Facebook viral marketing: When and why do apps “jump the shark?” at andrewchen
Эндрю Чен разбирает, почему вирусные приложения на Facebook сначала взлетают, а потом резко проваливаются — эффект «jump the shark». Он строит математическую модель приобретения пользователей через инвайты с учётом вирусного коэффициента (количество инвайтов × конверсия) и насыщения сети с предельной ёмкостью (carrying capacity). Когда сеть насыщается, скорректированная конверсия падает, и кумулятивная база пользователей выходит на логистическое плато. Дальше автор накладывает на это когортный анализ удержания: при retention 99% кривая активных пользователей мягко плато, а при 50% получается резкий «плавник акулы» — рост обрывается, как только инвайты иссякают. Главный вывод: вирусность даёт ранний рост, но без удержания бизнеса нет. В конце Чен предлагает улучшения модели — учитывать несколько вирусных каналов, usage loops, нишевые ограничения и каналы реактивации.
Скачать Excel-таблицу. Для тех, кому интересны кровавые подробности, скачайте таблицу здесь:
Скачать: Excel-модель вирусности и удержания
Внимание, математика! Этот пост будет чуть более техническим, чем обычно, так что заранее извиняюсь перед теми, кому это скучно. В общем, поехали.
Видели когда-нибудь такую картинку? Многие назвали бы это EPIC FAIL ;-)
Именно это происходит, когда вы «jump the shark» и ваше приложение превращается из успешного в полностью провальное. Почему так бывает? Этот пост как раз и посвящён разбору этого вопроса.
Моделируем приобретение пользователей. Для начала посмотрим, как можно смоделировать приобретение пользователей. Если у вас открыта таблица — это вторая вкладка. Начинаем с пары констант:
Конверсия инвайтов % = 10% Среднее число инвайтов на человека = 8,00 Начальная база пользователей = 10 000 Carrying capacity (предельная ёмкость) = 100 000
(обратите внимание, это просто пример чисел)
Чтобы понять, как эти константы работают, нужно представить, как устроен вирусный маркетинг. У вас есть начальная база пользователей (=10к), и каждый раз, когда база растёт, каждый пользователь отправляет инвайты (=8,00), у которых своя конверсия (=10%).
То есть в первом периоде у вас 10к. Во втором периоде вы получаете 10к*8*10% новых пользователей, то есть ещё 8к, которые затем сами отправляют инвайты. В третьем периоде — это уже 8к*8*10%, и так далее. Обратите внимание: чтобы «уйти в вирус», новая партия пользователей должна превышать предыдущую. Это отношение часто называют вирусным коэффициентом. Вот уравнение для безграничной вирусной модели:
u(t) = u(0) * (1 + i * conv)^t где u(0) = 10к, i = 8,00, conv = 10%, а t — число временных периодов
Однако заметьте, что это предполагает, что ваша carrying capacity, то есть общее число пользователей в сети, не ограничена. Но в Facebook это не так — как только вы выжгли 60 миллионов новых пользователей, их больше нет. Аналогично это не учитывает, что по мере насыщения сети ваши инвайты будут уходить людям, которые уже видели или установили ваше приложение, и они вряд ли установят его снова.
Простая модель насыщения сети. Одно из упрощающих допущений: по мере насыщения сети конверсия инвайтов падает. В одной из возможных моделей можно рассуждать так:
Если установки покрывают 0% сети — ваша естественная конверсия (10%) сохраняется Если установки покрывают 50% — естественная конверсия дисконтируется на 50%, то есть равна 5% Если установки покрывают 99% — естественная конверсия дисконтируется на 99%, и так далее
Заметьте, можно даже сказать, что это оптимистичный взгляд. Например, можно утверждать, что «дисконт» к конверсии должен быть привязан к общему % базы, который уже получил инвайт, а не к % тех, кто установил приложение.
В такой версии: если кому-то не нравится ваше приложение и он не хочет его ставить, он, скорее всего, никогда его и не поставит. В версии, которую описываю я, не установят приложение только те, кто уже его установил.
Математически это можно описать так: на каждом шаге существует «скорректированная конверсия», которая выглядит как:
скорректированная конверсия = естественная конверсия * % насыщения = естественная конверсия * (1 – текущие установки / общая аудитория Facebook)
Если согласиться, что это так, то можно подставить последнее уравнение в исходное:
u(t) можно определить как: = u(0) * (1 + i * adjusted_conv)^t = u(0) * (1 + i * conv * u(t-1) / carrying_capacity)^t
(Это можно ещё упростить, но математику оставлю читателю — таблица уже отражает эту логику)
В результате вы видите, что ваша кумулятивная база установок становится похожа на логистическую кривую:
Теперь вы видите, что кумулятивные пользователи следуют интересному тренду: сначала растут экспоненциально, а затем начинают упираться в насыщение. В конце концов, через какое-то время, рост выходит на плато, поскольку вы достигаете carrying capacity сети.
Короткое отступление: повторное введение в когортный анализ. Прежде чем читать дальше, возможно, стоит просмотреть мой предыдущий пост о когортном анализе и его связи с отчётами по удержанию пользователей
Возможно, его стоит прочитать перед тем, как двигаться дальше…
Возвращаемся к нашей истории… Ранее я обсудил, как можно математически смоделировать процесс вирусного приобретения, особенно при достижении точки насыщения сети. Но хотя модель показывает кривую роста кумулятивных пользователей, она не учитывает, как сюда вписываются метрики удержания.
В таблице, ссылка на которую дана выше, можно переключиться на вкладку «User retention», где показан когортный анализ гипотетического сайта. Вот как её читать:
По оси Y — «когорты по периодам», которые определяются группой пользователей, присоединившихся в конкретном периоде. То есть #1 — это пользователи, пришедшие в период #1. По оси X — «период времени», определяющий, в каком периоде сейчас находится конкретная когорта.
Например, в ячейке 1×1 на сайте изначально 3 000 активных пользователей.
Однако к следующему периоду эти 3 000 активных пользователей сократились до 1 500. Но поскольку появилась куча пользователей, приведённых виралкой, образовалась новая когорта из 2 328 пользователей — когорта №2. Число «новых» когорт задаётся строками на другой вкладке таблицы — «Viral acquisition».
Затем обратите внимание, что внизу каждого периода стоит сумма — сколько всего пользователей активно в этом конкретном периоде.
Понятно ли это? Если нет — напишите мне на voodoo[at]gmail с тем, что вызвало затруднения, и я обновлю пост, добавив пояснения!
Знакомьтесь: коэффициент удержания. Ключевой драйвер удержания — это % пользователей в конкретной когорте, которые остаются живыми от одного периода к следующему. Если это 50%, то начав с 3к пользователей, в следующем периоде у вас останется 1,5к. Если retention 100% — 3к остаются 3к.
Давайте поиграем с цифрами.
При retention 99%, то есть когда за 20 периодов вы теряете очень мало пользователей, график общего числа активных пользователей выглядит так:
График, конечно, выглядит вполне неплохо. Сначала экспоненциальный рост, потом плато, и очень медленное «выгорание» базы. Подозреваю, что у Facebook, как и у других чрезвычайно популярных сайтов, retention между днями по сути >99,999%. Говорю это потому, что люди пользуются сайтом годами, и, вероятно, ранние пользователи в основном по-прежнему на нём.
А теперь к EPIC FAIL. Окей, вот самая интересная часть — что будет, если опустить коэффициент удержания до 50%:
Ой. Выглядит нехорошо. Если вы читали внимательно, в общем-то понятно, почему так происходит, но давайте подытожим:
Ключевой вывод. Главное в этом расчёте, если посмотреть на статистику, — это:
На раннем этапе рост кривой держится за счёт инвайтов Однако со временем инвайты начинают замедляться, когда вы упираетесь в насыщение сети Коэффициент удержания работает как «запаздывающий индикатор» вашего приобретения: при хорошем retention, даже когда инвайты замедляются, вы не очень это чувствуете Если же retention плохой — берегитесь: новые инвайты не вытягивают рост, и вы получаете тот самый мрачный «плавник акулы»
Сначала всё выглядит отлично, но если вы не умеете удерживать пользователей надолго — у вас нет бизнеса.
Как можно улучшить модель. Хочу сделать пару замечаний о том, как упрощённую модель из таблицы можно существенно доработать:
Моделировать не только инвайты, а несколько вирусных каналов Учитывать «usage loops», а не только «invite loops», которые запускаются, когда пользователи пробуют продукт Пробовать как глобальную carrying capacity, так и «нишевый дисконт» к этой цифре, если ваше приложение очень нишевое и заточено под конкретную аудиторию или поведение Уметь работать с реалистичными числами — например, ретрофитить модель на данные Adonomics Учитывать каналы реактивации и т. п.
Очевидно, если кто-то захочет подумать над этим подробнее — пишите мне на почту.
Я веду качественную еженедельную рассылку о том, что происходит в Кремниевой долине, с фокусом на стартапы, маркетинг и мобайл.
Мнения, выраженные в «контенте» (включая посты, подкасты, видео), на который ссылается этот сайт или который публикуется в социальных сетях и на других платформах (совместно — «каналы дистрибуции контента»), являются моими собственными и не являются мнениями AH Capital Management, L.L.C. («a16z») или её соответствующих аффилированных лиц. AH Capital Management — инвестиционный консультант, зарегистрированный в Комиссии по ценным бумагам и биржам. Регистрация в качестве инвестиционного консультанта не подразумевает какой-либо особой квалификации или подготовки. Посты не адресованы каким-либо инвесторам или потенциальным инвесторам и не являются ни предложением о продаже, ни предложением о покупке каких-либо ценных бумаг и не могут использоваться или применяться при оценке преимуществ какой-либо инвестиции.
Контент не должен толковаться или использоваться каким-либо образом как инвестиционная, юридическая, налоговая или иная консультация. Вам следует консультироваться с собственными советниками по юридическим, деловым, налоговым и иным сопутствующим вопросам, касающимся любых инвестиций. Любые прогнозы, оценки, ориентиры, цели, перспективы и/или мнения, выраженные в этих материалах, могут изменяться без уведомления, отличаться от мнений других лиц или противоречить им. Любые приведённые здесь графики предназначены только для информационных целей и не должны использоваться при принятии инвестиционных решений. Некоторая информация, содержащаяся здесь, была получена из сторонних источников. Хотя они и считаются надёжными, я не проводил независимой проверки такой информации и не делаю заявлений о её долгосрочной точности или применимости в конкретной ситуации. Контент отражает положение дел только на указанную дату.
Ни при каких обстоятельствах какие-либо посты или иная информация, предоставленные на этом сайте — или в связанных каналах дистрибуции контента — не должны толковаться как предложение, побуждающее к покупке или продаже какой-либо ценной бумаги или доли в каком-либо пуле инвестиционных средств, спонсируемом, обсуждаемом или упоминаемом сотрудниками a16z. Не должны они толковаться и как предложение об оказании инвестиционно-консультационных услуг; предложение инвестировать в пул инвестиционных средств, управляемый a16z, будет сделано отдельно и только посредством конфиденциальных предложений по конкретным инвестиционным пулам — которые должны быть прочитаны целиком и только лицами, отвечающими, среди прочих требований, определённым квалификациям в рамках федерального законодательства о ценных бумагах. Такие инвесторы, определяемые как аккредитованные и квалифицированные покупатели, как правило, считаются способными оценивать преимущества и риски потенциальных инвестиций и финансовых вопросов. Не может быть никаких гарантий того, что инвестиционные цели a16z будут достигнуты или что инвестиционные стратегии окажутся успешными. Любая инвестиция в средство, управляемое a16z, сопряжена с высокой степенью риска, включая риск потери всей вложенной суммы. Любые упомянутые, упомянутые в ссылке или описанные инвестиции или портфельные компании не являются репрезентативными для всех инвестиций в средства, управляемые a16z, и не может быть никакой уверенности в том, что инвестиции окажутся прибыльными или что будущие инвестиции будут обладать аналогичными характеристиками или результатами. Список инвестиций, сделанных фондами под управлением a16z, доступен по адресу https://a16z.com/investments/. Из этого списка исключены инвестиции, на раскрытие которых эмитент не дал разрешения a16z, а также неанонсированные инвестиции в публично торгуемые цифровые активы. Прошлые результаты инвестиций, инвестиционных пулов или инвестиционных стратегий Andreessen Horowitz не обязательно показательны для будущих результатов. См. https://a16z.com/disclosures для дополнительной важной информации.
Об авторе
Andrew Chen — партнёр в Andreessen Horowitz, где он инвестирует в игры, AR/VR, метавселенную и потребительские технологические стартапы. Автор книги The Cold Start Problem, посвящённой запуску и развитию новых стартапов через сетевые эффекты. Живёт в Венис, Калифорния (подробнее)