这一次进群宝为大家提供了一套如何统计裂变新用户数量方案，适用于社群裂变的场景。其实这个方法进群宝一直在探索，因为我们发现无论是在做社群裂变、公众号裂变还是小程序裂变，都会面临一个问题：无法衡量裂变拉新效果?也就是说，不知道多少人是原来的老用户，多少人是裂变而来的新用户?在渠道合作中，也不知道它具体带来了多少新用户，无法判断这个渠道的质量。

　　所以在经过多次摸索中，我们总结了一套关于如何统计裂变新用户的方法。

　　实操指南

　　思路

　　将同一版式的裂变海报，做成两张，放入两个不同的任务活码，然后分别投放到新老用户渠道。

　　步骤

　　第1步、 在进群宝后台，新建两个一模一样的任务，分别记为A和B。

　　第2步、 准备两张裂变海报(除了活码不同，其他都一模一样)，一张海报放A任务的活码，记为A海报，另一张海报放B任务的活码,记为B海报。

　　第3步、 在A任务中，将AI助手发给用户的海报设置成B海报。

　　第4步、 在B任务中，将AI助手发给用户的海报也设置成B海报。

　　第5步、 裂变活动开始推广了，在所有老用户渠道都投放A海报。

　　第6步、 统计数据：

　　老用户数=A任务群成员数-AI助手数

　　新用户数=B任务的群成员数-AI助手数

　　病毒系数K=新用户数/老用户数。

　　Tips： 区分合作渠道带量能力的操作方法也是一样的。

　　看到这里，想必你已经了解这种方法的逻辑：在老用户渠道投放A海报，老用户看见A海报后，扫码只能进入A任务的群里，所以A任务下的用户总数就可以近似认为是老用户数。接着，老用户入群，AI助手给老用户发送的却是B海报，这决定了绝大多数用户分享出去的海报将会是B海报，所以老用户带来的新用户就只能通过B海报进入B任务的群里。

　　经过进群宝团队的实践，这种方法在社群裂变上非常实用，能够满足95%以上的社群裂变活动。但逻辑严谨的你，可能已经发现，它还存在三个系统误差：

　　第一，老用户分享的海报不一定就是群里发给他的那一张。因为他还可能在看见A海报的时候，就已经把A海报保存到了手机里，发朋友圈就直接发A海报(老用户无法肉眼区分A海报和B海报)。这就会使得老用户数比实际的多，k因子比实际的小。

　　第二，老用户分享出去的B海报，就真的只能被新用户看见吗?答案是否定的，老用户和老用户之间如果存在关系链，B海报就可能会把其他老用户也带进B任务的群里，使统计到的新用户数比实际的多，k因子比实际的大。

　　第三，新用户和老用户之间，还可能存在关系链，就会导致新用户把老用户也引到B任务的群里。这种情况同样会使k因子比实际的大。

　　三个系统误差很难避免，因为你无法控制用户的关系链。其实，任何一个系统都无法避免系统误差，包括带参二维码也可能由于用户关系链的交叉而产生相同的误差。

　　病毒系数

　　细心如你，可能已经发现，前文出现了两个概念：病毒系数K和k因子。它们实际上是一个指意，只是名字不同。

　　病毒系数K，顾名思义，指的是传播像病毒的裂变一样，最早起源于传染病学，而非市场营销。在畅销书《病毒循环》中，亚当·潘恩伯格对病毒系数K有一个界定：

　　病毒系数K=平均邀请人数*邀请人数转化率

　　例如：100个用户，平均每人发送2个邀请，最终10%转化，那么K=2*10%=0.2。

　　我们对这个公式做一个变形：病毒系数K=老用户邀请而来的新用户/参与邀请的老用户

　　同样用上面的例子：参与邀请的老用户100人，邀请到的人数为200*10%=20，则K=20/100=0.2。

　　计算结果一样，由此可见，病毒系数实际上表征就是——一个用户能带来多少个新用户。

　　K<1，说明传播是收敛的，裂变呈衰减趋势;

　　K>1，说明传播是扩散的，裂变呈增长趋势。

　　由此可见，K因子虽小，却能辅助运营人员判断裂变的趋势，其重要性可想而知。所以进群宝团队始终认为：做裂变不能只知其表，而要洞察其内在的增长规律，唯有如此才能融会贯通，应对各种复杂问题。

　　基于以上分析，得出总结：首先，利用两个相同的任务(仅海报上的活码不同)，将新老用户分流到不同的两个任务中;然后，计算的出K因子的值，判断裂变趋势。

　　更多裂变、用户增长、引流相关知识;免费试用裂变涨粉工具，可关注公众号“进群宝”。

你可能还对下面的新闻感兴趣