1704222100
Ct=cycle time
1704222101
1704222102
Custs（t）是活动结束后获得的新用户数，t是活动周期，ct是病毒传播周期，Custs（o）是初始种子用户数。
1704222103
1704222104
做法一的数据如下（仅是模拟数据）（见表2–1）。
1704222105
1704222106
表2–1 做法一的模拟数据
1704222107
1704222108
1704222109
1704222110
1704222111
于是我们知道：520 = 480×［K（10/9 + 1）–1］/（K–1）。
1704222112
1704222113
此时，（K2.1–1）/（K–1）= 1.08，换算之后得出K2.1 = 1.08K–0.08。
1704222114
1704222115
到这一步，我们已经知道K值<1不可能带来病毒传播。
1704222116
1704222117
下面是做法二经过模拟后的数据（见表2–2）。
1704222118
1704222119
此时，我们得出：2 400 = 320×［K（6/2 + 1）–1］/（K–1），即7.5×（K–1）= K4–1。
1704222120
1704222121
表2–2 做法二的模拟数据
1704222122
1704222123
1704222124
1704222125
1704222126
求解得出K值约为1.44，这说明做法二可以带来病毒传播。如果活动能在这个基础上继续放大传播周期，那么传播效率就可以再上一个台阶。
1704222127
1704222128
通过对比，我们也发现了其中存在的问题：用户对于需要做传播这件事已经极为熟练和敏感，所以大量的用户在活动奖励本身缺乏足够大的额外利益诱导时，并不会主动做出真正具有传播效果的分享动作。
1704222129
1704222130
这也解释了为什么第二步的“每个用户会带来多少新用户”的问题不能通过推测来解决，而是要通过数据的多次验证来解决。
1704222131
1704222132
继续用户裂变的话题，思考路径的第三步“如何让新用户完成转化或者直接留存并减少损耗”，是一个很值得讨论的问题。因为经验告诉我们，如果我们仅仅通过利益诱导来获得用户，那么大概有70%的用户会在未来的1~2周内被消耗掉，也就是取消关注或者卸载App。
1704222133
1704222134
这里有两个解决方案。
1704222135
1704222136
解决方案一：新用户要在进入的3个小时内被变成裂变传播的一个种子。这样一来，即使他后来流失了，他也至少带来了新用户，产生了价值。
1704222137
1704222138
解决方案二：结合产品调性与用户关切点，在新用户进入的3个小时内，通过运营手段完成转化动作，让他成为一名真正的用户。
1704222139
1704222140
解决方案一是要快速实现裂变后的二次裂变，适合大众类型的产品，譬如阅读产品、打车产品等。
1704222141
1704222142
解决方案二是要进入精细化运营，适合不那么大众的产品，譬如垂直人群的服务类产品。
1704222143
1704222144
大家还需要注意3点。
1704222145
1704222146
1.互联网产品的竞争永远是流量竞争。
1704222147
1704222148
不管你的产品有多优秀，竞争对手的产品有多差劲，谁拥有更大的流量，谁就有机会活得更久。以知识付费产品为例，假设某大众产品A的用户付费率（付费率=付费用户/注册用户）是3%，它的注册用户人数有5 000万，这意味着它的付费用户数是150万。而B是垂直领域的知识付费产品，付费率可以达到15%，但注册用户只有50万人，这意味着只有7.5万人付费，除非B的客单价能够达到A的20倍，否则B的收入水平永远无法达到A的收入水平。
1704222149