裂变活动 K 因子测算
K因子应用场景
| 行业 | 裂变玩法 |
| 互联网 / 移动 App | 邀请得会员 / 积分 |
电子商务（B2C / 跨境 / 社交电商） | 邀请有礼 拼团 新人专享券（需老客分享） |
| 游戏（手游 / 网游） | 邀请送道具 / 皮肤 / 体力 K 因子常与： 次留 / 七留 ARPU / LTV 一起评估 |
本地生活 / O2O 外卖、出行、到店团购 | “邀好友得红包” 转化：被邀请人完成首单 |
在线教育 & 知识付费 | 老学员分享 → 新用户免费试听 拼团报课、助力解锁资料 |
K因子定义
| K = 人均发出邀请数 × 邀请转化率 = 成功带来的新用户数 / 发起邀请的用户数 |
K 因子表示平均每个参与裂变的老用户，能为平台带来多少个完成转化的有效新用户，是衡量裂变活动是否具有自发增长能力的核心指标。
K因子能解释拉新活动是否能被用户自发传播，以及传播效率有多高。
K 值 | 业务含义 |
|---|---|
K = 0.3 | 每 10 个发起邀请的老用户，只带来 3 个有效新用户 |
K = 0.8 | 接近自增长，但仍需外部投放补量 |
K = 1.0 | 1 个用户带来 1 个新用户，理论上可维持不衰减 |
K = 1.5 | 1 个用户带来 1.5 个新用户 →具备病毒式放大效应 |
项目过程
项目背景：随着获客成本（CAC）持续上升，公司希望通过用户邀请用户的裂变玩法（如：邀请有礼、拼团、助力等），实现低成本、规模化新增用户。为评估活动效果，因此需要对裂变活动进行 K 因子（Viral Coefficient）量化评估。并回答以下问题：平均每个老用户能带来几个有效新用户？当前裂变是“靠投放推动”还是“可自然传播”？活动效果是否达到 K ≥ 1（病毒式增长阈值）？
活动流程：
老用户生成专属邀请链接 / 海报 ↓ 成功邀请新用户完成注册 / 首单 ↓ 老用户获得积分 / 优惠券 / 权益奖励 |
表结构
字段 | 类型 | 原因 |
|---|---|---|
invite_user_id |
| 邀请人用户ID |
invitee_user_id |
| 被邀请人用户ID |
invite_time |
| 邀请时间 |
is_success |
| 是否成功（1成功 / 0失败） |
| channel | STRING | 裂变渠道 |
| dt | STRING | 分区日期 yyyy-MM-dd |
SQL代码
with invite_stats as ( select invite_user_id, count(*) as invite_cnt, sum(is_success) as success_cnt from (-- 去掉重复邀请的情况 select distinct invite_user_id, invitee_user_id, is_success from invite_log where dt between'2026-06-01' and '2026-06-23' ) group by invite_user_id ) select sum(invite_cnt)/count(*) as avg_invites_per_user, -- 人均邀请次数 sum(success_cnt)/sum(invite_cnt) as conversion_rate, -- 邀请转化率 sum(success_cnt)/count(*) as k_factor -- K因子 from invite_stats