Виральность

Происхождение и история термина

Слово virality связано с метафорой вирусного распространения: получатель передаёт информацию следующему человеку. В статье о структурной виральности Шарад Гоэл и соавторы противопоставили два крайних рисунка распространения. В первом один источник сразу охватывает много людей, во втором сообщение проходит через несколько поколений получателей. Между этими крайностями возможны смешанные каскады. ^[1]

Работа опубликована онлайн в 2015 году и затем вышла в журнале Management Science. Авторы анализировали события распространения в Twitter за 2011–2012 годы. Это важный исторический пример измерения структуры, а не описание нынешних алгоритмов социальных платформ. ^[1]

Другая влиятельная работа — исследование Джоны Бергера и Кэтрин Милкман 2012 года. Его полевой раздел охватывал материалы The New York Times, появившиеся на главной странице с 30 августа по 30 ноября 2008 года. Авторы также провели контролируемые эксперименты и показали, что для передачи важен не только положительный или отрицательный знак эмоции, но и уровень эмоционального возбуждения. ^[2]

Суть и механизм

Простейший каскад начинается с первого контакта. Человек видит сообщение, решает поделиться им, новый получатель замечает передачу и может повторить действие. Если повторов несколько, возникают поколения распространения. Платформа при этом может сама показывать материал новой аудитории, поэтому наблюдаемый рост обычно складывается из нескольких путей.

Сравним два учебных случая. Крупный канал показал публикацию 100 000 подписчиков, но почти никто её не переслал. Другую публикацию сначала увидели 1000 человек, затем они передали её в группы, а участники групп — дальше. Первый материал может получить больший охват, хотя у второго глубже цепочка. Так различаются масштаб и структура распространения. ^[1]

Рекомендательная выдача добавляет ещё один источник контакта. В YouTube Analytics отдельно показаны зарегистрированные показы миниатюр, просмотры из этих показов и доля показов, пришедших из рекомендаций YouTube. Эти данные помогают не приписывать весь рост пересылкам пользователей. ^[4]

Виды и классификации

Для рабочего разбора можно использовать четыре измерения. Это редакционная схема, а не стандарт платформ.

У Гоэла и соавторов структурная виральность — непрерывная характеристика дерева распространения, основанная на среднем расстоянии между всеми парами его участников. Чем дальше участники друг от друга по цепочке, тем выше показатель. Для расчёта нужны связи «кто от кого получил», а не только итоговые просмотры и репосты. ^[1]

Данные бывают полными лишь относительно конкретного инструмента. Например, метод Telegram stats.getMessagePublicForwards возвращает сообщения о пересылках в другие публичные каналы. Документация не обещает этим методом показать передачи в личных чатах, поэтому такую выборку нельзя называть полной картой распространения. ^[3]

Как применяется на практике

Редакция может сравнивать, какой путь даёт материалу аудиторию: прямой показ подписчикам, рекомендации, репосты или переходы по ссылкам. Это помогает отделить удачное распространение между людьми от крупного первоначального размещения.

Исследование Бергера и Милкман показывает ещё одну задачу: проверять свойства материала, связанные с желанием поделиться. В исторической выборке высокая эмоциональная активация была связана с большей передачей, а в экспериментах изменение интенсивности отдельных эмоций влияло на намерение поделиться. Эти результаты относятся к условиям конкретных исследований и не гарантируют такой же эффект для любого формата или аудитории сегодня. ^[2]

В российской веб-аналитике отчёт Яндекс Метрики «Социальные сети» показывает переходы на сайт из социальных сетей, поведение таких посетителей и конверсии. Источник определяется по рефереру и UTM-меткам. Отчёт описывает участок пути после клика на ссылку, но не весь каскад просмотров и пересылок внутри социальной платформы. ^[5]

Как измерить или проверить

Сначала выберите единицу измерения: события передачи, уникальные передающие, новые получатели или переходы на сайт. Затем зафиксируйте платформу, период, знаменатель и пропуски данных.

Для внутреннего отчёта можно определить долю передающих:

где $U_{share}$ — число уникальных пользователей, совершивших хотя бы одну зарегистрированную передачу, а $U_{reach}$ — уникальные пользователи, которым материал был показан за тот же период.

Учебный пример. За неделю публикацию увидели 1000 уникальных пользователей, 40 из них поделились ею хотя бы раз. Тогда $S = 40 / 1000 \times 100\% = 4\%$. Если те же люди совершили 60 передач, отношение событий передачи к охвату составит 6%. Это другой показатель: один пользователь мог поделиться несколько раз.

Доля передающих не измеряет структурную виральность. Для неё нужно восстановить дерево каскада и рассчитать среднее расстояние между его участниками. Если известны только общие просмотры и число репостов, глубину и маршрут передачи установить нельзя. ^[1]

Ошибки, ограничения и спорные вопросы

Главная ошибка — называть материал виральным только из-за большого охвата. Массовый показ из одного источника и длинный каскад могут привести к одинаковому числу получателей. ^[1]

Вторая ошибка — принимать доступные пересылки за все передачи. Публичные данные Telegram описывают публичные каналы в пределах конкретного метода; личное общение остаётся за его границами. ^[3]

Третья ошибка — объявлять причину по одному совпадению. Если после изменения заголовка выросли репосты, это ещё не доказывает эффект заголовка: могли измениться тема, время публикации, первичный охват или рекомендации. Для причинного вывода нужен дизайн, который отделяет эти факторы.

Наконец, сравнивать материалы следует в одинаковых окнах. У публикации, которая находится в сети неделю, было больше времени накопить передачи, чем у материала часовой давности.

Частые вопросы

Связанные термины

• virusnyy-kontent
• okhvat
• repost
• sarafannoe-radio
• vovlechennost
• organicheskiy-okhvat