病毒式增长手册

要解决的问题

产品上线后增长停滞，团队往往归因于「没做投放」或「内容不够多」，但真正缺的通常是对病毒循环本身的设计。多数团队说不清：用户行为中哪些环节天然适合分享、激励该给谁、一次有效的病毒传播在数学上意味着什么。等预算烧完才发现循环根本没转起来，为时已晚。

技能如何工作

这本手册把病毒增长拆成可独立计算与验证的模块：

• 病毒循环解剖：区分推荐循环（referral）、邀请循环（invite）与内容循环（content loop）三种机制，各自对应不同的用户行为路径，混淆它们会导致激励错配
• K 因子数学：通过 K = 邀请转化率 × 受邀者接受率 × 人均邀请数 计算病毒系数，据此建模增长情景，判断产品是指数增长、线性增长还是会衰减
• 激励设计：明确该给推荐人（referrer）与被邀请人（referred user）分别提供什么价值，以及哪些激励方式被证实无效
• 分享触发点：在用户旅程中定位分享行为最自然的时刻，而不是生硬地插一个分享按钮

手册附有 Dropbox、Notion、Loom 的真实案例，展示它们的病毒引擎是如何搭建的。

适用边界与注意点

• K 因子只是静态快照，实际增长还取决于留存率。受邀用户留不住，病毒系数再高也只是加速流失
• 案例来自特定历史时期的产品形态，照搬到今天的 AI 产品可能水土不服，需结合自身用户画像调整
• 手册解决的是「循环设计」层面的问题，不覆盖投放渠道选择、定价策略或内容生产流程