活动裂变增长公式

 

2019年12月，完全不懂什么是增长的小白运营开始踩上这条满是【坑】的路——做过7天只有4个新用户付费的新增活动，也做过7天1w+的付费新增活动；借此篇文章总结下这一年多来的经验教训，增长道路上共勉！

不同的公司增长的指标是不同的，有可能是APP下载人数/活跃人数/新关注人数/新付费人数，笔者所在的行业是在线教育行业，增长的北极星指标是【新付费人数】，更具体的是付费0元以上的新用户数。故而本文中提到的增长目标都是新付费人数。

增长是一个和数字较量的过程，不同的增长方式有着不同的特点，如投放注重转化率，而本文主要研究的是裂变的增长方式，更狭义的说是老带新or新带新，本文将通过如下的增长裂变公式去展开。

一、1个常用的初级裂变公式

新付费人数 = 活动曝光人数*参与率*分享率*新用户裂变率（*关注率）*付费率

这个公式是最基础的公式，可以套用在大多数裂变活动中，可以先从这个公式入手，更复杂的多级裂变其实也是在这个基础上继续延展的，本文暂不讨论。

 

增长的每个环节都会对最终达成新增人数有影响，让我们来看看各个环节的影响因素是什么吧。

二、什么决定了活动的参与率？

活动参与率的核心：目标人群+钩子+付出成本的综合考量

在设计活动时，目标人群的多寡决定了你的资源位曝光量级、活动的规模，而根据目标人群制定有吸引力的钩子以及获得钩子所需要付出的成本，则决定了活动的参与率。

1）如果你的钩子只有少数人会感兴趣，那么就针对少数人去曝光

2）不要期待用小利益，获得用户的大付出，用户只会在开始就选择放弃

3）钩子不仅要考虑对初始参与人群的吸引力，还要考虑对新增目标人群的吸引力

曾经有这么个同学跟我讨论了一个玩法：A是我们平台的老用户，A为了获得平台购课币邀请多个好友B帮忙攒币，B也能获得购课币。

我问然后呢？——然后B也去购课了。

问题来了，B对我们的平台完全不了解的情况下，B怎么理解TA获得了购课币这个概念呢？购课币是什么呢？为什么要来买我们的课程呢？A只是让TA帮忙攒个币，没让他一起买个课呀。

以上我们可以知道，做一个新增活动，若想要带来新增，不仅要设计对老用户的钩子，更要设计对新用户的钩子，才能做好完整闭环。

4）损失厌恶相比获得感更能激发用户参与率

在活动中适当利用损失厌恶心理，比如倒计时、优惠即将过期提醒，更能激发用户参与的意愿，笔者曾经做过一个优惠券活动，一个普普通通的优惠券过期提醒的消息，竟然带来了1/3的新增！

5）操作层面，规则最简化，不要寄希望于用户能看懂你超过两行的玩法规则

做好主路径设计，将想要用户做的第一步放在第一屏，路径清晰易懂（钩子是什么、要怎么做才能获得）。

可能这是很多新手才会踩得坑，笔者就曾经历过——进入活动页，最后只有30%的人看到了我的参与主路径，70%的用户在那之前流失了……血泪提醒，别再踩这种新手坑。

三、提高分享率：操作猛如虎，一看提升0.1

钩子是上策，文案是中策，操作是下策

首先在某些情况下参与率和分享率可以是同一个，但有的情况下，人们也会把参与率当成分享率，而笔者在经历预估目标和实际远不相符时，深刻意识到分享率≠参与率。

还原这么一个活动：用户可以选择免费开团，邀请X个新用户即可成团获得课程。而笔者将参与率=开团率，进而直接跳到了裂变率，这样等同于默认分享率为100%，而实际情况并非如此，进而导致预估有较大偏差。

分享作为裂变的关键动作，如何提高分享率呢？

笔者曾经长期陷入过操作的漩涡，试图通过缩短分享路径、强化分享操作、优先露出需分享的内容等操作去增加分享率，但多次表明，这种操作难以提高分享率。

以下为笔者得出提高分享率的有效方法：

1）优先优化钩子，假设活动的钩子是奖品，那么就更换奖品去测试提高分享率

2）优化文案是其次，优先突出用户获得的利益/吸引用户的特征，而不是动作

比如笔者曾尝试将文案从“立即分享”的分享动作文案改为“我要免费领”这种利益导向文案，分享率有一定提升，同理通过文案优化钩子能吸引用户的特征，提升钩子的吸引力也是提高分享率的有效方法。

3）让用户付出一定的成本，用户可能更愿意分享

笔者做过一些活动发现让用户付出少许金额往往相比免费的活动分享率更高，当然这会适当降低参与率，但让用户付出成本，不论是沉默成本还是现金成本，真的能起到更好的效果。

4）操作层面，倒计时这类提高损失厌恶的技巧也是一个提升分享率有用的方法

四、新用户裂变率：一场心理的博弈

新用户裂变率指一个参与且有分享行为的用户平均拉了多少新用户访问，这与用户的分享场景和激励用户的钩子有关。

1）钩子吸引力和用户付出成本要相符，才能达到理想的裂变率

比如笔者曾做了两个活动，同样是邀新3人团，A活动是1元购买3D拼图，B活动是3.9元购买100节课程，B活动的新用户裂变率是A活动的2倍，钩子给到用户的拉新动力，很显然B的价值看起来更高。

2）达成预期设定+分享的场景，琢磨用户心理提高裂变率

一方面，你给到了用户钩子，然后你要求用户给你分享到哪里？/你给到分享的工具是分享到哪里？

• 是群?——那是不是用小程序更好？
• 是朋友圈？——那是不是得提供裂变海报？且给到用户一定得心理满足？
• 还是一对一？

另一方面，你是给到了模糊性/确定性的要求？

• 比如邀请一个人获得5-20随机金币，直至100个金币获得钩子。
• 还是明确告诉用户，邀请1个人就能获得钩子？

如果你设计的分享路径过窄，比如提供的是更适合一对一的分享链接，同时告诉用户邀请1个人就能获得钩子，那么很可能你能获得的新用户裂变会少得多。

3）共享利益和理所当然——更高级的分享推动

不知道大家有没有遇到过这样的场景：

我给到了用户那么多钱激励他，为什么用户的参与率和裂变率还是很低呢？

不是每个人都是能被“收买”的，像教育行业很多邀新有礼活动，分销活动，基本上属于给到分享者的利益大于被分享者利益，这种赤裸裸的利诱只对一部分人有效，但这对于普通大众而言，可能会带来一定的心理负担——负罪感。

这种负罪感用两种裂变模式的对比可以很明显看出区别：助力得奖和组队得奖。

• 助力得奖：我发起了一个团，需要邀请好友帮我助力，达到指定数值，我就可以获得奖品，助力者不会获得这个奖品
• 组队得奖：我发起了一个团，可以邀请好友一起来参团组队，组队成功，每个人都会获得奖品

如果使用你的产品的用户，是对分享有比较高的要求和原则的用户，那么组队得奖的模式，相比助力得奖，参与率更高，裂变率也更好——因为这利用了用户的互惠心理，降低了分享的心理门槛。比如知识付费类的人群。

4）排行榜是个好工具，能有效激励拉新活动头部人群

针对拉新意愿强的人群，那么高门槛高激励是一个有效的头部激励策略，不怕给的多，就怕给的少！

笔者做过多次排行榜激励，发现排行榜的头部人群基本带来了60%+的新增用户；这部分头部人群拉新能力强，拉新意愿高，如果你给到的奖品上限太低，只满足了拉新能力低的大众人群，毫无疑问限制了头部人群能力的发挥！

故而一个活动，若是面向大众，记得留个排行榜/顶部人群激励钩子，来激发头部人群的拉新潜力，他们会给你带来的惊喜。

五、关注率/付费率：直奔目标，少做漏斗

笔者前面讲到，付费新用户数是笔者的新增指标，故而关注人数需要*付费率才是笔者想要的付费新增，但也时常遇到这样一个问题：是要做关注活动还是直接付费的活动？关注门槛比较低，参与人数多，问题在于付费率，直接付费的门槛高，参与人数低，但减少了关注漏斗。

笔者总结以下观点：

1）先关注后转化，还是先转化后关注，取决于不同的场景

若转化不了的场景/需要长时间决策/需要时机才能转化的场景，则先引导关注，若是可立即付费的场景则引导转化。

比如打车场景，笔者看到过花小猪的案例：分享者A邀请了B来领取花小猪打车软件的优惠券，B领取后直接引导跳转打车入口，这是直接转化的例子，但问题是：打车作为一个需要打车时机的产品，在这里立马转化很显然不符合场景需求——用户有打车需求时才会使用而这里我只是参加了个活动可能还没有这个需求，或许先让用户留存下来会更加适合。

 

那么直接付费的场景有哪些呢？

比如瑞幸的分享红包，喝瑞幸咖啡对时机的要求不高，且决策成本低，故而用户领到券后引导去买咖啡，转化率相比引导关注会更高，而付费的用户留存和复购也更高。

若你还是不知道要先关注还是先转化，那么在实际应用场景里，可通过AB测试来看哪个是最好的。

2）先关注再转化，为了达到目标需要几倍+的裂变能力，要求极高的策划水平/保证ROI为正

若是以付费新增为目标的活动，那么先关注后转化，必然存在大漏斗——

假设参与人数相同，直接付费转化的活动若能1带1（1个参与带1个付费新增），先关注后转化的话，若转化率是20%，那么这个活动就得1带5个关注，才能达到同样的付费新增人数。而人数的增加，即使动作变轻了，对于参与者而言也并非一件轻松的事。

如果是利益诱导型的关注活动，这意味着钩子得吸引力大，付出门槛相对较低，且能保证ROI为正，才能达到足够的“关注底量”来进行转化。

这里举个例子：有道少儿的公众号非常多实体书领取的裂变海报活动，这类活动能在其公众号一直推出，说明至少ROI是为正，能持续带来新增的活动——20名宝妈新增关注数*转化率*客单价>书籍成本；这里若转化率低，客单价就得较高，若转化率和客单价都低，很有可能是个亏本无法放量的买卖。

 

还有一种就是靠内容取胜的活动，比如病毒营销类的内容活动，这往往需要很高的策划水平。

以上，如果你还在处于不知道怎么策划增长活动，不知道怎么评估增长活动的好坏时，那么就先按照这个公式看看自己的数据吧，看多了，你就对增长有一定的敏感度了。

但笔者始终记得一位大佬跟我说过得话，分享给大家共勉——

“每个数据的背后都有其特定的背景，不要被数据欺骗，更不要欺骗自己。”