千聊微課刷屏的背后,有一個神秘的因子:K=6.58

周三當(dāng)天下午,我們提前收到了千聊的裂變邀請,然后預(yù)感到這個靠“眾包裂變”課程一定會被封,所以想借機(jī)圍觀收集點(diǎn)數(shù)據(jù)。畢竟,上次深度運(yùn)營精選團(tuán)隊(duì)操盤的網(wǎng)易課程已經(jīng)因?yàn)槎嗉壏咒N和過強(qiáng)的刷屏能力而遭到了封殺,而當(dāng)時(shí)是課程分銷啟動12小時(shí)后才進(jìn)行的封殺。

這次實(shí)驗(yàn)的目的就是探索刷屏裂變背后的科學(xué)原理,找到病毒營銷的共性規(guī)律和數(shù)據(jù)支撐。

實(shí)驗(yàn)背景:

1. 1月31日下午五點(diǎn),增長黑盒某個小群中有人爆出了如下截圖。然后我主動要求上車,于是就被拉到了這個“極限挑戰(zhàn)裂變課程KOL作戰(zhàn)群”里。

千聊微課刷屏的背后,有一個神秘的因子:K=6.58
極限挑戰(zhàn)裂變課程KOL作戰(zhàn)群

緊接著,我看了下課程描述和pdf,感覺還是有學(xué)習(xí)一下的價(jià)值的。于是決定推廣一波該課程,順便收集一下數(shù)據(jù)。因?yàn)檫@種量級有預(yù)謀的眾包營銷,我預(yù)感今年不會很多了。

千聊微課刷屏的背后,有一個神秘的因子:K=6.58

2. 在6點(diǎn)的時(shí)候,課程上線,但是售價(jià)只有1元。據(jù)我觀測,在改為49元前,已經(jīng)有5000人按1元的價(jià)格報(bào)名了,說明可能有成百上千的人已經(jīng)被拉上眾包分銷的車了。(千聊的上課人數(shù)是有水分的,所以實(shí)際付費(fèi)人數(shù)一定是遠(yuǎn)遠(yuǎn)小于這個值的)

千聊微課刷屏的背后,有一個神秘的因子:K=6.58

3. 在6點(diǎn)55的時(shí)候,課程價(jià)格就已經(jīng)改為49了,我在6點(diǎn)59轉(zhuǎn)發(fā)了海報(bào)。我的朋友圈大概有1200個因?yàn)槲覀兾恼轮鲃蛹游业呐笥?,都是精?zhǔn)的受眾。然后差不多3分鐘有一個掃碼買課的朋友,20分鐘后就沒人用我的朋友圈邀請卡買了,畢竟當(dāng)時(shí)海報(bào)已經(jīng)全面刷屏了。

千聊微課刷屏的背后,有一個神秘的因子:K=6.58

一共成交7單,每單34.3元收益,并未形成2級分銷。

4. 7點(diǎn)32的時(shí)候,發(fā)了千聊活動的推送文章:千聊CEO親自開講:裂變傳播與指數(shù)增長的秘訣。(軟文用的官方的)

畢竟課程看上去還是包裝的不錯的,而且CEO都請出來了,還是值得學(xué)習(xí)一下的。

公眾號發(fā)文之后,大概一分鐘就有一個成單,然后成了8單,當(dāng)時(shí)大概一共300-400文章閱讀。

萬萬沒想到,公眾號發(fā)文10分鐘后,課程就被封了??偹⑵?xí)r間不超過50分鐘,看來騰訊這次的預(yù)警那是相當(dāng)之快啊,我們一共掙了514.5元。

千聊微課刷屏的背后,有一個神秘的因子:K=6.58

千聊在被封后,給買課的朋友退還了所有課程費(fèi)用,而且課程也變成免費(fèi)的了,分銷的錢我們也成功提了出來~有興趣的朋友還是可以去聽課的!可憐的千聊算是被我們薅了一波羊毛。

實(shí)驗(yàn)分析:

我們首先來回顧一下病毒系數(shù)K的計(jì)算公式:

K=I*Conv

I:Invitation,即每個用戶發(fā)送的邀請數(shù)量,反映了分布密度(distribution)

Conv:Conversion rate,即每個邀請成功的概率,反映了感染強(qiáng)度(infection)

直觀的來解釋,K代表了每個現(xiàn)有用戶能夠帶來多少個新用戶。

也就是說,如果你的一次活動吸引了10個用戶,每個用戶發(fā)送10個邀請給好友(I),每個邀請成功率為20%(Conv),那這次活動的K=10*20%=2,即每個現(xiàn)有用戶可以成功帶來2個新用戶。經(jīng)過一輪二次傳播后,你會新增10*K=20人。

根據(jù)多方面了解,這次活動還是以微信群/朋友圈的海報(bào)傳播為主,公眾號的轉(zhuǎn)化和傳播可以忽略。因此,我們只考慮朋友圈/群傳播的效果。

從實(shí)驗(yàn)數(shù)據(jù)來看:

  • 朋友圈+群人數(shù):1500人
  • 購買量:7人
  • 轉(zhuǎn)化率:7/1500=0.46%

如果從個人的角度出發(fā),我們一眼就能看出K=7,因?yàn)樗麕砹?個新用戶嘛!同時(shí)I=1500,Conv=0.47%。但是,顯然這個活動不僅只有alan一人參與,如果把這個規(guī)律強(qiáng)行加到其它病毒傳播者的身上,似乎有點(diǎn)不太妥當(dāng),畢竟alan只是個例。

接下來,我們就根據(jù)整體數(shù)據(jù),來逆向推導(dǎo)千聊微課的K值,以衡量它的傳播力度和病毒效應(yīng)。

如果你不喜歡做數(shù)學(xué)題,可以直接略過下面的部分,不影響結(jié)論!

現(xiàn)在,我們并不知道平均每個用戶發(fā)送了多少邀請,更不可能知道轉(zhuǎn)化率。

那么,該用什么方式來推導(dǎo)K值呢?

我們先來看下完整的病毒傳播公式,學(xué)生物的人應(yīng)該都不陌生:

千聊微課刷屏的背后,有一個神秘的因子:K=6.58
病毒傳播公式
  • Custs(t):customers after time 一段時(shí)間后的總用戶量
  • Custs(0): initial customers 初始用戶量
  • K:viral coefficient 上面提到的病毒系數(shù)
  • t: time 病毒傳播的總時(shí)間
  • ct: cycle time 每一輪感染周期花費(fèi)的時(shí)間

從之前的截圖中我們可以看到,這個極限作戰(zhàn)群中有169人 – 這些就是種子用戶了,也就是第一批病毒的傳播者。為了方便,我們就按170人來計(jì)算。

同樣,根據(jù)alan在實(shí)驗(yàn)中收集的數(shù)據(jù),每一輪感染周期的時(shí)間(ct)是20分鐘。也就是說,20分鐘左右,alan成功感染了7個人,而且感染基本結(jié)束,沒有新的人被拉進(jìn)來。我們現(xiàn)在就假設(shè)這170人引起的病毒傳播都符合這個時(shí)間規(guī)律,即平均ct是20分鐘。

另外,千聊的活動在上線50分鐘之后就遭到封殺 – 那病毒傳播的總時(shí)間(t)就是50分鐘。所以,這次活動大約會經(jīng)歷t/ct=2.5個感染周期。

千聊微課刷屏的背后,有一個神秘的因子:K=6.58

這是在千聊被封殺前定格的一張截圖。我們可以看到,現(xiàn)在有94164次學(xué)習(xí)。上文中提到,病毒爆發(fā)之前,就有5000次學(xué)習(xí)了,所以這里最終通過病毒傳播增長的“學(xué)習(xí)次數(shù)”就是94164-5000=89164。大家請注意,“學(xué)習(xí)次數(shù)”并不代表實(shí)際參與人數(shù),這類似UV和PV的關(guān)系。根據(jù)我經(jīng)驗(yàn)來看,PV:UV大約是4:1,所以我們這里假設(shè)千聊課程的最終報(bào)名人數(shù)是89164/4=22291人

那么,我們就把這些數(shù)值帶入上面的公式:

  • 22291=170*(k^(2.5+1)-1)/(k-1)
  • 131=k^3.5-1/(k-1)
  • 131k-131=k^3.5-1
  • 131k-k^3.5=130
  • 反推K=6.58

(好吧,別問我怎么算的,反正不是用筆算的)

好,根據(jù)目前的結(jié)果來看,整體樣本的K值跟alan獨(dú)立的K值十分接近,算是側(cè)面印證了這個結(jié)果,也就是說其它人的I和Conv與alan也比較接近。

千聊微課刷屏的背后,有一個神秘的因子:K=6.58

我們知道,如果K=1,那就是不溫不火的線性傳播,K<1,那就是失敗的傳播。當(dāng)K>1時(shí),才能被稱為病毒傳播 – 這時(shí)候,K每增加1,增長的用戶量就能得到指數(shù)級的提高。K=6.58,其實(shí)是一個很恐怖的數(shù)字,也就是說每個用戶將帶來6.58個新用戶。

這是什么概念呢?我們回憶一下去年最流行的服務(wù)號/任務(wù)寶裂變 – 當(dāng)你掃描一張海報(bào),關(guān)注一個服務(wù)號時(shí),它怎么提示你的?

”邀請三位好友掃碼即可獲得免費(fèi)課程“

理論上,K值一定是小于3的(因?yàn)椴⒉皇撬杏脩舳寄?00%帶來3個新用戶)。

回頭來看千聊這次活動,K值是傳統(tǒng)裂變的2倍多,其威力可見一斑!

我們再來做一個極端的假設(shè):如果對千聊的這次活動不加以限制,會有什么后果?

(如果你不喜歡做數(shù)學(xué)題,可以直接略過下面的部分,不影響結(jié)論!)

首先,我們假設(shè)理想情況下整體傳播規(guī)律保持不變,即K=6.58,ct=20,且所有微信用戶都有潛在的興趣參與此活動。

其次,目前微信差不多有10億活躍用戶。

接下來,假設(shè)這次從170人開始的傳播繼續(xù)下去。

那么,把上述數(shù)據(jù)帶入病毒傳播的公式,我們來求總時(shí)間t:

  • 1000000000=170*(6.85^((t/20)+1)-1)/(6.85-1)
  • 1000000000=170*(6.85^((t/20)+1)-1)/5.85
  • 34482758=(6.85^((t/20)+1)-1)
  • 34482759=6.85^(t/20+1)
  • t=160.392

這意味著,在極度非常完美理想假設(shè)的情況下,千聊的這次活動,可以在160分鐘內(nèi) – 也就是不到3小時(shí),攻陷所有微信活躍用戶。

你覺得難以置信嗎?請想想埃博拉病毒,流感病毒,如果它們不加控制會怎樣?背后的規(guī)律是一樣的。

千聊微課刷屏的背后,有一個神秘的因子:K=6.58

(從圖上可以看到,把k=6.58帶入公式 – 3小時(shí)就可以感染25億人)

數(shù)學(xué)家分割線畢,其他讀者可以回來了

現(xiàn)在,你知道為什么微信要封殺它了嗎?

根據(jù)我的個人推測,微信的數(shù)據(jù)系統(tǒng)里,可能會有一套算法在時(shí)刻監(jiān)測各個活動的K值(基于域名或者其他編號)。先不考慮舉報(bào)等主動因素,如果某個域名的K值突然超過一個固定指標(biāo),且ct時(shí)間較短,微信就會在人數(shù)達(dá)到某個閾值或者其它條件滿足的情況下封殺這個域名。當(dāng)然,如果活動方進(jìn)行積極交涉并主動減低K值,解封也是情理之中。

實(shí)驗(yàn)的局限性:

看到這里,一些高手可能會提出質(zhì)疑了:這么計(jì)算準(zhǔn)確嗎?

很不幸,這么計(jì)算是不準(zhǔn)確的,只能定性而不能定量。

我們這個實(shí)驗(yàn),假設(shè)的基礎(chǔ)是在一種絕對理想的情況下。我們不妨這么來類比:這是個物理實(shí)驗(yàn),實(shí)驗(yàn)條件是絕對零度。大家都知道,由于分子運(yùn)動的規(guī)律,絕對零度是不可能達(dá)到的,所以這個實(shí)驗(yàn)結(jié)果無法在真實(shí)環(huán)境中存在。

因此,我們只能從中看出一定趨勢和規(guī)律,但這個數(shù)值是沒有實(shí)際衡量意義的。

在真實(shí)情況下:

1. 不論是多么吸引人的活動,其病毒系數(shù)K、病毒周期ct總是在衰減的。也就是說,隨著時(shí)間的推移,這個活動的吸引力將越來越弱,每個用戶拉到的新人也會越來越少,新用戶參與活動所消耗的時(shí)間也會越來越久。所以,任何病毒傳播都不可能無限進(jìn)行下去,K值最終小于1,導(dǎo)致增長量趨近于0。

2. 另一方面,對于不同人群屬性,其K值也是大不相同。在這個實(shí)驗(yàn)中,我們假設(shè)所有人身上的系數(shù)K都和初始170名種子用戶相同 – 這也是不現(xiàn)實(shí)的。因?yàn)檫@170人是經(jīng)過千聊挑選的、像alan一樣自帶流量的人。對于大部分普通人來說,朋友圈+群的人數(shù)往往在1000人以下,很難把海報(bào)推送給1500個人,也就是說I<1000。

3.由于其個人背書的不確定性(比如一個天天曬娃的人,突然發(fā)一張分銷海報(bào),就很難有朋友會買賬。但alan作為一個互聯(lián)網(wǎng)自媒體人,朋友們就很信得過),轉(zhuǎn)化率Conv也遠(yuǎn)遠(yuǎn)低于0.47%。同理,其ct也會呈現(xiàn)差異化。

綜上來看,在實(shí)際情況下:

1.K將呈現(xiàn)一個遞減的曲線,符合時(shí)間函數(shù)K(t)

2.ct也會隨時(shí)間遞減,符合時(shí)間函數(shù)ct(t)

3.不同人群P1、P2….,其K值和ct符合函數(shù)K(P), ct(P)

(其它條件待補(bǔ)充)

最后,也是最重要的一點(diǎn):對該活動感興趣的用戶量總是有限的,而且是在不斷消耗的。我敢說,微信雖然有10億用戶,但對這個活動感興趣的人不會超過100萬,因?yàn)閲鴥?nèi)互聯(lián)網(wǎng)行業(yè)的從業(yè)者不過1700萬,能有多少人知道千聊是做什么的?

刷屏,意味著資源在不斷被消耗,每個老用戶能拉到新人的機(jī)會就越來越少。也就是說:

K、ct將與參與人數(shù)N呈現(xiàn)負(fù)相關(guān)關(guān)系,符合函數(shù)K(n)、ct(n)

(其它條件待補(bǔ)充)

最后,病毒傳播公式將成為一個相當(dāng)相當(dāng)復(fù)雜的函數(shù),包含多個變量!這么復(fù)雜反正我是想不明白!

實(shí)驗(yàn)結(jié)論:

通過這次實(shí)驗(yàn)的分析,我們發(fā)現(xiàn):

1.在微信體系內(nèi),一次病毒營銷的威力和其刷屏的效果,取決于病毒系數(shù)K。K又和活動誘因,轉(zhuǎn)發(fā)機(jī)制,激勵政策等直接掛鉤。

2.千聊的活動之所以能夠刷屏,是因?yàn)槠湎禂?shù)K=6.85超過普通裂變的兩倍以上,且傳播周期ct較短。

3.初始傳播者Custs(0), 即種子裂變者的人群屬性對于病毒傳播的啟動至關(guān)重要。

4.病毒傳播依賴個體的參與度。因此,盡管公眾號推文的轉(zhuǎn)化率(2%)是個人號(0.47%)的4倍,但病毒傳播依舊要建立在海報(bào)+朋友圈的基礎(chǔ)上。

5.微信有可能對K值進(jìn)行了監(jiān)控,分銷體系一定要合理控制傳播的熱度,否則難免被封殺。

實(shí)驗(yàn)討論:

好吧,各位知道這么回事就行,切莫上綱上線,畢竟我們不是學(xué)流行病學(xué)(Epidemiology)出身的,我們偏向Biochemistry和Biotech!另外,如果各位覺得我的推導(dǎo)計(jì)算或邏輯有問題,歡迎指正!能夠系統(tǒng)地指出我們計(jì)算錯誤的朋友,可以免費(fèi)加入我們的付費(fèi)社區(qū)

最后我們來討論一下,如何讓一次分銷活動合理傳播?

1.控制K值。后臺統(tǒng)計(jì)參數(shù),實(shí)時(shí)計(jì)算K值。如果發(fā)現(xiàn)K值偏高(我不敢妄下結(jié)論,但至少要低于普通裂變的K值),就應(yīng)該立刻進(jìn)行調(diào)整:比如自行封掉一部分二維碼通道,或降低分銷金額,也可以暫時(shí)停止拉新的種子用戶(一級合作者)。

2.控制病毒周期CT。比如,萬一人數(shù)增加速度過快,CT值過短,就應(yīng)該啟動一個”排隊(duì)“系統(tǒng),讓二級之后的用戶有一個報(bào)名的等待時(shí)間(同滴滴,”你前面還有5人排隊(duì),預(yù)計(jì)等待1分鐘“)

3.控制整體活動時(shí)間T。如果局面出現(xiàn)失控的苗頭(監(jiān)測K、CT、總?cè)藬?shù)等),就應(yīng)該馬上暫?;顒?,群眾熱情冷卻一陣后再恢復(fù),不要等到微信出手。另外,比價(jià)保險(xiǎn)的做法是采用”少量多次“的方法,比如每天僅開放1小時(shí)報(bào)名,持續(xù)一周,同百萬英雄。這樣既可以維持大家的熱情,又不至于讓活動過熱。

4.分銷獎勵不與金錢掛鉤。當(dāng)然,最好的辦法就是避開人性的陷阱,與金錢脫鉤。分銷的獎勵可以是虛擬的點(diǎn)數(shù)、優(yōu)惠券,只能換購其它商品,或者某些限量活動的參與權(quán)(如大咖分享),而不能提現(xiàn)。這樣一來,只會吸引最精準(zhǔn)、最忠實(shí)的用戶,而不會造成難以控制的后果。另一方面,對于產(chǎn)品的留存也有好處。

現(xiàn)在我們只談了K值過高,活動過熱的應(yīng)對措施。那如果是K值太低,活動過冷怎么辦?先請大家根據(jù)公式思考一下,我們下次再說吧!

如果你手頭有大量病毒活動的數(shù)據(jù),想探索規(guī)律,不妨來聯(lián)系我們,大家一起研究。放心,一切保密

文:Alan@增長黑盒


相關(guān)文章推薦:

深挖一篇100000+雞湯文,解讀電商小程序月入千萬的秘密!
如何用增長黑客的思維在“絕地求生”里吃更多的雞
電商CMO老將改做首席增長官,借助數(shù)據(jù)驅(qū)動讓Karmaloop絕地逆轉(zhuǎn)

更多精彩,關(guān)注:增長黑客(GrowthHK.cn)

增長黑客(Growth Hacker)是依靠技術(shù)和數(shù)據(jù)來達(dá)成各種營銷目標(biāo)的新型團(tuán)隊(duì)角色。從單線思維者時(shí)常忽略的角度和高度,梳理整合產(chǎn)品發(fā)展的因素,實(shí)現(xiàn)低成本甚至零成本帶來的有效增長…

本文經(jīng)授權(quán)發(fā)布,不代表增長黑客立場,如若轉(zhuǎn)載,請注明出處:http://gptmaths.com/cgo/8977.html

(0)
打賞 微信掃一掃 微信掃一掃 支付寶掃一掃 支付寶掃一掃
上一篇 2018-02-02 22:57
下一篇 2018-02-02 23:33

增長黑客Growthhk.cn薦讀更多>>

發(fā)表回復(fù)

登錄后才能評論