病毒因子和留存哪个更重要？

当你处理增长问题时，你自然会认为你只需要获得更多的用户，毕竟，这似乎是我们对增长的定义。但是，如果你退后一步，把增长看作是随着时间的推移，用户数量以周为单位的最大化，那么很快就会看到，专注于保留比拉新更重要。这更多的是一种可持续增长的心态。用户的快速增长和快速损失是不可持续的增长指标。随着时间的推移，保持更高的用户保留率是产品与市场匹配的良好指示，这是你无论如何都想要实现的。在很大程度上，用户保留比病毒更重要，因为如果你失去了用户，你就不能在一段时间内邀请别人。如果你的产品保留率高，没有病毒，你可以随着时间的推移不断增加你的用户基础；相反，如果只有病毒而没有保留，用户就不会继续增长。这两个极端之间似乎有点复杂。为了更详细地解释，让我们来看看几个术语：病毒因子（viralfactor）和留存（retention），这将使您更好地理解本文中的内部增长模型，并衍生出我们后面引用的图表。病毒因子通常被称为k因子，它描述了网站或应用程序中现有用户邀请他人的增长率。i=每个客户发送的邀请数量C=这些邀请的转化率（c=注册号/邀请号)k=i*c以周为单位，病毒因子通常如下图所示，根据不同的产品而有所不同，但在我服务的这些产品中，我一次又一次地看到了这样的形状，其趋势有以下三个原因：1。登录邀请流程的有效性是为数不多的节点之一，在完成特定目标（用户注册）时获得用户的高度*，当您指示用户邀请其他用户时，他们通常不会考虑太多。2.人类对新事物最感兴趣，这也适用于互联网产品。2.人类对新事物最感兴趣，这也适用于互联网产品。用户在尝试新产品时获得的兴奋让他们分享更多，但这种分享会随着产品在日常生活中变得正常而逐渐消失。3.用户网络的低邀请饱和。当用户第一次开始使用产品时，他们知道不使用产品的人比使用产品的人多。随着时间的推移，他们会和认识的人分享你的产品。最后，即使是一个非常热衷于你的产品的用户也会发现没有人能继续分享，因为很多人没有听说过这个产品，导致病毒随着时间的推移而减少。假如你的公司发展得很好，这可能是个问题，但这是个好问题。保留它是指在一段时间到另一段时间内保持粘性的用户数量。有两种方法表示保留，总保留和每周保留：1。总保留和总保留是随时间积累的。假如你在第三周的总留存率是30%，这意味着30%的用户从第一周到第三周都在。这通常是公司内部讨论中保留的方式。2.周留存通常用于查看每周用户留存，以增加其目的。周保留是指本周到下周有多少用户留下来。假如第二周总保留率为40%，第三周总保留率为30%，那么第二周到第三周的每周保留率为75%。若每周保留率低于100%，则意味着我们仍在失去用户。每周保留曲线一般如下，第一周至第二周最低，随着时间的推移逐渐接近100%。为什么保留这么重要？为了使病毒性比保留更重要，你的病毒因子必须大于当时的总保留。以后会用数学来证明，数学很难准确简化，但有一个基本原则，你可以跟随和接近。如果你只从这篇文章中吸收一个观点，那将是以下句子：除非你的总保留是稳定的，否则不要注意提高病毒性，直到它在一段合理的时间后不会继续减少。为了帮助解释这一点，让我们举几个例子：1。您的产品有一个非常高的即时病毒因子。如果您的产品在前端加载并被高比例接受，可以实现即时病毒因子k>1。在这种情况下，如果你的邀请接受率足够快，即使你的网站/应用程序在第一次使用后保留为零，你每月的激活用户数量也会继续增加。但是因为可用的k>即时病毒循环最终会到期，高病毒性、低保留性的增长几乎总是不可持续的。这解释了许多公司的崩溃，似乎增长迅速，赚了很多钱，然后很快就死了。比如Vidy..1.你的总保留率很高，随着时间的推移慢慢下降，但你有很强的病毒性。在这种情况下，长期*病毒性的增长确实有利于产品，但这通常是一个错误的信号。假如你认为你能使病毒性高于总留存，那么这是唯一值得注意的时候。如果过早切换焦点，会导致低于标准的增长指标。这是因为改善保留能带来的复合效应比改善病毒性能强得多。可以很容易地用留存/病毒模拟器来解释这一点，并将周留存等同于病毒性。然后，我们可以根据未来某个时间点的用户数量来衡量比例变化对其中一个的影响。在现实世界中，病毒似乎不太可能等于每周保留，但这种设置有助于以最清晰的方式解释我们的观点。基本案例-病毒因子等于保留：第七周约有88K用户。第一周的病毒性增加了20%，包括44K保留用户和44K病毒用户的条形图。：第七周，大约有110k用户，第一周53k和57k病毒堆积，病毒增加了20%：如你所见，第七周约有125k用户，保留65k和病毒60k。与等量病毒性相比，保留的变化具有长期的影响。您的总保留率高且稳定。你的总保留率高且稳定。如果你把保留率最大化到你认为可以增加病毒性而不是提高保留率的程度，即使考虑到保留率的复合影响，*病毒性也是有意义的。证明它！增长建模在Excel中很容易，有一些在线共享帮助。我使用httpp://bit.ly/growthmodel下载。如果你插入一些数字，它可以对你期望的增长有一个很好的概述。从用户计算的角度来看，这是伟大的，但在实际工作中很难概念化增长。为了获得不同的视角，建立一个树形图，这对准确地了解一周内存在的用户来自哪里很有帮助。在下面的树中，w0表示一组从0点开始的用户。树的每一级代表一周，在每一个后续级别，你都会从保留或病毒邀请中得到用户。给定节点的用户数量是通向节点的所有节点的乘积。v2是第二周的病毒系数，r3是第三周的病毒系数。任何给定级别的用户数都可以简化为递归方程。正如你所看到的，这与我们在上面的树形图中看到的一致。主要病毒因子(当前病毒I)和总留存)（n与“s乘积相关”有关。