälle beginnen. Halte Ausschlüsse klar und spezifisch, z. B.: „Wenn der Kauf innerhalb von 30 Tagen erstattet wird, wird die Empfehlungsbelohnung zurückgezogen." Wenn du mehrere Pläne anbietest, entscheide, ob Empfehlungen für alle gelten oder nur für Tarife, bei denen du genügend Marge hast.

Ein schneller Realitätscheck: Wenn du das Ereignis nicht über dein Abrechnungssystem oder CRM verifizieren kannst, ist deine Definition von „zählt als Empfehlung" schwach. Deine Regel sollte messbar sein, nicht streitbar.

Belohnungen wählen, die Menschen verstehen

Die beste Belohnung ist die, die jemand in einem Satz erklären kann. Wenn eine Person die AGB lesen muss, um zu wissen, was sie bekommt, teilt sie es nicht – und du beantwortest später Fragen statt Empfehlungen zu bekommen.

Beginne damit, die Belohnung an die Zahlungsgewohnheiten deiner Kund:innen anzupassen. Bargeld ist simpel, bringt aber Steuer‑ und Zahlungsaufwand. Gutschriften und Rabatte passen zu Abonnementprodukten und Dienstleistungen. Geschenkkarten sind universell, haben aber Gebühren und Zustellaufwand. Feature‑Zugänge funktionieren, wenn dein Premiumpaket offensichtlich begehrt ist.

Halte dich an wenige Belohnungsformen, z. B. einen festen Geldbetrag, ein festes Kontoguthaben für die nächste Rechnung, einen einfachen einmaligen Prozent‑Rabatt, eine Geschenkkarte mit klaren Wert oder zeitlich begrenzten Premiumzugang.

Setze eine Obergrenze, damit das Programm dich später nicht überrascht. Formuliere es menschlich: „bis zu 5 Belohnungen pro Monat" oder „bis zu $500 lebenslang pro Empfehlenden" ist leichter verständlich als komplexe Stufen.

Entscheide, ob nur der Empfehlende die Belohnung bekommt oder ob beide Parteien etwas erhalten. Beidseitige Belohnungen konvertieren oft besser, weil die neue Kundin sich willkommen fühlt, nicht verkauft.

Wenn Geld beteiligt ist, erkläre klar, wie du Steuern, Gebühren und Währungen handhabst. Zum Beispiel: Belohnungen werden in USD ausgezahlt, Zahlungskosten können abgezogen werden und Teilnehmende sind für Steuern in ihrem Land verantwortlich.

Regeln für Gutschrift und Attribution festlegen

Die meisten Empfehlungsstreitigkeiten entstehen, wenn zwei Personen glauben, dieselbe Belohnung verdient zu haben. Deine Regeln sollten eine Frage beantworten: Wer bekommt Gutschrift und warum, auch wenn das Tracking unordentlich ist.

Beginne damit, den Moment zu nennen, der Gutschrift erzeugt. Zum Beispiel: „Gutschrift entsteht, wenn die geworbene Person zahlender Kunde wird." Wenn du Gutschrift bei Anmeldung vergibst, sag das. Ein klarer Satz hält deine Kommunikation in E‑Mails, Social Posts und Links konsistent.

Wähle ein Attributionsmodell

Wenn mehrere Einladungen erfolgen, wähle ein Modell und bleibe dabei:

• First‑Touch: Der erste Empfehlende, der die Person hergebracht hat, bekommt die Gutschrift.
• Last‑Touch: Der zuletzt vor Anmeldung oder Kauf werbende Empfehlende bekommt die Gutschrift.
• Manuelle Prüfung: Langsamer, aber nützlich bei hochpreisigen Deals mit erwarteten Randfällen.

Mach die Wahl mit einem Beispiel in deinen Bedingungen real. Wenn jemand sieht, wie es in einem vertrauten Szenario funktioniert, wird er später weniger streiten.

Setze dein Tracking‑Fenster und einen Plan für Ausfälle

Definiere ein Tracking‑Fenster (z. B. 30 Tage) und was es zurücksetzt. Erkläre dann, was passiert, wenn das Tracking versagt.

Eine einfache Ausweichregel könnte lauten: „Wenn Cookies blockiert sind, nutzen wir die beim Checkout eingegebene E‑Mail, um die Empfehlung abzugleichen. Wenn wir sie immer noch nicht verifizieren können, wird keine Gutschrift erteilt." Menschen mögen nicht jedes Ergebnis, aber sie verstehen es dann.

Statt einer langen Liste von Tie‑Breakern, konzentriere dich auf die Konflikte, die ständig auftreten:

• Wenn dieselbe E‑Mail in mehreren Empfehlungsansprüchen auftaucht, gewinnt die früheste gültige Empfehlung.
• Wird ein Link weitergeleitet, bleibt die Gutschrift beim ursprünglichen Empfehlenden, es sei denn, ein neuer Empfehlungslink wird danach geklickt.
• Nur das erste verifizierte Konto für einen neuen Kunden zählt.

Lege auch ein Streitfrist fest, damit Probleme nicht ewig dauern, z. B.: „Streitigkeiten müssen innerhalb von 14 Tagen nach Anmeldung oder Kauf gemeldet werden."

Wenn dein Geschäft längere Verkaufszyklen hat (z. B. ein kostenloses Beratungsgespräch, das Wochen später konvertieren kann), sei explizit, ob die Gutschrift auf der ursprünglichen Anfrage, dem bezahlten Start oder dem Rechnungsdatum basiert.

Timing‑ und Auszahlungsregeln explizit machen

Verwirrung über Zeitpunkte erzeugt die meisten „Wo ist meine Belohnung?"‑Tickets. Gute Regeln trennen drei Dinge: wann eine Empfehlung aufgezeichnet wird, wann sie berechtigt ist und wann die Belohnung tatsächlich ausgezahlt wird.

Wähle zuerst, wann Gutschrift verdient wird. Übliche Optionen sind, wenn die geworbene Kundin die erste Rechnung bezahlt, wenn sie eine Testphase abschließt oder nachdem sie für einen bestimmten Zeitraum aktiv bleibt. Wähle das, was zu deinem Risiko passt. Bei hoher Churn‑Rate ist „nach 30 Tagen bezahlt" sicherer als „bei Anmeldung."

Bestimme als Nächstes deinen Auszahlungsrhythmus. Du kannst Gutschriften sofort genehmigen, aber wöchentlich oder monatlich auszahlen. Wenn du eine Mindestauszahlungsgrenze nutzt (z. B. Auszahlung erst ab $25), sage das klar, damit niemand eine $5‑Auszahlung am gleichen Tag erwartet.

Rückerstattungen und Kündigungen brauchen eine klare Clawback‑Regel. Nenne das Fenster und was passiert, falls die Belohnung schon ausgezahlt wurde (Abzug von der nächsten Auszahlung oder ein negatives Guthaben, bis neue Belohnungen es decken).

Definiere eine kleine Menge an Status‑Bezeichnungen, damit Leute jederzeit wissen, wo sie stehen:

• Ausstehend: aufgezeichnet, aber noch nicht berechtigt
• Genehmigt: Gutschrift verdient, wartet auf Auszahlung
• Ausgezahlt: Belohnung gesendet
• Abgelehnt: nicht berechtigt (Duplikat, Selbstempfehlung, Rückerstattung, Richtlinienproblem)

Ein konkretes Beispiel: Bei einer 7‑Tage‑Testphase könntest du „Genehmigt nach erster bezahlter Rechnung" und „Auszahlung am ersten Geschäftstag des Monats" mit einer 30‑Tage‑Rückerstattungs‑Clawback‑Regel wählen. Das ist leicht zu verstehen und schwer anzugreifen.

Selbstempfehlungen und einfache Betrugsversuche verhindern

Wenn deine Belohnungen echten Wert haben, werden manche versuchen, sich selbst zu empfehlen oder das System zu manipulieren. Ziel ist nicht, jede:n zu überwachen, sondern klare Regeln zu setzen, die das Programm fair halten und Streit reduzieren.

Beginne damit, Selbstempfehlung in einfacher Sprache zu definieren. Beziehe gängige Fälle ein: dieselbe Person mit zweiter E‑Mail, jemand im gleichen Haushalt und Mitarbeitende, die dieselbe Firmenkarte nutzen. Wenn du an Unternehmen verkaufst, definiere auch, ob „gleiches Unternehmen" als Selbstempfehlung zählt.

Entscheide, was du überprüfst (und kommuniziere es)

Du brauchst keine lange Liste, aber nenne die Signale, die du zur Verifikation nutzen kannst, z. B. E‑Mail‑Muster (Aliase und Plus‑Adressen), Rechnungsname und Zahlungsmethode, Geräte‑ oder Browser‑Signale wo erlaubt, und einfache Zeitmuster (z. B. Konten, die innerhalb weniger Minuten erstellt und gekauft wurden).

Vermeide Regeln, die normales Verhalten bestrafen. Ein Familienmitglied, das dasselbe WLAN nutzt, kann verdächtig aussehen, auch wenn alles legitim ist.

Was passiert, wenn Missbrauch festgestellt wird

Formuliere die Folgen ruhig und klar: Du kannst die Belohnung ablehnen, Gutschriften zurückziehen und Konten bei wiederholtem Missbrauch sperren.

Biete auch einen einfachen Prüfpfad für Randfälle an. Zum Beispiel: „Wenn deine Empfehlung markiert wurde, kontaktiere Support innerhalb von 14 Tagen. Wir können um einfache Nachweise bitten und eine manuelle Prüfung durchführen." Das verhindert, dass ehrliche Empfehlende von Automatisierung ausgeschlossen werden.

Schritt für Schritt: KI‑Tools nutzen, um Regeln zu entwerfen und zu testen

KI kann dir helfen, Empfehlungsregeln schnell zu formulieren; der eigentliche Gewinn liegt aber darin, graue Bereiche aufzudecken, bevor Kund:innen sie finden.

1) Regeln aus einem einfachen Prompt entwerfen

Beginne mit einer Template‑Eingabe und fülle die Fakten ein. Konkrete Inputs liefern klarere Bedingungen.

Write referral program rules.
Inputs:
- Goal: (ex: drive paid annual plans)
- Reward: (ex: $25 credit to referrer, 20% off to friend)
- Timing: (ex: credit after friend pays and stays 14 days)
- What counts: (ex: first-time customer, new email, new payment method)
- Exclusions: (ex: self-referrals, refunds, chargebacks, reseller deals)
- Tie-breakers: (ex: last-click, first-click, or coupon code wins)
Output:
1) One-page summary
2) Full terms
3) A table of “if this happens, then this is the outcome”

(Der obige Codeblock bleibt unverändert; er ist ein Prompt‑Beispiel.)

2) Lass die KI deine Regeln angreifen (absichtlich)

Bitte sie, Randfälle aufzulisten und klare Antworten vorzuschlagen. Verwende Prompts wie: „Freundin klickt zwei Links", „Freundin nutzt andere E‑Mail" oder „Kauf wird am Tag 13 erstattet." Wenn dir die Antwort nicht gefällt, ändere die Regel, nicht nur die Formulierung.

Bitte anschließend um eine Umformulierung auf 6. bis 8. Schulstufe. Wenn ein Satz zu lang ist, kürze ihn, bis er klingt, als würdest du ihn laut sagen.

Führe zum Schluss einen internen Test durch: Erfinde 10 Szenarien und lass die KI jedes als Gutschrift oder keine Gutschrift einstufen sowie das Auszahlungsdatum nennen. Beispiel: Sam empfiehlt Priya am 1. Mai, Priya zahlt am 3. Mai, Rückerstattung am 10. Mai. Deine Bedingungen sollten das Ergebnis eindeutig machen.

Tracking und Reporting ohne Komplexität

Du brauchst keinen teuren Analytics‑Stack. Du brauchst konsistente Identifikatoren, eine einzige Quelle der Wahrheit und Berichte, die mit deiner Auszahlungspraxis übereinstimmen.

Wähle zuerst einen Identifikator, den du überall verfolgst. Ein Empfehlungslink funktioniert bei Web‑Anmeldungen. Ein Gutscheincode am Checkout funktioniert dort. Bei kleinen B2B‑Programmen reicht manchmal die Einladungs‑E‑Mail. Das Vermischen von Identifikatoren (Link plus Code plus manuelle Notizen) ist der Nährboden für Streit.

Entscheide dann, wo die Quelle der Wahrheit liegt. Wenn Belohnungen von Zahlungen abhängen, sollte dein Abrechnungssystem die Autorität für qualifizierte Käufe und Rückerstattungen sein. Wenn Belohnungen von In‑App‑Aktionen abhängen (Aktivierung, Nutzung), kann deine App‑Datenbank die Autorität sein. Wähle eine Quelle und spiegle nur das Nötigste in andere Systeme.

Reporting sollte Supportfragen schnell beantworten. Ein paar Ansichten genügen meist: ausstehende Belohnungen (was fehlt), genehmigte Belohnungen (bereit zur Auszahlung), ausgezahlte Belohnungen (wann und wie) und Rücknahmen (welche Regel die Rücknahme ausgelöst hat).

Wenn jemand fragt: „Warum habe ich keine Gutschrift bekommen?", solltest du einen Datensatz ziehen können, der den Empfehlungs‑Identifier, das Anmeldedatum, das Datum des qualifizierenden Ereignisses und die genau angewandte Regel zeigt.

Beispiel: Ein einfaches Programm, das Streit vermeidet

Stell dir ein kleines SaaS mit 14‑tägiger Testphase und zwei Monatsplänen ($29 und $99) vor. Du willst ein Empfehlungsangebot, das sich fair anfühlt, leicht zu erklären ist und keine Support‑Tickets erzeugt.

Diese Regel‑Auswahl wahrt den Frieden:

• Eine Empfehlung zählt, wenn die eingeladene Person zahlender Kunde wird (Testanmeldungen zählen nicht).
• Gutschrift basiert nur auf der ersten bezahlten Rechnung.
• Belohnungen werden 30 Tage nach dieser ersten bezahlten Rechnung ausgezahlt (um Rückerstattungen und fehlgeschlagene Zahlungen abzudecken).
• Pro Neukunde kann nur ein Empfehlender Gutschrift erhalten.
• Selbstempfehlungen sind nicht erlaubt.

Nun die kniffligen Fälle mit realen Ergebnissen.

Beispiel Selbstempfehlung: Sam registriert sich für einen neuen Test mit einer anderen E‑Mail, klickt auf seinen eigenen Empfehlungslink und bezahlt mit derselben Karte wie auf seinem bestehenden Konto. Das System markiert das, weil die Zahlungsmethode übereinstimmt. Ergebnis: Die Empfehlung gilt als ungültig, keine Belohnung wird gezahlt und Sam behält sein ursprüngliches Konto.

Beispiel Tracking‑Ausfall: Priya teilt ihren Link in einem Slack‑Channel. Ein Teamkollege klickt mobil, meldet sich dann später auf einem Arbeitslaptop an und der Tracking‑Cookie geht verloren. Der Kollege schreibt Support: „Ich habe Priyas Link benutzt." Deine Regeln erlauben eine manuelle Überprüfung innerhalb von 7 Tagen nach Anmeldung. Support prüft einfache Signale (Anmeldezeitpunkt, übereinstimmende Einladungsdetails, ob Priya eine auffällige Historie hat). Wenn es legitim aussieht, wird aus Kulanz einmalig Gutschrift gewährt.

Kunden‑freundliche Formulierung für die Anzeige in der App:

Empfehlungsregeln (einfache Version)

Du erhältst eine Belohnung, wenn deine Freundin zahlende Kundin wird. Testanmeldungen zählen nicht.

Wir schreiben die Gutschrift auf die erste bezahlte Rechnung gut und zahlen Belohnungen 30 Tage nach der Zahlung aus.

Selbstempfehlungen sind nicht erlaubt (z. B. Nutzung deines eigenen Links mit einer anderen E‑Mail). Wird das erkannt, ist die Empfehlung ungültig.

Fehlendes Tracking? Melde dich innerhalb von 7 Tagen nach Anmeldung; wir prüfen den Fall und können nach einer Überprüfung Gutschrift gewähren.

Häufige Fehler, die Streit verursachen

Empfehlungsstreitigkeiten entstehen meist durch unterschiedliche Erwartungen. Wenn ein Empfehlender deine Regeln so liest und dein Supportteam anders, zahlst du entweder doppelt oder streitest öffentlich.

Die Muster, die die meisten Tickets erzeugen, sind:

• Unscharfe Worte wie „qualifiziert" oder „gültig" ohne Definition (was qualifiziert: bezahlter Plan, Mindestausgabe, ob ein Trial zählt).
• Rückerstattungen und Kündigungen ignorieren. Wenn der Kunde innerhalb von 14 Tagen erstattet, ziehst du die Belohnung zurück, verschiebst sie oder behältst sie?
• Zu viele Stufen, Ausnahmen und Bonusfenster. Wenn Menschen eine Tabelle brauchen, um die Belohnung zu verstehen, nehmen sie das beste Szenario an.
• Attribution‑Regeln mitten im Betrieb ändern. Das Umstellen von First‑Touch auf Last‑Touch (oder das Ändern des Cookie‑Fensters) ohne klare Ankündigung lässt frühere Empfehlende sich betrogen fühlen.
• Tracking als alleinige Wahrheit behandeln ohne Fallback. Ad‑Blocker, Mobilgeräte und weitergeleitete Links versagen. Du brauchst einen einfachen manuellen Prüfpfad.

Wenn du KI‑Tools zum Entwurf nutzt, achte auf Platzhalter und vage juristische Formulierungen. KI kann selbstsicher klingen und fehlende Definitionen verschleiern. Eine praktische Gewohnheit ist ein kleines „Definitionen"‑Feld (Qualifizierte Empfehlung, Belohnung, Rückerstattungszeitraum, Selbstempfehlung) und nur mit datierten Änderungshinweisen aktualisieren.

Kurze Checkliste und nächste Schritte

Bevor du veröffentlichst, stelle sicher, dass deine Regeln die Fragen beantworten, die eine müde Support‑Person um 21 Uhr bekommt.

Deine Mindestanforderungen:

• Berechtigung: Wer darf empfehlen, wer kann empfohlen werden, und gibt es ausgeschlossene Länder, Pläne oder Mitarbeitende?
• Gutschrift: Welches Ereignis verdient Gutschrift und was passiert, wenn mehrere Personen denselben Kunden beanspruchen?
• Zeitpunkt: Wann ist die Gutschrift gesichert (Abkühlungszeit) und wann werden Belohnungen ausgezahlt?
• Missbrauchsabwehr: Was zählt als Selbstempfehlung, wie gehst du mit Duplikaten um und ist Coupon‑Stacking erlaubt?
• Support: Wohin gehen Streitfälle, welche Nachweise akzeptierst du und bis wann muss eine Überprüfung beantragt werden?

Teste die Regeln mit ein paar Randfällen. Wenn du jede Frage nicht in einem Satz beantworten kannst, bist du noch nicht startbereit:

• Ein Kunde klickt an einem Tag zwei Empfehlungslinks – wer bekommt die Gutschrift?
• Die geworbene Person kündigt und abonniert nächsten Monat wieder – kommt die Gutschrift zurück?
• Empfehlender und Geworbener teilen Zahlungsmethode, Gerät oder IP – wird das blockiert oder geprüft?
• Geworbene nutzt andere E‑Mail, aber gleichen Namen und Rechnungsadresse – zählt das?
• Empfehlung passiert während eines Promo‑Rabatts – lassen sich Belohnungen stacken?

Zum Start: Stelle sicher, dass Text und System übereinstimmen. Aktualisiere Landing‑Copy und In‑App‑Texte, verifiziere, dass Tracking‑Events ausgelöst werden, und richte einen einfachen Wochenbericht ein (neue Empfehlungen, qualifizierte Empfehlungen, ausstehende Belohnungen, Streitfälle). Halte ein paar kurze Support‑Macros bereit, damit Antworten konsistent sind, und versioniere deine Bedingungen, damit du aufzeigen kannst, was zu einem bestimmten Zeitpunkt galt.

Wenn dein Empfehlungsfluss in einer KI‑gebauten App lebt und Tracking, Auth oder Auszahlungslogik in Produktion fehlschlägt, kann FixMyMess (fixmymess.ai) den Code prüfen und helfen, einen fragilen Prototypen in etwas Zuverlässiges zu verwandeln, bevor du das Programm skalierst.