发布时间：2024-7-24 分类： 行业资讯
这一次，我进入了一组宝藏，为如何计算裂变新用户提供了一套解决方案，适用于社区裂变情景。
事实上，这种方法已经在小组中进行了探索，因为我们发现无论是做社区裂变，公共裂变还是小程序裂变，都会出现一个问题：无法衡量裂变和拉动新的效果？也就是说，不知道有多少人是原来的老用户，有多少人是裂变新用户？在渠道合作方面，我不知道它带来了多少新用户，无法判断这个渠道的质量。
因此，经过多次探索，我们总结了一套如何计算裂变新用户的方法。
实操指南
想法
将相同布局的裂变海报拆分为两个，放两个不同的任务代码，然后将它们放入新旧用户通道。
步骤
第1步、在金群的背景下，创建两个相同的任务，分别记录为A和B.
第2步、准备两个裂变海报（除了现场代码，其他一切都完全相同），海报放置A任务的实时代码，记录为海报，另一张海报放B任务的实时代码，记录为B海报。
第3步、在A任务中，AI助手发送给用户的海报被设置为B海报。
第4步、在B任务中，将AI助手发送给用户的海报也被设置为B海报。
第5步、裂变活动开始得到提升，并且所有旧用户频道都放置了海报。
第6步、统计数据：
旧用户数=任务组成员数 - AI助手数
新用户数=B任务的组成员数 - AI助手数
病毒系数K=新用户数/旧用户数。
Tips：区分协作信道容量的操作方法是相同的。
看到这一点，您必须已经理解了此方法的逻辑：在旧用户频道中，将显示A海报。在旧用户看到A海报之后，扫描代码只能进入A任务的组，因此可以近似A任务下的用户总数。它被认为是旧用户的数量。然后，旧用户进入组，AI助手将旧海报发送到B海报，确定大多数用户共享的海报将是B海报，因此旧用户带来的新用户只能通过B海报。输入B任务组。
在团队实践后，这种方法在社区裂变方面非常实用，可以满足95％以上的社区裂变活动。但是你在逻辑上很严格，你可能已经发现它仍然有三个系统错误：
首先，旧用户共享的海报不一定是在群组中发送给他的海报。因为当他看到A海报时，他也可能在手机上保存了一张海报，他直接向朋友圈发了一张海报（老用户无法用肉眼辨别A海报和B海报）。这将使旧用户的数量超过实际数量，并且k因子小于实际用户数量。
其次，老用户共享的B海报只能被新用户看到。答案是否定的，如果老用户和老用户之间存在关系链，B海报可能会带来其他老用户在B组任务中，计算的新用户数量多于实际数量，k因子为大于实际的。
第三，新用户和旧用户之间可能存在关系链，这将导致新用户将旧用户引入B任务的组。这种情况也使得k因子大于实际因子。
由于无法控制用户的关系链，因此难以避免三个系统错误。实际上，任何系统都无法避免系统误差，包括带参考的二维码也会因用户关系链的交叉而产生相同的误差。
病毒系数
小心，因为您可能已经发现上一节中有两个概念：病毒系数K和k因子。它们实际上是一个点，但名称是不同的。
顾名思义，病毒系数K指的是像病毒一样的裂变扩散，它起源于传染病，而非营销。在畅销书《病毒循环》中，Adam· Paine Berg对病毒系数K有一个定义：
病毒系数K=被邀请者的平均数量*邀请转换率
例如：100个用户，平均每人2个邀请，最后10％转换，然后K=2 * 10％=0.2。
我们对此公式进行了变体：病毒系数K=旧用户邀请的新用户/参与邀请的旧用户
同样使用上面的例子：参加邀请的100位老用户，邀请嘉宾的数量是200 * 10％=20，那么K=20/100=0.2。
计算结果是一样的。可以看出病毒系数的实际特征是——用户可以带多少新用户。
K <1，表明传播是收敛的，裂变是衰减的;
K> 1表示扩散是扩散的，裂变正在上升。
可以看出，虽然K因子很小，但它可以帮助操作者判断裂变的趋势，其重要性可想而知。因此，进入该组织的团队一直认为，裂变不仅可以了解自己的表格，而且必须深入了解其固有的增长规律。只有这样才能整合并处理各种复杂问题。
基于以上分析，得出结论：首先，两个旧任务的使用方式不同（只有海报上的实时代码不同），新旧用户被卸载到不同的两个任务中;然后，判断K因子的计算值。裂变趋势。
更多关于裂变，用户增长和排水的知识;免费试用裂变粉工具，可以注意公众号“ldquo;进入集团宝藏”
