解析病毒增長模型的這四點因素，讓裂變營銷有跡可循

什麼是增長黑客？

這個概念起源於美國的互聯網行業，其核心就是指以數據分析為基礎，利用產品或者技術手段來驅動用户增長。用户增長對於初創公司來説是至關重要的，所以低成本的獲客是營銷人員一直都在探尋的。

而裂變，正是低成本高增長的典型獲客手段，通過裂變活動去實現用户的指數級增長，從而產生大量的新客户，是所有公司都夢寐以求的事情。但是實際上能夠做到這一點的公司可以説是少之又少，即便是有的公司偶然做到了這一點，那也只是湊齊了天時地利人和，難以複製。

當然了，今天我們不聊裂變手段，主要來説是裂變背後的一個核心公式——病毒增長公式，以及其核心指標——病毒係數K-Factor。

這個病毒係數模型是出自亞當·潘恩伯格的《病毒循環》（浙江人民出版社·第1版），在《病毒循環》第三章病毒營銷模式的建立當中，對病毒係數做了數據化的詮釋，在第十章調整病毒係數當中，以Bebo社交網站為例，用病毒係數作為網站用户增長的指標，對Bebo的發展產生的影響。

我們通常用K值去表示病毒係數，簡單的去表述的話，K值所代表的就是每個現在的用户能夠帶來多少個新用户。而用最直接的計算公式去表示的話，就是K=I*Conv。

I：Invitation，代表的是每個用户發送的邀請數量（分享率）；Conv：Conversion rate，指的是每個邀請的成功概率（轉化率）。

以一場簡單的裂變活動為例，假設這場活動在發佈以後，一位用户給10個好友發送了活動邀請，那麼I=10，而最後有5位好友接受了活動邀請，那麼最後的Conv=5/10=50%，而K值=I*Conv=10*50%=5。

當然了，現在比較多可能不是單對單的發送邀請，可能是通過社羣或者朋友圈去分享邀請鏈接。

假設用户的朋友圈覆蓋了1000位用户，最後有7位用户通過朋友圈的邀請進入了活動沒那麼I=1000，Conv=7/1000=0.7%，K值=1000*0.7%=7。一般來説，我們只有當K值＞1的時候，這個裂變活動才能進行下去。

然後我們進一步，去了解一下病毒傳播模型：

• Custs(t)：customers after time 代表的是一段時間後的總用户數；
• Custs(0)：initial customers 代表的是活動開始時的總用户數（初始用户數）；
• K：viral coefficient 也就是所謂的病毒係數；
• T：time 指的是病毒傳播的總共時間；
• CT：cycle time 每一輪感染週期所要花費的時間。

我們還是以一場裂變活動為例，大概在2018年的時候，課程分銷出現了一種新的玩法，大概理解就是眾包分銷，將KOL們拉到同一個羣裏，讓他們低費用或者0費用購買課程，同時許諾更多的利潤分層，讓他們去推廣課程。

一方面KOL有更大的影響力，能夠帶動更多的購買者；另一個方面，一堆的KOL發同一個課程的海報，本身就是一個很好的品牌課程宣傳機會（嗯，很多就是集體割韭菜了……）。

我們假設第一批KOL有100人，那麼公式當中的Custs(0)，初始用户數就是100。

假設一名KOL能夠帶來5個購買者，那麼K值就等於5，而傳播總時長一般來説要麼是活動方自己停止，要麼是因為傳播衰退到停止，要麼是被封殺而停止。

一般來説，那種朋友圈刷屏式的活動大多數都是被微信官方封殺的。所以我們假設T的數值為50分鐘，差不多25分鐘可以有一輪新的傳播，也就是第二批人從KOL的朋友圈轉發分銷海報，那麼CT=25，我們要的公式的數值就出來了。

理論狀態下，25分鐘一輪傳播，50分鐘可以帶三輪來傳播（加上第一輪），而每個人可以帶來五個用户，那麼一個人在50分鐘後就可以帶來31人，而100人在50分鐘後就可以帶來3100人。

假設每個人可以帶來7個用户的話，那一個人在50分鐘後就可以帶來57人，100人在502分鐘後就可以帶來5700人。而假設時間延長到100分鐘，那就可以帶來五輪傳播，那麼一個人在100分鐘後就可以帶來781元，100人就可以帶來78100人。

持續時間每增加一輪，都會帶來指數級的爆發（同理，循環的時間縮減也能達到相應的效果）。當然了，這個只是理論估值，在實際情況下會因為種種因素，實際上很難達到這樣的數據，這個我們稍後再説。

由上面的公示和數據我們可以判斷出K值、CT的值、還有T值三個因素對於一場裂變活動的影響，Custs(0)的值這邊先不去説，因為初始用户數如何去擴大沒有太多的技巧可言。

主要還是考慮K值，每輪感染時間和總時長這三個值，因為他們的可操作性更強，包含的技巧性也更多，作為裂變活動的運營，最重要的就是針對這三個因素進行優化——而這篇內容重點説的也就是K值。

我們用更具體的數字對比來看一下，K值變化的影響。

假設一場活動中初始用户數為10，傳播週期為25分鐘，總時長設置為六個時長，然後將不同的K值代入公式，然後再繪製一張趨勢圖；因為K值過大導致結果數值也過大，所以K＞2以上的數值就不在趨勢圖中顯示了，否則前期的趨勢圖看不出波動來。

Custs(t) 變化表

Custs(t) 變化圖

病毒係數K的含義是一個初始用户能夠帶來多少的用户，而從以上數值和圖表我們大致可以看出來。

當0＜K＜1的時候，如K值0.5和0.9所示：雖然用户數值還是有增長的，但是這種增長是非常無力的，屬於亞線性增長，一個用户都難以完整的帶來另一個用户；如果這種一場裂變增長活動的話，無疑是一場失敗的活動。

當K=1時，用户是處於一個線性增長的趨勢，不温不火，歲月靜好……一個用户能夠帶來一個新的用户，這樣的增長算不上是失敗，但是也不能説是一場病毒裂變。

坦白説一個公司的常態增長應該就是線性增長，只有少數公司能夠實現指數增長，但是對於裂變活動來説，這樣的增長還是失敗的。

當K＞1時，這個增長就會呈現爆發性的增長，我們一般稱為超線性增長或者指數增長，這才是成功的病毒裂變，一個用户能夠帶來多位用户。

不過在這種情況下，也就更考驗運營人員的能力了，如何讓這場成功的裂變可控的，持續的進行下去。

我們再用幾個數值去推導一下理論數據：一個K值等於10的活動，初始用户數100人，感染週期20分鐘。

由上表我們可以看出，如果在理論狀況下，這場活動在第141分鐘的時候，用户數就會達到12億人，這個數值是現在微信用户總數的數值。

倘若這場活動不受傳播途徑的限制的話，在156分鐘的時候，用户數就會達到70億人，這個數值是現在地球人口的數值；也就是説，兩半個小時再加六分鐘，不到三個小時的時候，就感染全人類了。

當然了，我們也一直在強調，這是在完美條件下的理論數值，實際上做活動可能達到嗎？

我們可以很無腦的去説，這個是不可能達到的。不用説傳播全球了，就是傳播整個微信也是不可能的。微信封殺這種瘋狂裂變的活動，不是怕這個裂變活動會攻陷整個微信，只是為了保證微信的用户體驗不受過多的影響。

在現實傳播當中，往往會受到許多因素的制約，最主要的就是以下這幾個：

一個是並非所有的用户的K值都能達到初始的用户的K值，實際上每個裂變活動都會尋找有一定影響力的KOL或者KOC。但是大多數的用户，無論是輻射的用户數還是能夠轉化的用户數，都遠遠達不到第一批用户數的水平。

一個KOC的好友基本上在兩三千甚至於五千人以上，而一個普通用户的好友可能還不超過500人，這就註定了他們的影響的人羣的基數，而且KOC好友更多為行業、職業相關，普通用户的好友更多的是親戚朋友和同事，受眾的精確度是不如前者的。

與此同時KOC長期都是在發佈一些專業化的內容，更容易得到普通用户的認同，而普通用户一般就在朋友圈裏發一些吃喝玩樂的動態，突然間發佈一些裂變活動的話，難以得到其他用户的認同。

另一個就是，並非所有的用户都會對這個裂變活動感興趣。所有的活動都有其受眾的，就像我們營銷學的老師説的，如果有人跟你説他的產品的目標客户是所有人的，可以直接給他掛科了。

實際上現在大部分的刷屏活動都沒有出圈，剛出圈就消亡了。活動時間越長，接觸到的對這個不感興趣的用户就越多，感染週期也就會隨着變長。K值也會越來越小，最後增長趨近於停止，一場裂變活動就差不多隨之結束了。

去年國慶的時候，微信朋友圈被【給我一面國旗@微信官方】刷屏了，這場活動大概有超過兩億的微信用户參與進來，最後為活動方APP帶去了數百萬的用户增量。

而這場活動的成本，據説就是200塊錢，團隊在某個羣裏發了個紅包讓大家幫忙轉發（結果都領了沒轉發……）；但是即便是這樣參與門檻非常低的活動，到最後參與用户也不到三個億，就停止了。

一個就是不感興趣的人羣就是對這個不感興趣，又或者是因為高齡人羣行動力的缺失無法參與。那麼既然有這樣的種種限制，病毒增長模型的應用價值在哪兒呢？

病毒增長模型的最大價值，我想應該是應用在活動的策劃、監控和覆盤。

在病毒增長模型當中，我們可以看到幾個數據，初始用户數Custs(0)、病毒係數K、感染週期CT，還有病毒傳播總時長T；而我們對裂變活動的運營也就是從增加初始用户數、提高他們的拉新個數、精簡縮短用户的傳播週期，想辦法延長活動的存活週期這四個方面去着手。

Custs(0)初始用户數就相當於是一個初始流量池，這個流量池越大，那麼起量也就越快。

但是除了初始用户的數量以外，其實更重要的還是初始用户的一個屬性問題。初始用户是我們精挑細選的人羣，但是針對不同的裂變方案，我們也需要挑選不同的初始用户，並非説KOC/KOL就一定要比普通的用户強。

誠然，像上面所説的KOC/KOL覆蓋用户廣，信任背書強。

但是與此同時他們的好友更多的都是強相關的，人羣的重疊度更高，在一些更需求突破圈層去擴散的，參與門檻低的活動，藉助那些弱鏈接的用户更多的人羣會更容易滲透到其他圈層。因此在做裂變活動之前，要做好初始用户的一個規劃工作。

病毒係數K剛才也説明了，是至關重要的一個因素，從這個係數高低，我們基本上就可以判斷活動的成敗了。對於係數過低的時候就要想辦法拉高這個數值了，例如換鈎子之類的。

但是對於係數多高，也不要太過得意了，可能封殺離你已經不遠了，要合理的控制這個數值。

從去年到現在都比較流行的任務寶，拉好友送課程/送書活動來看，三位好友會是一個比較安全的數值，是一個用户參與門檻比較低，容易形成裂變，與此同時又不會超過官方的警戒線的數值。

而五位以上的話，一個是參與門檻高容易導致擴散難度加大，還有就是可能活動會被封殺，有一定的風險性。

感染週期CT的話，其實也是官方監控的一個重要因素，如果感染週期過短導致一個活動在一定時間內參與的人羣超過某一個閾值，也是容易被封殺的。

但是其實更多的時候，運營可能要考慮的還是怎麼去縮短這個週期。主要方法還是想辦法去精簡活動的一個轉化路徑，轉化路徑太複雜會延長整個CT的週期，同時會將一部分用户阻攔在活動外面。

路徑越簡單，用户的參與門檻越低，用户參與的積極性也就越高。

活動總時長的把控，主要是從上面三個因素去實現的。

如果裂變不成功，那活動自然就消亡了，總時長自然就短；如果裂變太成功，引起了官方的封殺，那活動也立馬就結束了，總時長也長不了。

因此，只有將上面的三個因素都控制在合理的範圍，讓整個活動合理有秩序，才能保證活動的總時長。

如果活動過於火熱的話，可以降低自封一些裂變路徑，換弱一些的鈎子來降低k值，增加一些路徑（比如填寫個人信息，排隊機制等等）提高CT時間來控制；如果真的不可控，就暫停活動，這樣至少可以保證活動不被封殺或者已經成功轉化的粉絲（到公眾號的粉絲）不被官方清空。

當然了，如果説是活動太冷了的話，自己逐個環節去優化吧。

最後想要説的就是，如果一場活動下來，最後病毒係數K＞1，帶來的Custs(t)總用户數量很大，那這個只能夠説明這一場活動是成功的，不能夠保證説這些用户就一定能夠給你創造多大的價值。

特別是在這個紅海市場的時代裏，很大程度上用户的留存，是要大於用户的獲取。

當然了，要保證用户的留存，這個主要也跟裂變時所用的鈎子有很大的關係。一場活動要從全盤去考慮，比如説在裂變時所用到的鈎子影響到不僅僅會引起K值的變化，與此同時也影響到裂變來的用户的屬性。

所以説鈎子的選擇本身就是一個用户篩選的過程，如果你用現金去做鈎子，那篩選出來的就是屬性不一的泛用户。而如果你用運營課程去做鈎子，那篩選出來的至少都是對運營感興趣的用户。

鈎子的選擇影響到用户屬性，而用户屬性則影響到後期轉化和變現的難度。

關於這一點的話，對To B企業來説更是如此，因為對To B企業而言，用户獲取的數量向來都不是最重要的，因為To B企業的產品一般都是不適用於個人的，開發難度大，篩選轉化難度會更大。

而同時To B企業一個客户的利潤也許能夠抵得上幾千上萬個To C企業客户所產生的利潤，因此用户質量會遠遠高於用户數量。

所以對於ToB來説，用户屬性決定了用户可能產生的價值，如果用户屬性不對的話，這個用户可能一輩子都不會接觸到To B企業的產品，即便裂變的再多也不能產生價值。

因此如果To B企業想要做裂變活動的話，一定要細心的挑選鈎子，即便是最後導致K值＜1，如果能夠獲取目標客户的話，也是絕對划算的。

建立病毒裂變模型的意義，在於通過模型去計算判斷，從而調整自己的運營行為，完善自己的活動，從而降低試錯成本，提高產出效果。

但是用户增長從來都不是獨立於用户運營的存在，用户留存，用户生命週期這些都應該是在做用户增長的時候就要考慮到的事情。用户最後的付費，最後所創造的價值，才是影響企業生存的東西。

本文由 @布衣 原創發佈於人人都是產品經理，未經許可，禁止轉載

題圖來自 Unsplash，基於 CC0 協議