周三當天下午，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，所以想借機圍觀收集點數(shù)據(jù)。畢竟，上次深度運營精選團隊操盤的網(wǎng)易課程已經(jīng)因為多級分銷和過強的刷屏能力而遭到了封殺，而當時是課程分銷啟動12小時后才進行的封殺。

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

實驗背景：

1. 1月31日下午五點，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。

緊接著，我看了下課程描述和pdf，感覺還是有學習一下的價值的。于是決定推廣一波該課程，順便收集一下數(shù)據(jù)。因為這種量級有預(yù)謀的眾包營銷，我預(yù)感今年不會很多了。

2. 在6點的時候，課程上線，但是售價只有1元。據(jù)我觀測，在改為49元前，已經(jīng)有5000人按1元的價格報名了，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，所以實際付費人數(shù)一定是遠遠小于這個值的）

3. 在6點55的時候，課程價格就已經(jīng)改為49了，我在6點59轉(zhuǎn)發(fā)了海報。我的朋友圈大概有1200個因為我們文章主動加我的朋友，都是精準的受眾。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，畢竟當時海報已經(jīng)全面刷屏了。

一共成交7單，每單34.3元收益，并未形成2級分銷。

4. 7點32的時候，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，還是值得學習一下的。

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，當時大概一共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習r間不超過50分鐘，看來騰訊這次的預(yù)警那是相當之快啊，我們一共掙了514.5元。

千聊在被封后，給買課的朋友退還了所有課程費用，而且課程也變成免費的了，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。

實驗分析：

我們首先來回顧一下病毒系數(shù)K的計算公式：

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。

從實驗數(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，因為他帶來了7個新用戶嘛！同時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)律強行加到其它病毒傳播者的身上，似乎有點不太妥當，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，學生物的人應(yīng)該都不陌生：

• Custs(t)：customers after time 一段時間后的總用戶量
• Custs(0): initial customers 初始用戶量
• K：viral coefficient 上面提到的病毒系數(shù)
• t: time 病毒傳播的總時間
• ct: cycle time 每一輪感染周期花費的時間

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人來計算。

同樣，根據(jù)alan在實驗中收集的數(shù)據(jù)，每一輪感染周期的時間（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。

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次學習。上文中提到，病毒爆發(fā)之前，就有5000次學習了，所以這里最終通過病毒傳播增長的“學習次數(shù)”就是94164-5000=89164。大家請注意，“學習次數(shù)”并不代表實際參與人數(shù)，這類似UV和PV的關(guān)系。根據(jù)我經(jīng)驗來看，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。

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K>1時，才能被稱為病毒傳播 – 這時候，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 – 當你掃描一張海報，關(guān)注一個服務(wù)號時，它怎么提示你的？

”邀請三位好友掃碼即可獲得免費課程“

理論上，K值一定是小于3的（因為并不是所有用戶都能100%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)學題，可以直接略過下面的部分，不影響結(jié)論?。?/p>

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，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。

(從圖上可以看到，把k=6.58帶入公式 – 3小時就可以感染25億人）

數(shù)學家分割線畢，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）。先不考慮舉報等主動因素，如果某個域名的K值突然超過一個固定指標，且ct時間較短，微信就會在人數(shù)達到某個閾值或者其它條件滿足的情況下封殺這個域名。當然，如果活動方進行積極交涉并主動減低K值，解封也是情理之中。

實驗的局限性：

看到這里，一些高手可能會提出質(zhì)疑了：這么計算準確嗎？

很不幸，這么計算是不準確的，只能定性而不能定量。

我們這個實驗，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：這是個物理實驗，實驗條件是絕對零度。大家都知道，由于分子運動的規(guī)律，絕對零度是不可能達到的，所以這個實驗結(jié)果無法在真實環(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)值是沒有實際衡量意義的。

在真實情況下：

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間也會越來越久。所以，任何病毒傳播都不可能無限進行下去，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。在這個實驗中，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)實的。因為這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，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也遠遠低于0.47%。同理，其ct也會呈現(xiàn)差異化。

綜上來看，在實際情況下：

1.K將呈現(xiàn)一個遞減的曲線，符合時間函數(shù)K(t)

2.ct也會隨時間遞減，符合時間函數(shù)ct(t)

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

（其它條件待補充）

最后，也是最重要的一點：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，因為國內(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會就越來越少。也就是說：

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

（其它條件待補充）

最后，病毒傳播公式將成為一個相當相當復(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！

實驗結(jié)論：

通過這次實驗的分析，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，是因為其系數(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+朋友圈的基礎(chǔ)上。

5.微信有可能對K值進行了監(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。

實驗討論：

好吧，各位知道這么回事就行，切莫上綱上線，畢竟我們不是學流行病學（Epidemiology）出身的，我們偏向Biochemistry和Biotech！另外，如果各位覺得我的推導(dǎo)計算或邏輯有問題，歡迎指正！能夠系統(tǒng)地指出我們計算錯誤的朋友，可以免費加入我們的付費社區(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)計參數(shù)，實時計算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“系統(tǒng)，讓二級之后的用戶有一個報名的等待時間（同滴滴，”你前面還有5人排隊，預(yù)計等待1分鐘“）

3.控制整體活動時間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，比價保險的做法是采用”少量多次“的方法，比如每天僅開放1小時報名，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、最忠實的用戶，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)來達成各種營銷目標的新型團隊角色。從單線思維者時常忽略的角度和高度，梳理整合產(chǎn)品發(fā)展的因素，實現(xiàn)低成本甚至零成本帶來的有效增長…