# Вірусний коефіцієнт (k-factor): формула, розібраний приклад і чому k нижче 1 теж важливий

> Вірусний коефіцієнт (k-factor) — скільки нових користувачів приводить кожен користувач. Формула, приклад, що дає k нижче 1 і як чесно його виміряти.

- Джерело: https://productovi.com/uk/blog/viral-coefficient
- Автор: Sergey Bruh
- Опубліковано: 2026-09-30
- Теми: Запрошення й вірусність

Вірусний коефіцієнт, або k-factor, — це **середня кількість нових користувачів, яких кожен користувач приводить через запрошення**: запрошень на користувача × частка запрошень, що перетворюються на нових користувачів. Якщо кожен надсилає 2 запрошення і 15% із них стають новими акаунтами, $k = 2 \times 0{,}15 = 0{,}3$. Вище 1 кожне наступне покоління користувачів більше за попереднє, і продукт росте сам. Нижче 1 — а там живе майже кожен продукт — запрошення не можуть тягнути ріст самостійно, зате множать кожен інший канал на $1 \div (1 - k)$. Число має сенс лише з фіксованим часовим вікном і лише тоді, коли рахує **нових** людей. Нижче — як його рахувати, розібраний приклад і чотири способи, якими команди його завищують.

## Формула вірусного коефіцієнта

$$
k = \underbrace{\frac{\text{надіслані запрошення}}{\text{користувачі}}}_{\text{запрошень на користувача}} \times \underbrace{\frac{\text{нові користувачі із запрошень}}{\text{надіслані запрошення}}}_{\text{конверсія запрошень}} = \frac{\text{нові користувачі із запрошень}}{\text{користувачі}}
$$

[k-factor](/uk/glossary/pa-k-factor) залежить від трьох рішень:

- **Когорта.** Беріть користувачів, які зареєструвалися за один період, скажімо за місяць, і рахуйте, що зробили саме вони.
- **Вікно.** Враховуйте лише запрошення, надіслані в перші 30 днів після реєстрації кожного користувача (або 7, або 14), і реєстрації в тому самому вікні. Без вікна старші когорти завжди здаються більш вірусними — просто тому, що мали більше часу запрошувати.
- **Чисельник.** Нові акаунти, створені із запрошень, а не прийняті запрошення. Коли наявний користувач приєднується ще до однієї групи, це залученість, а не ріст.

За обома множниками варто стежити окремо: кількість запрошень на користувача показує, чи хочуть люди ділитися; конверсія запрошень — чи працює досвід того, хто запрошення отримав.

## Розібраний приклад: чи вірусний Halves?

Halves — застосунок для розподілу спільних витрат. Кожній групі потрібні учасники, тож ділитися закладено в сам продукт: ви створюєте групу для квартири чи подорожі й запрошуєте решту. Ось когорти 2026 року, усе пораховано в межах 30 днів від реєстрації кожного користувача:

| Місяць реєстрації | Користувачі | Надіслано запрошень | Прийнято | Наявними користувачами | Нові акаунти | k    |
| ----------------- | ----------- | ------------------- | -------- | ---------------------- | ------------ | ---- |
| Січень            | 4 646       | 5 737               | 1 947    | 487                    | 1 460        | 0,31 |
| Лютий             | 5 106       | 6 452               | 2 075    | 519                    | 1 556        | 0,30 |
| Березень          | 5 395       | 7 018               | 2 275    | 569                    | 1 706        | 0,32 |
| Квітень           | 5 504       | 7 200               | 2 406    | 602                    | 1 804        | 0,33 |
| Травень           | 5 987       | 7 290               | 2 340    | 585                    | 1 755        | 0,29 |
| Червень           | 12 904      | 25 379              | 8 793    | 1 759                  | 7 034        | 0,55 |

Розрахунок для січня:

$$
\frac{5737}{4646} = 1{,}235 \text{ запрошення на користувача} \qquad \frac{1460}{5737} = 0{,}254 \text{ конверсія} \qquad k = 1{,}235 \times 0{,}254 = \frac{1460}{4646} = 0{,}31
$$

Дашборд, який ділить усі прийняті запрошення на користувачів, показує для січня $1947 \div 4646 = 0{,}42$. Це на третину забагато: 487 з цих прийнять — люди, які вже мали застосунок і просто долучилися ще до однієї групи.

![У січні 4 646 нових користувачів надіслали 5 737 запрошень, з яких з'явилося 1 460 нових акаунтів, тож k = 0,31; 487 прийнять від наявних користувачів — це залученість, а не ріст](/blog/viral-coefficient/diagram-uk.png)

## Що дає ріст k нижче 1

З k = 0,31 Halves не вірусний у строгому сенсі: кожне покоління запрошених менше за третину попереднього, і ланцюжок згасає. Але згасає він не до нуля. Об'єднаймо п'ять когорт із січня по травень: $k = 8281 \div 26638 = 0{,}3109$. Тепер простежимо справжню стартову групу: 2 169 користувачів, яких Halves купив у травні 2026 року через два платні канали (1 478 із реклами в соцмережах і 691 із пошукової реклами в сторах).

| Покоління             | Користувачі   |
| --------------------- | ------------- |
| Куплені в травні      | 2 169         |
| Запрошені ними        | 674           |
| Запрошені запрошеними | 210           |
| Наступні покоління    | 65 + 20 + 6 … |
| **Разом**             | **≈ 3 147**   |

Кожен рядок — це попередній, помножений на 0,3109: $2169 \times 0{,}3109 = 674$, $674 \times 0{,}3109 = 210$ і так далі. Це геометрична прогресія, і для неї є коротка формула:

$$
\text{усього користувачів} = \frac{\text{початкові користувачі}}{1 - k} = 2169 \times \frac{1}{1 - 0{,}3109} = 2169 \times 1{,}4511 \approx 3147
$$

Тож травнева група обростає приблизно 978 запрошеними: множник близько 1,45 на кожного користувача, якого привів будь-який канал. Перш ніж перетворювати це на більший рекламний бюджет, перевірте: не зараховуйте запрошення у ставки, доки holdout-тест не покаже, що вони приводять людей, які інакше не прийшли б. Коли покаже, запрошені можуть знизити вашу реальну вартість залучення; де це місце в оцінці каналу, пояснює допис про [LTV/CAC](/uk/blog/ltv-cac-ratio).

## Що відбувається, коли k вище 1

Візьмімо умовний k = 1,2 і 100 початкових користувачів. Покоління ростуть, а не зменшуються: 120, 144, 173, 207 і так далі. Саме цю експоненту мають на увазі, коли кажуть «стати вірусним». На практиці це триває недовго: запрошення доходять до друзів друзів, які вже мають продукт або не потребують його, конверсія падає, і k сповзає нижче 1. Сприймайте k вище 1 як фазу, яку треба пильно вимірювати, а не як сталий стан, під який можна планувати бюджет.

## Тривалість вірусного циклу: швидкість петлі

Друге число — тривалість вірусного циклу (viral cycle time): скільки часу минає від приходу користувача до приходу запрошених ним людей. У Halves медіана становила 6 днів для когорт січня–травня і 3 дні в червні.

- **Для k нижче 1** коротший цикл не змінює підсумку. Ті самі 3 147 користувачів із травневої групи приходять за тижні замість місяців — це важливо для грошей і прогнозів, але не для кінцевої кількості.
- **Для k вище 1** цикл визначає, як швидко ріст накопичується. За k = 1,2 і 30 днів цикл у 6 днів дає п'ять поколінь, останнє з яких у 2,5 раза більше за початкову групу ($1{,}2^5$); цикл у 3 дні — десять поколінь, останнє у 6,2 раза більше ($1{,}2^{10}$).

## Чотири способи завищити вірусний коефіцієнт

### Рахувати прийняття замість нових акаунтів

Приклад із січнем: 0,42 замість 0,31. Наявні користувачі, що долучаються до нових груп, підтримують групи живими, тож показуйте їх поруч із k як метрику залученості, а не всередині нього.

### Без фіксованого вікна

Когорта минулого року мала дванадцять місяців, щоб запрошувати, а цьогомісячна — кілька днів. Зафіксуйте вікно і беріть однакове для всіх когорт.

### Називати найкращий сезон

У червні k = 0,55: групи збираються на відпустку й підтягують друзів за 3 дні. Січень–травень дають 0,29–0,33. Презентація для інвесторів, де «наш k» — це 0,55, обіцяє ріст, якого восени не буде. Показуйте k за когортами й сезонами.

### Плутати заслугу з причиною

Посилання-запрошення отримує заслугу за реєстрацію, але частина запрошених друзів знайшла б застосунок і так — через пошук у сторі чи розмову. Це різниця між [атрибуцією](/uk/glossary/pa-attribution) та [інкрементальністю](/uk/glossary/pa-incrementality). Щоб її виміряти, приховайте запрошення для невеликої випадкової частки нових груп (скажімо, не показуйте підказку «запросити» 5% груп) і порівняйте реєстрації. Якщо половина запрошених прийшла б і так, запрошення варті вдвічі менше, ніж підказує k. Логіка та сама, що й у будь-якому експерименті: [кореляція — не причинність](/uk/blog/correlation-vs-causation), доки ви не порівняли з групою без втручання.

## Де k з'являється в плануванні

k — не лише число для інвесторів. Він впливає на два щоденні рішення:

- **Бюджети.** Не враховуйте запрошення, коли ставите ставки, доки holdout-тест не підтвердить, скільки запрошених справді додаткові. Після цього запрошені можуть знизити вашу реальну вартість залучення.
- **Прогнози.** k має бути в кожному прогнозі за когортами: менше нових користувачів цього місяця — менше запрошених наступного, тож зміна в одному каналі відлунює в інших. [Урок про прогнозування](/uk/courses/product-analytics/forecasting/theory) розбирає сценарій, де платний бюджет урізали вдвічі, і показує, як розрив із часом росте.

Запрошеним теж треба швидко знайти цінність, інакше вони підуть так само швидко, як прийшли; як перевірити, чи доходять новачки до цього моменту, — у дописі про [activation rate](/uk/blog/activation-rate).

## Головне

- Вірусний коефіцієнт k = запрошень на користувача × частка запрошень, що стають новими користувачами, у фіксованому вікні.
- Рахуйте лише нові акаунти; наявні користувачі в нових групах — це залученість, а не ріст.
- Нижче 1 k працює як множник: кожен початковий користувач перетворюється на $1 \div (1 - k)$ користувачів. За k = 0,31 це близько 1,45.
- Тривалість циклу визначає, як швидко приходять запрошені; вище 1 — як швидко накопичується ріст.
- Показуйте k за когортами й сезонами і проведіть holdout-тест, щоб дізнатися, яка його частина справді інкрементальна.

## FAQ

### Який вірусний коефіцієнт вважати добрим?

Допомагає будь-яке значення вище 0, бо воно знижує реальну вартість залучення, а чесно виміряний k більшості продуктів значно нижчий за 1. Стабільний k вище 1 трапляється рідко й зазвичай ненадовго; не будуйте план, якому він потрібен.

### Як підвищити вірусний коефіцієнт?

Працюйте з двома множниками окремо. Більше запрошень на користувача з'являється, коли ділитися — частина роботи самого продукту (група, якій потрібні учасники). Кращу конверсію дає те, що бачить запрошена людина: зрозуміла причина приєднатися й швидкий шлях до цінності без довгої реєстрації.

### k-factor — це те саме, що «сарафанне радіо»?

Ні. k рахує реєстрації, які можна простежити до запрошення в межах вікна. Розмови без посилання в нього не потрапляють — ще одна причина, чому holdout-тест чесніше показує повний ефект того, що люди діляться продуктом.

### Рахувати k на користувача чи на групу?

Стандарт — на користувача, так працює формула. Для групового продукту корисно також стежити, скільки учасників набирає нова група за перші тижні: саме там запрошення перетворюються на цінність.

## Спробуйте на практиці

Безкоштовний курс «Продуктова аналітика: від даних до рішень» розбирає це в модулі 8: [чесно виміряйте k](/uk/courses/product-analytics/virality/theory) на даних про запрошення Halves, [спрогнозуйте активних користувачів за когортами](/uk/courses/product-analytics/forecasting/theory) разом із запрошеними, яких забере менший платний бюджет, і оцініть [канали, атрибуцію та інкрементальність](/uk/courses/product-analytics/channels/theory). Щоб побачити картину ширше, почніть із допису [що таке продуктова аналітика](/uk/blog/what-is-product-analytics).

## Пов’язані уроки

- [Запрошення і вірусне зростання](https://productovi.com/uk/courses/product-analytics/virality.md)
- [Прогноз активних користувачів](https://productovi.com/uk/courses/product-analytics/forecasting.md)
- [Канали й атрибуція в маркетингу](https://productovi.com/uk/courses/product-analytics/channels.md)