用户的裂变式增长,神秘的病毒系数K是什么样的?

病毒式传播、刷屏裂变,想必是很多人员都追求的效果。前几天,微信朋友圈可以说是一片红海,清一色的头像加国旗,文案也是齐刷刷的给我一面国旗@微信官方。这个刷屏活动,让微信用户中超过2亿人参与进来,虽然这次活动的引导下载做得非常的克制,但是还是为这次活动的运营方腾讯新闻极速版带来了庞大的用户群。我们从七麦数据中腾讯新闻极速版IOS端的数据为基础,我们从中可以看出一二:

腾讯新闻极速版的新闻(免费)排行榜从第七名上升到第一名,至今还在第一位;免费应用排名榜从第295名上升至第一名,现在回落至第17位。预估的用户下载量从日均1.2W飙升至24日的20W下载量以及25日的44.9W下载量,用户下载回落中,但是预估能够带来百万以上的用户数量。这个仅仅是IOS端的用户数据,安卓端的市场比较的杂一些,虽然排名上升的没有IOS的这么大,但是也都有所上升,获取了不少用户。

腾讯新闻APP虽然不是这次的运营方,也同样受到这次活动的影响,获取了一批的用户:

腾讯新闻的新闻(免费)排行榜从第四名上升到第二名,现在回落到第五名(因为极速版挤上去了,反而掉下来一名);免费应用排名榜从第130名上升至第21名,高的时候达到第18名,现在回落至第81位。预估的用户下载量从日均5W飙升至24日的7.7W下载量以及25日的10.9W下载量,用户下载回落中,但是预估能够额外带来十万以上的用户数量。

当然了,给大家分析这个活动的成果,只是想说,刷屏级的传播能够带来多大的收益,据消息,这次活动的成本是200块钱,团队在某个群里发了个红包让大家帮忙转发(虽然大家领了以后都没转,哈哈。)和获取的收益对比,那可以说是不要钱的了。那么我们又该如何通过运营设计才实现裂变传播呢?这个话题很广泛,相信大家也都多多少少有些自己的心得体会,今天我们就单独来说一下病毒系数K。

病毒系数模型出自亚当·潘恩伯格的《病毒循环》,我们常用K值来表达病毒系数。K值一般代表的是每个现有用户能够带来几个新用户。

病毒系数K的计算公式是K=I*Conv

I:Invitation代表的是每个用户发送的邀请数量(分享率)

Conv:Conversion rate指的是每个邀请的成功概率(转化率)

假设一次活动,你给10个人发送了邀请,这个I=10,而这10个人当中有2个人接受了你的邀请,那么Conv=20%,K=10*20%=2人,也就是说每个初始用户可以带来2位新人。当然了,现在的人一般也不仅仅会发送给个人,也可能会发送到朋友圈和微信群等等。所以一般来说,假设你的好友+微信群+朋友圈总共覆盖了1000人,最后有5个人达成了购买。那么就是I=1000,Conv=0.5%,K=5(当然了,放在单个人身上的话是一目了然的事情)。

所以我们要看下一步,病毒传播模型:

Custs(t):代表的是一段时间后的总用户数

Custs(0):代表的是活动开始时的总用户数(初始用户数)

K:也就是所谓的病毒系数

T:病毒传播的总共时间

CT:每一轮感染周期花费的时间

假设一次课程分销活动,我们采用的是众包分销(把一堆KOL拉一个群,许诺更低的购买费用,更高的分销利润)。第一批的KOL是200人,那么这个Custs(0)就等于200;K指的是一个人能够带来多少的用户,因为我们是筛选过的KOL,一般来说带来的用户会比较强一些,假设一个可以带来10个好了,那么K就是10;假设这个活动上线后100分钟就被微信封杀了,那么T=100,我们收集的数据显示每一轮的感染周期是20分钟。我们就可以得出数据了。按照这个系数计算的话,可以得出Custs(t)的数值为222200人,也就是22W人,当然了,这个是理论估值,肯定是很难达到以下理想状态的,这个我们等下再说。

从这两个公式我们大致可以看出这个裂变公式中K值的作用,当K值越大的时候,增长曲线的弧度就越大,裂变的效果就越好。

当K值小于1的时候,裂变的增长速度会越来越慢,逐渐的接近一条直线,这是一次失败的传播,只有K大于1的时候,用户的增长才能达到指数级的增长。

当K值=10的时候,第60分钟的Custs(t)=2W人,到了第67分钟就变成了5W人。到第120分钟的时候,用户已经达到了2200W人。所以之类活动不出意外,用不了一个两个小时,就会被微信给封掉,因为假设在完美的情况下,这种情况下去会发生什么?微信日活10亿,我们可以逆推公式,在第153分钟的时候,用户达到9亿9千万,在第154分钟的时候,用户达到11亿一千万,也就是说仅仅两个半小时,微信就会全部沦陷掉。如果这个是病毒的话,全球75亿人,大概会在第171分钟前全部被感染掉。

当然了,这个数据是存在于理想当中的数据,实际上即便微信不封杀,这个活动也不可能传染到每一个人。随着时间的流失,K值和CT值都是在衰减的。并非每个人都是KOL,所以不可能每个人的系数都能够达到10,实际上能够达到3就很不错了。同时随着时间的流失,每一轮感染的时间周期也会增加,热度过了,感兴趣的都感兴趣了,不感兴趣的还是不感兴趣。

就像这次腾讯新闻极速版的活动,即便因为自身的克制以及微信的放水,活动持续了很长一段时间,同时因为参与成本较低,所以扩散的比较多,但是也就撑死到了三亿,就无法再进一步了。一个是因为剩下人群不感兴趣,又或者是高龄人群的行动力较低等等原因。

根据实际操作的反馈来说,病毒系数并非是很稳定的,第一个周期的病毒系数要比第二三个要大得多。原因不仅仅在于初始用户是我们挑选的精准用户,KOL人群,更重要的是强关系与弱链接的理论。用户的朋友圈大部分朋友与用户都是强关系,而朋友圈人群的重叠性很高,所以一个用户在朋友圈当中一而再,再而三的看到海报的时候,被反复的感染,产生行动的概率要比其他人高得多。不过如果仅仅是局限于强关系的圈子当中传播的话,病毒系数会比较高,但是扩散范围会很小,所以也需要借助那些弱链接的人群,将消息扩散到不同的圈子当中去。

此外,微信对于高裂变的活动也会迅速的给与封杀,而那些裂变较低的活动则得以保存直至自己消亡。相信这个官方是有相关的监控的,所以我们在设计活动的时候,一定要控制裂变的传播热度,考虑K值以及CT值还有总活动时长如何把控(当然了,可能更多的朋友要考虑的是裂变凉了怎么办)。否则在裂变活动完后被清粉或者封号的话,那就是竹篮打水一场空了。

©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 203,271评论 5 476
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 85,275评论 2 380
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 150,151评论 0 336
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 54,550评论 1 273
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 63,553评论 5 365
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 48,559评论 1 281
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 37,924评论 3 395
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 36,580评论 0 257
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 40,826评论 1 297
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 35,578评论 2 320
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 37,661评论 1 329
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 33,363评论 4 318
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 38,940评论 3 307
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 29,926评论 0 19
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,156评论 1 259
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 42,872评论 2 349
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 42,391评论 2 342

推荐阅读更多精彩内容