ریاضیات وایرال شدن: چگونه ضریب وایرال و فاکتور K گسترش محتوا در شبکههای اجتماعی را مدلسازی میکنند
اگرچه وایرال شدن اغلب شبیه یک شانس فرهنگی به نظر میرسد، اما مکانیسمهای زیربنایی آن توسط ریاضیات همهگیرشناسی کنترل میشوند. با درک فاکتور K و زمانهای چرخه، تولیدکنندگان محتوا و بازاریابان میتوانند دقیقاً نحوه گسترش محتوا در شبکهها را مدلسازی کنند.
به قلم سلین خسروشاهی
این خبر را به اشتراک بگذارید
بهطور خلاصه
- وایرال شدن با استفاده از فاکتور K همهگیرشناختی مدلسازی میشود، که اندازهگیری میکند هر بیننده موجود، چند بیننده جدید را وارد سیستم میکند.
- فاکتور K بزرگتر از ۱.۰ منجر به رشد تصاعدی میشود، در حالی که هر چیزی زیر ۱.۰ به زوال نهایی میانجامد.
- زمان چرخه—سرعت به اشتراکگذاری محتوا—اغلب برای مقیاس بزرگ، حیاتیتر از فاکتور K اولیه است.
همه میخواهند وایرال شوند، اما هیچکس در مورد اینکه واقعاً چگونه اتفاق میافتد، توافق ندارد. اگر از یک منتقد فرهنگی بپرسید، به شما خواهند گفت که این موضوع به تسخیر روح زمانه (Zeitgeist) و بهرهبرداری از اضطرابهای ناگفته یک نسل مربوط است. اگر از یک مدیر شبکههای اجتماعی بپرسید، قسم میخورند که این کار با پست کردن در ساعت ۱۱:۱۴ صبح روز سهشنبه با دقیقاً سه هشتگ و یک آهنگ پرطرفدار انجام میشود.
اما اگر از یک ریاضیدان بپرسید، به شما خواهند گفت که هر دو گروه اصل مطلب را گم کردهاند. حقیقت این است که وایرال شدن نه یک پدیده فرهنگی مرموز است و نه یک هنر تاریک برای دستکاری الگوریتم؛ بلکه یک معادله ریاضی است. به طور خاص، یک معادله همهگیرشناختی.
دقیقاً همان فرمولهایی که توسط مراکز کنترل بیماری برای ردیابی گسترش یک ویروس تنفسی استفاده میشود، توسط پلتفرمهای فناوری و متخصصان رشد (Growth Hackers) برای ردیابی گسترش یک میم (Meme) به کار میرود. در مرکز این جهان ریاضی، مفهومی به نام فاکتور K قرار دارد.
فاکتور K، که مستقیماً از عدد بازتولید پایه (R0) در همهگیرشناسی وام گرفته شده است، اندازهگیری میکند که هر کاربر موجود، چند کاربر جدید را وارد یک سیستم میکند. اگر شما یک ویدیو پست کنید و هر کسی که آن را میبیند، آن را با دو نفر دیگر به اشتراک بگذارد که آنها نیز ویدیو را تماشا میکنند، فاکتور K شما ۲ است.[3]
این ریاضیات در سادگی خود بیرحم است. اگر فاکتور K شما زیر ۱ باشد، محتوای شما در حالت زوال قرار دارد. ممکن است در ابتدا هزار بازدید از دنبالکنندگان اصلی شما بگیرد، اما در نهایت ثابت میماند زیرا بینندگانی را که از دست میدهد، جایگزین نمیکند. اگر فاکتور K شما دقیقاً ۱ باشد، رشد خطی و پایداری دارید.[3]
اما اگر فاکتور K شما حتی کمی از ۱ بالاتر برود—مثلاً ۱.۱—شما به رشد تصاعدی دست یافتهاید. این تعریف ریاضی «وایرال شدن» است. محتوا اکنون سریعتر از آنکه از بین برود، در حال بازتولید است و یک حلقه خودپایدار ایجاد میکند که نیازی به ورودی اضافی از سوی خالق اصلی ندارد.[3]
با این حال، فاکتور K به تنهایی تمام داستان را نمیگوید. تحلیلهای اخیر الگوهای تعامل کاربران در مجموعهدادههای چندملیتی نشان میدهد که سرعت اشتراکگذاری به اندازه حجم اشتراکگذاری حیاتی است.[2]
این موضوع متغیر حیاتی دوم را در معادله وایرال شدن معرفی میکند: زمان چرخه (Cycle Time). زمان چرخه، مدت زمانی است که طول میکشد تا یک کاربر یک قطعه محتوا را ببیند، آن را پردازش کند و با موفقیت آن را با شخص بعدی به اشتراک بگذارد.[3]
دو ویدیوی وایرال را تصور کنید. ویدیوی الف دارای فاکتور K عظیم ۵ است، اما زمان چرخه آن یک هفته است. ویدیوی ب دارای فاکتور K متوسط ۱.۵ است، اما زمان چرخه آن یک ساعت است. ظرف چند روز، ویدیوی ب در مجموع بازدیدها، ویدیوی الف را نابود خواهد کرد، صرفاً به این دلیل که سود مرکب آن با سرعتی سرسامآور انباشته میشود.
به همین دلیل است که پلتفرمهایی مانند تیکتاک و ریلز اینستاگرام بسیار قدرتمند هستند. رابطهای کاربری بدون اصطکاک آنها—که در آن اشتراکگذاری با پیام مستقیم یک دوست به معنای واقعی کلمه فقط دو ضربه (تپ) نیاز دارد—زمان چرخه را به شدت کاهش میدهد. معماری پلتفرم فقط به تعامل پاداش نمیدهد؛ بلکه از نظر ساختاری به سرعت پاداش میدهد.
اما در وهله اول چه چیزی کاربر را وادار میکند که دکمه اشتراکگذاری را بزند؟ ارزیابی تأثیر پستهای وایرال بر تعامل در شبکههای اجتماعی نشان میدهد که طنین احساسی به عنوان کاتالیزوری عمل میکند که فاکتور K را فعال میسازد.[1]
احساسات با برانگیختگی بالا—خشم، هیبت، اضطراب یا شوخطبعی شدید—به طور موقت عادتهای اسکرول کردن منفعل ما را نادیده میگیرند. آنها ما را به اقدام فیزیکی وادار میکنند. ریاضیات گسترش را به درستی مدلسازی میکند، اما روانشناسی انسان سوخت لازم برای روشن کردن موتور را فراهم میآورد.[1]
با این حال، سقف سختی برای این رشد تصاعدی وجود دارد. در همهگیرشناسی، یک ویروس در نهایت میزبانهای مستعد خود را از دست میدهد. در شبکههای اجتماعی، یک میم در نهایت مخاطبان علاقهمند خود را از دست میدهد؛ پدیدهای که محققان از طریق نسبتهای تعامل و تجسم دادههای زوال مخاطب آن را ردیابی میکنند.[2]
این نقطه اشباع جایی است که نرخ زوال شتاب میگیرد. فاکتور K به زیر ۱ سقوط میکند، نه به این دلیل که محتوا ناگهان بدتر شده است، بلکه به این دلیل که هر کسی که مستعد اشتراکگذاری آن بود، قبلاً این کار را انجام داده است. شبکه خسته شده است.[2]
درک این ریاضیات نحوه نگاه ما به اینترنت را تغییر میدهد. دیگر شبیه یک بختآزمایی نیست و بیشتر شبیه یک سیستم قابل پیشبینی، هرچند آشفته، از ورودیها و خروجیها به نظر میرسد که میتوان آن را اندازهگیری، مدلسازی و درک کرد.
برای تولیدکنندگان محتوا و برندها، درس واضح است: بهینهسازی برای زمان چرخه پایینتر—تولید محتوایی که نیازمند اشتراکگذاری فوری و بدون اصطکاک است—اغلب مؤثرتر از تلاش برای جلب نظر یک جمعیتشناسی بزرگ و کند است.[3]
در نهایت، ریاضیات وایرال شدن به ما یادآوری میکند که اگرچه اینترنت شبیه یک بیابان گسترده و غیرقابل پیشبینی از احساسات انسانی به نظر میرسد، اما در زیر سطح، توسط قوانین سرد و سخت سود مرکب تصاعدی اداره میشود.
اصطلاحات کلیدی
- ضریب K (K-Factor)
- متریکی که نرخ رشد پایگاه کاربر را اندازهگیری میکند، به ویژه اینکه هر کاربر موجود با موفقیت چند کاربر جدید را جذب میکند.
- زمان چرخه (Cycle Time)
- مدت زمانی که طول میکشد تا یک کاربر یک قطعه محتوا را مصرف کند و متعاقباً آن را با شخص دیگری به اشتراک بگذارد.
- عدد بازتولید پایه (R0)
- یک اصطلاح همهگیرشناختی که تعداد مورد انتظار موارد مستقیمی را توصیف میکند که توسط یک مورد در جمعیتی که همه افراد مستعد هستند، ایجاد میشود.
- نقطه اشباع (Saturation Point)
- لحظهای در یک چرخه وایرال که محتوا به حداکثر تعداد کاربران مستعد رسیده است و باعث کاهش نرخ اشتراکگذاری میشود.
پرسشهای متداول
آیا میتوانید تضمین کنید که یک قطعه محتوا وایرال خواهد شد؟
خیر. در حالی که میتوانید فاکتور K و زمان چرخه را برای افزایش احتمال گسترش بهینه کنید، طنین احساسی اولیه مورد نیاز برای تحریک موج اول اشتراکگذاری غیرقابل پیشبینی باقی میماند.
فاکتور K «خوب» برای شبکههای اجتماعی چقدر است؟
هر فاکتور K بالاتر از ۱.۰ نشاندهنده رشد تصاعدی و وایرال شدن واقعی است. با این حال، حفظ فاکتور K بالای ۱.۰ برای مدت طولانی به دلیل اشباع مخاطب بسیار نادر است.
چرا برخی از ترندهای وایرال به سرعت از بین میروند؟
ترندها زمانی از بین میروند که به نقطه اشباع خود میرسند. هنگامی که هر کسی که احتمالاً محتوا را به اشتراک میگذارد، قبلاً این کار را انجام داده باشد، استخر کاربران مستعد کوچک میشود و فاکتور K به زیر ۱ میرسد.
بررسی عمیق دیدگاهها
دانشمندان داده و بازاریابان رشد
استدلال میکنند که وایرال شدن یک فرآیند کاملاً مکانیکی است که میتوان آن را مهندسی کرد.
این گروه اینترنت را ماشینی میبینند که اهرمهایی برای کشیدن دارد. با بهینهسازی زمانهای چرخه، کاهش اصطکاک اشتراکگذاری و آزمایش A/B محرکهای احساسی، آنها معتقدند تولیدکنندگان محتوا میتوانند فاکتور K را به صورت مصنوعی افزایش دهند. از نظر آنها، یک موفقیت وایرال یک تصادف خوششانس نیست، بلکه نتیجه آزمایش دقیق و همسویی ریاضی با معماری پلتفرم است.
جامعهشناسان فرهنگی
تاکید میکنند که اگرچه ریاضیات گسترش را مدلسازی میکند، اما نمیتواند جرقه اولیه را پیشبینی کند.
جامعهشناسان استدلال میکنند که وایرال شدن واقعی نیازمند بهرهبرداری از یک روح زمانه فرهنگی غیرقابل اندازهگیری است. در حالی که آنها اذعان میکنند که الگوریتمها و فاکتورهای K نحوه سفر یک قطعه محتوا را توضیح میدهند، اما معتقدند که ریاضیات بدون عنصر انسانی بیفایده است. طنین احساسی اولیه—جرقهای که باعث میشود اولین کاربر دکمه اشتراکگذاری را بزند—یک پدیده عمیقاً انسانی باقی میماند که نمیتوان آن را مهندسی معکوس کرد.
معماران پلتفرم
بر نقش الگوریتم به عنوان نگهبان نهایی فاکتور K تمرکز میکنند.
کسانی که پلتفرمها را میسازند، اشاره میکنند که وایرال شدن ارگانیک تا حد زیادی در اینترنت مدرن یک افسانه است. از آنجایی که پلتفرمها فید را کنترل میکنند، میتوانند با تغییر دید یک پست، فاکتور K را به صورت مصنوعی سرکوب یا تقویت کنند. اگر الگوریتم تصمیم بگیرد که نمایش یک ویدیو به کاربران جدید را متوقف کند، زمان چرخه عملاً به صفر میرسد و حلقه وایرال را صرف نظر از میزان جذابیت محتوا از بین میبرد.
- جبرگرایان ریاضی
- معتقدند وایرال شدن را میتوان به طور کامل از طریق بهینهسازی فاکتور K و کاهش زمان چرخه مهندسی معکوس کرد.
- روانشناسان رفتاری
- استدلال میکنند که برانگیختگی احساسی و روانشناسی انسان محرکهای واقعی هستند و ریاضیات صرفاً پیامد را اندازهگیری میکند.
- تحلیلگران شبکه
- بر محدودیتهای ساختاری نمودارهای اجتماعی تمرکز میکنند و بر نقاط اشباع و خستگی مخاطب تأکید دارند.
دیدگاههایی که این گزارش پوشش نداده
- کاربران عادی شبکههای اجتماعی
- تیمهای تعدیل محتوا
منابع
[1]PMCروانشناسان رفتاریEvaluating the effect of viral posts on social media engagement
مطالعه در PMC →
[2]Research Paperتحلیلگران شبکهUser Engagement Patterns in Viral Social Media Content: A Multinational Comparative Study Based on Interaction Ratios and Data Visualization
مطالعه در Research Paper →
[3]Sam Shev — Fractional CMOجبرگرایان ریاضیThe Math Behind Virality: K-Factor, Cycle Time, and R0
مطالعه در Sam Shev — Fractional CMO →
[4]تیم سردبیری کوهستانتحلیل تیم سردبیری کوهستان
مطالعه در تیم سردبیری کوهستان →
بیشتر در سرگرمی
مشاهده همه →قانون علامت تجاری
چگونه یک استارتاپ توانست برند توییتر را به طور قانونی از چنگ شرکت ایکس (X Corp) درآورد؟
8 منبع
چالش خرید رایگان
خرید یکدقیقهای در آمل وایرال شد: وقتی برنده مسابقه مستقیم سراغ یخچال گوشت میرود
3 منبع
اقتصاد استریم
استخر ۷۰ درصدی و فرمول تسهیم نسبی: پلتفرمهای استریم موسیقی واقعاً چطور دستمزد هنرمندان را حساب میکنند؟
6 منبع
معماری متادیتا
تگهای مرجع و مترادفها: سیستم «رامکنندگان تگ» در AO3 چگونه میلیونها اثر هواداری را سروسامان میدهد؟
7 منبع
نظرات
هر زاویه. هر روز.
اخبار سرگرمی با پوشش کامل منابع و تحلیل دیدگاهها، هر روز و رایگان.





