邀請好友類活動(dòng)怎么用到病毒系數(shù)K
如果我們要搞一次“邀請好友”類活動(dòng)，要怎么不斷提高病毒系數(shù)K、從而讓我們的活動(dòng)渠道最大化的效果呢？
在《病毒循環(huán)》書中，作者定義了“病毒系數(shù)K”的概念：平均一個(gè)用戶能帶來多少個(gè)新用戶。
當(dāng)K的值＜1時(shí)，總傳播人數(shù)是收斂的，傳播鏈條在中間就會(huì)斷開、信息無法得到有效傳播；
只有當(dāng)病毒系數(shù)K的值＞1時(shí)，信息才會(huì)不斷擴(kuò)散，總傳播人數(shù)是發(fā)散的、增多的。
此外，隨著時(shí)間的推移，K值一般也會(huì)逐漸衰減，逐漸下降到1、趨于0。
那么，如果我們要搞一次“邀請好友”類活動(dòng)，要怎么不斷提高病毒系數(shù)K、從而讓我們的活動(dòng)渠道最大化的效果呢？
“邀請好友”類的活動(dòng)，一般流程可以簡化到這么3大步驟：
“邀請好友”類活動(dòng)的簡化流程
結(jié)合上面的流程，我們可以從K的概念觸發(fā)進(jìn)行拆解、直到拆解得到的數(shù)據(jù)能直接指出我們?nèi)绾蝺?yōu)化為止：
K=被邀請注冊的新用戶①/主動(dòng)邀請的用戶數(shù)②
可以看到，如果我們搞一場邀請好友的活動(dòng)，在數(shù)據(jù)統(tǒng)計(jì)上、用戶行為分析上要區(qū)分開“主動(dòng)邀請的用戶”和“被邀請注冊的新用戶”。否則數(shù)據(jù)混淆后，就不能得到有效的K值，嚴(yán)重的還可能因?yàn)閷顒?dòng)趨勢預(yù)測出現(xiàn)偏差、造成運(yùn)營事故。
我們接著拆解，
被邀請注冊的新用戶①
=訪問落地頁的用戶數(shù)④*落地頁注冊率⑤
故，
K=（訪問落地頁的用戶數(shù)④/主動(dòng)邀請的用戶數(shù)②）*落地頁注冊率⑤
拆解到這里，基本就可以和活動(dòng)中的主要的3個(gè)步驟進(jìn)行關(guān)聯(lián)。對照上面的公式，如果提高病毒系數(shù)K的值，就需要
1、提升訪問落地頁的用戶數(shù)
2、降低主動(dòng)邀請的用戶數(shù)
3、提升落地頁注冊率
咦，好像那里不對，為什么要提高K值、就要“降低主動(dòng)邀請的用戶數(shù)”呢，這樣怎么最大化活動(dòng)的效果?。?/span>
其實(shí)，為什么是很簡單的，就是單出公式出發(fā)、沒有考慮實(shí)際的環(huán)境，那我們再繼續(xù)對公式進(jìn)行處理下：
平均邀請回流量⑥=（訪問落地頁的用戶數(shù)④/主動(dòng)邀請的用戶數(shù)②）
故，
K=平均邀請回流量⑥*落地頁注冊率⑤
到此，拆解基本完畢。
所以，如果在自己負(fù)責(zé)的“邀請好友”活動(dòng)中，上線之后就盡快算算活動(dòng)的K值究竟是多少，如果數(shù)據(jù)表現(xiàn)不夠好，可以參考上面的公式、從這2個(gè)方向去采取優(yōu)化措施：
一、提高“平均邀請回流量”
二、提高“落地頁注冊率”
而怎么提高的手段和技巧，因?yàn)槊總€(gè)活動(dòng)都有很大的差異，同時(shí)，百度/知乎一下關(guān)鍵詞應(yīng)該就有很多分享。這里就貼一張最近剛在三節(jié)課的「增長黑客課程」中了解的提到STEEPS原則?？梢杂眠@6個(gè)原則來比對自己活動(dòng)中的邀請頁&落地頁：
立即登錄
