바이럴 계수 모델링 하는 가장 직관적인 방법 요즘 바이럴 캠페인의 매력에 푹빠져있다. 정확히는 바이럴 캠페인 설계에 따라서 유저의 반응이 어떻게 변하고 결과값이 달라지는지 보는 즐거움에 프로젝트를

바이럴 계수 모델링 하는 가장 직관적인 방법 요즘 바이럴 캠페인의 매력에 푹빠져있다. 정확히는 바이럴 캠페인 설계에 따라서 유저의 반응이 어떻게 변하고 결과값이 달라지는지 보는 즐거움에 프로젝트를 새로 론칭중이다. 창업 이후 스타트업이 사용할 수 있는 자원은 한정적인데 큰 성과를 가져올 수 있는 몇 안되는 방법이기 때문에 최근에 더 흥미가 가는 모양이다. 아래 링크에 최근에 론칭한 NFT 프로젝트를 공유해놓았다. 바이럴 캠페인 실험 설계에 꽤 많은 노력을 쏟았는데 어떤 트리거들이 숨어있는지 찾아보면 흥미로운 캠페인 중 하나. *바이럴 계수(Viral Coeeficient)란? 기존의 유저 풀에서 새로운 유저가 얼마나 파생될지 예측하거나 측정할 수 있는 간단한 숫자 바이럴계수(Viral Coefficient)는 심플한 숫자지만 강력하다. 그런데 파고들어가보니 계산을 정확히 하려면 매우 까다롭고 시간을 얼마로 한정하냐에 따라서 수치가 변동된다. 겉에서 볼때는 심플해 보이던 사람이 만나보니 생각보다 복잡해서 더 매력적인 것처럼 바이럴 계수 또한 마찬가지인듯... 현재까지 찾은 가장 직관적인 계산법인데 (혹시 더 나은 계산법을 아시는분은 좀 알려주시면 감사하겠습니다.) 1. 새로운 유저의 수 100명 2. 참여율 75% 3. 참여한 유저의 수 75 4. 참여자당 초대 보내는 수 7 5. 초대 수 525 6. 초대 클릭율 50% 7. 초대받은 방문자 263 8. 전환율 40% 9. 새로운 유저의 수 105명 10. 바이럴 계수 1.05