tl;dr: K-factor, или вирусный коэффициент, показывает, сколько новых пользователей в среднем приводит один текущий пользователь за один вирусный цикл. Формула: K = I * Conv%, где I — число приглашений на пользователя (invites), а Conv% — конверсия приглашения в нового пользователя (conversion rate).
Страница обновлена 10 августа 2026 года: исправил формулировки, ограничения модели и пример.
Успешные предприниматели прекрасно понимают, насколько важным этапом успеха стартапа является наработка клиентской базы (пользователей, подписчиков, абонентов и т.п.) с наименьшими затратами времени и денег. Вирусный рост помогает решить эту задачу, принося намного больше клиентов без роста рекламных бюджетов. Однако добиться вирусного роста достаточно сложно и слишком малое число компаний действительно достигает его.
В онлайн-маркетинге есть два ключевых показателя вирусного роста: K-factor (K-фактор или вирусный коэффициент) и время жизненного цикла вирусного роста. Они показывают нам динамику роста клиентской базы во времени.
Вирусный коэффициент (K-factor) — что это и как посчитать
Представьте себе, что вы запускаете новую компанию и закладываете в план ее развития привлечение клиентов через вирусный рост.
Все начинается с нескольких друзей, которые становятся вашими первыми клиентами и они начинают приглашать своих друзей, которые в свою очередь делают то же самое. Происходит цепная реакция.
Эта модель может иметь такие стартовые параметры:
- Cust(0) = 10 — начальное число клиентов, шаг №0
- I = 10 — число приглашений к потенциальным клиентам
- Conv% = 20% — процент отклика на предложение или конверсия
Первая вещь, которую нам нужно посчитать – это число новых клиентов, которых можно привлечь с помощью каждого существующего клиента. Это и есть та самая экстремально важная переменная, которая известна как вирусный коэффициент (или K-factor), а формула параметра сводится к произведению числа приглашенных и процента конверсии:
K = I * Conv%
Теперь давайте посмотрим на рост клиентов за один цикл вирусного «заражения»: наши первые 10 клиентов разослали по 10 приглашений и успешно получили отклик в 20 процентов приглашенных, то есть по 2 новых клиента на каждого. Теперь число новых клиентов после первого цикла составит Cust(1) = 10*2 = 20 клиентов, общее число клиентов будет Cust(0) + Cust(1) = 10 + 20 = 30 .
В следующих циклах приток новых клиентов будет возрастать вот так:
Cust(i) = Cust(i-1)*K, где i – номер цикла, Cust(i-1) – новые клиенты с предыдущего цикла.
Сумма всех клиентов на каждом шаге цикла покажет общее число пользователей. То есть при условии лояльности клиентов и K=2 их сумма составит такой числовой ряд: 10, 30 (10+20), 70 (30+40), 150 (70 +80), 310 (150+160), 630, 1270 и так далее. Эти формулы можно прописать в любой электронной таблице и выполнить свои расчеты.
Для полного понимания модели полезно рассмотреть последующие циклы роста. Как вы заметили, в предыдущей формуле только клиенты из предыдущего цикла Cust(i-1) отсылают приглашения. Это потому, что вряд ли все клиенты будут продолжать рассылку приглашений каждый цикл.
Как влияет K-factor на цикл вирусного роста
Согласно приведенной формуле вирусный рост будет настолько динамичным, насколько велико значение К фактора:
- если k-factor выше единицы – график роста экспоненциальный
- при К = 1 можно рассчитывать только на линейный рост
- если К < 1, то вирусный рост будет затухать, а общее число клиентов остановится на определенном этапе, понятно, что при внешних факторах, например, при рекламе — рост еще будет, но уже не вирусный
А например, дай пример с k-factor?
Предположим, купили 10 000 активированных инсталлов по $2. Пользователь в среднем делает 0,4 приглашения, 25% из них конвертятся в инсталлы. Получаем K = 0,4 × 0,25 = 0,1: первая волна даст 1 000 инсталлов, потом — 100, 10, все. Не всегда это, кстати, печальный исход — для баингов с высоким ранним ROAS это просто дополнительные деньги, так как за счет даже низкой виральности получится добыть еще 1 111 инсталлов, что снижает eCPI до $1.8, все в дом.
Время цикла вирусного роста
Фактически цикл вирусного роста можно разделить на такие этапы:
- Клиент знакомится с вашим приложением
- Он решает воспользоваться им
- Ему настолько понравилось, что он решил этим поделиться
- Он отправил приглашение для своих друзей
- Принявшие приглашение заинтересовались приложением, цикл повторяется снова
Суммарное время прохождения этих стадий и является временем жизненного цикла вирусного роста. То есть темпы вирусного роста ограничиваются скоростью цикла, а значит, его нужно оптимизировать всеми доступными способами.
Насколько сильно влияет время цикла вирусного роста, можно понять из такой формулы:
Cust(t) = Cust(0) * (K ^ (t/ct +1) — 1) / (K-1),
где Cust(0) – начальное число клиентов, t — таймфрейм в днях, K – вирусный коэффициент, ct – время вирусного цикла.
Если цикл сделать очень быстрым, то можно достичь драматических результатов. Так при K=2 из стартовых 10 пользователей на 20 день получим:
- при ct = 2 – 20 тыс.
- если же ct = 1, то получим больше 20 миллионов!
Этот эффект помогает понять, почему скорость цикла так важна для продуктов вроде YouTube и Facebook, но сам по себе их успех, конечно же, не объясняет.
Ограничения K-factor
K-factor ничего не говорит о качестве пользователей. Можно получить красивый вирусный рост, а затем обнаружить днищенский retention rate и огромный churn, очень часто так и бывает. Кроме того, происходит самостоятельное замедление из-за насыщения аудитории. Сравнивать K-factor нужно на когортах одного источника и периода: иначе изменение качества трафика или окна измерения легко принять за виральность.
Как улучшить K-factor
Формула простая: число приглашений и их конверсия. Спасибо, кэп, но это означает, что надо работать либо на количество приглашений, либо на конверсию. Для улучшения I нужно делать механику приглашений простой и зазывной, пользователь должен хвастаться или хотеть затащить в продукт других пользователей. С конверсией как обычно: понятный оффер и ценность, простой лендинг и быстрый онбординг, максимальная скорость активации.
Вирусные свойства проекта
Важно понимать, что разные маркетинговые методы или стратегии не могут придать вирусный характер какому-либо продукту. Эти свойства могут быть заложены только на этапе создания стартапа, приложения и т.п. Вирусность/виральность должна быть тщательно продумана создателями продукта и хорошо реализована квалифицированными специалистами, ведь от нее зависит успех всего проекта. Перефразирую это так: у продукта должен быть вирусный потенциал, без этого сложно или даже никак.
Наиболее вирусными продуктами становятся те, которые для успешного распространения требуют вовлечения уже существующих социальных групп. То есть проект представляет наибольшую ценность для пользователей только тогда, когда они могут пригласить в него своих друзей. Примерами таких стартапов являются различные социальные сети (Facebook, Instagram, Pinterest), мессенджеры (Skype, Viber) и т.д.
Итоги про k-factor
K больше 1 — признак самоподдерживающегося вирусного роста в рамках этой упрощенной модели. Если K меньше 1, каждая следующая волна затухает без внешнего притока.
При прочих равных сокращение времени вирусного цикла может ускорить рост сильнее небольшого увеличения K-factor; сравнивать их влияние нужно на одном горизонте и одинаковых когортах.
Вирусный маркетинг лучше всего работает у продукта, в который еще на стадии проектирования были заложены вирусные свойства. Если же эти вирусные свойства оказались недостаточными или исчерпались, то следует переходить к другим методам маркетинга (SEO или SMO). Другие термины смотрите в CPA словаре.
Следует учитывать, что вирусный маркетинг имеет большой, но все же конечный потенциал.