腦力激盪：病毒循環 #1 Web 2.0的黃金時代（約2005-2010）是病毒產品的一個特殊時期，這些產品被系統性地設計來觸及數百萬人。那時，人們正在構建我們現在視為理所當然的事物的第一個版本：社交網絡、用戶生成的平台、協作工作產品、消息應用等。 在這段時間內，行業發展出了一種全面且系統的理解，來創造病毒循環。出現了測量、A/B測試和需要滿足的方程式。產品不斷優化，工程化病毒性。其中一些最成功的產品最終增長到數十億用戶，並成為家喻戶曉的名字。 然後，突然之間，一切都結束了。 有趣的是，那些成功創造病毒產品的人都成為了億萬富翁，或者如果他們沒有創建成功的公司，許多人則成為了FAANG高管或風險投資者。最終，圍繞建立病毒性的所有知識基本上都消失了。這發生在Web 2.0結束和移動時代開始之際。 我想寫下我在這段期間學到的有關病毒循環的所有知識，因為這些知識仍然是相關的，儘管其機制和策略不斷變化。然而，整體理論仍然相同，我認為它可以擴展到未來的技術平台和營銷渠道。它對當前的產品主導增長、所有生成AI應用的分享流程以及仍然存在於每個市場/電子商務產品中的推薦計劃也具有高度的適用性。 通過這些筆記，我計劃涵蓋一系列不同的想法和主題： - 簡單的病毒循環，雖然有效，但很快就會瓦解。 - 病毒因子及其計算方法。 - 如何逐步分解病毒循環並進行優化。 - 什麼會增加病毒因子，什麼會減少它？ - 如何改善病毒因子。 - 案例研究，如內容分享、邀請流程、推薦循環、協作循環等。 - 如何留住用戶以推動病毒增長。 - 如何將留存納入病毒因子計算。 - 為什麼新用戶邀請的人數比現有用戶多。 - 如何看待口碑與工程化病毒性。 - 如何看待付費營銷、SEO、社交媒體及其他渠道對病毒因子的影響。 - 為什麼移動最終殺死了經典的病毒循環。 - 當代時代中哪些病毒循環有效。 - ... 還有更多。 如果你有想法和問題，請隨時詢問。希望我最終能將這些內容整理成一個大型PDF或其他人感興趣的閱讀材料。或者也許有一天，如果我們有某種長文本轉PowerPoint的生成AI工具，能夠真正好用的話 :) 病毒增長作為一個方程式 通常當大多數人談論病毒增長時，他們指的是一些愚蠢（且不持久）的事情，比如發推特分享一個非常酷的視頻，然後被分享多次，並為你的產品帶來流量。這不是我所談論的。相反，我所談論的病毒循環是設計在產品中的，具有邀請功能、標籤、推薦鏈接等等。 這些類型的病毒循環具有有趣的特性： - 可測量且可追蹤。 - 可以通過產品決策進行改進。 - 數學適用於任何形式的產品驅動病毒性（邀請、共享內容、推薦計劃等）。 首先是嘗試測量病毒因子。病毒因子是一個簡單的比率——通常的思考實驗是，如果你將100個用戶引入你的產品，這些用戶邀請並最終註冊150個用戶，那麼這些用戶將註冊225個用戶，依此類推。這是一個病毒邀請流程，在這種情況下，你的病毒因子將是1.5（在現實世界中很少見）。另一方面，如果你的100個用戶最終只邀請了50個朋友，這些朋友又註冊了25個，那麼你的病毒因子就是0.5。當它小於1時，你的病毒循環最終會停止運作。 非常精確地說，病毒因子是一個比率。分母是時間限制的群體中的用戶數（例如，從X日期到Y日期註冊的所有人），而分子是他們最終通過該群體的病毒循環註冊的用戶數。 讓我們用一個例子來具體說明。 案例研究：內容分享 一種非常常見的病毒循環是有一個應用程序，讓用戶創建一些非常酷的東西（可能是使用AI或照片濾鏡等）。在用戶創建某些內容後，他們想要分享，因此自然會提供一個鏈接。一些新用戶收到這個鏈接，查看內容，然後這些人中有一小部分註冊以創建自己的內容。從本質上講，這就是新的生成視頻和照片應用（如Sora）所做的事情。但這也是使Instagram因照片濾鏡而成功的病毒循環，或者使博客流行的原因。畢竟，當你創建某種類型的內容時，你自然想與人分享，但那些人也自然可能想參與其中。 因此，從概念上講，你可能理解微笑循環，但問題是，你可以做什麼來優化它？ 為了使其系統化，你需要追蹤它。當某人製作生成視頻時，你需要通過URL結構進行追蹤： productdotcom/vid/[視頻ID]?sharer_id=[分享者] （當然，當你分享時，你的用戶ID會被編碼為分享者ID）現在，當你通過電子郵件、消息或其他方式分享時，如果受邀者獲得鏈接，觀看視頻，然後註冊，你應該將分享者的ID與用戶的註冊行一起存儲。因此，想像一下你會存儲通常的內容： - id - 電子郵件 - 密碼 - 姓名 - sharer_id <--- 這是導致此邀請發生的人 現在，當你查看這些用戶的行時，有時分享ID會是空白的，如果該用戶只是自己出現並註冊。然而，如果他們是病毒循環的一部分，那麼他們的分享ID將指向表中已存在的其他用戶。 要計算病毒因子，你需要選擇一些用戶群體，例如，三個月前加入的用戶。假設這裡有100個這樣的人。然後，你所要做的就是抓取那個ID列表，並詢問數據庫這些ID在隨後的新註冊中作為分享ID出現了多少次？假設是50次。那麼此時你的病毒因子就是50/100=0.5。 那些分享ID為空的用戶呢？我有時會將那些用戶視為“第一代用戶”或“入門用戶”，你應該將這些人排除在病毒因子計算之外。相反，有趣的是比較第三代和第二代用戶的比率。或者實際上是N+1代和N代，只要N不等於1。事實證明，這個比率隨著時間的推移實際上會穩定得很好。 大問題 用你的產品這樣做後，你必然會問：“哇，這很酷，但我該如何讓這個數字上升？”特別是，“我該如何讓這個數字超過1？” 這是正確的問題。一旦你意識到這些動態，你就會意識到你可以進行產品更改以增加病毒因子，使你的產品變得更具病毒性。例如，也許你應該在新用戶首次進入時要求他們邀請，或者你應該讓邀請變得更容易，因為有一個可以複製和粘貼的鏈接，或者其他一些機械變化可以增加病毒因子。這是你可以測量病毒因子並實際進行產品更改以增加它的核心見解之一。 因為你可以追蹤和計算這個比率，這意味著你也可以將其放到儀表板上。正如我所描述的，只要你將用戶ID編碼到共享的URL中，這樣做是很簡單的。當然，當你能夠計算它時，下一步就是能夠優化它，因為這樣你可以進行A/B測試，看看是否有更多人分享，他們是否分享得更多？他們是否與更多人分享？而對於那些收到增長鏈接的人，他們的轉換率是多少，如何提高轉換率。這在所有不同的方式中存在於優化病毒因子的食譜中。 病毒循環概念的最後一個強大方面是它實際上是非常通用的。這就是為什麼這對現代產品主導增長時代如此強大的原因。只要你談論的是一組用戶能夠以某種方式生成另一組用戶，那麼當然，這個增長過程可能是因為他們邀請其他人。它可能是因為他們分享一個內容鏈接，然後導致其他人註冊。或者它可能是一個推薦計劃或許多其他策略，導致一個用戶邀請另一個用戶。這意味著在核心上，跨營銷渠道和策略的適用性會變得非常高。 計算病毒因子的替代方法 當你詢問互聯網如何計算病毒因子時，它會給你一些稍微不同的東西，看起來更像這樣： 病毒因子 = 邀請數 x 轉換率% 這一定義已經流傳了很長時間。然而，它是有缺陷的，因為並非所有病毒循環都存在作為一種邀請類型。相反，我們看到共享流程、協作流程、推薦和許多其他變體。我還認為，儘管它在機械上是正確的，因為增加邀請數量和提高轉換率自然有助於你的病毒因子，但它並未捕捉到你真正想知道的是這兩個用戶群體之間的比率。 病毒循環和垃圾循環 簡單地試圖增加這些變量也有一個黑暗面： 這個方程式的更簡單版本推動你思考如何盡可能地進行垃圾郵件。如何讓用戶邀請他們的朋友越多越好？這種方式激勵用戶邀請大量人，然後使邀請以一種高轉換率的方式進行垃圾郵件。 回到Web 2.0時代，這實際上是人們傾向於思考病毒性的方式。如果你建立了社交網絡的基本框架，就像Bebo、Tagged、Bebo、Hi5、MySpace等人所做的那樣，你通常是通過讓人們通過電子郵件邀請他們的朋友來增長你的網絡。在早期，你實際上會要求人們輸入他們朋友的電子郵件地址，通常他們會輸入5-10個電子郵件，因為這很繁瑣。事實證明，如果你能讓他們從Hotmail或Yahoo Mail導入他們的地址簿，通過要求他們提供電子郵件/密碼組合，然後爬取他們的收件箱，你可以將邀請數量推高到200以上。當然，無論你擁有什麼病毒因子，20倍的增長通常會讓你超越頂峰。 缺點是，你通常會降低轉換率，因為你發送了無效的電子郵件。最終，所有電子郵件提供商都會開始將你標記為垃圾郵件。但在大約10年內，輝煌的電子郵件邀請循環運作良好，許多大型產品得以建立——最終包括大贏家Facebook和Linkedin。 鏈信和為什麼垃圾循環失敗 你可能知道，百多年前，有一種鏈信的概念，人們會彼此寫實際的信件。每封鏈信都會有其他地址的列表，並告訴你，如果你寄給他們一個五分錢，然後也將自己添加到列表中，那麼最終每個人都會變得富有，因為你會隨著時間的推移收到越來越多的五分錢。這實際上是一個大問題，最終郵政局不得不將其視為非法，因為它淹沒了他們的投遞。但當然，從數學上講，鏈信將會失敗。 原因很簡單，就是飽和。如果你有一個病毒循環，每次邀請200人，最終在經過幾代之後，你將完全飽和你的目標市場。如果你做數學，一旦你超過5輪200+的邀請，那麼你已經觸及了地球上每一個人，甚至更多。因此，最終，你自然只是一次又一次地觸及同樣的人。自然，響應率會下降。為什麼？1）你已經將他們註冊了，在這種情況下，該邀請無法轉換。2）或者，替代地，他們之前已經被邀請過，但他們不感興趣，並且不互動。無論哪種情況，響應率隨著時間的推移往往會下降。 如果響應率下降，而你的產品又不具備留存性，那麼從數學上講，你所做的就是創造了一個巨大的新用戶激增，這在一段時間內看起來不錯，但隨著缺乏留存，你的活躍用戶總數最終將成為新用戶的一小部分。 這就是為什麼一些高度可行的產品最終會跳過鯊魚。在過去，我列出了一些指標來表明一個產品是否會粘性： 1）留存曲線平坦（粘性） 2）活躍用戶/註冊用戶 > 25%（驗證TAM） 3）強用戶曲線顯示微笑——有大量參與用戶的集中（你從這個強大的核心中增長） 3）病毒因子 >0.5（足以放大其他渠道） 4）日活躍用戶/月活躍用戶 > 50%（它是日常習慣的一部分） 5）市場逐個市場（或SaaS的標誌逐個標誌）比較，密集/老舊的網絡隨著時間的推移有更高的參與度（網絡效應） 6）D1/D7/D30超過60/30/15（每日頻率） 7）每用戶的收入或活動隨著時間的推移擴展——表明更深的參與/習慣形成 8）>60%有機獲客，且規模真實（最好是零CAC） 9）對於訂閱，>65%年留存（付費用戶保持） 10）>4倍的年增長率，涵蓋主要指標 這些指標並不是要全面，但它們都是強有力的指標，表明如果一個產品能夠產生大量病毒用戶，那麼就有足夠的東西讓它持久。如果沒有，那麼最終激增將會消失。 你需要產品市場契合的事實，最終成為你有時聽到高度病毒應用消失於公眾意識的原因之一。你實際上可以擁有非常高的病毒因子或高的口碑，有時甚至可以工程化它。但這幾乎就像擁有一個大爆炸的發布或擁有一個超級碗廣告或類似的東西。你會獲得一個巨大的激增，這在一段時間內很好，但不可避免地，除非你的活躍用戶與註冊用戶的比率非常高，否則你最終會失去他們。 這最終是許多在Web 2.0或Facebook平台時代創建的應用的結果。你聽說過很多病毒性和潛在的數百萬用戶，甚至數億用戶，有時這發生得很快。但很多都是人為工程化的病毒循環。隨著這些用戶因缺乏粘性而離開應用，這些病毒循環可以被工程化以試圖不斷重新獲取他們。絕大多數這些病毒應用實際上並沒有成為成功的企業，這就是為什麼——儘管我仍然對團隊創造增長黑客的能力非常感興趣。當然，我也非常關心他們實際留住用戶的能力。 -- 好吧！目前就這些。稍後會有更多的腦力激盪 :)