ウイルス増殖モデルの4つの要素を分析する

グロースハッキングとは何ですか？

この概念は米国のインターネット業界で生まれました。データ分析に基づいて製品や技術的手段を使用してユーザーの増加を促進することがその中心です。スタートアップにとってユーザーの増加は非常に重要なので、低コストの顧客獲得こそがマーケティング担当者が常に求めているものです。

核分裂は低コストかつ高成長で顧客を獲得する代表的な手段です。核分裂活動を通じてユーザーを飛躍的に増やし、大量の新規顧客を獲得することは、すべての企業の夢です。しかし、現実には、これができる企業はごくわずかです。たとえ偶然にできたとしても、それは単にタイミングと場所と人材が揃っていたからであり、それを再現することは困難です。

もちろん、今日は分裂の手段について話すつもりはありません。主に、分裂の背後にある核となる公式、つまりウイルス増殖公式と、その核となる指標であるウイルス係数 K ファクターについてお話します。

このバイラル係数モデルは、アダム・ペインバーグの『バイラルループ』（浙江人民出版社、第1版）から引用したものです。『バイラルループ』の第3章では、データに基づいてバイラルマーケティングモデルの確立について解釈しています。第10章では、バイラル係数の調整について、Beboソーシャルネットワーキングサイトを例にとり、バイラル係数をウェブサイトのユーザー増加の指標として使用し、Beboの発展への影響を分析しています。

通常、K 値はバイラル係数を表すために使用されます。簡単に言えば、K 値は各現在のユーザーが何人の新規ユーザーをもたらすことができるかを表します。最も直接的な計算式で表すと、K=I*Conv となります。

I: 招待は、各ユーザーが送信した招待の数（共有率）を表します。Conv: コンバージョン率は、各招待の成功確率（コンバージョン率）を指します。

単純な核分裂アクティビティを例に挙げてみましょう。アクティビティがリリースされた後、ユーザーが 10 人の友人にアクティビティの招待を送信し、I=10 となり、最終的に 5 人の友人がアクティビティの招待を承諾し、最終的な Conv=5/10=50%、K 値 = I*Conv=10*50%=5 になるとします。

もちろん、最近では招待状を個別に送信することはできませんが、招待リンクはソーシャル ネットワークやモーメントを通じて共有される場合があります。

ユーザーの友人サークルが 1,000 人のユーザーをカバーし、最終的に 7 人のユーザーが友人サークルからの招待を通じてアクティビティに参加すると仮定すると、I=1000、Conv=7/1000=0.7%、K 値=1000*0.7%=7 となります。一般的に言えば、この核分裂活動は K 値が 1 より大きい場合にのみ進行します。

それでは、さらに進んでウイルスの伝播モデルを理解しましょう。

• Custs(t): 一定期間後の顧客は一定期間後のユーザー総数を表します。
• Custs(0): 初期顧客は、アクティビティ開始時のユーザー総数（初期ユーザー数）を表します。
• K：ウイルス係数、ウイルス係数とも呼ばれる。
• T: 時間はウイルスが拡散する合計時間を指します。
• CT: サイクル時間: 各感染サイクルに必要な時間。

分裂活動を例に挙げてみましょう。2018年頃に、クラウドソーシング配信と大まかに理解できる、コースを配信する新しい方法が登場しました。KOLを同じグループに引き込み、低コストまたは無料でコースを購入するように依頼します。同時に、より多くの利益層が約束され、コースを宣伝することができます。

KOL は影響力が強く、より多くの購入者を引き付けることができます。一方、多数の KOL が同じコースのポスターを投稿することは、それ自体がブランド コースを宣伝する良い機会となります (まあ、彼らの多くはただ集団でネギを切っているだけですが...)。

最初のバッチには 100 人の KOL がいると想定しているため、式の Custs(0) は初期ユーザー数が 100 人であることを意味します。

KOL が 5 人の購入者を呼び込めると仮定すると、K 値は 5 に等しくなり、一般的に、配信の合計期間は、活動主催者自身によって停止されるか、配信が減少して停止するか、禁止されるかのいずれかになります。

一般的に言えば、友人の輪にメッセージを送りつけるような活動のほとんどは、WeChat の担当者によって禁止されています。そこで、T の値は 50 分であると仮定します。約 25 分後に新しい配布ラウンド、つまり 2 番目のグループの人々が KOL の友人のサークルから配布ポスターを転送する可能性があります。すると CT=25 となり、必要な数式の値が出てきます。

理論上は1回の配信に25分かかり、50分で3回の配信（1回目を含む）が可能です。1人あたり5人のユーザーを連れてくることができるため、1人が50分後には31人を連れてくることができ、100人が50分後には3,100人を連れてくることができます。

1 人あたり 7 人のユーザーを連れてくることができると仮定すると、1 人あたり 50 分後には 57 人を連れてくることができ、100 人あたり 502 分後には 5,700 人を連れてくることができます。時間を100分に延長すると、5回の伝播が可能になるため、100分後には1人あたり781元、100人あたり7万8100元をもたらすことができる。

持続時間の各追加ラウンドは指数関数的なバーストをもたらします (同様に、サイクル時間を短縮することでも、対応する効果が得られます)。もちろん、これはあくまで理論上の評価であり、実際にはさまざまな要因により、このようなデータを達成することは困難です。これについては後ほど説明します。

上記の発表とデータから、K値、CT値、T値の3つの要素が核分裂活動に与える影響を判断できます。初期ユーザー数を拡大する手法はあまりないため、ここではCusts(0)の値については説明しません。

主な考慮事項は、K 値、各ラウンドの感染時間、および合計継続時間です。これらはより操作的で、より多くのスキルを必要とするため、核分裂活動の運用にとって最も重要なことは、これら 3 つの要素を最適化することです。この記事では、K 値に焦点を当てます。

より具体的な数値を使用して、K 値の変化の影響を比較して確認してみましょう。

あるアクティビティの初期ユーザー数が 10 で、伝播サイクルが 25 分、合計期間が 6 期間に設定されていると仮定します。次に、異なる K 値を数式に代入し、トレンド チャートを描画します。K 値が大きすぎるため、結果値も大きくなり、K>2 を超える値はトレンド チャートに表示されません。そうしないと、初期のトレンド チャートに変動が表示されません。

Custs(t) 変更テーブル

Custs(t) 変動グラフ

バイラル係数Kは、初期ユーザーが何人のユーザーを連れて来れるかを意味しており、上記の値とグラフから大まかに分かります。

0＜K＜1の場合、K値が0.5と0.9であることからわかるように、ユーザー数は依然として増加していますが、この成長は非常に弱く、亜線形成長に属します。1人のユーザーが他のユーザーを完全に取り込むことは困難です。これが分裂成長活動である場合、間違いなく失敗です。

K=1 の場合、ユーザー ベースは直線的な成長傾向にあり、熱くもなく冷たくもなく、年々平穏です... 1 人のユーザーが新しいユーザーを呼び込むことができます。このような成長は失敗とは言えませんが、ウイルス分裂とも言えません。

率直に言って、企業の通常の成長は直線的な成長であるべきであり、指数関数的な成長を達成できる企業はほんの一握りです。しかし、核分裂活動の場合、そのような成長は依然として失敗です。

K>1 の場合、成長は爆発的な成長を示します。これは一般に超線形成長または指数関数的成長と呼ばれます。これは成功したウイルス分裂であり、1 人のユーザーが複数のユーザーを連れてくることができます。

しかし、この場合、この成功した核分裂をいかにして制御可能かつ持続可能にするかという、オペレーターの能力がさらに試されることになる。

理論的なデータを導き出すために、さらにいくつかの数値を使用しましょう。アクティビティの K 値は 10、初期ユーザー数は 100、感染サイクルは 20 分です。

上記の表から、理論的には、このイベントの141分目に、ユーザー数は現在のWeChatユーザー総数である12億に達することがわかります。

もしこの活動が感染経路によって制限されていなかったら、使用者数は156分で現在の地球人口である70億人に達していたでしょう。つまり、2時間半プラス6分、つまり3時間以内に全人類が感染していたでしょう。

もちろん、これらは完璧な条件下での理論値であることを私たちは常に強調してきました。実際の活動でそれを達成することは可能ですか？

これを達成するのは不可能だということは、考えずに言うことができます。世界中に広めるのは言うまでもなく、WeChat 全体に広めることさえ不可能です。 WeChat がこのような狂気の核分裂活動を禁止したのは、この核分裂活動が WeChat 全体を乗っ取ることを恐れたからではなく、WeChat のユーザー エクスペリエンスがあまり影響を受けないようにするためです。

実際のコミュニケーションでは、多くの要因によって制限されることが多く、その中で最も重要なものは次のとおりです。

1つは、すべてのユーザーのK値が初期ユーザーのK値に到達できるわけではないということです。実際、各分裂活動は、一定の影響力を持つKOLまたはKOCを探します。しかし、ほとんどのユーザーにとって、放射されるユーザー数と変換できるユーザー数は、どちらも最初のバッチのユーザーのレベルからは程遠いです。

KOC は基本的に 2,000 ～ 3,000 人、場合によっては 5,000 人以上の友達がいますが、一般ユーザーの友達は 500 人以下です。これにより、影響を与える人の基盤が決まります。さらに、KOC の友達は業界や職業に関係する人が多いのに対し、一般ユーザーの友達は親戚、友人、同僚である可能性が高くなります。オーディエンスの精度は前者ほど高くありません。

同時に、KOCは長い間専門的なコンテンツを公開しているため、一般ユーザーに認知されやすいです。一般ユーザーは通常、友人の輪の中で食べたり飲んだり楽しんだりした様子を投稿します。突然核分裂活動を公開しても、他のユーザーの認知を得るのは難しいでしょう。

もう 1 つは、すべてのユーザーがこの核分裂活動に興味を持つわけではないということです。すべての活動には対象者がいます。マーケティングの先生が言ったように、誰かが自分の製品のターゲット顧客はすべての人だと言ったら、その人を落第させればよいのです。

実際、現在の画面スワイプ操作のほとんどは円を越えることはなく、円を越えるとすぐに消えてしまいます。キャンペーンが長く続くほど、興味のないユーザーも感染するようになり、感染サイクルも長くなります。 K値はどんどん小さくなり、最終的には成長が停止に近づき、核分裂活動はほぼ終了します。

昨年の国慶節の際、WeChatモーメントには「国旗をください@微信官方」というメッセージが溢れかえりました。このイベントには2億人以上のWeChatユーザーが参加し、最終的にイベントアプリに数百万人の追加ユーザーが集まりました。

このイベントの費用はたった200元だそうです。チームはグループで赤い封筒を送り、全員に転送を手伝ってもらうよう頼みました（しかし、受け取った後、誰も転送しませんでした…）が、このような参加ハードルの低いイベントでも、最終的には参加ユーザー数が3億人未満となり、イベントは中止されました。

理由の一つは、人々がこれに興味を持っていない、あるいは高齢者は運動能力がないために参加できないということである。では、これらすべての制限を考慮すると、ウイルス増殖モデルの応用価値は何でしょうか?

バイラル成長モデルの最大の価値は、活動の計画、監視、レビューへの応用にあると思います。

ウイルス増殖モデルでは、初期ユーザー数 Custs(0)、ウイルス係数 K、感染サイクル CT、ウイルス伝播の合計期間 T などのデータを確認できます。分裂活動の運用は、初期ユーザー数の増加、新規ユーザー数の増加、ユーザーの伝播サイクルの合理化と短縮、活動の生存サイクルを延長する方法の 4 つの側面から開始します。

Custs(0) の初期ユーザー数は、初期トラフィック プールに相当します。トラフィック プールが大きいほど、ボリュームはより速く増加します。

しかし、初期ユーザーの数に加えて、より重要なのは初期ユーザーの属性です。初期ユーザーは私たちが慎重に選んだ人々のグループですが、異なる核分裂計画ごとに異なる初期ユーザーを選ぶ必要もあります。これは、KOC/KOL が一般ユーザーよりも優れている必要があるという意味ではありません。

実際、前述のように、KOC/KOL は幅広いユーザー層をカバーし、強力な信頼を得ています。

しかし同時に、彼らの友人のほとんどは強いつながりがあり、群衆の重なり合いはより高くなります。広がるためにサークルを突破する必要があり、参加障壁が低い一部のアクティビティでは、より弱いつながりを持つユーザーを持つ人々が他のサークルに侵入しやすくなります。したがって、核分裂活動を実施する前に、初期のユーザーを計画する必要があります。

先ほど説明したウイルス係数Kは重要な要素です。基本的にこの係数に基づいて活動の成功または失敗を判断できます。係数が低すぎる場合は、フックを変更するなど、係数を上げる方法を見つける必要があります。

ただし、係数が高すぎると自慢しすぎると、すぐに禁止される可能性があります。この値は適度に制御する必要があります。

昨年から流行している、友達を招待して講座や本を送る活動から判断すると、友達3人は比較的安全な数であり、ユーザーの参加の敷居が低く、分裂しやすい。同時に、公式の警告ラインを超えることはありません。

5 人以上になると、参加のハードルが高くなり、メッセージを広めるのが難しくなり、活動がブロックされる可能性があり、一定のリスクが生じます。

感染サイクルCTは、実は公式監視の重要な要素です。感染サイクルが短すぎて、一定期間内に活動に参加する人数が一定の閾値を超えると、禁止されやすくなります。

しかし、実際には、多くの場合、運用ではこのサイクルを短縮する方法を検討する必要があるかもしれません。主な方法は、アクティビティのコンバージョン パスを合理化する方法を見つけることです。コンバージョン パスが複雑すぎると、CT サイクル全体が延長され、一部のユーザーがアクティビティにアクセスできなくなります。

パスがシンプルであればあるほど、ユーザーの参加のしきい値は低くなり、ユーザーの参加意欲は高まります。

アクティビティの合計期間は主に上記の 3 つの要因によって制御されます。

核分裂が失敗すれば、活動は自然に消滅し、総継続期間も自然に短くなります。一方、核分裂が成功しすぎて公式の禁止措置が取られれば、活動は直ちに終了し、総継続期間も長くはなりません。

したがって、上記の 3 つの要素を合理的な範囲内で制御し、活動全体を合理的かつ秩序正しくすることによってのみ、活動の総所要時間を保証することができます。

アクティビティが人気になりすぎる場合は、自己密封された分裂パスの一部を減らし、弱いフックを交換してk値を減らし、いくつかのパス（個人情報の記入、キューイングメカニズムなど）を追加して制御のCT時間を増やすことができます。本当に制御できない場合は、アクティビティを一時停止して、少なくともアクティビティが禁止されたり、正常に変換されたファン（公式アカウントのファン）が公式によってクリアされたりしないようにすることができます。

もちろん、アクティビティがあまりに不人気な場合は、段階的に最適化することができます。

最後に、私が言いたいのは、アクティビティ後にバイラル係数 K>1 で、獲得した Custs(t) ユーザーの総数が多い場合、これはアクティビティが成功したことを意味するだけで、これらのユーザーがどれだけの価値を生み出すことができるかを保証するものではないということです。

特に、レッドオーシャン市場の時代においては、ユーザー維持はユーザー獲得よりも大幅に重要になります。

もちろん、ユーザーの維持を確実にするために、これは主に分裂中に使用されるフックに関連しています。アクティビティは全体的に考慮する必要があります。たとえば、核分裂中に使用されるフックは、K 値の変化を引き起こすだけでなく、核分裂によって生成されたユーザーの属性にも影響を与えます。

したがって、フックの選択自体がユーザーの選別プロセスになります。現金をフックとして使用すると、選別されるのはさまざまな属性を持つ一般ユーザーになります。また、オペレーション コースをフックとして使用すると、フィルタリングするユーザーは少なくともオペレーションに興味のあるユーザーになります。

フックの選択はユーザー属性に影響し、ユーザー属性はその後のコンバージョンと収益化の難易度に影響します。

この点に関しては、To B 企業の場合はさらに当てはまります。なぜなら、To B 企業にとって、獲得したユーザー数は決して最も重要なことではなく、To B 企業の製品は一般に個人に適しておらず、開発が難しく、スクリーニングや変換がさらに難しいためです。

同時に、1 つの To B 企業顧客の利益は、数千または数万の To C 企業顧客が生み出す利益に等しい可能性があるため、ユーザーの質はユーザーの数よりもはるかに高くなります。

そのため、ToB ではユーザー属性によってユーザーが生み出せる価値が決まります。ユーザー属性が間違っていると、ユーザーは一生 To B 企業の製品に触れることがなく、分裂が増えても価値を生み出すことができません。

したがって、To B企業が核分裂活動を行う場合、フックを慎重に選択する必要があります。最終的なK値が1未満であっても、ターゲット顧客を獲得できれば、間違いなく費用対効果は高くなります。

ウイルス分裂モデルを確立する意義は、モデルを使用して計算と判断を行うことで、自身の操作行動を調整し、自身の活動を改善し、試行錯誤のコストを削減し、出力結果を向上させることです。

しかし、ユーザーの増加は、ユーザー操作とは独立して存在するものではありません。ユーザーの増加を行う際には、ユーザー維持とユーザーライフサイクルのすべてを考慮する必要があります。ユーザーが最終的に支払う金額と最終的に生み出される価値が、企業の存続に影響を与えます。

著者: 一般人

出典: Commoner