如何衡量用户推荐的价值？

衡量用户推荐的方法大家可能都听过“K因子”，或者是病毒系数。

简单来说，K因子（病毒系数）的方法就是平均每个老用户可以带来几个新用户。如果K因子大于1，也就是说平均每个老用户可以带来超过1个的新用户，那么理论上这个产品就不需要再去人为地推动增长。因为仅仅靠用户推荐，用户数就可以持续有机地增长，增长率不会衰减为零。但是在实际情况中，这样的情况几乎不存在，或者即使有，也只能持续一小段时间。

即使K因子小于1，也就是说每个老用户带来的新用户数少于1个，由于成本低、转化率高、用户质量好，用户推荐仍然是性价比非常高的增长渠道。所以，一个好的用户推荐项目，几乎是所有2C产品，以及很多2B产品的必备。

虽然用户推荐有多种不同的类型，但是下面介绍的这个万能公式（见图3-12），可以帮助你分解用户推荐的步骤、量化每一步的指标、指导通过实验优化整个推荐流程。

图3-12 用户推荐公式

用户推荐涉及推荐人和被推荐人，当中存在多个转化漏斗。根据上面的用户推荐公式，可以将整个流程细分为6个步骤，让增长团队可以清晰地看出整个流程的瓶颈在哪里，从而抓住重点、着力改善。

举例来说，表3-2展示了A公司用户推荐转化漏斗的分解，我们假设A产品有20万的月活跃用户，我们可以根据上面的万能公式，粗略估计出通过用户推荐能带来多少新用户。同时，通过分解每一个步骤的指标，也可以看出最明显的瓶颈是邀请机会页面的转化率，以及被邀请人接受邀请的比例，所以这两个地方应该是增长团队最先聚焦的领域。

表3-2 A公司用户推荐流程的分解

下面我们单独介绍每个指标的含义。

1）总活跃用户基数：是目前可以邀请新用户的活跃用户数上限。用户对产品越满意，在产品里待的时间越长，他们邀请新用户的可能性就越大。

2）接触到邀请机会的比例：是指在活跃用户里，有多少人能接触到邀请别人的机会。这个机会可能是一个单独的邀请页面、一个基于某事件的对话框，或者是一个功能。

3）邀请机会页面的转化率：是指活跃用户看到邀请页面或对话框后，有多少人真正给别人发出了邀请。

需要指出的是，灵活使用多种邀请触发机制，可以使活跃用户接触到邀请机会的比例，以及邀请机会页面的转化率最大化。(www.xing528.com)

■静态的邀请机制，比如在应用菜单里加上“分享给好友”的选项是比较被动的，这要依赖于用户发现，因此点击率和转化率不高。如果向所有用户发送邮件或应用内信息让他们邀请新用户，虽然比较明显，但又会影响用户体验，让用户迅速产生疲惫感。

■动态的邀请机制，让“邀请触发”有机地融入用户体验中是更好的思路。比如，找到一些“可分享的时刻”。比如，新用户刚刚完成注册，鼓励他邀请好友；用户刚刚完成了一项任务，让用户分享给好友。这种邀请触发的转化率要高一些，而且用户体验比较好。

4）平均每人发出邀请的数量：就是每个老用户邀请了几个新用户。这个指标有一个形象的术语，叫作“分支因子”，一根树枝上分了几根小枝。每个用户发出的邀请越多，那么可能带来的新用户就越多。这个时候，邀请流程设计得好不好用就有很大的关系。

邀请流程最基本的元素包括下面几个，流程中的每一步都对邀请转化率和分支因子有影响：

■邀请页面：邀请开始的着陆页；

■邀请奖励：邀请人和被邀请人各自有什么奖励；

■邀请方式：比如通过社交媒体、短信、邮件还是其他方式；

■邀请信息：发给邀请人的短信或者朋友圈的帖子怎么写，是否有图片；

■邀请结果：统计发出多少邀请、有多少邀请被接受、多少处于未接受状态。

5）被推荐人接受邀请的比例：是指被推荐人收到邀请后，有多少人会点击邀请。

6）接受邀请后完成注册的转化率：点击邀请后，又有多少人会完成注册流程，最终成为用户。

这两步是用户推荐最关键的最后一公里。值得注意的是，各个公司采取的策略略有差别，例如Lyft会首先让被邀请人进入一个接受邀请的着陆页；Uber则让用户直接进入网页注册的首页；股票交易应用Robinhood则直接把被邀请人导入应用商店下载应用。

这也从侧面说明了不要盲目相信所谓的最佳实践，用户推荐和其他所有增长领域一样：没有所谓的“万能灵药”，唯有结合产品、用户和市场的特点，不断试验、持续改进，才是正道。