概念地圖・病毒係數 K
作者 山姆（謝冠生）・喵喵書評創辦人
發布 最後更新
分類：創業
這一頁不只是把一個概念解釋一遍——一張自己畫的結構圖，加上拿台灣情境從頭走一次的實例演練、這個框架什麼時候會騙你，以及它接回 P.A.I.N. 之後長什麼樣。一頁必須交付的三層 →
病毒係數 K：一個人走進來，能帶幾個人
病毒係數把「口碑」這件玄學壓成一道乘法：每位用戶平均發出的邀請數，乘上這些邀請的接受率，得到的 K 就是「一個人平均替你帶進幾個人」。這個數字在 1 這一格有一道很硬的門檻——K 小於 1，成長是一條會自己停下來的等比級數；K 大於 1，同一批人會像雪球一樣自己滾大。多數產品的真實 K 值落在 0.2 到 0.6 之間，離自燃很遠，卻遠比很多人以為的有用。
K 值落在哪一段，決定你該做什麼
K 的用處是當路標：它會指出你該去修哪裡。
| K 值 | 它的意思 | 現實中的樣子 | 該做的事 |
|---|---|---|---|
| 接近 0 | 幾乎沒人推薦 | 每一個新客都要花錢買 | 回頭檢查產品本身 |
| 0.2 ～ 0.6 | 推薦幫你打了折 | 獲客成本降三到四成 | 把它當成廣告的乘數 |
| 接近 1 | 再推一把就自燃 | 成長對投放非常敏感 | 優先修 i 或 c 的瓶頸 |
| 大於 1 | 自己會滾 | 通常撐不了太久 | 盯緊留存，別慶祝太早 |
拆開這道乘法：四個自問
K 是乘出來的，所以任何一項是零，全部就是零。一項一項檢查。
i：他有沒有理由開口？邀請數低的原因，通常不是分享按鈕太小，而是用戶找不到開口的理由。人願意推薦一樣東西，多半是因為推薦這件事本身讓他有面子，或者對方不知道會很吃虧。自問：他把這個推給朋友時，那句話會怎麼講？講不出那句話，按鈕做得再大也沒用。
c：收到邀請的人，落地時看到什麼？轉換率的殺手多半在中間那幾秒：連結打開要先下載、下載完要先註冊、註冊完看不到朋友邀他來看的那個東西。每多一道門，c 就砍掉一截。自問：我自己用別支手機點一次邀請連結，幾秒鐘之後才看得到重點？超過十秒就該修。
循環時間：一輪要跑多久？公式裡沒有時間，但現實裡時間決定一切。K 值 1.1、一輪要一個月，跟 K 值 1.1、一輪只要兩天，一年後的差距是天文數字。自問：從一個人加入，到他真的發出第一次邀請，中位數是幾天？
留存：被邀來的人，留下來了嗎？這一項不在公式裡，卻是最常讓 K 值虛胖的地方。如果被邀請進來的人一週後就消失，他們永遠不會產生下一代，你算出來的 K 就是一張空頭支票。自問：邀請進來的用戶，第 30 天留存率跟自己找上門的用戶比，差多少？
拿它算一次：一款午餐揪團 App
假設一款讓辦公室同事一起訂午餐的 App，開團的人可以把連結貼進群組。團隊看到的數字很漂亮。
- i ＝ 8：每位開團者平均把連結貼給 8 位同事。
- c ＝ 0.3：其中 3 成的人真的安裝並下單。
- K ＝ 8 × 0.3 ＝ 2.4帳面上遠遠超過 1
- 實際上：只有 12% 的用戶會開團，其餘的人只跟團；跟團的人裡有 6 成一個月後不再打開。真實的 K 掉到 0.3 上下
問題出在分母。那個 2.4 只算了「開團的人」，而全體用戶的平均邀請數其實是 8 × 12% ≈ 0.96，再乘上 0.3，只剩 0.29。這個發現反而比一個漂亮的 K 有用：它指出成長的瓶頸在「跟團的人為什麼不自己開團」。答案通常很具體——開團要決定店家、要催大家下單、要處理有人臨時不吃，這些麻煩全落在同一個人身上。所以真正該做的不是加大分享獎勵，而是把開團這件事變輕：一鍵沿用上次的店、自動催單、湊不齊自動取消。當開團率從 12% 拉到 25%，K 就翻倍，而這件事跟行銷預算沒有關係。以上為說明結構用的示意情境，僅供理解框架之用。
這道公式，什麼時候會騙你
K 值是最容易被算得漂亮的指標之一。三個常見的坑：
- 平均值掩蓋了「只有少數人在推」的事實。邀請行為的分布極度不平均，通常前 5% 的用戶貢獻了一半以上的邀請。用全體平均算出來的 K，會讓你誤以為只要多買一點流量，每個人都會複製同樣的行為；實際上你買到的多半是那 95% 不會開口的人。
- K 大於 1 幾乎都是暫時的。病毒式成長會把最容易被說服的那群人先吃光，接下來的邀請落到越來越不相關的人身上，c 就一路下滑。歷史上衝到 K 大於 1 的產品，多數在幾個月內回落到 1 以下。看到自燃時，第一件該做的事是確認留存撐不撐得住，加碼投放可以晚一步。
- 用錢買來的 K，補貼一停就歸零。推薦獎勵確實能推高 i，但也會引來一批為了獎勵而來的人，他們的留存與付費意願都低。判斷方法是把有獎勵與沒獎勵的兩群人分開追蹤三個月；如果沒有獎勵的那一群 K 值接近零，那你買到的只是一段好看的數字，引擎並沒有裝上去。
用痛點的眼光，再看一次病毒係數
一個人願意把你推薦給朋友，等於他替你承擔了一次社交風險。
推薦出去的東西如果不好用，丟臉的是他。所以 K 值低的時候，先別急著檢討分享機制——那個數字在說的其實是：你解掉的那件事，還沒重要到讓人願意賭上自己的信用。反過來看，那些不必獎勵也一直被轉發的產品，共同點都很像：使用者剛剛親身經歷了一次「原來這件事可以這麼輕鬆」的落差，而他身邊剛好有人正卡在同一個地方受苦。這也給了一個很實用的檢查順序——先去看那 5% 主動推薦的人是誰、他們是在解決什麼問題的當下推的、他們推給了哪一種朋友。那些答案畫出來的，就是你真正的核心痛點與核心客群。K 值只是這件事的體溫計，量得出高低，治不了病。
關於病毒係數，常被問到的幾件事
病毒係數 K 怎麼算？
最簡單的算法是「每位用戶平均發出的邀請數 × 邀請的轉換率」。實務上要注意兩件事：分母要用全體用戶，不是只用有發出邀請的人；轉換的定義要一致，通常算到「完成註冊並產生第一次有效使用」比只算安裝更誠實。另外建議按世代（cohort）分開算，把不同月份進來的人分開看，才不會被舊用戶的累積邀請灌水。
K 一定要大於 1 嗎？
不必。K 小於 1 時，成長會收斂到「初始人數 ÷（1 − K）」的總量，例如 K 等於 0.5，投放 100 人最後會滾出約 200 人——等於你的獲客成本直接砍半。對絕大多數產品來說，把 K 從 0.2 拉到 0.5 帶來的效益，比追求那個很少見的自燃狀態務實得多。
病毒係數和 NPS 差在哪？
NPS 問的是「你有多願意推薦」，是一份意向調查；K 值量的是「實際上帶進來幾個人」，是行為結果。兩者經常對不起來——很多產品 NPS 很高，K 值卻趨近於零，因為使用者確實滿意，但沒有一個自然的場合開口。看到這種落差時，要修的通常是分享的時機與理由，滿意度本身反而沒問題。
推薦獎勵該給多少才合理？
上限很清楚：不要超過你原本獲取一位用戶的成本，並且要把留存差異算進去。如果推薦來的用戶三個月留存只有自然用戶的一半，那獎勵的實際成本就要打折看待。比較穩健的設計是雙向獎勵（推薦人與被推薦人都拿得到），而且獎勵最好能綁回產品本身的使用，而不是現金——現金會吸引一批只想拿錢的人。
想看成長怎麼被設計成一個會自己轉的迴圈，可以接著看成長迴圈這張概念地圖；至於「爆紅到底有多少靠運氣」，《事後諸葛》的拆書給了一個很清醒的答案。
喜歡這篇文章嗎？
每週幫你拆二本好書，把判斷力、好書金句、好問題，直送你的信箱。
不適合你可隨時退訂 · 每週兩封，陪你把書讀進生活。
送出即表示同意我們依隱私權政策使用你的 email。