21 апреля 2026 г.

Кейс: K-factor упал. Разбор на собеседовании

Q: Быстрая виральность или медленная?

Cycle time имеет значение. K = 0.5 с cycle 1 день > K = 0.8 с cycle 30 дней. На собесе обязательно упомяните.

Карьерник — квиз-тренажёр в Telegram с 1500+ вопросами и кейсами с реальных собесов аналитика. SQL, Python, A/B, метрики. Бесплатно.

Формулировка кейса

K-factor нашего сервиса упал с 0.6 до 0.35. Что будете делать?

Частый кейс в соцсетях, мессенджерах, B2B-коллаборационных продуктах (Notion, Miro, Figma). Проверяет понимание виральных механик.

Что такое K-factor

K = Invites sent per user × Conversion to signup per invite

K = 1 означает каждый пользователь приводит одного нового → продукт растёт сам. K < 1 — виральность помогает, но не замещает платный маркетинг. K > 1 — экспоненциальный рост.

Шаг 1. Уточнения

Как считается K-factor? Invites на активного пользователя × conversion → signup? Или на всех?
Окно подсчёта? За 7 дней, 14 дней, 30 дней после регистрации?
Упал и в invites, и в conversion? Или только в одном?
Сегменты? iOS vs Android, paid vs organic.
Когда начался спад? Привязка к релизам и кампаниям.

Шаг 2. Проверка данных

Трекинг invites: не сломалась ли отправка через share API?
Конверсия в signup корректно атрибутирована? UTM + referral id сохраняются?
Не стали ли считать invites по-другому? (например, включили автоматические приглашения из контактов)
Не изменились ли ограничения ОС? iOS 17 вырезал часть share-механик.

Шаг 3. Декомпозиция K-factor

K = invites per user × conversion per invite

Разделяем:

Сторона invites

Сколько пользователей отправили invite (% активных)
Сколько invites на отправителя
По каналам: share в соцсети, копирование ссылки, email invite, in-app invite

Сторона conversion

CTR приглашения (% кто кликнул)
Conversion из клика в signup
Conversion из signup в активацию

Падает та часть, где просела метрика.

Шаг 4. Сегменты

Канал приглашения: WhatsApp, Telegram, email, SMS, ссылка
Тип приглашающего: новый vs старый пользователь
Тип приглашаемого: был ли знаком с продуктом
Платформа и ОС: iOS, Android, web
Гео: Москва, регионы, международный рынок

Шаг 5. Гипотезы

Invites упали

Убрали или спрятали кнопку share
Изменили flow — приглашение не триггерится так часто
Снизили мотивацию приглашать (убрали реферальную выгоду)
Появился спам-флаг: соцсети снижают охват приглашений
Мобильная ОС ограничила share (iOS ATT, Android SMS restrictions)

Conversion упала

Landing page для приглашённых стал хуже
Усложнили регистрацию (больше полей)
Убрали реферальный бонус для приглашённого
Репутация бренда ухудшилась → люди не кликают
Сезонность (летом меньше активности)

Внешнее

Соцсети сменили алгоритмы
Мессенджеры заблокировали share-механику
Регуляторные ограничения (SMS антиспам)

Шаг 6. План действий

Краткосрочно:

Проверить техническую работоспособность invite-flow
Вернуть убранные CTA share
Восстановить реферальные бонусы, если отменялись

Среднесрочно:

A/B-тест копий и дизайна invites
Оптимизация landing-page для приглашённых
Упростить регистрацию через invite-ссылку (skip onboarding)
Добавить эмоциональный триггер («друг уже там»)

Долгосрочно:

Многоканальная стратегия invites (не только WhatsApp)
Network effects в продукте: фичи, которые не работают в одиночку
Incentive design: не только скидка, но и статус/рейтинг

Что важно сказать на собесе

«K-factor — производная от invite-механики и конверсии. Проблема в верхней части (мало отправляют) и проблема в нижней (мало регаются) — это два разных фикса. Я сначала разведу эти части и найду, где именно просело».

Частые ошибки кандидатов

Сразу «сделать новую реферальную программу» без диагностики
Игнорировать платформенные ограничения (iOS)
Путать K-factor и общий органический рост
Не учитывать cycle time (быстрая вирусность vs медленная)

Связанные кейсы

FAQ

Какой K-factor считается хорошим?

K > 1 — редкость, мечта. K = 0.3–0.7 — хорошо. K < 0.2 — вирусный эффект слабый, нужен paid.

Быстрая виральность или медленная?