如何為手機遊戲行銷策劃低成本的推薦活動

Q: 獨立遊戲開發者如何在沒有預算的情況下推廣手機遊戲？

獨立開發者可以透過結合應用程式商店優化（ASO）、社群互動以及遊戲內病毒式推薦循環，在有限的預算下推廣手機遊戲。透過整合參數傳遞 SDK，工作室允許現有玩家分享直接的對戰或公會連結，將活躍用戶轉化為自動化的獲客管道。

Q: 對手機遊戲而言，怎樣的病毒式 K 因子才算好？

手機遊戲沒有普遍適用的良好 K 因子標準。在簡化的世代模型下，K > 1.0 代表擴張型病毒式循環，而 K = 1.0 代表穩定狀態複製，其中每一代所複製的用戶群規模大致相等。低於 1.0 的數值仍可透過放大基準用戶群來提升獲客效率，但其商業價值取決於推薦成本、留存率、玩家變現能力，以及 K 在後續世代中如何變化。

如何以零預算推廣手機遊戲？在沒有或僅有極少付費媒體預算的情況下推廣手機遊戲，需要將自然散布與可衡量的推薦循環相結合。在具備平台支援或符合隱私規範的延遲推薦情境下，遊戲工作室可以在安裝後還原伺服器發行的邀請憑證，藉此減少手動輸入代碼的阻礙，並在伺服器端驗證授權下，將通過驗證的玩家引導至預期的社交體驗中。

手機遊戲推薦活動是一種程式化成長系統，透過將社交分享動態與遊戲內獎勵或直接的合作配對動態連結，激勵現有玩家邀請新用戶。在平台功能允許的情況下，符合規範的延遲推薦還原能減少手動輸入邀請碼的需求，讓遊戲後端在經過伺服器端驗證後，將符合資格的被邀請人重新連接至邀請者、公會或房間。

名詞	定義	相關實體	搜尋意圖角色
手機遊戲行銷	針對行動裝置遊戲所部署的商業推廣與用戶獲取策略。	成長行銷	資訊型 / 商業型
推薦追蹤	對現有用戶所帶動的下游安裝進行程式化歸因。	病毒式歸因	技術型 / 資訊型
K 因子	衡量自然病毒式玩家成長率的數學係數。	病毒式乘數	營運型 / 決策型

手機遊戲行銷中付費獲客的商業現實

付費獲客成本攀升：為何安裝成本膨脹壓縮獨立團隊預算

手機遊戲的成效行銷變得日益資本密集。隨著程式化廣告平台適應平台級的資料治理與隱私框架，用戶鎖定變得不再那麼具備決定性。同時，各大廣告網路之間的激烈競爭，也推高了休閒、中度核心和益智等各類遊戲的每次安裝成本（CPI）出價。

對於資金有限且以獨立資本營運的獨立遊戲工作室和早期發行團隊而言，完全依賴付費廣告網路會帶來嚴峻的結構性挑戰。當前期的獲客成本超過早期玩家的變現回報時，工作室在遊戲經濟體系達到回收期之前，就會面臨嚴重的現金流緊縮。雖然行銷語境中的「零預算」是指在幾乎沒有或完全沒有直接付費媒體預算的情況下營運，但建立自然成長仍然需要產品工程、營運維護、社群管理以及遊戲內獎勵等資源。

自然乘數：將種子用戶群轉化為自我永續的循環

為了在受限預算下實現商業可行性，遊戲行銷策略必須從線性的付費獲客轉向自我永續的自然乘數。在線性獲客模型中，行銷成長會在廣告預算暫停的瞬間停止：固定的預算產生固定的安裝量，不會產生任何下游動能。

自然乘數將每一個獲取的玩家（無論是來自應用程式商店自然發現、社群管道、社群拓展還是少量的初期付費測試）轉化為活躍的獲客節點。當遊戲實作結構化的推薦機制時，每位活躍玩家都會邀請一定比例的次要用戶。這種動態會產生第二波、第三波及持續的低成本推薦下載，成倍放大原有種子用戶群的實際規模，並顯著降低綜合獲客成本。

低成本成長基礎：應用程式商店優化（ASO）、社群經營與自然口碑

成功的低成本行銷框架奠基於三個非付費支柱：

應用程式商店優化（ASO）：透過關鍵字豐富的後設資料、在地化標題、高對比度的視覺圖標以及清晰的遊戲玩法預覽影片，確保商店頁面瀏覽量到下載量的轉換率達到最佳化。
社群與社交基礎設施：在各大社群平台（例如 Discord、Reddit 和社交媒體管道）建立活躍的玩家據點，讓早期採用者能與開發者直接互動並參與封測循環。
內建口碑觸發點：設計值得分享的遊戲時刻（如高分回放、稀有轉蛋、自訂基地設計或關鍵的多人對戰勝利），讓玩家自然地想要向個人社交圈廣為宣傳。

雖然 ASO 和社群建立奠定了基礎曝光度，但要將被動的口碑轉化為可衡量、高速度的獲客，則需要自動化的推薦追蹤系統。

病毒式循環與推薦系統如何驅動遊戲自然成長

遊戲內病毒式循環的剖析：觸發、分享、安裝與回饋

遊戲內病毒式循環是一個封閉迴圈的行為序列，引導玩家從初期的遊戲互動走向對外的同儕招募：

病毒式觸發：活躍玩家（邀請者）遇到觸發社交分享的遊戲內事件（例如組成公會、開啟多人合作大廳或解鎖推薦里程碑）。
不透明憑證生成：遊戲客戶端向遊戲後端請求獨一無二、由伺服器發行的推薦憑證，並將其嵌入動態網頁分享連結中。
社交分發：邀請者透過外部社交管道或訊息應用程式（如 WhatsApp、Line、WeChat 或 Discord）直接分享連結。
情境式落地與商店引導：潛在玩家（被邀請人）點擊連結，檢視顯示邀請者個人檔案或對戰房間的輕量化網頁落地頁面，隨後前往平台應用程式商店。
無摩擦安裝與路由：在首次啟動時，遊戲客戶端非同步擷取推薦憑證，將其傳輸至遊戲伺服器進行驗證，並自動執行獲授權的路由動作（例如連接至邀請者的房間）。
循環完成與回饋：被邀請人獲得新手入門資源、體驗核心遊戲玩法，並在遊戲進展過程中獲得屬於自己的病毒式分享機會。

從邀請到多人互動的手機遊戲推薦循環

獎勵架構：平衡社交效用與虛擬貨幣

設計有效的推薦獎勵需要在內在社交效用與外在虛擬獎勵之間取得平衡：

內在社交效用: 遊戲中最強大的推薦驅動因素是功能性的。讓朋友能夠即時一起進行合作遊戲、結成同盟、解鎖合作突襲遭遇戰或交易遊戲內資源，能提供真正的遊戲動力，這往往超越純粹的虛擬貨幣獎勵。
外在虛擬貨幣: 提供軟貨幣、體力補充或進度加速代碼，以補償玩家的外出分享努力。然而，外在獎勵必須經過精細校準，以免破壞遊戲內經濟平衡或助長多帳號自我推薦刷分的行為。
外觀與聲望獎勵: 專屬角色外觀、獨特玩家徽章或自訂大廳頭銜僅透過推薦里程碑頒發，能夠在不膨脹虛擬貨幣供應的情況下，滿足玩家的聲望需求。

雙向獎勵機制：平衡邀請者與被邀請人的動機

雙向推薦機制可以透過為雙方參與者提供價值來提升推薦循環的吸引力；工作室應透過控制測試來衡量其對邀請接受率與合格推薦轉換率的增量影響：

邀請者獎勵: 在被邀請的朋友安裝並完成初始遊戲里程碑（例如完成新手教學或達到帳號等級）後，獲得遞進式里程碑點數或社交效用代碼。
被邀請人獎勵: 在首次登入時立即獲得歡迎禮包（例如新手貨幣、付費角色試用或進度加速器），降低初始上手難度並加速早期參與。

防止經濟體系膨脹：為推薦獎勵設定分級上限

無上限的推薦獎勵會為手機遊戲經濟帶來巨大的通膨風險。惡意用戶或自動化機器人農場可能會濫用開放的推薦機制來產生無限的虛擬貨幣，進而破壞應用程式內購買（IAP）的直接營收。

工作室應實作結構化的經濟控制：

每日與終身推薦上限: 限制單一帳號在 24 小時窗口內以及帳號生命週期內可領取的受獎勵推薦次數（例如根據遊戲平衡設定如每日 5 次受獎勵邀請等說明性上限）。
里程碑解鎖制派發: 僅在被邀請玩家達成有意義的遊戲內里程碑（例如完成第 1 章或在活躍遊戲中花費 30 分鐘）時，才發放高等級推薦獎勵，確保獎勵與真正的玩家參與度相符。
邊際效益遞減獎勵: 建構獎勵層級，使最初的推薦授予高效用，而後續推薦則獎勵外觀徽章或社交認可，而非流動性的遊戲內貨幣。

手機遊戲中病毒式 K 因子的數學建模

經典病毒式係數公式：K 等於邀請數乘以轉換率

主導有機推薦活動的數學引擎是病毒式係數，普遍指定為 $K$ 因子。 $K$ 因子量化了每個現有玩家成功招募到遊戲中的新玩家數量：

K = i \times c

其中：

$i$ 代表每位活躍玩家平均發送的邀請數量：

i = \frac{\text{Total Invitations Sent}}{\text{Total Active Players}}

$c$ 代表每個發送邀請的轉換率（邀請轉化為已驗證安裝與首次啟動的機率）：

c = \frac{\text{Total Referral Installs}}{\text{Total Invitations Sent}}

解構輸入變數：每位玩家發送的邀請數與邀請轉換率

為了最佳化 $K$ 因子，成長團隊必須獨立分析並改善這兩個變數：

提高邀請頻率（ $i$ ）：提高邀請按鈕的能見度，將分享提示融入自然的勝利時刻，並提供需要額外參與者的引人入勝合作遊戲模式。
提高邀請轉換率（ $c$ ）：確保網頁落地頁面快速載架、顯示個人化情境預覽（例如「加入艾克斯的 12 級公會」），並在從安裝到啟動的流程中消除手動輸入促銷代碼的步驟。

結合玩家留存率的推薦 K 因子世代

數學閾值：穩定狀態與擴張型病毒式循環

$K$ 的數值決定了遊戲成長的數學軌跡：

擴張型病毒式循環（ $K > 1.0$ ）：每一代玩家產生的被推薦用戶數量都多於前一代（ $100 \to 120 \to 144 \dots$ ）。遊戲實現指數級的病毒式成長。雖然在數學上可能實現，但在商業手機遊戲中，持續的 $K > 1.0$ 極為罕見。
穩定狀態複製（ $K = 1.0$ ）：在簡化的世代模型下，每一個推薦世代所複製的用戶群規模大致相同（ $100 \to 100 \to 100 \dots$ ）。
衰減型病毒式乘數（ $0 < K < 1.0$ ）：每一代產生的用戶群都比前一代小，並最終逐漸減少。然而，在沒有市場飽和的簡化且常數 $K$ 模型下，這會產生一個理論上的推薦乘數（ $M_v$ ）：

M_v = \frac{1}{1 - K} \quad (\text{for } 0 \le K < 1)

\text{Theoretical Total Cohort Installs} = V_0 \times \left(\frac{1}{1 - K}\right)

其中 $V_{0}$ 代表初始種子用戶群。現實世界的活動會經歷用戶群老化與邀請疲勞，這意味著經驗上的 $K$ 會在後續世代中衰減，而不是保持嚴格的常數。

在恆定 K 下的理論推薦乘數：
總安裝數
乘數 (M_v)
|                                        / (K > 1.0: 擴張型病毒式成長)
|                                       /
5x|                                     /
|                                    /
3x|                              .–’ (K = 0.67: 乘數 = 3.0x)
2x|                    .--------’     (K = 0.50: 乘數 = 2.0x)
1.5x|         .----------’              (K = 0.33: 乘數 = 1.5x)
1x||________________________________________
0.0      0.2       0.4       0.6       0.8       1.0 (K 因子)

計算實際的綜合獲客成本與經濟效益

在評估推薦經濟效益時，工作室必須同時將媒體預算與推薦計畫的有形成本（例如遊戲內獎勵價值、伺服器基礎設施與推廣營運）納入考量。

每次安裝的實際綜合獲客成本（綜合 CPI）定義為：

\text{Blended CPI} = \frac{\text{Paid Media Spend} + \text{Referral Program Incremental Costs}}{\text{Verified Paid Installs} + \text{Verified Referral Installs}}

在推薦獎勵的邊際現金成本為零且 $K$ 保持常數（ $0 \le K < 1$ ）的理想近似情況下，關係式可簡化為：

\text{Idealized Blended CPI} \approx \text{Paid CPI} \times (1 - K)

這說明了活躍的推薦循環如何透過以低成本的同儕推薦來擴充付費用戶群，進而壓縮獲客成本。

參數傳遞與深度連結如何消除新手引導阻礙

阻礙懲罰：為何手動複製貼上促銷代碼會抑制轉換

傳統手機推薦計畫中主要的營運失敗點在於手動代碼輸入。在傳統系統下，玩家 A 分享靜態文字字串（例如 HERO9921）。玩家 B 必須複製該字串、開啟應用程式商店、下載應用程式、啟動遊戲、完成新手教學、尋找設定或兌換選單，然後手動貼上代碼。

每個額外要求的步驟都會增加流失率，並應在推薦漏斗中進行衡量：

剪貼簿覆蓋：用戶在漫長的應用程式商店下載時間中覆蓋了剪貼簿或遺失了字串。

選單放棄：休閒玩家在被迫瀏覽複雜的遊戲內設定選單時會放棄推薦流程。

拼寫錯誤：大小寫敏感的字串會產生輸入錯誤，導致挫折感並放棄推薦領取。

累積下來，手動代碼輸入機制會導致顯著的轉換下滑，直接壓低邀請轉換率（ $c$ ）並使病毒式 $K$ 因子崩潰。

手動推薦代碼與還原邀請情境漏斗之比較

平台路由架構：App 連結、通用連結與商店推薦來源

將網頁推薦連結橋接到原生行動應用程式，需要根據應用程式是否已安裝而採用不同的技術機制：

已安裝應用程式直接深度連結：對於已經安裝遊戲的用戶，Android App Links 和 Apple Universal Links 提供已驗證的直接路由。點擊已驗證的 HTTPS 推薦連結會繞過瀏覽器並直接開啟遊戲客戶端，同時傳遞傳入的 URL 參數。
Android 安裝後歸因（Google Play 安裝推薦來源）：對於透過 Google Play 安裝的新用戶，平台提供 Google Play Install Referrer API。歸因系統透過商店下載流程安全地傳遞推薦參數，允許應用程式客戶端在首次啟動時擷取確切的推薦 URL。
iOS 安裝後延遲情境：通用連結不會在未安裝應用程式的 App Store 安裝邊界保留任意參數。跨 iOS 應用程式安裝的延遲情境還原需要具備供應商特定且符合隱私規範的架構。

應對隱私限制與消除裝置指紋識別捷徑

現代推薦架構的一項關鍵技術要求是嚴格遵守平台隱私政策。Apple App Store 指南嚴格禁止裝置指紋識別——具體而言，即禁止從瀏覽器屬性、使用者代理程式、IP 位址或裝置硬體配置中衍生持久性或機率性的裝置識別碼。此外，行動作業系統限制了對系統剪貼簿的無故存取。

符合規範的推薦架構必須避免使用被禁用的指紋識別捷徑。相反地，推薦追蹤應依賴授權的平台 API（例如 Android 上的 Google Play Install Referrer）、第一方伺服器工作階段，以及不會蒐集未授權裝置遙測資料的相容情境式歸因管道。

遊戲場景還原前的不透明推薦憑證驗證

伺服器權威場景還原：將還原的憑證轉化為已驗證的動作

應用程式啟動時擷取的參數必須被嚴格視為不受信任的路由提示。攻擊者可能會操縱 URL 查詢參數或重放過期的推薦連結。手機遊戲客戶端絕不能僅根據客戶端解析的 URL 參數來授予獎勵、加入私人房間或更改公會成員身分。

安全的場景還原工作流程運作如下：

憑證還原：客戶端 SDK 在啟動時非同步擷取快取的推薦酬載。
伺服器端驗證：遊戲客戶端將不透明邀請憑證（invite_token）傳輸至遊戲後端。
授權與情境驗證：遊戲伺服器驗證憑證是否有效、活躍、未過期且在授權的推薦限制內。它會交叉檢查目標房間的存在性、容量和存取規則。
授權客戶端導航：收到伺服器授權後，遊戲客戶端執行場景還原動作（例如將玩家導航至私人對戰大廳或套用新手禮包）。

無摩擦遊戲推薦與伺服器權威還原管道：
[玩家 A] ──> 請求不透明邀請憑證 (?invite_token=tok_99812)
│
▼
[分發分享連結] ──> 玩家 B 點擊連結並前往商店
│
▼
[App Store / Google Play] ──> 玩家 B 安裝並啟動遊戲
│
▼
[客戶端啟動] ──> SDK 非同步擷取參數酬載
│
▼
[遊戲後端驗證] ──> 伺服器驗證憑證並授權房間/獎勵情境
│
▼
[授權場景還原] ──> 玩家 B 自動加入玩家 A 的對戰大廳

安全遊戲推薦追蹤的技術框架

發行不透明邀請憑證與驗證來源情境

為了避免在分享 URL 中暴露原始的邀請者、房間或公會識別碼，遊戲後端應發行密碼學隨機的不透明邀請憑證，並在伺服器端儲存具權威性的邀請者、活動、房間、獎勵、到期日與兌換情境。分享 URL 僅包含不透明憑證。

在首次啟動還原後，遊戲後端會解析憑證並驗證其範圍、到期日、兌換政策、邀請者資格以及目標資源授權，然後才回傳任何允許的路由或獎勵動作。無狀態簽章憑證設計也是可行的，但其密碼學實作不在本文討論範圍內。

非同步客戶端擷取與伺服器授權工作流程

在行動遊戲架構中，參數還原絕不能阻塞主渲染執行緒或延遲初始資產載入。客戶端 SDK（例如如 getInstallParam 等 OpoInstall 範例介面）會在遊戲引擎初始化期間非同步查詢歸因閘道。

一旦參數回呼回傳快取的 JSON 酬載，客戶端就會將憑證分派給遊戲的權威性工作階段管理器。如果用戶使用 Android，系統可以利用 Google Play Install Referrer 資料；在 iOS 上，客戶端則會根據平台政策處理可用的情境式深度連結憑證。

尋求遊戲引擎整合程式庫的開發者可以參閱 SDK 整合資源以取得實作指南。

建構遊戲推薦事件與工作階段酬載

為了在歸因後設資料、多人路由參數和獎勵配置之間維持清晰的技術區隔，遊戲伺服器會採用結構化的 JSON 架構。

下方的架構佔位符說明了一個參考架構紀錄，其中擷取了邀請者遙測資料、不透明推薦憑證、伺服器授權狀態以及場景還原結果：

{
  "reference_architecture": true,
  "illustrative_thresholds": true,
  "game_referral_session_record": {
    "telemetry_metadata": {
      "session_record_id": "ref_sess_2026_0911_9921",
      "timestamp_utc": "2026-09-11T06:15:00.000Z",
      "app_id": "com.example.game.coop_rpg",
      "new_user_account_id": "usr_new_772184"
    },
    "inviter_context": {
      "inviter_account_id": "usr_vet_102941",
      "inviter_account_age_days": 42,
      "lifetime_successful_referrals": 4,
      "inviter_risk_tier": "low_risk_trusted_player"
    },
    "restored_referral_token_context": {
      "opaque_invite_token": "tok_d4e1f7a8_99812",
      "token_resolution_status": "resolved_valid",
      "token_expiry_status": "valid",
      "token_scope_status": "authorized",
      "token_redemption_policy": "multi_use_until_expiry",
      "target_game_room_id": "room_dungeon_409",
      "guild_alliance_id": "gld_valiant_77",
      "campaign_source_tag": "in_game_guild_recruit",
      "sharing_platform_reported": "whatsapp"
    },
    "platform_restoration_provenance": {
      "platform": "Android",
      "restoration_method": "google_play_install_referrer",
      "retrieval_mode": "asynchronous_startup_callback",
      "prohibited_fingerprinting_used": false,
      "privacy_profile": "google_play_install_referrer"
    },
    "server_authorization_and_scene_routing": {
      "server_authorization_status": "approved",
      "room_access_authorized": true,
      "target_scene_routed": "Lobby_PrivateRoom_View",
      "double_sided_reward_disposition": {
        "invitee_starter_pack_granted": true,
        "inviter_reward_status": "pending_gameplay_milestone",
        "required_milestone": "complete_chapter_1"
      },
      "anti_abuse_evaluations": {
        "self_referral_check": "passed",
        "velocity_limit_check": "passed",
        "token_reuse_check": "passed"
      }
    }
  }
}

稽核病毒式節點與減輕自我推薦濫用

全面的推薦追蹤架構使分析團隊能夠識別表現優異的病毒式節點——即推動大量自然玩家規模的活躍社群領袖、公會會長或創作者。識別這些玩家可讓工作室提供自訂社群支援與獨家遊戲內認可。

同時，自動化監控系統必須稽核推薦流程以偵測惡意濫用：

速度閾值：標記在短時間內產生異常數量推薦安裝的帳號。
下游參與檢查：評估被推薦玩家在發放高等級邀請者獎勵之前，是否完成了初始遊戲里程碑。
防止自我推薦：使用平台允許的完整性、帳號、憑證和伺服器端濫用訊號，在不建構被禁用裝置指紋的情況下偵測可能的自我推薦或重複兌換模式。

團隊可以查閱可用的作弊監控說明文件以了解技術介面與病毒式分享參數規格。

預算限制下手機遊戲成長管道的比較分析

評估跨獲客向量的可擴展性、成本結構與技術負擔

受限於預算的遊戲工作室必須從資本密集度、技術要求和可擴展性潛力等方面評估用戶獲客向量。

下表對比了主要的手機遊戲成長管道：

成長管道	資金需求	技術複雜度	可擴展性潛力	主要營運瓶頸
付費廣告網路	高（直接媒體支出）	低至中等	高（取決於資金）	不斷攀升的 CPI 與快速耗盡的預算
應用程式商店優化	低（內部人力）	中等（後設資料微調）	中等（商店搜尋受限）	演算法變動與關鍵字飽和
社群 / 創作者推廣	低至中等	高（關係管理）	中等至高	前置期長且創作者接納度難以預測
遊戲內推薦循環	低（內部開發）	中等（SDK 整合）	可變至高（乘數取決於留存率與轉換率）	取決於基準留存率與社交深度

平衡自然病毒式傳播與付費加速

雖然遊戲內推薦循環提供了具吸引力的獲客經濟效益，但它們需要初始的活躍玩家種子用戶群來產生動能。

資本效率高的成長策略會依序結合多個管道：

基準設定：最大化 ASO 與社群拓展，以建立初始的自然玩家基準（ $V_0$ ）。
推薦整合：部署摩擦力更低、雙向的推薦機制以及伺服器授權的參數傳遞，以最大化有機 $K$ 因子。
目標付費加速：部署小規模、高度聚焦的付費廣告測試，將新鮮的種子用戶群注入表現優異的病毒式循環中，成倍放大所花費每一塊行銷預算的回報。

遊戲工作室何時應將推薦循環作為主要的成長驅動力

優先考慮遊戲內推薦活動的適用條件

遊戲工作室應在特定的設計條件下優先考慮遊戲內推薦計畫：

多人與合作遊戲玩法：與朋友一起遊玩能直接改善核心體驗的遊戲（例如合作 RPG、團隊亂鬥遊戲、卡牌對戰遊戲、社交派對遊戲）。
公會與同盟元系統：玩家組織積極招募成員以維持競爭實力的策略與中度核心遊戲。
健康的基準留存率：展現出與其類型相符的穩定早期參與指標的遊戲，確保新招募的玩家保持活躍。
值得分享的遊戲時刻：具備個人化、可廣播事件的遊戲（例如自訂地牢設計、對戰回放或稀有成就解鎖）。

病毒式推薦模型的絕對不適用條件

在特定的遊戲情境中，主要依賴病毒式推薦循環是沒有效果的：

純單人劇情遊戲：缺乏自然社交、競技或合作互動點的劇情導向或氛圍型益智遊戲。
留存率差的早期原型：核心循環未經驗證、新玩家快速流失的遊戲；病毒式機制無法修復破碎的留存漏斗。
生命週期短的超休閒遊戲：專為短暫工作階段設計、玩家缺乏組織或邀請同儕誘因的遊戲。

手機遊戲推薦行銷中的常見迷思

迷思 1：外在獎勵可以補償薄弱的遊戲玩法：如果底層遊戲缺乏參與感，提供虛擬金幣或鑽石將無法推動持續的病毒式傳播。病毒式傳播會放大現有的玩家熱情；它無法製造樂趣。
迷思 2：手動促銷代碼對休閒玩家是可以接受的：假設玩家會手動複製並貼上字母數字字串，是忽略了行動端使用者體驗的摩擦。每個手動步驟都會降低邀請轉換率。
迷思 3：病毒式傳播獨立於留存率而運作：只有當新獲取的玩家保持足夠長的活躍時間以邀請自己的同儕網路時，推薦計畫才會複合式地推動成長。

常見問題 (FAQ)

獨立遊戲開發者如何在沒有預算的情況下推廣手機遊戲？