前段时间笔者的一个客户咨询：目前的自然安装量（ASO带来的）是在稳步增加的，广告预算每天保持100美金，成本也是非常低的，但是付费流量带来的用户行为并没有跟踪，比如留存和付费情况，我说在做好跟踪的同时，可以增加移动广告预算？对方问了一个问题：增加付费广告预算会不会影响自然安装量呢？会不会很多自然量被抢走成为付费量呢？付费量会不会偷走一些自然量呢？这个问题问得好，笔者今天就详细说一下。
移动广告中APP付费安装是如何影响自然安装的
上面的提问者是新手，她并不知道，在移动设备上，普遍认为付费安装和自然安装之间有着明确的关系。 也就是说，付费流量越多，自然流量就越好。 这个说法甚至有自己的名字“ K-因子”。
K因子最初是一个用来定义社交共享度量的术语，即份额与安装的关系。 但是，随着时间的流逝，这句话逐渐变了。 为了本文的研究结论，我们将讨论付费带来的自然安装次数。 尽管这很普遍，但这是一个相对未知的领域，我们花费了大量的时间研究获取数据，来表明K因子是否存在，如果存在，它的确有多大因素。
因此，我们着手证明这一点，并分析了成千上万的应用程序来满足两个问题：付费安装会影响自然搜索吗？ 而且，如果是这样，那么现实中的关系有多牢固？
K-factor是什么
K-Factor是对自然安装是否受付费安装影响的基本评估。 因此，从理论上讲，如果我为大量流量付费，那么基于印象和展示，应用程序商店排名和病毒性传播等许多因素，我们也应该看到自然用户的自然增长。在这里，我们将对此进行测试，确定K因子是否确实存在，以及（如果存在）其影响力。
K factor是如何计算出来的
我们可以通过把最初的问题重写为等式，找出K因子：y=f(x)
y =随机安装，x =付费安装，f(x)=X的某个函数。
然后，假设X和Y之间存在线性相关性（即，自然安装次数和付费安装次数之间的关系在付费安装次数上是恒定的），我们可以测试更发达的模型。 我们的假设是，对于给定的应用程序，如果它们的大小（安装）增加或减少，则其K因子将保持恒定。 因此，我们的公式变为：
y = b * X b =我们要估计的系数
由于我们正在分析每周时间序列数据，因此我们面临一些局限性：模型中必须包含两个时间序列Y和X（固定均值，变化和自相关）。我们的X和Y不稳定，因此我们采用了这些时间序列的第一个差异。 这种方法的优点是我们不会丢失结果的可解释性，因此我们仍然可以解释绝对的变化。之后，模型变为：Y * = b * X * Y * =有机安装的第一差（绝对增长）X * =每周付费安装的第一差（绝对增长）b = K因素本身。如果在当前周中，相对于前一周我们将付费安装量更改了一个单位，那么我们可以预期，相对于前一周的自然安装量将更改为b。
我们用来计算k factor的数据
我的同事Roman从一年的安装中获取了样本，查看每个单独应用的每周数据。 他在2016年11月21日至2017年11月26日之间进行了测试。 我们样本中的应用程序必须满足三个条件：
必须在50多个星期内（从上述日期开始）始终从付费和自然来源中安装应用程序 & 应用每周必须获得500多次平均安装 & 在此期间，付费安装和自然安装的最初差异（绝对增长）必须保持稳定。 这意味着它们不受季节性或其他趋势的影响。
根据样本标准，我们总共分析了1345个应用程序。 按操作系统划分，我们研究了711个Android应用程序和iOS上的634个应用程序。
我们发现了什么
我们最终发现，尽管K-Factor确实存在，但它不适用于市场上的大多数应用。我们的样本中有30％具有K因子。 对于这30％的数据，我们的数据团队确定中值K因子为0.45。 这意味着每100个付费安装，您将另外获得45个自然安装。 那只是中位数。 在我们的示例中，我们还发现一些应用获得了数百个（甚至数千个）额外安装。
付费安装广告和自然安装是如何相互影响的
要确定您的付费安装是否会影响您的自然搜索，请查看您的付费安装量。 它不应低于整体有机安装量。 两者比较，付费安装量必须占您自然购买总数的65％，才能使您的应用受K-Factor影响。 因此，如果您获得100次自然安装，则必须至少获得65次付费安装才能使K-Factor发生。对此的一种可能解释是，当您具有大量的自然安装时，很难吸引到新的自然用户。
也就是说，对于整体下载量较低的应用程序，我们看到了一种趋势，从付费到自然，基本上没有任何影响。 实际上，拥有最大用户群的应用程序也拥有最大的K因子，并且在付费广告中获得了很大的影响，从而促进了自然安装。与我们在平台之间看到的并没有真正的区别：iOS和Android的行为几乎相同。
我们还深入研究了K因子与垂直应用之间的差异。 我们从研究游戏开始，我们发现K因子影响了22.5％（470个应用程序），而非游戏（871个应用程序）则占33.6％。 因此，在这里，游戏应用受K因子的影响较小。 实际上，相比之下，电商应用（其中158个）的K因子存在比例更高：38.6％，而非购物应用的K因子可能性则为28.5％。
最后，应用的生命周期（从发布日期开始）与具有K因子或K因子强度的可能性之间没有明显的依存关系。 这意味着无论应用程序有多老，总是存在K因子的机会。
既然发现并证明了K因子，那我们如何增加自然安装量呢
我们找到了K因子，但这对大多数营销人员意味着什么？ 找出影响K-Factor的因子，并尽可能地对其进行改进和优化，对于增加付费产生的有机安装量至关重要。 病毒传播，ASO和创建旨在分项的应用程序是破解K-Factor的关键，因此，让我们先简单介绍一下它们是如何在整体上改进K-Factor中发挥作用的。
ASO（应用商店优化）
对于自然下载而言，比好的ASO更重要的还有什么？ ASO最大的排名因素之一是下载量。 因此，无论用户是付费用户还是自然付费用户，庞大的安装量将有助于提高其排名。 当应用商店看到一致的流量，并且活跃用户的集合不断增加时，排名就会增加并巩固，从而形成一个自然安装影响付费，付费安装影响自然安装的健康圈子，进而导致更大的K因子。
病毒性传播
引起轰动的应用程序可以收获K-Factor的回报。 病毒式传播的应用受益于各种覆盖范围，以及自然流量和付费参与度的增加。 如果用户听说过，他们会毫不犹豫地点击“安装”。 之后这将为重新定位和重新参与等广告活动扫清更多的障碍。
移动广告中APP付费安装是如何影响自然安装的
增加分项机制
简而言之，可以共享的应用程序极大地受益于K-因子。 无论是多人游戏还是允许用户分摊费用的旅行应用程序，鼓励用户与朋友共享该应用程序，都可以将一次付费安装变成三到四个或更多的自然用户。