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(qǐng)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(qǐng)好友”類的活動(dòng)，一般流程可以簡(jiǎn)化到這么3大步驟：

“邀請(qǐng)好友”類活動(dòng)的簡(jiǎn)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(qǐng)注冊(cè)的新用戶①/主動(dòng)邀請(qǐng)的用戶數(shù)②

可以看到，如果我們搞一場(chǎng)邀請(qǐng)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(qǐng)的用戶”和“被邀請(qǐng)注冊(cè)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?duì)活動(dòng)趨勢(shì)預(yù)測(cè)出現(xiàn)偏差、造成運(yùn)營(yíng)事故。

我們接著拆解，

被邀請(qǐng)注冊(cè)的新用戶①

=訪問落地頁的用戶數(shù)④*落地頁注冊(cè)率⑤

故，

K=（訪問落地頁的用戶數(shù)④/主動(dòng)邀請(qǐng)的用戶數(shù)②）*落地頁注冊(cè)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(duì)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(qǐng)的用戶數(shù)

3、提升落地頁注冊(cè)率

咦，好像那里不對(duì)，為什么要提高K值、就要“降低主動(dòng)邀請(qǐng)的用戶數(shù)”呢，這樣怎么最大化活動(dòng)的效果啊？

其實(shí)，為什么是很簡(jiǎn)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?cè)倮^續(xù)對(duì)公式進(jìn)行處理下：

平均邀請(qǐng)回流量⑥=（訪問落地頁的用戶數(shù)④/主動(dòng)邀請(qǐng)的用戶數(shù)②）

故，

K=平均邀請(qǐng)回流量⑥*落地頁注冊(cè)率⑤

到此，拆解基本完畢。

所以，如果在自己負(fù)責(zé)的“邀請(qǐng)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(qǐng)回流量”

二、提高“落地頁注冊(cè)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(zhǎng)黑客課程」中了解的提到STEEPS原則?？梢杂眠@6個(gè)原則來比對(duì)自己活動(dòng)中的邀請(qǐng)頁&落地頁：