Если с общими моментами в сарафанке (как мотивировать рекомендовать, инструменты, почему продукт рекомендуют) всё понятно, то с аналитикой виральности не всё так просто.
Проблема анализа рекомендаций
У нас всё отлично, когда человек рекомендует продукт через реферальную ссылку, персональному промокоду и т.д. Но проблема в точности анализа возникает, когда клиент рассказывает про наш сервис/игру/магазин своему другу в разговоре, в обычной беседе. Здесь появляется буква "н" – ничего не понятно, как это можно считать?
Поделюсь тем, что нашёл и чем используюсь на проекте, чтиво на 5 минут.
Поиск решения и причем тут эпидемия
В поиске решения задачи, общался со своими коллегами, перечитал разную литературы и наткнулся на один показатель для измерения "распространения", позаимствованный из эпидемиологии.
Называется он K-фактор.
К-фактор показывает, сколько пользователей приводит в проект один активный его пользователь.
Формула расчёта
К-фактор = i * c
где i – среднее количество приглашений, отправленных одним пользователем,
c – средняя конверсия из полученного приглашения в заявку/регистрацию.
Допустим, каждый пользователь отправляет в среднем 1 приглашение, каждый третий из приглашенных устанавливают приложение. В данном случае К-фактор = 33%. В идеальном мире это значит, что если в продукте 1000 пользователей, то через период в нем будет 1330, затем 1768 и т.д. Однако на практике не все так идеально, об этом позже.
Проблема заключается, что отследить рекомендация не всегда возможно, человек посоветовал при встрече или человек отправил ссылку через мессенджер и т.д.
Для корректировки данной ситуации есть ещё одна формула:
К-фактор = 1 + (органические установки-заявки)/(платные установки-заявки)
Но и эта формула не подходит, откуда здесь 1, считается, что даже в плохом проекте пользователь приглашает минимум 1 знакомого.
Да и в знаменателе только платные установки, то есть не учитываются случай, когда один органический пришедший приглашает другого (а это часто происходит).
Окончательная формула и что использую
К-фактор = (органические установки-заявки в период N) / (активные пользователи в период N-1)
Эта формула учитывает все виды приглашений (по телефону, при встрече, по ссылке), платными и органическими пользователями. Наконец, нет +1, то есть если проект плох, то не будет рекомендаций, если хорош, то показатель взлетит.
Что такое период в данной формуле?
Зачастую это месяц, но может быть день, квартал, год. Если мониторить К-фактор каждый месяц, вы сможете оперативно реагировать , если он начнет уменьшаться (а он начнёт, куда без этого).
Что ещё важно, кроме К-фактора?
Виральный цикл – это цикл от того, как вы сами начали пользоваться продуктом до того, как им начал пользоваться ваш друг по рекомендации.
И чем короче виральный цикл, тем быстрее распространяется ваш продукт.
Итого
Виральность определяет две метрики: К-фактор и виральный цикл.
Данный метод подходит под мой проект с подпиской, полёт нормальный, если информация была полезная, то "+" статье будет в самый раз 🙂
Если есть вопросы по вашим проектам или просто одиноко, то пишите в личку, по возможности отвечу.
Мысль неплоха, уверен, народ подтянется и насыпет ещё решений.
ПС: проверьте русского языка - кое где неправильные окончания, да и пару раз просто слова пропустили....
"проверьте русского языка"
:D
Текст похож на перевод с другого языка
Супер! Спасибо, как раз в поиске!
Комментарий удален модератором