产品增长之病毒式增长

一、病毒式增长概念

简单来说，病毒式增长是指依靠用户自传播带来的新增用户，而不是通过运营者的推广行为带来的新增用户。在病毒式用户增长模型中，我们更关注用户自传播带来的新增用户情况。

网上关于病毒式增长的概念和说明的文章有很多，在这里就不赘述了。

二、基础式病毒增长模型

1. 病毒系数-K值

在病毒式增长曲线中有一个关键词：K值，也就是病毒系数。

下面我们通过一个极简病毒模型来看看如何设计病毒增长曲线：

病毒系数K=(分享次数/分享人数）*（成功转化人数/分享次数）=成功转化人数/分享人数

k=分享率*转化率，简单来说K值就是每个用户能带来的新用户数。

理想情况下K值要大于等于1，病毒曲线才会一直增长，否则就会逐渐归0，想要提升k值，可以提升单个用户的分享次数，也可以提升分享转化的人数。

对于互联网产品，0.15至0.25的可持续病毒系数是不错的，0.4是优秀的，大于0.7是卓越的。

而在实际场景中，基础的病毒式增长模型很难实现真正持续的增长，也很难打造出现象级的爆款产品，比如曾经风靡一时的网易活动带来的朋友圈现象级刷屏的H5。

2. K值提高切入点

从K值的公式中可以看出，其中有两项指标是很重要的，分享率和转化率。那么我们就可以从提高分享率、转化率这两项来入手。

分享率=分享次数/分享人数，对于这个公式可以从人和物两方面来拆解。

物的方面是指，去发觉用户分享的根本原因、并且可以降低分享的门槛。

例如：找到被高频分享的“物”，抽象出其中的共性，也许是情感共鸣、也许是高质量干货、也许是高频刚需……

多产品载体，不仅仅局限在App的形式，也许是小程序、也许是H5这些轻量级的形式……

而人的方面，可以通过拆解指标来找到切入点。分享次数=总用户*活跃用户占比*分享功能触达人数*分享人数，从这四个维度来看，我们可以分别从把蛋糕做大和把盘子盘活两方面来入手。

例如：

• 通过优化和混合病毒模型，来实现用户总量的提升
• 通过创意、激励或触达手段，来提升现有用户的活跃度、唤醒沉睡用户、挽回流失用户
• 通过产品功能和路径设计，来优化分享链路，强化和提升分享功能

三、进阶版病毒增长模型-混合模型

在基础的病毒式增长模型上，继续通过加入对于其他方面的关注，会逐渐让模型更加实用和易用，从而可以尽量发挥出其作用。

1. 非病毒式传播渠道

在病毒模型基础上，引入其他增长渠道：如应用市场、自然流量。

病毒模型的带来的增长，主要是通过已有用户的自发转播带来的增长。但是增长一定不仅仅局限在单一渠道，而应该是全面发力的增长。

首先，可以根据新用户的来源渠道做细分，例如应用市场、自然流量、其他公域平台的引流等等。其次，从每个来源渠道找到特点和增长点，同时与病毒传播相结合，发挥其作用。

2. 混合模型

用户增量可以用一个简单的公式表示为，用户增长=存量用户+新增用户-流失用户。新增用户可以通过病毒模型+非病毒式传播渠道来进行优化，那么接下来的部分，可以从减少用户流失来入手，毕竟用户池的流出减少，从某一个角度来看，也等于变相的“用户增长”的成功。

用户流失模型的重点是，把流失用户根据用户的属性数据或行为特征数据进行分类，将流失用户进行用户属性或用户行为特征的拆分，找到流失用户的关键特征和指标。在增长同时，来降低流失，从而实现用户数量的增加，来提升可能会触发分享行为的用户基数。

3. 组合模型

在初步对新增用户、流失用户进行分析之后，接下来对于模型的优化就进入到了引入留存曲线和病毒式传播曲线阶段。

留存曲线体现了用户在给定时间点仍在使用我们产品的可能性，留存曲线取决于产品的类型和质量。病毒式传播曲线体现了普通用户的病毒系数随时间如何变化。提升留存曲线的意义在于，通过提升留存曲线，不仅流失减少了，病毒式增长也增加了。因为当用户停留时长增加时，他们有更大的机率会邀请更多的好友。

病毒式增长是一个大家都希望能够做到，但却并不那么容易能够在实际场景中应用起来。理论与实践总是有些gap，大概这也是增长的魅力所在。

增长没有“万金油”，即使是大家口中流行和推崇的病毒式增长，也仅仅是一种工具，是工具就会有其局限所在，在增长的工作中，几乎每一步骤都是环环相扣。所以，在每个细节和步骤上把动作做到位，才有可能最终形成螺旋式的上升。

本文作者 @绮遥

版权声明

本文来自互联网用户投稿，文章观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处。如若内容有涉嫌抄袭侵权/违法违规/事实不符，请点击 举报 进行投诉反馈！