如何模拟病毒增长：混合模型
我们继续发布由 Wooga 市场部负责人埃里克·塞佛特 (Eric Benjamin Seufert) 编写的系列文章《Freemium 法典》。今天，我们将探讨来自 Rapportive 首席执行官拉胡尔·沃赫拉 (Rahul Vohra) 的关于病毒性产品的 文章。
如何建模病毒增长：混合模型
什么是病毒产品？
用户通过不同的渠道来到产品那里：通过媒体、广告、你的推广合作项目。然而，最有趣的渠道之一就是用户自己。
病毒性产品增长的关键因素是现有用户招募新用户。用户可以简单地邀请其他人（“看看这个产品，它很酷/有用/有趣”），或者直接使用产品（“我想通过 PayPal 给你发钱”）。
最著名的一个病毒性示例是 YouTube。在这个网站成为庞大的视频集合之前，您可能会在新闻网站和个人博客中找到它的嵌入视频。你观看这些视频，最后你会被提供发送链接给你认识的人，并且还给出代码以嵌入你自己的网站。如果你不想分享这些，YouTube 会推荐一组其它可能你会喜欢的视频供你分享。您的朋友观看您分享的视频，然后把它发送给他们的朋友，如此循环——形成了一个“病毒循环”，在这个循环中，YouTube 以空前的速度获取用户。
我们如何预测我们产品的病毒性会如何运作？获得 100 万用户需要多长时间？它可以获得 1000 万吗？甚至 1 亿吗？
为了回答这些问题，我们需要构建一种病毒性模型。
在这个例子中，我们将用 Excel 表格进行实验，文件名为 “如何建模病毒增长.xlsx”。
最简单的模型
假设我们从 5,000 用户开始。我们应该期待什么样的自然增长？
一些用户会喜欢我们的产品，一些则不会。一些用户会邀请很多人，而另一些则不会。有人会隔一天邀请，而有人可能需要一周。
让我们忽略所有这些不确定性，假设平均每 5 个用户中就有 1 个在第一个月会吸引 1 个新用户。换句话说，我们的病毒因子为 1/5 = 0.2，而我们 5,000 名初始用户将会在第一个月吸引 5,000 * 0.2 = 1,000 名用户。随后，这 1,000 名用户在第 2 个月会再引入 1,000 * 0.2 = 200 名用户，第 3 个月再引入 200 * 0.2 = 40 名用户，以此类推。
我们的增长将会如何？（请查看 Sheet 1 的表格）：
我们将在减少的速度下获取用户，直到总数达到 6,250 人。
如果我们将病毒因子提高到 0.4，会怎么样呢？
我们仍然以减速的速度获取用户，但现在我们的增长达到 8,300 用户。
如果将病毒因子设定为 1.2 又会怎么样呢？
这次我们以加速的速度获取用户！
实际上，通过简单的计算可以证明以下几点：
- 假设有 x 初始用户，当病毒因子 v 小于 1 时，我们将以减速的速度获取用户，直到达到 x/(1-v) 用户；
- 当病毒因子大于 1 时，我们的用户数量将持续增长。
一切都是那么简单。我们只需要让病毒因子超过 1，对吧？
嗯，不对……
首先，我们的模型中缺少很多因素。例如，随着新用户的增加，我们将没有新的可以邀请的人。我在这里不会详细说明这一点，但想了解更多关于这个效应的信息，请阅读安德鲁·陈 (Andrew Chen) 的文章“Facebook 病毒营销：当应用程序何时及为何会失去吸引力？”。
其次，病毒增长非常罕见。我花了一些时间来评估：极少数产品在任何合理的时间段内都能够持续维持高于 1 的病毒因子。但是，如果我们不能依赖于病毒因子大于 1，那么我们应该在模型中使用什么呢？
通过与其他企业家、投资者和“增长黑客”的讨论，我了解到：对于消费者互联网产品，持续的病毒因子在 0.15 到 0.25 之间是不错的，0.4 是优秀的，而接近 0.7 则是杰出的。
然而，我们已经表明，当病毒因子低于 1 时，我们以减速的速度获取用户，直到增长停滞。这不是大家都想要的，所以漏掉了什么呢？
我们忽略了所有其他可能带来用户的渠道：媒体、应用商店、直接流量、入境营销、付费广告、合作伙伴关系、交叉推广、搜索引擎营销、SEO、名人代言等我们能想到的一切。让我们重新审视我们的模型，考虑这些因素的影响。
混合模型
我们将重建我们的模型，考虑非病毒渠道（Excel 表格中的 Sheet 2）。
一些非病毒渠道，如媒体，将为我们带来用户的快速激增，而其他渠道，如应用商店，将提供稳定的用户流。让我们在模型中考虑这两种类型，并为了简化只考虑三种非病毒渠道：
- 媒体：良好的启动可以吸引多达 70,000 人。
- 应用商店中的搜索流量。每月可达 40,000 次下载。并不是所有用户都会启动我们的应用，而启动的用户中，并非所有人都会注册或对首次体验感到满意。假设有 60% 的用户喜欢该应用。
- 直接流量。因为我们的用户和潜在用户倾向于口口相传，人们会直接找到我们的产品。这可能每月吸引多达 10,000 次下载。同样假设其中仅有 60% 会保留。
最后，为了简单起见，我们假设来自应用商店的流量和直接流量将保持稳定。
让我们将我们的病毒因子设为 0，看看我们的产品在没有病毒成分的情况下将如何生存。
到年底，我们将拥有 450,000 名用户。让我们测试不同的病毒性情况。
在一个理想的情况下，病毒因子为 0.2，到年底我们将有 500,000 名用户。在最佳情况下，病毒因子为 0.4，到年底我们将有 700,000 名用户。而在最理想的情况下，病毒因子为 0.7，到年底我们将拥有 1.2 百万忠实粉丝。
增强系数
这个模型展示了我对病毒性的思考：我并不把病毒因子 v 看作是单一的量，而是看作增强系数 a = 1/(1-v)。要计算我们的总用户数量，我们仅需将通过非病毒渠道获取的用户数量乘以增强系数。
这个图表显示了病毒因子潜在能量的惊人之处，即使它小于 1：增强我们的病毒因子会超乎想象地提升增强系数（一个给专业人士的建议：为了刺激其他创业者，试着告诉他们你的增长遵循超级指数的规律）。
凭借优秀的病毒因子，我们可以通过非病毒渠道的用户获取量大幅提高，但请记住：你不能增强不存在的东西！这就是为什么我们必须将增长努力分配到非病毒和病毒渠道之间。如果我们只专注于其中一个渠道，我们会失去所有用户。
我们的用户是永恒的
虽然增加了非病毒渠道的力量，但我们的模型仍然有一个重大缺陷。例如，我们假设新增用户将永远留在应用中。
这显然是极为乐观的：我们总是会放弃某些产品。我们可能会遗忘它，或许不再喜欢。也许我们从未喜欢过。接下来，我会修改我的模型以考虑用户流失。
你可以在 这里 阅读它。
总结
- 病毒增长非常罕见：对于消费者互联网产品，稳定的病毒因子在 0.15 到 0.25 之间是不错的，0.4 是优秀的，而 0.7 则是杰出的。
- 当病毒因子小于 1 时，能够将其看作增强系数 a = 1/(1-v)。要计算总用户数量，将从非病毒渠道获得的用户数量乘以增强系数。
- 当病毒因子小于 1 时，强大、稳定的非病毒渠道尤为重要。
- 病毒因子的微小提高可以导致增强系数的大幅提升。
本文是移动开发网站 App2Top.ru 和 Apptractor.ru 联合发布的系列材料《Freemium 法典》的作品。
原文翻译： http://apptractor.ru/info/articles/virusnyj-rost-model.html
