Web 2.0 döneminde viral döngüler hakkında öğrendiğimiz ve sonra unuttuğumuz her şey

• Viral Loop (Viral Döngü), ürünün içine tasarlanmış bir büyüme mekanizmasıdır; davet·paylaşım·öneri özellikleri üzerinden ölçülebilir ve optimize edilebilir bir kullanıcı edinme yapısı oluşturur.
• Web 2.0’ın altın çağında viral döngüleri kullanarak on milyonlarca kullanıcıya ulaşan ürünler peş peşe çıktı, ancak daha sonra mobil çağa geçişle birlikte bu bilgi birikiminin önemli bir kısmı kayboldu.
• Ürünün içine davet·paylaşım·öneri özellikleri tasarlayıp viral factor (viral faktör) değerini oturum·kohort bazında ölçerseniz, ücretsiz kullanıcıların ne kadar büyütülebileceğini formüllerle takip etmek mümkündür.
  • 1.0 ve üzerindeyse kendi kendini hızlandıran büyüme, 1.0’ın altındaysa eninde sonunda büyümenin yavaşlaması söz konusudur.
• Basit ve güçlü paylaşım döngülerine dayanan Kategori 1 ürünler ile, derin işlevsellik ve yüksek retention üzerine birden fazla paylaşım döngüsü kuran Kategori 2 ürünler vardır; bu iki durumda büyüme desenleri ve sınırlar büyük ölçüde farklıdır.
• Mobil dönüşüm, platform kısıtları, yeniliğin etkisini yitirmesi ve pazar doygunluğu gibi nedenlerle ilk oturumda viral faktörün 1’i aştığı bir yapı kurmak artık neredeyse imkansız hale geldi; günümüzde ise retention ne kadar yüksekse, tüm oturumların toplamından oluşan kümülatif viral faktörün de o kadar büyüdüğü yapı önem kazandı.
• Yapay zeka üretimli araçlar ve sosyal medyada yaygınlaşan shitposting·rage baiting·video klipler, tek seferlik sıçramalara daha yakın olsa da, ürün içine tasarlanmış “üret ve paylaş” döngüsüyle birleştiğinde uzun vadeli kullanıcı tabanının genişlemesine katkı sağlayabilir.

---

Web 2.0 çağında viral döngülerin altın dönemi

• 2005~2010 arasındaki Web 2.0 döneminde sosyal ağlar, UGC platformları, iş birliği araçları ve mesajlaşma uygulamaları sistematik biçimde viral döngüler tasarlayarak milyonlardan yüz milyonlara uzanan kullanıcı tabanları oluşturdu.
  • E-posta davetleri, adres defteri içe aktarma, içerik paylaşım bağlantıları gibi yöntemlerle kullanıcıların başka kullanıcıları getirdiği yapı mühendislik düzeyinde optimize edildi.
  • A/B testleri ve formül temelli yaklaşımlarla viral faktör takip edilerek “mühendislikle tasarlanmış büyüme” hedeflendi.
  • Facebook, LinkedIn, YouTube, Spotify ve Pinterest bu şekilde büyüdü.
• Bu dönemde başarılı viral ürünler çıkaran kurucular ve ekipler daha sonra büyük teknoloji şirketlerinde yönetici ve VC rollerine geçince, viral döngü kurma bilgisi fiilen kayboldu.
• Mobil dönüşüm sonrasında eski yöntemlerin işlememesiyle birlikte, bilginin ve pratik uzmanlığın önemli bir kısmı sahada seyrelmiş durumda.
• Ancak bugün de Product-Led Growth, marketplace önerileri ve üretken yapay zeka paylaşım akışları için aynı matematik ve aynı düşünme biçimi doğrudan uygulanabilir.

Viral faktöre formülle bakmanın temel yapısı

• Burada ele alınan virallik, tek bir tweet’in patlaması değil; ürün içine gömülü davet·etiketleme·bağlantı paylaşımı·referans programları üzerinden sürekli yeni kullanıcı üreten yapısal bir döngüdür.
• Bu döngünün özelliği, ölçülebilir olması, ürün değişiklikleriyle geliştirilebilmesi ve davet·içerik paylaşımı·referans gibi farklı biçimlerde aynı matematiksel yapının geçerli olmasıdır; bunun merkezinde de viral factor (viral faktör) denilen oran kavramı yer alır.
• Viral faktör, paydaya “belirli bir dönemde kaydolmuş kullanıcı kohortu”nu, paya ise bu kohorttaki kullanıcıların zaman içinde davet ve paylaşım yoluyla oluşturduğu yeni kullanıcı sayısını koyan bir orandır.
  • Örneğin: 3 ay önce kaydolan 100 kullanıcı sonrasında 50 kişi getirdiyse, o andaki viral faktör 0.5’tir.
  • 100 kullanıcı 150 kişi getiriyor ve o 150 kullanıcı da 225 kişi getiriyorsa, viral faktör 1.5 olur.
  • 1 ve üzerindeyse döngü genişler, 1’in altındaysa bir noktada durur.

İçerik paylaşım döngüsü ve veri tasarımı

• Viral döngülerin tipik bir örneği, kullanıcının yapay zeka·filtre·araçlarla bir şey üretip bunu bağlantı üzerinden paylaşması, bunu görenlerin bir kısmının da kendileri kaydolup aynı şeyi üretmesidir.
  • Instagram filtreleri, blog yazıları ve günümüzdeki yapay zeka video üretim araçları bu desene girer.
• Bunu ölçebilmek için paylaşım bağlantısına sharer_id içeren bir URL eklenerek takip yapılmalıdır.
  • Örneğin: product.com/vid/[video_id]?sharer_id=[user_id] biçiminde paylaşılır ve bu bağlantı üzerinden kaydolan kullanıcının satırına sharer_id kaydedilir.
• Sonrasında belirli bir kohortun id listesini alıp, bu kullanıcıların başka kullanıcıların sharer_id alanında kaç kez göründüğünü sayarsanız viral faktörü hesaplayabilirsiniz.
  • sharer_id boş olan kullanıcılar “Gen 1/onramp kullanıcıları” sayılıp hesap dışında bırakılır; Gen N ile Gen N+1 arasındaki orana bakmak daha istikrarlı bir yöntemdir.
• Viral faktör hesaplandıktan sonra doğal olarak soru şuna dönüşür: “Bu sayıyı nasıl artırırız, 1’in üzerine çıkarabilir miyiz?”
  • Onboarding sırasında davet isteyen akış eklemek, kolay kopyalanabilir davet bağlantıları sunmak, paylaşım arayüzünü iyileştirmek gibi adımlar öne çıkar.
• sharer_id tabanlı hesaplama mümkün olduğunda, bunu dashboard metriği olarak sabitleyip A/B testleriyle değişimi gözlemleyen bir operasyon modeli kurulabilir.
  • Deney değişkenleri arasında paylaşım özelliğini kullanan oran, paylaşım sayısı, paylaşımı gören taraftaki kayıt dönüşüm oranı bulunur; bu kombinasyon bir tür “viral faktör cookbook” gibi çalışır.
• Yani viral faktör yalnızca invite (davet) döngüsü için değil, paylaşım·iş birliği·referans gibi, mevcut kullanıcıların yeni kullanıcı ürettiği tüm yapılar için genel olarak uygulanabilir.

“Davet sayısı × dönüşüm oranı” formülü ve sınırları

• İnternette yaygın biçimde bilinen “viral faktör = davet sayısı × dönüşüm oranı” formülü sezgisel olarak doğru olsa da, bu yaklaşımın yalnızca davet ağırlıklı döngülerle sınırlı kalması gibi bir eksikliği vardır.
  • Gerçekte içerik paylaşımı, iş birliği davetleri, öneri kodları gibi çok çeşitli döngüler bulunur.
• Daha da önemlisi, gerçekten bilinmek istenen şey iki kullanıcı kohortu arasındaki oran olduğundan, kohort temelli tanım daha özsel bir yaklaşımdır.
• Yalnızca davet sayısı × dönüşüm oranına odaklanmak, mümkün olduğunca çok arkadaşa davet e-postası göndertmeye çalışan, yani spama yakın tasarımlara yöneltir ve kullanıcı yorgunluğunu artırır.
  • Bebo, Tagged, Hi5 ve MySpace gibi geçmiş dönem sosyal ağlar, Hotmail·Yahoo Mail adres defteri içe aktarma özellikleriyle 200’den fazla davet e-postası gönderilmesini sağlayarak viral faktörü yapay biçimde yükseltti.
  • Bu yöntem zamanla geçersiz adreslere daha fazla gönderim → dönüşüm oranında düşüş → e-posta sağlayıcıları tarafından spam olarak işaretlenme sonucunu doğurdu; yaklaşık 10 yıl işe yarasa da sonunda e-posta davet döngüsü dönemi kapandı.

Viral ürünlerin temel metrikleri ve PMF koşulları

• Geçici bir viral sıçramadan sonra da ayakta kalan ürünleri ayırt etmek için, şu retention·alışkanlık oluşturma·ağ etkisi·gelir yaratma metrikleri yararlı ölçütlerdir:
  • Kohort retention eğrisinin belli bir seviyede düzleşip düzleşmediği (elde tutulan kullanıcı oranı)
  • actives/registered > 25% seviyesinde olup olmadığı, yani kayıtlı kullanıcılara kıyasla gerçek aktif kullanıcı oranının yeterli olup olmadığı
  • Power user eğrisinin “gülen yüz (smile)” şeklini çizip çizmediği (merkezde güçlü biçimde tutunan bir kullanıcı kitlesinin varlığı)
• Buna ek olarak, aşağıdaki metrikler sürdürülebilir bir işi ayırt etmek için de geçerlidir:
  • Viral faktör > 0.5 (başka kanalları büyütecek kadar güçlü seviye)
  • DAU/MAU > 50% (günlük kullanım alışkanlığının oluşup oluşmadığı)
  • Pazar·logo bazında daha eski ağlarda katılımın daha yüksek olup olmadığı (ağ etkisi)
  • D1/D7/D30 değerlerinin 60/30/15 seviyesini aşıp aşmadığı (erken yerleşme ve kullanım sıklığı)
  • Kullanıcı başına gelir ve aktivitenin zamanla artıp artmadığı (ürünün daha derin kullanılmaya başlanıp başlanmadığı)
  • Anlamlı ölçekte trafiğin %60’ından fazlasının ücretli pazarlama değil organic (organik) kaynaklı olup olmadığı
• Birçok Web 2.0 ve Facebook platformu dönemi viral uygulaması, çok yüksek ilk viral faktör ve güçlü ağızdan ağıza yayılma elde etse de retention bunu desteklemediği için sıçramadan sonra ortadan kayboldu.
  • Viral döngülerle ayrılan kullanıcıları tekrar tekrar geri kazanmak mümkün olabilir, ancak product-market fit ve yapışkan kullanım yapısı yoksa bu durum başarılı bir işe dönüşmez.

İki tür viral ürün: Kategori 1 ve 2

• Viral ürünler genelde iki kategoriye ayrılır
  • Kategori 1: Tek bir eyleme odaklanan basit uygulamalar; ortaya çıkan çıktının son derece kolay paylaşıldığı aşırı basit uygulamalar (ilk dönem Instagram, YouTube, çeşitli quiz ve anonim uygulamalar vb.)
  • Kategori 2: Derin işlevsellik ve güçlü retention'a sahip ürünler içine çok sayıda paylaşım ve işbirliği özelliği eklenmiş daha karmaşık ürünler (Figma, Slack, ilk dönem Facebook vb.)
• Kategori 1, kısa akışlar ve yüksek dönüşüm sayesinde patlayıcı büyüme ve “bir gecede patlama” kalıbı üretmeye elverişlidir; ancak zirve sonrası terk edilme ve düşük kümülatif retention sorununu taşır
• Kategori 2'nin inşası uzun sürer ve ilk büyümesi daha yavaştır; ancak edinilen kullanıcılar kolay kolay ayrılmadığı için çok sayıda oturum boyunca kümülatif viral faktör biriktirebilen bir yapıya sahiptir
• Günümüzdeki AI içerik üretim araçlarının önemli bir kısmı Kategori 1 kalıbını (basit üretim → paylaşım) izliyor; bu yüzden geçmişteki fotoğraf filtresi ve video servislerine benzer şekilde aynı anda hem güçlü yönleri (hızlı büyüme) hem de zayıf yönleri (zirve sonrası elde tutma sorunu) taşıyor

Basit içerik üretim döngüsünün adım adım yapısı ve formülü

• Basit bir içerik üretim ve paylaşım döngüsü şu adımlardan geçer
  • Birinin ürettiği çıktıyı internette görür →
  • Çıktıyı izler veya inceler →
  • Çıktının üzerindeki bağlantıya tıklayıp üretim aracına gider →
  • Aracı bizzat kullanarak bir şey üretir →
  • Ürettiği çıktıyı yeniden sosyal ağlar, mesajlaşma uygulamaları vb. üzerinden paylaşır →
  • Daha fazla insan bunu görür ve aynı süreci tekrarlar
• Her adımda izleme oranı, tıklama oranı, üretim oranı, paylaşım oranı, maruz kalan kişi sayısı gibi funnel metrikleri vardır; bunların çarpımı ile “bir paylaşımın ortalama kaç kişi tarafından görüldüğü (X)” değeri çarpıldığında sonuç 1'i aşarsa döngü patlayıcı biçimde büyüyebilir
• Örneğin şu değerler varsayıldığında, viral olabilmesi için 0.5(izleme) * 0.1(tıklama) * 0.2(üretim) * 0.5(paylaşım) * X ifadesinin 1'i aşması gerekir
  • İlk dört terimin çarpımı 0.005 olduğundan, döngüyü 1'in üstüne çıkarmak için bir paylaşımda 200'den fazla kişinin çıktıyı görmesi gereken bir durum ortaya çıkar
  • Değerler çok hassas değiştiği için, küçük UI veya içerik değişiklikleri tüm döngü üzerinde büyük etki yaratabilir
• Viral faktör (v) açısından bakıldığında, nesiller halinde gelen kullanıcı akışının geometrik toplam olarak görülen toplam kullanıcı amplifikasyon oranı 1/(1-v) yapısını izler
  • Viral faktör küçük olduğunda, gerçek veride bu çoğu zaman gürültü içinde kaybolan ve çıplak gözle ayırt edilmesi zor bir artış olarak görünür
  • Örnek: Günde 100 kullanıcı girişi ve viral faktör 0.1 ise nihai amplifikasyon 1.11 kat olur; yani yalnızca yaklaşık 11 ek kullanıcı gelir
  • v=0.5 ise 1/(1-0.5)=2 olur; yani ücretli edinilen 100 kullanıcının üstüne viral yolla 100 kullanıcı daha eklenmiş olur
• Yani yapı gereği v=0.5 ise 2 kat, v=0.75 ise 4 kat, v=0.9 ise 10 kat kullanıcı amplifikasyonu ortaya çıkar
  • Aynı 100 kullanıcı girişi, nihayetinde 200 kişi (2 kat), 400 kişi (4 kat), 1000 kişi (10 kat) gibi hissedilir bir büyümeye dönüşür ve ücretli pazarlama maliyetlerini ciddi ölçüde dengeler
• Bu yüzden gerçek tasarımda amaç sadece “biraz viral olsa yeter” seviyesinde kalmak değil, 0.5'in üzerine çıkarılabilecek bir yapı kurmaktır

Zaman geçtikçe viral performansın düşmesinin nedenleri

• Viral döngüler zaman içinde performansın doğal olarak azalacağı bir yöne kayma eğilimindedir
  • Yenilik (novelty) etkisi kaybolur, pazar doygunluğa yaklaşır ve platformların kısıtlamaları artar
• Yeni bir içerik veya araç türü ortaya çıktığında insanlar bunu daha fazla görme, tıklama ve deneme eğiliminde olur; ancak zamanla aynı paylaşım formatı yaygınlaştıkça aynı metriklerin genel olarak düştüğü kalıp tekrar eder
  • Örneğin yapay zeka ile üretilen görsellerin ilk dönemlerinde altı parmaklı fotoğraflar bile yeni bulunduğu için çok paylaşılıyordu; bugün ise çok daha yüksek bir şaşırtıcılık eşiği gerekiyor
• Pazar doygunlaştıkça, kullanıcının davet etmek istediği yakın arkadaş listesinin önemli bir kısmı ya zaten kayıtlı olur ya da ilgisiz kalır; bu da etkili davet sayısını azaltır
  • Ayrıca sonradan gelen kullanıcılar genelde geç benimseyenlerdir ve ağızdan ağıza yayılma güçleri daha zayıftır; bu da genel viral faktörü düşürür
  • E-posta adres defteri davet örneklerinde 200'den fazla kişiye gönderim yapılarak yüksek açılma ve tıklama oranları elde edilmişti; ancak on milyonlarca kullanıcıya ulaşıldıktan sonra hem kişi sayısı azaldı hem de açılma/tıklama oranları düştü
• Tüm viral döngüler alttaki bir platformun (e-posta, Facebook, TikTok vb.) üzerinde çalışır
  • Aşırı watermark ve link içeren içerik çoğaldığında, platform bu tür içerikleri baskılayan politikalar uygulayabilir
  • Yani platform watermark'lı veya bağlantı eklenmiş içerikleri sevmemeye başlar ya da rakip özellikler çıkarırsa, belirli bir adımdaki dönüşüm oranı sert biçimde düşebilir ve tüm döngü çökebilir

Aşırı basit uygulamaların sınırları ve ağ etkileri

• Aşırı basit ve aşırı viral uygulamalar, az sayıda ekran ve birkaç UI unsurundan oluşan bir ürün yapısına sahiptir; bu yapı kendi başına, yeterli içerik ve ağ olduğunda çok derin retention üretme potansiyeli taşır
  • YouTube ve Instagram, çok basit bir çekirdek UI ile devasa içerik ağını birleştirerek küçük bir uygulama gibi görünse de sonsuz bir sürükleyicilik sunan örneklerdir
• Bu tür ürünler zamanla çok sayıda özellik eklese bile, içerik miktarı ve ağ etkileri sayesinde küçük uygulama yapısıyla bile sürekli yeni şeyler gösterebilir
• Buna karşılık yalnızca viral numaralara dayanan ve içerik, grafik ya da alışkanlık biriktirmeyen uygulamalar, zirve geçtikten sonra neredeyse hiç kullanıcı tabanı bırakmayan aynı kalıbı tekrarlar

Modern sosyal viral taktiklerin sınırları (shitposting vb.)

• Son dönemde sosyal medyada “viral” denince, ragebait (öfke kışkırtma), shitposting, etkileyici lansman videoları, TikTok klipleri, billboard'lar, influencer viralliği, kurucunun influencera dönüşmesi gibi çok çeşitli taktiklerin birleşimi anlaşılıyor
• Bu teknikler tek seferlik trafik sıçramaları yaratmak için iyi olsa da,
  • DAU büyüdükçe yeni kullanıcı sayısı / DAU oranını koruyarak geometrik biçimde ölçeklenen bir yapı kurmaktan uzaktır
  • Aynı format aylık ya da haftalık olarak tekrarlandığında, alışkanlık ve yorgunluk nedeniyle etkisinin giderek düşmesi çok yaygındır
• Buna rağmen, bu taktiklerle gelen trafiğin ürün içindeki “üret ve paylaş” döngüsüyle birleşmesi durumunda, sıçramalar tekrar edilebilir büyümenin tohumuna dönüşebilir; bu nedenle hâlâ geçerli araçlar olarak kalırlar

Web 2.0 viralliğinin sonu ve mobile geçiş

• Web 2.0'ın altın çağında, e-posta davetleri, adres defteri içe aktarma ve Facebook uygulamaları kullanılarak “sıfırdan milyonlarca kullanıcıya” ulaşan çok sayıda örnek görüldü
  • Facebook, LinkedIn, YouTube, Spotify, Pinterest gibi pek çok servis bu temel üzerinde büyüdü
  • BirthdayAlar (doğum günü hatırlatma e-postaları) ve Plaxo (iletişim bilgisi güncelleme talepleri) gibi servisler, arkadaşların doğum günü ve iletişim bilgilerini güncel tutma gerekçesiyle davet döngüleri çalıştırdı; bu mekanizma daha sonra sosyal ağların doğuşuna uzandı
• Zamanla kullanıcılar bu kalıplara alıştı, e-posta sağlayıcıları spam filtrelerini güçlendirdi ve en önemlisi dünyanın merkezi e-postadan mobile kaydı; böylece aynı yapıyı yeniden üretmek zorlaştı
• Mobilde kişilere erişim teknik olarak mümkün olsa da, numaraları tek tek seçerek davet etme UX'i yüzünden e-postadaki gibi 200 kişilik toplu davetler yapmak zordu
  • Twilio benzeri sunucular üzerinden kısa mesajların (SMS) uygulama adına gönderilmesini deneme girişimleri oldu; ancak bu yaklaşım SMS spam sorunlarına ve yasal düzenleme ile para cezası risklerine yol açarak sürdürülebilir olmadı
• Sonuç olarak, “ilk oturumda viral faktörü 1'in üstüne çıkaran” aşırı basit ve aşırı viral uygulama dönemi fiilen sona erdi; bugünse çoğu durumda 0.2 ila 0.3 seviyesinde viral faktör daha yaygın kabul ediliyor

Retention odaklı modern viral strateji: kanal karması ve oturum toplamı

• Günümüzde uygulama büyümesi, aşırı davet yönlendirmesi yerine, büyük ölçüde iki unsurun birleşimiyle açıklanıyor
  • 1. Birden fazla üst huni kaynağı (SEO, sosyal, PR, ücretli reklam, tavsiye vb.)
  • 2. Güçlü retention sayesinde tüm oturumlar boyunca biriken viral faktör
• İlk olarak, ücretli pazarlama, referral, ağızdan ağıza yayılım, SEO, basın, sosyal medya vb. birden çok kanaldan sürekli yeni kullanıcı akışı sağlayan bir yapı gerekiyor
  • Uber örneğinde ilk yolculukların yaklaşık yarısı ücretli pazarlamadan, %10~20’si referral’dan, geri kalanı ise ağızdan ağıza yayılım·SEO vb. kaynaklardan geliyor
• İkinci olarak, ürün çok sayıda kullanıcı oturumu üreten güçlü bir retentiona sahipse,
  • her oturumda az miktarda paylaşım·davet·referral teşvik ederek oturum bazlı viral faktörlerin toplamından oluşan toplam viral faktör yaratabilir
• “Davet sayısı × dönüşüm oranı” yerine, 1. oturumun viral faktörü + 2. oturumun viral faktörü + … biçiminde sonsuz toplam olarak bakmak gerekir
  • Basit formül olan 초대 수 × 전환율, tüm viralliğin yalnızca ilk oturumda gerçekleştiği yönünde örtük bir varsayım içerir; oysa gerçekte kullanıcılar onlarca·yüzlerce oturum geçirir ve her seferinde biraz paylaşım·davet yapabilir
  • Bu yüzden gerçeğe daha yakın bakış açısı, her oturumdaki viral faktörü retention eğrisinin tüm alanı boyunca toplanan değer olarak görmektir

Onboarding ve sonraki oturumlarda viralin rol paylaşımı

• Deneyimsel olarak bakıldığında toplam viral faktörün yarısı ilk oturumda, kalan yarısı ise sonraki oturumlarda oluşur
  • İlk oturumda kullanıcı workspace kurma, arkadaş·iş arkadaşı davet etme gibi bir “kurulum” modunda olduğundan, davet özelliği doğal biçimde görünür şekilde öne çıkarılabilir
  • İkinci ve sonraki oturumlarda kullanıcı zaten değer almayı bekleyen bir modda olduğundan, onu viral akışa çekmek için bunun bağlam içinde gerçekten faydalı bir özellik olması gerekir
• Gerçek ürünlerde birden fazla viral loop türü bir arada bulunur ve her loop farklı zamanlarda·farklı bağlamlarda çalışır
  • Dropbox örneği: klasör paylaşımı, davet özelliği, referral programı, diğer Dropbox uygulamalarının viral loop’ları vb. farklı şekillerde katkı sağlar
  • Uber örneği: uygulama içi referral kredisine ek olarak arkadaşla birlikte yolculuk etme deneyimi, ETA paylaşımı gibi IRL·özellik temelli görünürlükler yeni kullanıcı getiren loop’lar olarak çalışır
• Her loop’un performansı farklı olsa da, genel resimde kullanıcıların birden çok oturum boyunca çeşitli yollarla başka insanları ürünün içine çektiği bir yapı oluşur
• Retention ne kadar yüksekse kullanıcıların birden fazla loop’a maruz kalma fırsatı da o kadar artar; bu da spammy bir UI kullanmadan bile uzun vadede viral faktörü büyütmenin temelini oluşturur

Retention ile spammy viral arasındaki ilişki

• Oturum sayısı fazla ve retention’ı yüksek ürünler, her oturumda sadece az miktarda paylaşım·davet teşvik etse bile toplam viral faktörü büyük hale getirebilir; dolayısıyla spammy, zorunlu davetlere dayanma ihtiyacı daha düşüktür
  • Buna karşılık ortalama oturum sayısı 2~3 düzeyinde olan düşük retention’lı ürünler, tüm viralliği bu kısa pencereye sıkıştırmak zorunda kaldığı için davetleri güçlü·çok görünür·neredeyse spam’e yakın biçimde isteme eğilimindedir
• İlk dönem Facebook, rakip sosyal ağlara kıyasla sağ tarafta sessizce konumlandırılmış bir e-posta davet özelliği ile yetinmesine rağmen, yüksek retention sayesinde uzun vadeli virallik elde etmişti
  • Buna karşılık spammy davetlere dayanan rakip sosyal ağlar, düşük retention ve kullanıcı yorgunluğu nedeniyle sonunda Facebook karşısında geride kaldı
• Uzun vadede yüksek retention’a sahip ürün + daha az spammy loop’lar kombinasyonuna sahip taraf, hem kullanıcı deneyimi hem de büyüme açısından üstünlük sağlar

Viral faktör 1’in altındayken değeri ve “hız”

• Gerçek dünyada viral faktörün 1’i aşması nadirdir; çoğu durumda 0.2~0.3 seviyesinde dengelenir
• Buna rağmen v=0.2 ise, ücretli·diğer kanallarla getirilen 1000 kullanıcıya karşılık 200 kullanıcıyı ücretsiz ek olarak kazanmak anlamına gelir; bu da CAC indirimi etkisini oldukça anlamlı kılar
• Virallikte hız (speed) kavramı da önemlidir
  • Kullanım sıklığı yüksek sosyal uygulamalarda her gün birden çok paylaşım·davet gerçekleştiği için, aynı viral faktörde bile büyüme hızı daha yüksektir
  • Buna karşılık dosya depolama·yedekleme gibi arka planda kullanılan araçlarda, tavsiye özelliği ayda bir kez kullanılıyor olabilir; bu yüzden kümülatif virallik büyük olsa bile büyüme hızı yavaş kalabilir
• Uzun vadede yüz milyonlarca kullanıcı ölçeğini hedefleyen tüketici·prosumer ürünlerde, yalnızca ücretli pazarlamayla ulaşılması zor olan ölçeği viral, SEO, mağaza optimizasyonu gibi “ücretsiz·düşük maliyetli kanalların” tamamlaması zorunludur

Yapay zeka çağında viral loop’lar ve üst huni spike’ları

• Özetle, shitposting·rage baiting·sinematik lansman videoları·billboard’lar·influencer sponsorluğu gibi unsurlar, tekrarlanabilir loop’lardan çok üst hunide spike üretme araçlarına daha yakındır
  • Ancak bunlar tek başına DAU’ya kıyasla yeni kullanıcı oranını uzun vadede yukarı taşıyan bir yapı oluşturmaz; ürün içine tasarlanmış viral loop’lar kadar tekrarlanabilir ve savunulabilir değildir
• Mevcut nesildeki birçok üretken yapay zeka aracı, bu spike’larla gelen kullanıcılara “bir şey üret ve → paylaş” loop’u sunarak tek seferlik ilgiyi kısmen ürün içindeki yapısal büyümeye dönüştürüyor
• Yapay zeka üretimleri, kısa video·embed edilmiş klipler gibi modern sosyal platformlarda iyi çalışan formatlarla çok iyi örtüştüğü için, içerik paylaşım loop’larının yayılma gücü de yüksek görünüyor
• Yani klasik viral teori (kohort bazlı viral faktör, retention, birden fazla loop’un toplamı, kanal karması) hâlâ geçerlidir ve
  sonuçta çeşitli üst huni spike’ları + ürün içindeki yapılandırılmış viral loop’lar + yüksek retention birleşimi, yapay zeka çağında da sürdürülebilir büyümenin temel yapısını oluşturur

[laeyoung]

Bir ay önce New York Times'ta yayımlanan "Is Going Viral Dead (Viral olmak öldü mü?)" başlıklı yazı aklıma geldi, bağlantıyı bırakayım dedim.

[laeyoung]

Özetle, kişiselleştirilmiş algoritmalar nedeniyle, eskiden olduğu gibi viral olup herkesin aynı içeriği gördüğü durumların son 10 yılda büyük ölçüde ortadan kalktığını anlatan bir yazıydı.