Дизайн viral-механики

Спроектируй viral-механику для {{product}} на базе артефакта {{core_artifact}}.

Дисклеймер: настоящий K>1 — редкость. Реалистичная цель: K = 0.3-0.7, что значит loop усиливает другие каналы, не заменяет их.

Концепция

User A создаёт/делает что-то ценное
  ↓
User A естественно шарит результат (НЕ "пригласи 5 друзей за скидку")
  ↓
User B видит value СНАЧАЛА (не signup wall)
  ↓
User B решает что хочет своё → конвертится
  ↓
User B становится User A для следующей итерации

K-factor математика

K = i × c

где:
  i = invites per user (среднее на одного активного юзера)
  c = conversion rate приглашённых в активных юзеров

Примеры:

• Dropbox referral: i = 2 приглашений, c = 35% → K = 0.7 (sub-viral, но усилил)
• Hotmail "Sent from Hotmail" подпись: i = 100 receivers, c = 1% → K = 1.0 (real viral)
• Notion shared docs: i = 5 viewers, c = 8% → K = 0.4 (sub-viral, длинный cycle)

Cycle time — критичен. Loop с K=0.5 и cycle = 1 день растёт быстрее чем K=0.9 и cycle = 30 дней.

growth rate ~ K ^ (t / cycle_time)

Этап 1. Мотивация User A (sharer)

Главный вопрос: почему юзер ШАРИТ? Не "что мы даём за share", а что он получает от самого акта sharing'а внутри своего workflow.

Categorisation:

Топ-3 — настоящие viral drivers. Transactional = botspam в 80% случаев.

Tactic:

Найдите момент в продукте когда юзер уже хочет что-то показать. Сделайте share friction = 0 (один клик, link copy).

Этап 2. Value-first для User B (receiver)

Главный анти-паттерн: receiver кликает по invite link → upgrade wall "Sign up to view".

Правильно:

Receiver кликнул link
  ↓
СРАЗУ видит контент (артефакт) — это hook
  ↓
Минимальная интеракция доступна без signup (просмотр, минимальное редактирование)
  ↓
Sign up появляется когда receiver хочет **сохранить/сделать своё**, не до

Примеры:

• Figma: открытие файла без аккаунта работает (read-only). Sign up — когда хочешь edit / save copy.
• Notion: public doc видна без аккаунта. Sign up — когда хочешь duplicate / make your own.
• Loom: видео играет сразу. Sign up — когда хочешь записать своё.

Правило: receiver должен пройти aha moment через артефакт, до signup.

Этап 3. Замыкание петли (User B → User A)

Receiver получил value. Теперь почему он сам станет sharer?

Триггеры conversion в loop:

• "Make your own" CTA после value-experience (а не сразу)
• Контекст показал что создавать легко (видел артефакт, поняли формат)
• Sharer стал proof-point ("если коллега делает — попробую")
• Workflow integration: receiver уже на проекте где нужен этот tool

Cycle time accelerators:

• Уведомления (но осторожно — не спамить)
• In-product nudges ("вы посмотрели 3 шаренные доки — попробуйте свою")
• Email triggers по поведению
• Reduced signup friction (social login, no email verification если low-risk)

Этап 4. Конкретные viral mechanics — каталог

A. Collaborative artifact

Sharer создаёт артефакт для совместной работы с конкретным receiver(ами). Кейсы: Figma, Google Docs, Linear, Notion. Strength: functional motivation, high i, medium c.

B. Asset distribution

Sharer создаёт public-facing асет (видео, портфолио, страница) — receiver = аудитория. Кейсы: Loom, YouTube, Beehiv newsletters. Strength: social motivation, very high i, low c.

C. Embedded brand

Каждое использование артефакта пассивно показывает brand. Кейсы: Hotmail подпись, Calendly link branding, Zoom watermark. Strength: zero effort sharer, very high i, very low c.

D. Reciprocal value

Sharer шарит чтобы получить что-то обратно (feedback, votes, reactions). Кейсы: Product Hunt, Dribbble, GitHub stars. Strength: medium i, medium c, high quality signups.

E. Network effect built-in

Продукт становится более ценным с каждым новым юзером в сети. Кейсы: Slack workspaces, WhatsApp, LinkedIn. Strength: organic, low explicit invites, very high c when triggered.

Выбор: обычно 1-2 механики. Не пытайтесь все сразу.

Этап 5. Метрики и tracking

- New users from loop (vs other channels) — segment в analytics
- Invites sent per active user (i)
- Invite-to-click rate
- Click-to-signup rate (c part 1)
- Signup-to-activated (c part 2)
- K-factor: рассчитан per cohort
- Cycle time: median + p90
- Loop contribution to total growth: % новых юзеров

Tracking setup:

• Уникальный referral param в URL (?ref=user_xyz или ?invite_id=...)
• Server-side attribution (cookies теряются)
• Cohort-based reporting (когорта по дате signup, смотрим как растут invites за 30 дней)

Этап 6. Эксперименты

После запуска первой версии — итеративный тюнинг:

Тестируйте по одному. K-factor нестабилен, иначе не поймёте что сработало.

Анти-паттерны

• ❌ "Invite 5 friends, get 1 month free" — генерирует bots/spam, real K не растёт
• ❌ Signup wall перед value — receiver уходит, c → 0
• ❌ Forced sharing ("share to continue") — раздражает, churn растёт
• ❌ Игнорировать качество — 100 bot signups хуже чем 10 real
• ❌ Не сегментировать loop vs другие channels — нельзя оптимизировать
• ❌ Дизайнить loop в отрыве от core product — naклеено сверху, не работает

В конце дай

• Loop diagram (User A → action → artifact → User B → conversion → User A')
• Расчёт expected K на базе бенчмарков
• Cycle time оценка
• Конкретные UI/flow изменения для embed loop в product
• Tracking spec (events, params, attribution model)
• Roadmap из 3-5 экспериментов с метриками