在《病毒循环》书中，作者定义了“病毒系数K”的概念：平均一个用户能带来多少个新用户。
当K的值＜1时，总传播人数是收敛的，传播链条在中间就会断开、信息无法得到有效传播；
只有当病毒系数K的值＞1时，信息才会不断扩散，总传播人数是发散的、增多的。
此外，随着时间的推移，K值一般也会逐渐衰减，逐渐下降到1、趋于0。
那么，如果我们要搞一次“邀请好友”类活动，要怎么不断提高病毒系数K、从而让我们的活动渠道最大化的效果呢？
“邀请好友”类的活动，一般流程可以简化到这么3大步骤：
结合上面的流程，我们可以从K的概念触发进行拆解、直到拆解得到的数据能直接指出我们如何优化为止：
K=被邀请注册的新用户①/主动邀请的用户数②
可以看到，如果我们搞一场邀请好友的活动，在数据统计上、用户行为分析上要区分开“主动邀请的用户”和“被邀请注册的新用户”。否则数据混淆后，就不能得到有效的K值，严重的还可能因为对活动趋势预测出现偏差、造成运营事故。
我们接着拆解，
被邀请注册的新用户①
=访问落地页的用户数④*落地页注册率⑤
故，
K=（访问落地页的用户数④/主动邀请的用户数②）*落地页注册率⑤
拆解到这里，基本就可以和活动中的主要的3个步骤进行关联。对照上面的公式，如果提高病毒系数K的值，就需要
1、提升访问落地页的用户数
2、降低主动邀请的用户数
3、提升落地页注册率
咦，好像那里不对，为什么要提高K值、就要“降低主动邀请的用户数”呢，这样怎么最大化活动的效果啊？
其实，为什么是很简单的，就是单出公式出发、没有考虑实际的环境，那我们再继续对公式进行处理下：
平均邀请回流量⑥=（访问落地页的用户数④/主动邀请的用户数②）
故，
K=平均邀请回流量⑥*落地页注册率⑤
到此，拆解基本完毕。
所以，如果在自己负责的“邀请好友”活动中，上线之后就尽快算算活动的K值究竟是多少，如果数据表现不够好，可以参考上面的公式、从这2个方向去采取优化措施：
一、提高“平均邀请回流量”
二、提高“落地页注册率”
而怎么提高的手段和技巧，因为每个活动都有很大的差异，同时，百度/知乎一下关键词应该就有很多分享。这里就贴一张最近刚在三节课的「增长黑客课程」中了解的提到STEEPS原则。可以用这6个原则来比对自己活动中的邀请页&落地页：
