作者｜晨星行銷 陳俊鳴執行長（網路流量操盤手・企業行銷顧問）
「我們也來做個病毒式行銷吧。」
這句話的問題只有一個：病毒式行銷是一個結果，不是一個方法。
沒有人能決定自己要不要爆紅，就像沒有人能決定自己要不要中樂透。你能決定的只有買不買、買幾張、以及那筆錢本來可以拿去做什麼。
這篇不打算勸你別做。要做的是把數字算給你看——算完之後，要不要做是你的判斷。
| 這篇會算的 | 結論先放這裡 |
|---|---|
| 一般內容的 K 值 | 大概在 0.05 上下 |
| K < 1 時總量多多少 | 只多幾個百分比 |
| 要讓 K 超過 1 需要什麼 | 分享率要到 20% 以上 |
| 賭一次的期望值 | 報酬要大於成本的 100 倍才划算 |
K 值是什麼：一個借自流行病學的數字
這件事真正的核心指標叫病毒係數（Viral Coefficient），一般寫成 K 值。
它的通行定義是：K ＝ 每位使用者發出的邀請數 × 那些邀請的轉換率。 白話講就是「一個人平均會幫你帶來幾個新的人」。
| K 值 | 意思 |
|---|---|
| K > 1 | 自我維持的病毒成長——一個帶來一個以上，會指數擴散 |
| K = 1 | 線性，剛好持平 |
| K < 1 | 會衰減，但仍然放大你既有的獲客 |
💡 小提醒
這個用法是從流行病學借來的。 傳染病有一個叫「基本再生數」的指標，等於 1 是持平、大於 1 是指數成長、小於 1 是指數衰減——邏輯完全一樣。
⚠️ 但借用的時候常常漏掉一件事：傳染病的 R 值能大於 1，是因為病毒不需要對方「覺得值得分享」。 行銷內容需要，而這一步的損耗大到會改變整個數量級。
把一支內容的 K 值實際算一次
拿一支內容來算一次。下面的數字全部是假設，換一組假設結論會不一樣——但數量級是可以參考的。
內容型的 K 值可以拆成三段：
K ＝ 分享率 × 每則分享的平均觸及 × 觸及者的觀看轉換率
帶入一組「相當樂觀」的假設：
| 變數 | 假設值 | 為什麼說這已經樂觀 |
|---|---|---|
| 分享率 | 1% | 100 個看完的人裡有 1 個分享，實務上多數內容到不了 |
| 每則分享的平均觸及 | 150 人 | 一則貼文被多少好友看到，演算法還會打折 |
| 觸及者的觀看轉換率 | 3% | 看到朋友分享的人，真的點進來的比例 |
算出來：
K ＝ 0.01 × 150 × 0.03 ＝ 0.045
白話翻譯：每 1,000 個看過的人，會帶來 45 個新的人；那 45 個再帶來 2 個；然後就沒有了。
K < 1 的時候，總量只會多幾個百分比
K 小於 1 的時候，總量有一個很簡單的公式：
總觸及 ＝ 初始觸及 × 1 ÷ (1 − K)
把 K = 0.045 帶進去： 1 ÷ (1 − 0.045) ≈ 1.047。
也就是說：你辛苦做的「擴散」，總共讓這支內容多了 4.7% 的觸及。
| K 值 | 倍數 | 實際意義 |
|---|---|---|
| 0.045 | 1.047 倍 | 幾乎等於沒有 |
| 0.2 | 1.25 倍 | 多四分之一 |
| 0.5 | 2 倍 | 翻倍，已經很厲害 |
| 0.9 | 10 倍 | 極少見 |
| ≥ 1 | 無上限 | 就是爆紅 |
⚠️ 注意
⚠️ 看這張表的跳躍。 從 0.5 到 0.9，K 值只增加 0.4，倍數卻從 2 倍跳到 10 倍——這就是為什麼病毒式行銷看起來像「要嘛沒反應、要嘛失控」。
中間那一段幾乎不存在於觀察裡：K 值在 0.1 到 0.5 之間的內容，看起來就是「普通的內容」，沒有人會說它在擴散。
要讓 K 超過 1，需要多離譜的數字
把式子反過來推一次。在同樣的觸及（150）與轉換（3%）之下，分享率要多高，K 才會等於 1？
分享率 ＝ 1 ÷ (150 × 0.03) ＝ 22.2%
意思是：每 100 個看完的人，要有 22 個主動分享出去。
這個數字有多離譜： 想想你自己這個月看過多少內容，其中主動分享了幾則。22% 大概是「喜宴上的大合照」等級的分享意願，不是一般商業內容能達到的。
| 你想調高的變數 | 現實的天花板 |
|---|---|
| 分享率 | 要 22%，而一般內容連 1% 都吃力 |
| 每則分享的觸及 | 你控制不了別人的好友數與演算法 |
| 觸及者的轉換 | 已經是社群裡相對高的數字 |
三個變數裡，你真正能施力的只有第一個，而它離目標差了二十倍。
病毒週期時間：擴散速度比 K 值更關鍵
講 K 值的人很多。講「週期時間」的人很少——但它其實同樣重要。
病毒週期時間指的是：一個人看到內容，到他分享出去、下一個人再看到，中間隔多久。
同樣的 K 值，週期短的擴散得快非常多。 這件事在創業圈被反覆討論過——有經驗的投資人指出，驅動病毒成長的其實是兩個參數：病毒係數與病毒週期時間，而後者常被忽略。
💡 小提醒
⚠️ 同一位投資人也指出一個常見的計算錯誤值得記下來：很多公開流傳的病毒成長公式，都假設「整個顧客基數會在每一個週期持續發出邀請」。
那個假設是錯的。 真實情況是只有「這一輪剛加入的人」會發出邀請，舊的那批早就分享過、不會再分享第二次。
把這個錯誤修正回來之後，多數樂觀的病毒成長預估都會縮水一個數量級。 這也是為什麼提案裡的病毒成長曲線，實際跑起來總是差很遠。
病毒式行銷的期望值：賭一次爆紅划不划算
前面算的是「萬一擴散了會怎樣」。這一節算的是「該不該賭」。
期望值的算法很單純：
期望值 ＝ 成功機率 × 成功報酬 − 投入成本
要划算，需要：成功報酬 > 投入成本 ÷ 成功機率。
| 成功機率 | 報酬要大於成本的幾倍 |
|---|---|
| 10% | 10 倍 |
| 5% | 20 倍 |
| 1% | 100 倍 |
| 0.1% | 1000 倍 |
問題來了：爆紅的機率是多少？ 沒有人有這個數字，而且它因題材差異極大。但如果你觀察一下自己產業裡有多少內容真的擴散過，1% 已經是很客氣的估計。
⚠️ 注意
⚠️ 而這個算法還有一個更嚴重的問題：「成功報酬」到底是什麼？
爆紅給你的是曝光，不是成交。而行銷曝光不是成效指標那篇講過，曝光是過程指標。所以真正的報酬鏈是：
爆紅 → 曝光 → 有一部分人記得你 → 有一部分人之後想起你 → 有一部分人來詢問 → 有一部分人成交
每一個箭頭都會再打一次折。 所以「報酬要大於成本的 100 倍」這個門檻，指的是成交層的報酬，不是曝光數。
這就是為什麼期望值算完，結論幾乎一定是不划算。
K 值小於 1 也有用：病毒式行銷是放大器，不是引擎
前面算了一堆，讀起來像是「病毒式行銷沒用」。那不是這篇的結論。
重點是定位：K 值是放大器，不是引擎。
| 引擎 | 放大器 | |
|---|---|---|
| 角色 | 產生初始的量 | 把既有的量乘上一個倍數 |
| 誰在做 | 廣告、搜尋、既有客戶 | 擴散 |
| 沒有它會怎樣 | 什麼都沒有 | 量少一些，但還在 |
回去看那個公式：總觸及 ＝ 初始觸及 × 1÷(1−K)。
「初始觸及」是乘數前面那個數字。 如果初始是 0，不管 K 多少，乘出來還是 0。
所以實務上正確的順序是：
- 先把初始觸及做出來——這是廣告、搜尋、既有名單的工作。
- 再想辦法讓 K 值高一點——從 0.05 拉到 0.3，總量就多 25%。
而「從 0.05 拉到 0.3」是做得到的事，跟「拉到 1」完全是兩回事。
怎麼把 K 值往上拉：從提高分享率下手
目標一旦改成「把 K 從 0.05 拉到 0.3」，它就變成一個具體的工程問題了。
三個變數裡，能施力的是分享率。而分享率的本質是：這個人分享出去，他自己會得到什麼。（顧客自願開口的地方有哪些，口碑行銷不是找人寫好評那篇整理得比較完整。）
| 分享的動機 | 實際的做法方向 |
|---|---|
| 我看起來更懂 | 給他一個他想被認為懂的資訊 |
| 我看起來有態度 | 替他說出他想說但講不清楚的話 |
| 對我朋友有用 | 做成他可以直接轉給特定某個人的東西 |
| 我有好處 | 推薦機制（⚠️ 這一種要揭露） |
💡 小提醒
第三列那個「可以直接轉給特定某個人」最被低估。
大部分的擴散不是「分享到動態」，是「私訊給一個人」——而私訊的觸及是 1，但轉換率遠高於公開分享。
⚠️ 所以「一份可以直接傳給老闆看的整理」「一張可以貼進群組的對照表」這類內容，實際的 K 值常常比追求爆紅的內容高，只是它們從來不會上熱門。
負面內容擴散得更快：病毒式行銷的負面偏誤風險
追求擴散之前，有一件事值得先知道：擴散這個機制，對負面內容比較友善。
這不是直覺，是被研究過的。學術上對這件事有一個名字叫負面偏誤（negativity bias）——人對負面資訊的注意力與記憶，都比正面資訊強。
在網路口碑的研究裡，這個效應具體表現為：
| 面向 | 研究觀察到的 |
|---|---|
| 傳給幾個人 | 負面內容被傳給更多收件者 |
| 傳多久 | 持續的時間更長 |
| 怎麼傳 | 被更詳細地轉述與加工 |
社群平台上也有類似的觀察。 有研究分析了兩個性質相反的公共事件（一個是正面的、一個是負面的），結果是「負面情緒的語言擴散得更遠」在兩種情況下都成立。
⚠️ 注意
⚠️ 這件事對「想做病毒式行銷」的人有兩層意義：
第一層是風險：同一套擴散機制，對你的客訴與負評同樣有效，而且更有效。 一則抱怨的 K 值，可能比你花三個月做的內容還高。
第二層是誘惑： 知道負面擴散得快之後，最短的路就是去做爭議性的內容。這條路確實會有效，但它換來的是「被討論」不是「被信任」，而後者才是會帶來成交的那一個。
⚠️ 也要講公平話：近期的研究對這件事有更細緻的看法——有研究指出，適度的情緒負面性會提高評論的參考價值，但過度的負面反而降低它。所以「負面一定擴散得比較好」也不是一條可以無條件套用的規則。
你自己的 K 值，其實查得到
前面算的都是假設值。但你自己內容的 K 值，是可以用手上的工具估出來的。
要湊齊三個數字：
| 要的數字 | 去哪裡看 |
|---|---|
| 這支內容的觀看／瀏覽數 | 平台後台或網站分析工具 |
| 分享／轉發次數 | 平台後台的互動數據 |
| 來自分享的新觀看 | 分析工具裡的推薦來源，或分享連結帶的追蹤參數 |
做法： 給每一次對外分享的連結帶上可辨識的追蹤參數，這樣「從分享進來的人」就會跟「從搜尋、從廣告進來的人」分開計算。
然後用那個數字除以總觀看，就是這一支內容的實際 K 值。
💡 小提醒
⚠️ 這個估法有明顯的誤差——私訊分享（也就是前面說最有效的那一種）多半追蹤不到，所以你算出來的數字通常會低估。
但它仍然有用，因為你要的不是絕對值，是「哪一支比較高」。 連續量十支內容，你會發現高 K 值的那幾支通常有共同點——而那個共同點，比任何一篇「爆紅公式」的文章都值錢，因為它是你自己的受眾給的答案。
什麼情況下真的適合追求擴散
也不是永遠不該做。有幾種情況，擴散本身就是商業模式的一部分。
| 情況 | 為什麼 |
|---|---|
| 產品本身需要別人一起用 | 邀請是使用流程的一部分，K 值天生比較高 |
| 有推薦獎勵的機制 | 分享有實質誘因（記得揭露） |
| 內容是工具型的 | 可以直接轉給需要的人 |
| 目標客群高度集中在某個圈子 | 圈子小，擴散的路徑短 |
反過來，如果你的生意不屬於這四種，把預算放在可累積的地方通常比較划算——搜尋帶來的流量會一直在，爆紅那一波過了就過了（這筆長期的帳，SEO與廣告差別那篇算過）。
最後講一件我覺得最該被講清楚的事。
「病毒式行銷」這個詞之所以讓人上癮，是因為它承諾了一個「不用花錢就有大量曝光」的可能性。而對預算有限的中小企業來說，那個承諾特別誘人。
但前面的算式其實說了一件相反的事：擴散是乘數，而乘數需要一個被乘數。 沒有初始的量，K 值再漂亮也沒有東西可以乘。所以它不是「沒錢的人的替代方案」，反而是「已經有量的人才享受得到的紅利」。
這對資源有限的人的實務結論是：與其去追那個 1% 機率的乘數，不如把同樣的力氣放在把被乘數做大。 一篇每個月穩定帶來三十次詢問的文章不會上熱門，但它三年後還在運作；一支爆紅的影片在三週後就回到基準線。
兩者的差別不在當下的數字，在於哪一個會留下來。
至於一個品牌的內容預算該怎麼在「會累積的」與「賭一次的」之間分配、哪些題目值得投入，那要看你的獲客現況與現有資產——這一層要看實際資料才決定得準，不是照通則抓比例。
常見問題
參考資料
- David Skok（forEntrepreneurs）—《Lessons Learned – Viral Marketing》（英文，美國，創投實務分析）
- David Skok（forEntrepreneurs）—《The Science behind Viral Marketing》（英文，美國，創投實務分析）
- Computers in Human Behavior —《Information dissemination via electronic word-of-mouth: Good news travels fast, bad news travels faster!》（英文，國際，同儕審查期刊論文）
- PMC / Frontiers —《Negativity Spreads More than Positivity on Twitter After Both Positive and Negative Political Situations》（英文，美國，開放取用學術論文）
ℹ️ 關於本文
⚠️ 本文中所有的 K 值、分享率、觸及與轉換數字都是「假設值」，用來示範算法與數量級，不是任何產業的實測統計。 換一組假設，結論會不一樣——請用自己實際的資料重算一次。文中的公式與概念參考自公開的創投實務分析，不是任何機構的官方標準；病毒係數借自流行病學的基本再生數，兩者只是邏輯相似，不代表可以互相套用。本文刻意不引用任何「某支內容爆紅後業績成長多少」的個案數字——那類說法多半出自公關稿，無法查證。文中不點名任何實際品牌案例。
陳俊鳴
網路流量操盤手．企業行銷顧問
操盤SEO與網路行銷實戰逾15年，2014年創辦晨星事業有限公司（晨星行銷），從SEO網站架設、關鍵字策略到銷售漏斗與變現模式一手包辦。現為智信科技、瞻新資訊等多家企業的常年行銷顧問，也獲頒過亞洲十大卓越名師金像獎，把每一次流量成長都當成自己的事業在打。曾是馬來西亞象棋、圍棋國手，拿過亞洲盃第二名。