chinesefreesexvideos高潮,欧美极品少妇性运交,久久久国产一区二区三区,99久久婷婷国产综合精品,成人国产一区二区三区

作者：我是原子

來(lái)源：原子的商業(yè)世界（ID：OMGbusiness）

本文為作者授權(quán)鳥(niǎo)哥筆記發(fā)布，轉(zhuǎn)載請(qǐng)聯(lián)系作者并注明出處。

近期，“裂變”玩法可謂是互聯(lián)網(wǎng)產(chǎn)品界的當(dāng)紅炸子雞，隨著前幾天網(wǎng)易云音樂(lè)的《你的榮格心理原型》再次刷屏，很多產(chǎn)品都正在或者希望靠裂變來(lái)實(shí)現(xiàn)用戶增長(zhǎng)。

但是，該如何分析和預(yù)測(cè)這種病毒式增長(zhǎng)對(duì)用戶數(shù)的影響？就需要我們建立一個(gè)增長(zhǎng)模型。下面就用5000字帶大家一步步搭建增長(zhǎng)模型。本文翻譯自Rahul Vohra的系列文章《How to Model Viral Growth》，這一系列是我見(jiàn)過(guò)分析病毒式增長(zhǎng)模型最透徹的，因此推薦給你，希望可以對(duì)你有啟發(fā)。

一、什么是病毒式產(chǎn)品？

我們做出一款產(chǎn)品，需要靠各種渠道獲取新用戶。但也許，最迷人的渠道是現(xiàn)有用戶本身。

病毒式產(chǎn)品的大部分增長(zhǎng)來(lái)自其已有用戶吸引新用戶。用戶可以通過(guò)簡(jiǎn)單的推薦（“來(lái)看看這個(gè)產(chǎn)品，它很酷/有用/有趣！”）或直接通過(guò)使用該產(chǎn)品（“我想在PayPal上給你匯款！”）來(lái)吸引另一個(gè)用戶。

病毒式傳播最有名的例子之一是YouTube。在其獲得巨大流量之前，你很可能會(huì)在新聞網(wǎng)站或個(gè)人博客上找到嵌入的YouTube視頻。當(dāng)你看完視頻，你會(huì)被邀請(qǐng)通過(guò)電子郵件把視頻發(fā)給你的好友，并且你還會(huì)獲得將視頻嵌入你網(wǎng)站的代碼。如果你不想分享，YouTube會(huì)向你推薦你可能喜歡的其他視頻。很大程度上，你會(huì)觀看并分享其中的某個(gè)給你的好友。然后，你的好友會(huì)觀看視頻，也會(huì)與他們的好友再分享。通過(guò)這個(gè)“病毒循環(huán)”，YouTube快速獲取了用戶。

那我們?cè)撊绾晤A(yù)測(cè)病毒式產(chǎn)品的表現(xiàn)呢？比如，獲得一百萬(wàn)用戶需要多長(zhǎng)時(shí)間？我們的產(chǎn)品可以觸達(dá)到一千萬(wàn)用戶么？

要回答這些問(wèn)題，我們需要建立一個(gè)病毒式模型。

二、最簡(jiǎn)可能性模型

假設(shè)我們有5000個(gè)初始用戶，這些初始用戶將帶來(lái)多少新用戶？

常見(jiàn)的情形是這樣的：有些用戶喜歡我們的產(chǎn)品，有些用戶不喜歡；有些用戶會(huì)邀請(qǐng)很多好友，有些不會(huì)邀請(qǐng)；有些用戶可能在一天之后邀請(qǐng)好友，而有些用戶則可能需要一周...

我們排除所有這些不確定性，假設(shè)平均而言，五分之一的用戶會(huì)在第一個(gè)月成功帶來(lái)新用戶。 那我們的病毒系數(shù)是1/5 = 0.2。我們最初的5000個(gè)用戶會(huì)在第1個(gè)月吸引5000 * 0.2 = 1000個(gè)新用戶，這1000個(gè)新用戶會(huì)在第2個(gè)月再吸引1000 * 0.2 = 200個(gè)新用戶， 接著第3個(gè)月會(huì)再吸引另外200 * 0.2 = 40個(gè)新用戶，依此類推。

根據(jù)上面的計(jì)算，如下圖所示：我們的用戶會(huì)一直增長(zhǎng)，直到我們擁有6250名用戶。

圖2-1

如果我們的病毒系數(shù)是0.4，會(huì)發(fā)生什么？

圖2-2

同樣，我們以不斷下降的速度獲取用戶。 但這一次，我們的增長(zhǎng)會(huì)一直持續(xù)到約8300名用戶。

如果我們的病毒系數(shù)是1.2，會(huì)發(fā)生什么？

圖2-3

這一次，我們以不斷增長(zhǎng)的速度獲得用戶。

事實(shí)上，通過(guò)一些簡(jiǎn)單的數(shù)學(xué)，我們可以得到以下結(jié)論：

• 假設(shè)初始用戶數(shù)為 x，病毒系數(shù)v小于1，我們就會(huì)以遞減的速度獲取用戶，直到我們擁有 x/(1-v) 名用戶。

• 假設(shè)病毒系數(shù)大于1，我們會(huì)以顯著增長(zhǎng)的速度獲取用戶。

看到這里，你可能會(huì)說(shuō)，這還不簡(jiǎn)單，我們只要讓病毒系數(shù)大于1就行了。

但是，其實(shí)并沒(méi)有這么快......

首先，我們的模型存在很多問(wèn)題。比如，隨著我們獲取越來(lái)越多的用戶，我們最終會(huì)面臨沒(méi)有新用戶可以獲取。其次，真正的病毒式增長(zhǎng)非常罕見(jiàn)，很少有產(chǎn)品能在一段時(shí)間內(nèi)，使病毒系數(shù)超過(guò)1。

通過(guò)和其他創(chuàng)業(yè)者，投資者和增長(zhǎng)黑客討論，我發(fā)現(xiàn)了這個(gè)結(jié)論：對(duì)于互聯(lián)網(wǎng)產(chǎn)品，0.15至0.25的可持續(xù)病毒系數(shù)是不錯(cuò)的，0.4是優(yōu)秀的，大約0.7是卓越的。

然而，我們剛剛已經(jīng)證明了，當(dāng)我們的病毒系數(shù)小于1時(shí)，我們會(huì)以不斷下降的速度獲取用戶，直到不再增長(zhǎng)。這并不是我們想要的結(jié)果，所以這其中缺少了什么呢？

我們忽略了可以獲取用戶的其他渠道：新聞，應(yīng)用商店，直接流量，集客營(yíng)銷，付費(fèi)廣告，搜索引擎優(yōu)化，明星代言，街頭廣告等等。下面，我們就把這些因素考慮到模型中來(lái)。

三、混合模型

混合模型包括了非病毒式傳播渠道。

一些非病毒式傳播渠道，比如新聞，將使我們的用戶數(shù)一下飆升，但另一些渠道，比如應(yīng)用商店，對(duì)用戶增長(zhǎng)的貢獻(xiàn)會(huì)相對(duì)持續(xù)且平穩(wěn)。我們的模型需要盡可能的包含不同類型并盡可能的簡(jiǎn)單，因此，我們將考慮以下3種非病毒式傳播渠道：

• 新聞。優(yōu)秀的新聞發(fā)布會(huì)很可能會(huì)吸引70,000名新用戶。

• App store搜索流量。應(yīng)用商店每月可提供40,000次下載。但并非所有下載用戶都會(huì)運(yùn)行、注冊(cè)我們的App并有不錯(cuò)的首次用戶體驗(yàn)。讓我們假設(shè)60％的下載用戶有很好的首次體驗(yàn)。

• 直接流量。由于我們的老用戶會(huì)進(jìn)行口碑傳播，潛在用戶會(huì)直接找到我們的產(chǎn)品，這可能每月帶來(lái)10,000次下載。讓我們?cè)俅渭僭O(shè)60％的下載者都有很棒的體驗(yàn)。

最后，我們假設(shè)應(yīng)用商店搜索流量和直接流量都會(huì)保持不變。

讓我們將病毒系數(shù)設(shè)置為0，看看如果我們的產(chǎn)品根本沒(méi)有病毒式傳播，用戶增長(zhǎng)會(huì)如何。

圖3-1

在今年年底，我們會(huì)有約450,000名用戶。

現(xiàn)在讓我們加入病毒式傳播。

圖3-2

在不錯(cuò)的情況下，病毒系數(shù)為0.2，在年底我們會(huì)有約550,000個(gè)用戶。在病毒系數(shù)為0.4的情況下，年底我們會(huì)有約70萬(wàn)用戶。如果我們的產(chǎn)品非常卓越，病毒系數(shù)為0.7，那么在年底我們會(huì)有約120萬(wàn)用戶。

放大系數(shù)

上圖說(shuō)明了我所認(rèn)為的病毒式增長(zhǎng)：不在于病毒系數(shù)v，而是放大系數(shù) a = 1/(1-v)。想要計(jì)算用戶總數(shù)，我們要做的就是用非病毒式傳播渠道獲得的用戶數(shù)＊放大系數(shù)。

圖3-3

該圖顯示了病毒系數(shù)的驚人潛力，即使它小于1：隨著病毒系數(shù)的增加，放大系數(shù)呈雙曲增長(zhǎng)。

也就是說(shuō)，只要具備一個(gè)很好的病毒系數(shù)，我們可以不斷加速放大非病毒式傳播渠道的引流效果。

模型存在的問(wèn)題

在模型中增加非病毒式傳播渠道很有用，但我們的模型仍然存在重大問(wèn)題。比如，我們假設(shè)獲取的用戶會(huì)永遠(yuǎn)留存下來(lái)。

但現(xiàn)實(shí)是殘酷的：用戶會(huì)隨時(shí)停用、刪除或遺忘某產(chǎn)品。因此，我們需要進(jìn)一步優(yōu)化模型。

假設(shè)我們的病毒系數(shù)是0.2，并且我們有以下非病毒式傳播通道：

• 發(fā)布新聞，吸引了70,000名初始用戶

• 應(yīng)用商店搜索流量，每月吸引24,000個(gè)新用戶

• 直接流量，每月帶來(lái)10,000個(gè)新用戶

在模型中，讓我們假設(shè)每月有15％的用戶流失，數(shù)據(jù)如下。

圖4-1

在我們發(fā)布的新聞提供初始用戶高峰之后，我們的增長(zhǎng)似乎放緩了。事實(shí)上，即使我們的非病毒式傳播渠道不斷帶來(lái)新用戶，我們的病毒式傳播渠道不斷發(fā)揮他們的放大效應(yīng)，從圖中看，我們的增長(zhǎng)也可能會(huì)完全停止。

究竟發(fā)生了什么？

為了使效果更明顯，讓我們將病毒系數(shù)設(shè)置為0，將月流失率設(shè)置為40％。

圖4-2

?表4-2

在我們發(fā)布新聞后，我們的用戶增長(zhǎng)速度迅速穩(wěn)定在每月34,000名用戶。但是，在流失那一列，由于我們每月?lián)p失一定比例的用戶，隨著用戶池的擴(kuò)大和縮小，我們的流失數(shù)也會(huì)擴(kuò)大和縮小。 事實(shí)上，我們的用戶池將傾向于一個(gè)固定的規(guī)模，因?yàn)樽罱K用戶流失將等于用戶增長(zhǎng)。

承載能力

用戶的增長(zhǎng)和流失率直接決定了最終用戶數(shù)量，在此模型中稱之為承載能力。承載能力的定義是：當(dāng)流失用戶的速度等于獲取用戶速度時(shí)的用戶數(shù)量，公式如下

U*l = g

U是承載能力；l是每月的用戶流失率（或者在一個(gè)月內(nèi)失去任何特定用戶的概率）；g是每月的非病毒式增長(zhǎng)率。

因此，可知承載能力的計(jì)算公式為：

U = g/l，其中l(wèi)≠0

為了使最終用戶數(shù)量增加一倍，我們有兩種選擇：

1. 將非病毒式增長(zhǎng)率提高一倍（比如在非病毒式傳播渠道中投入更多資金）。

2. 將流失率降低一半（比如通過(guò)改善首次用戶體驗(yàn)，或者將營(yíng)銷渠道集中在更精準(zhǔn)的用戶群）。

往往我們會(huì)兩者兼具。

在我們剛剛的例子中，g是每月34,000用戶，l是每月40％。該公式預(yù)測(cè)出我們的最終用戶數(shù)U為34,000/0.4 = 85,000，正如圖4-2所示。

具有病毒因素的承載能力

接下來(lái)，我們?cè)撊绾涡薷某休d能力公式以解釋病毒式傳播？

前文說(shuō)過(guò)，當(dāng)我們的病毒系數(shù)小于1時(shí)，我們可以把它解釋為放大系數(shù) a = 1/(1-v)。由于放大系數(shù)適用于我們的非病毒式增長(zhǎng)率g ，我們可以直接把a(bǔ)放進(jìn)公式里：

U = a*g/l = g/(l*(1-v)) 其中l(wèi)≠0且v <1

讓我們回到第一個(gè)例子，我們的增速正在放緩。在這里，g是每月34,000個(gè)用戶，l是每月15％，v是0.2。該公式預(yù)測(cè)我們的最終用戶數(shù)U 為34,000/(0.15*(1-0.2))= 283,000。這個(gè)結(jié)論正好和圖4-1的發(fā)展方向吻合。

假設(shè)我們的產(chǎn)品非常棒——人們?cè)谏钪须x不開(kāi)它，會(huì)在開(kāi)始使用后的數(shù)月甚至數(shù)年都保留。對(duì)于這樣一個(gè)好的產(chǎn)品，我們的之前的用戶流失模型就太苛刻了，隨著用戶持續(xù)使用我們的產(chǎn)品，我們會(huì)更好地留住他們，因?yàn)闀?huì)發(fā)生以下幾種自我強(qiáng)化效應(yīng)：

• 用戶在我們的產(chǎn)品中留下的數(shù)據(jù)增多，轉(zhuǎn)換到競(jìng)爭(zhēng)對(duì)手會(huì)更加困難（例如Dropbox和Evernote）

• 用戶在我們的產(chǎn)品上投入的時(shí)間增多，會(huì)養(yǎng)成使用習(xí)慣（例如Uber）

• 基于上述兩種情況，用戶與我們的產(chǎn)品建立了情感聯(lián)系

現(xiàn)實(shí)中，我們的用戶會(huì)展現(xiàn)出留存曲線。留存曲線體現(xiàn)了用戶在給定時(shí)間點(diǎn)仍在使用我們產(chǎn)品的可能性。

留存曲線取決于產(chǎn)品的類型和質(zhì)量，以及我們對(duì)營(yíng)銷渠道的定位。比如瀏覽器插件，通過(guò)調(diào)查，我了解到不錯(cuò)的瀏覽器插件的留存曲線長(zhǎng)這樣：

圖5-1

一周后，可以留住80％的用戶。一個(gè)月后，可以留住65％的用戶。兩個(gè)月后，可以留住55％的用戶。長(zhǎng)期看，會(huì)留住約40％的用戶，并且每月的下降速度非常緩慢。

在我們把留存曲線加入模型之前，讓我們先考慮留存曲線對(duì)病毒式傳播的影響。

到目前為止，我們假設(shè)我們的用戶只會(huì)在第一個(gè)月邀請(qǐng)身邊的好友。 但是，如果40％的用戶會(huì)長(zhǎng)期使用我們的產(chǎn)品，并且持續(xù)邀請(qǐng)身邊的好友，那么我們的用戶數(shù)將實(shí)現(xiàn)病毒式增長(zhǎng)。

換句話說(shuō)，我們的用戶也將展示出病毒式傳播曲線。 病毒式傳播曲線體現(xiàn)了普通用戶的病毒系數(shù)隨時(shí)間如何變化。

為什么用戶的病毒系數(shù)會(huì)隨著時(shí)間而改變？ 除了很大程度上取決于產(chǎn)品，也要考慮以下場(chǎng)景：

• 起初，用戶會(huì)猶豫是否邀請(qǐng)好友使用，因?yàn)樗麄內(nèi)栽跍y(cè)試我們的產(chǎn)品

• 一旦用戶愛(ài)上我們的產(chǎn)品，他們會(huì)快速邀請(qǐng)一群好友來(lái)使用

• 很快，用戶會(huì)邀請(qǐng)完身邊可以邀請(qǐng)的好友

• 偶而，用戶會(huì)邀請(qǐng)他們剛認(rèn)識(shí)的新朋友

在這個(gè)場(chǎng)景下，用戶的病毒系數(shù)會(huì)有短暫的初始延遲，然后會(huì)快速增加，接著快速減少到穩(wěn)定但較低的速度。

我們可以對(duì)這個(gè)曲線的每部分都進(jìn)行建模，但可以聚焦到最主要的趨勢(shì)：病毒系數(shù)隨時(shí)間而變小，因?yàn)橛脩魰?huì)邀請(qǐng)完可以邀請(qǐng)的好友。 讓我們用幾何衰變來(lái)建模：每個(gè)月，病毒系數(shù)是上個(gè)月的一半。 例如，病毒系數(shù)在第一個(gè)月可能是 0.2，第二個(gè)月是 0.1，第三個(gè)月是 0.05，依此類推：

圖6-1

如果我們把用戶生命周期中所有的病毒系數(shù)相加，就會(huì)得到終生病毒系數(shù)v'，為 0.2 + 0.1 + 0.05 + ... = 0.4。

我們之前的直覺(jué)繼續(xù)適用：

• 對(duì)于互聯(lián)網(wǎng)產(chǎn)品，可持續(xù)的終生病毒系數(shù)v'在0.15至0.25是不錯(cuò)的，0.4是優(yōu)秀的，0.7是卓越的。

• 我們的放大系數(shù) a 現(xiàn)在為1/(1-v')

七、組合模型

截止到目前，我們升級(jí)了模型：結(jié)合了非病毒式傳播渠道，保留曲線和病毒式傳播曲線。公式比以前更復(fù)雜，下面我們就把它們變得直觀些。

除了用戶增長(zhǎng)圖，我們還做了下面的圖表，用于比較各個(gè)增長(zhǎng)渠道，以及其對(duì)用戶流失的影響。

圖7-1

想知道這些因素如何相互作用的最好方法是做數(shù)字游戲并觀察圖表的變化。在觀察增長(zhǎng)渠道與流失的對(duì)比時(shí)，我們可以嘗試以下方法：

1. 提高留存曲線。 將第1個(gè)月留存設(shè)置為90％，第2個(gè)月留存設(shè)置為80％，第6個(gè)月留存設(shè)置為60％。

圖7-2

我們看到不僅流失減少了，病毒式增長(zhǎng)也增加了。因?yàn)楫?dāng)用戶停留時(shí)長(zhǎng)增加時(shí)，他們會(huì)邀請(qǐng)更多的好友。

2. 提高病毒式傳播曲線。 將第1個(gè)月的病毒系數(shù)設(shè)為0.35，因此終生病毒系數(shù)會(huì)為約0.7。

圖7-3

這對(duì)病毒式增長(zhǎng)渠道產(chǎn)生了巨大影響，該渠道從每月約20,000名用戶增加到每月約40,000名用戶。但對(duì)用戶總數(shù)影響不大，因?yàn)閺拈L(zhǎng)遠(yuǎn)看，我們?nèi)詴?huì)流失40％的用戶。

3.再加入一個(gè)新聞發(fā)布。將第6個(gè)月的“發(fā)布新聞”設(shè)置為100,000。

圖7-4

我們可以清楚的看到圖里的峰值，相應(yīng)地，它導(dǎo)致了流失峰值。不久之后，可以看到病毒式增長(zhǎng)迅速飆升然后緩慢下降，因?yàn)闆](méi)有更多新用戶了，并且我們的新用戶也沒(méi)有更多好友可以邀請(qǐng)。

八、局限性

我們永遠(yuǎn)不要滿足任何模型，因?yàn)樗鼈兌加芯窒扌?。我們的模型可以改進(jìn)的以下方面：

• 我們假設(shè)非病毒式傳播渠道保持不變。事實(shí)并非如此：平臺(tái)增長(zhǎng)，新競(jìng)爭(zhēng)對(duì)手和口碑傳播都會(huì)帶來(lái)很大影響。

• 我們考慮了數(shù)量有限的渠道。事實(shí)上，我們會(huì)有更多非病毒式傳播渠道和病毒式傳播渠道。

• 我們假設(shè)6個(gè)月后停止流失用戶。不幸的是，不管是自然流失還是用戶轉(zhuǎn)向競(jìng)爭(zhēng)對(duì)手，我們一直會(huì)流失用戶。幸運(yùn)的是，當(dāng)我們獲得了數(shù)據(jù)后很容易建模：要做的就是將留存曲線延長(zhǎng)到6個(gè)月之后。

• 我們保守地假設(shè)用戶在6個(gè)月后停止病毒式增長(zhǎng)。同樣，當(dāng)我們獲得數(shù)據(jù)時(shí)，很容易建模：所需要的只是延長(zhǎng)我們的病毒式傳播曲線。

• 我們假設(shè)留存曲線和病毒式傳播曲線不會(huì)隨時(shí)間而改變。事實(shí)并非如此：隨著我們不斷測(cè)試和迭代產(chǎn)品，我們的留存曲線和病毒式傳播曲線也會(huì)得到改善。

最后，我們?cè)倩仡櫼幌挛闹械哪Ｐ褪侨绾我徊讲絻?yōu)化的：開(kāi)始為最簡(jiǎn)可能性模型，后來(lái)引入了非病毒式傳播渠道，迭代為混合模型，接著進(jìn)一步引入了用戶流失，升級(jí)為混合模型，最后引入留存曲線和病毒式傳播曲線，成為組合模型。

當(dāng)然，正如文章最后所說(shuō)，每個(gè)模型都有其局限性，我希望本文可以為你捋清建模思路，從而對(duì)你的用戶增長(zhǎng)有所幫助和啟發(fā)。

文章推薦