Viral-Coefficient – איך תדע שהמוצר שלך מתפשט כמו מגיפה

הקדמה

צמיחה ויראלית ( Viral Growth ), או מקדם ויראליות גבוה ( Viral-Coefficient ) הם אחת השאיפות של כל יזם – במיוחד בעולם ה-B2C.

ויראליות מתרחשת כאשר כל משתמש חדש מביא אחריו אחד או יותר משתמשים נוספים – ולמעשה הופך למעין מפיץ שלו.

דוגמאות המוכרות לכולנו היא של Hotmail – ששתלו בתחתית של כל אימייל שנשלח ע"י משתמש כלשהו את המשפט "Get Your Free Email at Hotmail", או Apple עם המשפט 'Sent By iPhone' .

אך כיצד מודדים ויראליות?

ובכן, על מנת שנוכל לחשב מקדם ויראליות ( Viral-Coefficient ), יש תחילה לאפשר זיהוי מדויק של מקור תנועה ויראלי. לדוגמה, במקרה של Hotmail – אם משתמש הגיע ונרשם לשירות דרך הלינק באימייל שנשלח אליו, אז הוא ייחשב כתנועה ויראלית.

להכיר את נוסחת מקדם הויראליות

מקדם הויראליות הבסיסי (Viral-Coefficient) מחושב באופן הבא:

 

ויראליות מתרחשת כאשר ממוצע כמות המשתמשים החדשים (ממקורות ויראליים) עבור כל משתמש קיים – גדול מאחד.

לעיתים קרובות, קיים קושי למדוד את מקדם הויראליות מאחר והויראליות מתרחשת בסביבה אחרת או Offline. במקרה כזה, אפשר להסתפק בלית ברירה ביחס פשוט של כמות המשתמשים החדשים הכוללת, למשתמשים הקיימים.

אך גם אם כל התהליך מתבצע online החישוב עדיין מאתגר למדי – בעיקר כנובע משני היבטים:

1. זיהוי הויראליות מחייב זיהוי והצלבה של פעולות ע"י 2 משתמשים שונים – שולח ההזמנה והנמען.
2. זיהוי מקור התנועה של הנמען – בעיקר ב-Mobile ובפרט ב-iOS .

למול האתגרים האלה, קיימים שני פתרונות עיקריים לחישוב ויראליות – אחד בצד ה-Client ואחד בצד ה-Server.

חישוב ויראליות באמצעות פרמטרים ב- Web / אנדרואיד

אם המוצר שלנו הוא Web'י ובחלק מהמקרים גם ב-Android, אז המקרה פשוט יותר – ניתן להוסיף פרמטרים ללינק אשר נשלח לנמען, וזה אמור לתת לנו יכולת לזהות את מקור התנועה של המשתמשים החדשים (ראו/ה UTM Links).

לדוגמה:

http://www.datamaze-example.co.il/?utm_source=App&utm_medium=Viral_Invitation

השלבים בפתרון:

• יצירת URL עם פרמטרים ייחודיים עבור כל הזמנה והזמנה.

• מדידת אירוע ההזמנה : יש לשלוח Event של שליחת הזמנה (צד Client).

  דוגמה ב-Mixpanel:

אפשר להוסיף properties (לדוגמה: מזהה מוצפן של הנמען).

• מדידת הצטרפות משתמש חדש : יש לשלוח Event רגיל של הצטרפות – כמו כל משתמש אחר.

עוד מומלץ להוסיף את התכונות לכלל ה-Event'ים של המשתמש באופן אוטומטי:

מאחר והמשתמש הגיע עם לינק הכולל פרמטרים (כפי שהוצג לפני מספר שורות), ה-Source/Medium שלו יישמרו באופן אוטומטי בכל ה-Events, בדוגמה שלנו

כ-App\Viral_Invitationn .

 

• חישוב ויראליות בכלי האנליטיקס :

  1. לסכום את אירועי ההצטרפות של משתמשים חדשים עם מקור התנועה הרלוונטי (App\Viral_Invitation) בתקופה מסוימת (לדוגמה: שבוע).
  2. לסכום את אירועי שליחת ההזמנות באותה התקופה.
  3. לבסוף – לחשב את היחס ביניהם.

בגוגל אנליטיקס אפשר לממש את שני השלבים הראשונים באמצעות הגדרת יעדים (Goals), ואת השלב השלישי לחשב עם Calculated Metrics.

ב-Mixpanel אפשר לחשב ישירות באמצעות הפיצ'ר  'Formulas':

(Interface Source: Mixpanel)

לצורך הדיוק, חשוב שהמונה יספור משתמשים (Unique), והמכנה יספור סה"כ אירועים (Total).

 

(Interface Source: Mixpanel)

חשוב לשים לב, שהחישוב כאן אינו מדויק לחלוטין, מאחר וייתכן שהמשתמש החדש לא יצטרף מידית לאחר ההזמנה – אלא לאחר כמה ימים, מה שעשוי להטות מעט את התוצאה.

ומה עושים אם אין לנו אפשרות לקחת פרמטרים בלינק? חישוב בצד השרת

במקרה הזה יש לחשב את ה-Viral-Coefficient בצד ה-Server (נוסף על שמירת הפעולות בכלי האנליטיקס).

זאת אפשר לעשות באמצעות התהליך הבא:

• מדידת אירוע ההזמנה

  לרוב, ההזמנה עצמה תתבצע בתוך המוצר, מה שאומר שנוכל לזהות הזמנה משולח א' לנמען ב' ולשמור את הפרטים שלהם ב-Database (כמובן – תוך שמירה על חוקי ומגבלות הפרטיות – הצפנה וכיו"ב).

• מדידת הצטרפות משתמש חדש

בעת הרשמת משתמש חדש, יש לבדוק האם הוא מופיע בטבלת המשתמשים שהוזמנו – אשר שמרנו בשלב הקודם. אם כן – אז נוכל להוסיף לכל פעולה עתידית של המשתמש את התכונות: מקור הגעה ויראלי, המשתמש שהזמין ומועד ההזמנה.

אפשר להכניס כאן לוגיקה שונה של קביעת התרומה למקור ההמרה – Attribution.

כפי שצוין קודם, מומלץ לשמור את כלל הפעולות והנתונים האלה גם בכלי האנליטיקס.

• חישוב ה-Viral-Coefficient ב-Server Side

  כעת ניתן לחשב ויראליות באמצעות שאילתה ב-Database:

  נניח שאנחנו עובדים על MySQL.

  עוד נניח ששמרנו טבלה אחת של משתמשים (Users) עם כלל התכונות שלהם, וטבלה נוספת של הזמנת משתמשיםם (Invitations, עם מזהה המזמין, מזהה הנמען ו-Timestamp).

  השאילתה הבאה תיתן לנו את חישוב הויראליות על פני ימים (ניתן להריץ אותה בכלי דשבורד (דוגמת Cyfe, Geckoboardd וכיו"ב):

סיכום

עד כאן לגבי מדידה 'בסיסית' של ויראליות – Viral-Coefficient.

קיים היבט נוסף לתהליך, והוא משפך התהליך הויראלי – מה קורה מהרגע שנשלחת הזמנה, ועד שהנמען הופך למשתמש מן המניין. לרוב, המשפך כולל מספר שלבים:

1. הזמנה נשלחה.
2. הזמנה נצפתה/נפתחה.
3. הקלקה על הלינק והגעה למוצר.
4. המרה.

במאמר זה נדונו השלבים הראשון והאחרון – אשר מהווים את מרכיבי מקדם הויראליות.

מדידה של יתר השלבים היא מורכבת יותר, מאחר והם כוללים לרוב מעבר בכלי צד שלישי (אימייל/ Facebookk וכיו"ב).

לכן, ההמלצה היא קודם כל לחשב את מקדם הויראליות עצמו, ולאחר מכן לצלול לפתרונות הטכנולוגיים המורכבים יותר בשלבי הביניים.

מבולבל מכל האפשרויות להטמיע את מקדם הויראליות? משהו בחישוב עדיין לא ברור לך עד הסוף?

תוכל להגיב, או לשאול הכל כאן למטה.