Calculateur de coefficient viral

À propos de ce calculateur

Ce calculateur mesure la vitesse à laquelle votre produit ou votre campagne se propage naturellement. Saisissez le nombre d’utilisateurs de départ, le nombre d’invitations que chacun envoie et la proportion d’invités qui s’inscrivent réellement — l’outil projette alors votre nombre total d’utilisateurs sur plusieurs cycles viraux.

Comment lire vos résultats

Le chiffre principal est le nombre total cumulé d’utilisateurs à l’issue de tous les cycles modélisés. Le verdict vous indique en un coup d’œil si la croissance est virale (K > 1 — chaque cohorte est plus grande que la précédente, générant une croissance exponentielle), linéaire (K = 1 — chaque cycle ajoute exactement le même nombre d’utilisateurs) ou sous-virale (K < 1 — chaque vague est plus petite que la précédente). Observez le graphique cycle par cycle : un K supérieur à 1 produit une courbe qui s’incurve brusquement vers le haut.

Exemple concret

Partez de 1 000 utilisateurs. Chaque utilisateur envoie 5 invitations et 30 % des invités convertissent. Effectuez 4 cycles de 7 jours chacun.

K = 5 × 0,30 = 1,5, le produit est donc viral. Le nombre cumulé d’utilisateurs atteint environ 13 188 en 28 jours — passant de 1 000 à 2 500 après le cycle 1, 4 750 après le cycle 2, 8 125 après le cycle 3 et 13 188 après le cycle 4.

Questions fréquentes

Qu’est-ce que le coefficient viral (K-factor) ?

Le coefficient viral K est le nombre moyen de nouveaux utilisateurs qu’un utilisateur existant génère en un cycle. Il est égal au nombre d’invitations par utilisateur multiplié par le taux de conversion. Un K supérieur à 1 signifie que chaque cohorte est plus grande que la précédente, produisant une croissance exponentielle cumulative sans dépenses publicitaires supplémentaires.

Qu’est-ce qu’un cycle viral ?

Un cycle viral est le temps qu’il faut à un nouvel utilisateur pour s’inscrire, utiliser le produit et envoyer ses propres invitations. Les cycles typiques vont de quelques jours (applications sociales) à quelques semaines (outils d’entreprise). Des cycles plus courts compriment le calendrier et rendent un K supérieur à 1 beaucoup plus puissant.

Comment améliorer mon K-factor ?

Vous pouvez augmenter K en accroissant soit les invitations par utilisateur, soit le taux de conversion. Parmi les tactiques : des flux de partage fluides dans le produit, des incitations au parrainage et une page d’atterrissage efficace qui transforme les clics d’invitation en inscriptions. Passer simplement le taux de conversion de 20 % à 30 % avec trois invitations par utilisateur fait passer K de 0,6 à 0,9 — un grand pas vers le viral.

Ce modèle tient-il compte du taux de désabonnement ou de la saturation du marché ?

Non — il s’agit d’une projection K-factor pure. Elle ne déduit pas les utilisateurs perdus et ne plafonne pas la croissance à la taille du marché adressable total. La croissance réelle ralentit à mesure que vous atteignez la saturation ; considérez donc les grands chiffres des derniers cycles comme une borne supérieure, non comme une prévision.

Le K peut-il rester au-dessus de 1 indéfiniment ?

En théorie, oui ; en pratique, non. Les taux de conversion baissent à mesure que les audiences faciles d’accès s’épuisent, et les utilisateurs existants sont moins enclins à inviter des contacts dont la plupart ont déjà rejoint la plateforme. Les boucles virales durables sont rares — la plupart des produits se stabilisent quelque part entre sous-viral et 1,2.

Méthode de calcul

Le coefficient viral est K = invitesPerUser × (conversionRate / 100). Le nombre cumulé d’utilisateurs après n cycles est la somme de la série géométrique : startingUsers × (K^(n+1) − 1) / (K − 1) lorsque K ≠ 1, ou startingUsers × (n + 1) lorsque K = 1 exactement. Chaque terme startingUsers × K^i représente la nouvelle cohorte ajoutée au cycle i. Quand K > 1, cette série croît de façon exponentielle ; quand K < 1, elle converge vers un total fini. La dérivation de la formule suit la littérature standard sur les boucles virales (Elman, Ellis et les références citées dans le code source).