Todo lo que aprendimos (y olvidamos) sobre los loops virales en la era Web 2.0

(andrewchen.substack.com)

21 puntos por GN⁺ 2025-11-18 | 2 comentarios | Compartir por WhatsApp

El loop viral (Viral Loop) es un mecanismo de crecimiento diseñado dentro del propio producto, que crea una estructura de adquisición de usuarios medible y optimizable mediante funciones de invitación, compartir y recomendación
En el auge de la Web 2.0 surgieron muchos productos que, usando loops virales, consiguieron decenas de millones de usuarios, pero luego, con el paso a la era móvil, gran parte de ese know-how se perdió
Si diseñas dentro del producto funciones de invitación, compartir y recomendación, y cuantificas el viral factor por sesión y por cohorte, es posible rastrear con fórmulas hasta qué punto se puede amplificar a los usuarios gratuitos
- Si es 1.0 o más, hay aceleración de crecimiento por sí sola; si es menor que 1.0, al final hay desaceleración del crecimiento
Existen los productos de categoría 1, que dependen de un loop de compartición simple y potente, y los productos de categoría 2, que montan varios loops de compartición sobre funcionalidades profundas y una alta retención; en ambos casos, el patrón de crecimiento y sus límites son muy distintos
Debido al cambio a móvil, las restricciones de plataforma, la pérdida del factor novedad y la saturación del mercado, una estructura en la que el viral factor supere 1 en la primera sesión se ha vuelto casi imposible; hoy lo importante es una estructura en la que, cuanto mayor sea la retención, mayor sea el viral factor acumulado al sumar todas las sesiones
Las shitposts, el rage bait y los clips de video que se vuelven virales en social, así como las herramientas de IA generativa, se parecen más a picos de una sola vez, pero cuando se combinan con un loop de “crear y compartir” diseñado dentro del producto, pueden contribuir a la expansión de la base de usuarios a largo plazo

El auge de los loops virales en la era Web 2.0

En el periodo de la Web 2.0 entre 2005 y 2010, las redes sociales, plataformas UGC, herramientas colaborativas y apps de mensajería diseñaron loops virales de forma sistemática para construir bases de usuarios de millones a cientos de millones
- Optimizaron de manera casi ingenieril estructuras en las que los usuarios atraían a otros usuarios mediante invitaciones por correo, importación de contactos y links para compartir contenido
- Fue una época en la que se buscó un “crecimiento diseñado con ingeniería”, siguiendo el viral factor con A/B tests y fórmulas
- Facebook, LinkedIn, YouTube, Spotify y Pinterest crecieron de esta manera
Los fundadores y equipos de productos virales que triunfaron en ese periodo luego pasaron a ser ejecutivos de grandes tecnológicas o VCs, por lo que el conocimiento para construir loops virales prácticamente se perdió
Tras la transición a móvil, los métodos de antes dejaron de funcionar, y buena parte de ese conocimiento y experiencia se diluyó en la práctica
Sin embargo, la misma matemática y forma de pensar siguen aplicándose tal cual al Product-Led Growth, las recomendaciones en marketplaces y los flujos de compartición de IA generativa

Estructura básica para ver el viral factor con fórmulas

El tipo de viralidad del que se habla aquí no es que un tuit explote una sola vez, sino un loop estructural en el que invitaciones, etiquetado, links compartidos y programas de referidos integrados en el producto generan usuarios nuevos de forma continua
Las características de este loop son que se puede medir, se puede mejorar con cambios en el producto y la misma estructura matemática se aplica a diversas formas como invitaciones, compartición de contenido y referidos; en el centro está el concepto de proporción llamado viral factor
El viral factor es una proporción que toma como denominador a la cohorte de usuarios que se registró en un periodo específico y como numerador la cantidad de usuarios nuevos que esa cohorte generó con el tiempo mediante invitaciones o comparticiones
- Ejemplo: si 100 usuarios que se registraron hace 3 meses luego trajeron a 50 personas, el viral factor en ese momento es 0.5
- Si 100 usuarios traen a 150, y esos 150 traen a 225, entonces el viral factor es 1.5
- Si es 1 o más, el loop se expande; si es menor que 1, en algún momento se detiene

Loops de compartición de contenido y diseño de datos

Un ejemplo representativo de loop viral es cuando un usuario crea algo con IA, filtros o herramientas y lo comparte con un link, y parte de quienes lo ven se registran para crear lo mismo por su cuenta
- Los filtros de Instagram, las entradas de blog y las actuales herramientas de generación de video con IA siguen ese mismo patrón
Para cuantificar esto, hay que rastrear los links compartidos agregando a la URL un sharer_id
- Ejemplo: se comparte con un formato como product.com/vid/[video_id]?sharer_id=[user_id], y en la fila del usuario que se registró mediante ese link se guarda el sharer_id
Luego, si se obtiene la lista de id de una cohorte específica y se cuenta cuántas veces aparecen como sharer_id de otros usuarios, se puede calcular el viral factor
- Los usuarios con sharer_id vacío se consideran “usuarios Gen 1/onramp” y se excluyen del cálculo; resulta más estable observar la proporción de Gen N frente a Gen N+1
Una vez calculado el viral factor, la pregunta natural pasa a ser “cómo hacemos crecer este número y si podemos llevarlo por encima de 1”
- Agregar un flujo que pida invitar durante el onboarding, links de invitación fáciles de copiar y mejoras en la UI de compartir
Cuando ya se puede calcular con base en sharer_id, es posible dejarlo fijo como métrica de dashboard y observar los cambios con A/B tests
- Entre las variables de experimentación están la proporción de usuarios que usan la función de compartir, la cantidad de veces que comparten y la tasa de conversión a registro del lado que recibe el contenido compartido; esta combinación funciona como una especie de “cookbook del viral factor”
Es decir, el viral factor no aplica solo a los loops de invitación (invite), sino de forma general a compartición, colaboración y referidos, es decir, a cualquier estructura en la que los usuarios existentes generan usuarios nuevos

La fórmula de “número de invitaciones × tasa de conversión” y sus límites

La fórmula ampliamente conocida en internet de “viral factor = número de invitaciones × tasa de conversión” es intuitivamente correcta, pero tiene la limitación de que solo se restringe a loops basados en invitaciones
- En la práctica existen muchos tipos de loops, como compartición de contenido, invitaciones a colaborar y códigos de referido
Sobre todo, lo que realmente se quiere saber es la proporción entre dos cohortes de usuarios, por lo que una definición basada en cohortes está más cerca de lo esencial
Si uno se obsesiona solo con invitaciones × conversión, termina empujando el diseño hacia hacer que la gente envíe mails de invitación a la mayor cantidad posible de amigos, o sea, hacia un diseño cercano al spam, aumentando el cansancio del usuario
- Redes sociales del pasado como Bebo, Tagged, Hi5 y MySpace hicieron que la gente enviara más de 200 correos de invitación usando la función de importar contactos de Hotmail o Yahoo Mail, elevando artificialmente el viral factor
- Ese enfoque llevó a más envíos a direcciones no válidas → menor tasa de conversión → clasificación como spam por parte de los proveedores de email; funcionó durante cerca de 10 años, pero al final la era de los loops de invitación por correo terminó

Métricas clave de los productos virales y condiciones de PMF

Para distinguir los productos que permanecen después de un pico viral temporal, son útiles como criterio métricas de retención, formación de hábito, efectos de red y monetización como las siguientes
- Si la curva de retención por cohorte se aplana en cierto nivel (proporción de usuarios que se mantienen)
- Si actives/registered es > 25%, es decir, si hay suficientes usuarios realmente activos frente al total de registrados
- Si la curva de power users dibuja una “cara sonriente (smile)” —es decir, si existe un grupo de usuarios fuertemente enganchado en el centro—
Además, las siguientes métricas también sirven para identificar un negocio sostenible
- Viral factor > 0.5 (un nivel suficiente como para amplificar otros canales)
- DAU/MAU > 50% (si se ha formado un hábito de uso cotidiano)
- Si, por mercado o por logo, las redes más antiguas muestran una participación más alta con el tiempo (efecto de red)
- Si D1/D7/D30 supera niveles de 60/30/15 (asentamiento inicial y frecuencia de uso)
- Si los ingresos o la actividad por usuario aumentan con el tiempo (si empiezan a usar el producto con más profundidad)
- Si, a una escala significativa, más del 60% proviene de adquisición orgánica (organic) y no de marketing pagado
Muchas apps virales de la era Web 2.0 y de la plataforma de Facebook consiguieron un viral factor inicial muy alto y mucho boca a boca, pero desaparecieron después del pico porque la retención no las sostuvo
- Es posible volver a adquirir repetidamente a usuarios que se fueron mediante loops virales, pero sin product-market fit y sin una estructura de uso sticky, eso no se convierte en un negocio exitoso

Dos tipos de productos virales: categoría 1 y 2

Los productos virales suelen dividirse en dos categorías
- Categoría 1: apps simples enfocadas en una sola acción, donde el resultado se puede compartir con muchísima facilidad (Instagram en sus inicios, YouTube, varias apps de quizzes y anónimas, etc.)
- Categoría 2: productos complejos con funciones profundas y alta retención, que incorporan varias funciones de compartir y colaboración (Figma, Slack, Facebook en sus inicios, etc.)
La categoría 1 puede generar con facilidad crecimiento explosivo y el patrón de “hacerse famosa de la noche a la mañana” gracias a flujos cortos y alta conversión, pero arrastra el problema del abandono tras el pico y una baja retención acumulada
La categoría 2 tarda más en construirse y su crecimiento inicial es más gradual, pero como los usuarios adquiridos no se van fácilmente, tiene una estructura capaz de acumular factor viral acumulado a lo largo de muchas sesiones
Actualmente, una gran parte de las herramientas de generación de contenido con IA sigue el patrón de la categoría 1 (generar algo simple → compartir), por lo que comparten fortalezas del pasado como los filtros de fotos y servicios de video (crecimiento rápido), pero también sus debilidades (problemas de retención después del pico)

Estructura paso a paso y fórmula del loop simple de creación de contenido

Un loop simple de creación y compartición de contenido pasa por las siguientes etapas
- Alguien ve en internet un resultado creado por otra persona →
- Ve o aprecia ese resultado →
- Hace clic en el enlace del resultado y entra a la herramienta de creación →
- Usa la herramienta y prueba crear algo por sí mismo →
- Comparte de nuevo lo que creó en redes sociales, mensajería, etc. →
- Más personas lo ven y repiten el mismo proceso
En cada etapa existen métricas de funnel como tasa de visualización, CTR, tasa de creación, tasa de compartición y cantidad de personas expuestas. Si el producto de esas métricas, multiplicado por “cuántas personas ven en promedio cada compartición (X)”, supera 1, el loop puede crecer de forma explosiva
Por ejemplo, si se usan valores como 0.5(visualización) * 0.1(clic) * 0.2(creación) * 0.5(compartición) * X, para que haya viralidad ese resultado debe superar 1
- Como las primeras cuatro cifras multiplicadas dan 0.005, para que el loop llegue a 1 o más, más de 200 personas tendrían que ver el resultado cada vez que se comparte
- Como estas cifras son muy sensibles, cambios pequeños en la UI o en el contenido pueden afectar mucho a todo el loop
Si se toma como referencia el factor viral (v), la tasa total de amplificación de usuarios, vista como una suma geométrica de entradas por generación, sigue la estructura 1/(1-v)
- Cuando el factor viral es pequeño, en datos reales muchas veces solo se observa un aumento tan leve que queda enterrado en el ruido y es difícil de distinguir a simple vista
- Ejemplo: si entran 100 personas por día y el factor viral es 0.1, la amplificación final es de 1.11x, o sea apenas 11 usuarios extra
- Si v=0.5, entonces 1/(1-0.5)=2, lo que equivale a sumar otros 100 usuarios virales encima de los 100 traídos con inversión pagada
Es decir, con v=0.5 el efecto es de 2x, con v=0.75 de 4x y con v=0.9 de 10x
- Las mismas 100 entradas pueden terminar en una amplificación perceptible como 200 usuarios finales (2x), 400 (4x) o 1000 (10x), lo que compensa fuertemente el costo del marketing pagado
Por eso, en el diseño real no basta con pensar “algo de viralidad ya ayuda”, sino que hay que crear una estructura que pueda empujar ese valor por encima de 0.5

Por qué el rendimiento viral cae con el tiempo

Los loops virales tienden a moverse con el tiempo en una dirección donde su rendimiento disminuye de forma natural
- Desaparece el efecto de novedad, el mercado se satura y las plataformas endurecen sus restricciones
Cuando aparece un nuevo tipo de contenido o herramienta, la gente tiende mucho más a verlo, hacer clic y probarlo, pero a medida que ese formato de compartición se vuelve común, se repite el patrón de caída general en esas métricas
- Por ejemplo, al principio las imágenes de IA se compartían mucho incluso si mostraban fotos con seis dedos porque resultaban novedosas, pero hoy hace falta un nivel de sorpresa mucho mayor
A medida que avanza la saturación del mercado, buena parte de la lista de amigos que un usuario querría invitar ya está registrada o no tiene interés, así que disminuye la cantidad de invitaciones efectivas
- Además, los usuarios que llegan en etapas tardías tienden a ser adoptantes tardíos y menos propensos al boca a boca, lo que reduce el factor viral general
- En el caso de las invitaciones vía libreta de correos, al principio se lograban altas tasas de apertura y clic enviando a más de 200 contactos, pero después de reunir decenas de millones de usuarios, se redujo la cantidad de contactos disponibles y también cayeron las tasas de apertura y clic
Todo loop viral funciona sobre una plataforma base (email, Facebook, TikTok, etc.)
- Si proliferan los contenidos cargados de marcas de agua o enlaces, la plataforma puede aplicar políticas para frenarlos
- Es decir, si la plataforma empieza a rechazar contenido con marca de agua o links, o lanza funciones competidoras, la tasa de conversión en alguna etapa puede desplomarse y hacer colapsar todo el loop

Límites de las apps hipersimples y efecto de red

Las apps hipersimples e hipervirales tienen una estructura de producto compuesta por pocas pantallas y unos cuantos elementos de UI, y esa estructura en sí misma tiene el potencial de generar retención muy profunda si hay suficiente contenido y red
- YouTube e Instagram son ejemplos de cómo una UI central muy simple y una enorme red de contenido pueden dar una experiencia infinitamente absorbente aunque parezcan apps pequeñas
En este tipo de productos, aunque con el tiempo se agreguen muchas funciones, la cantidad de contenido y los efectos de red permiten seguir mostrando cosas nuevas sin fin incluso con una estructura de app pequeña
En cambio, las apps que solo tienen un truco viral pero no acumulan contenido, grafo o hábito repiten el patrón de quedarse casi sin base de usuarios una vez pasado el pico

Límites de las técnicas modernas de viralidad social (shitposting, etc.)

En redes sociales, lo que hoy se llama “viral” suele ser una mezcla de tácticas como ragebait (provocar enojo), shitposting, videos de lanzamiento llamativos, clips de TikTok, billboards, viralidad con influencers y la conversión del fundador en influencer
Estas técnicas sirven muy bien para generar picos de tráfico de una sola vez, pero
- tienen la limitación de estar lejos de una estructura que escale exponencialmente manteniendo la proporción nuevos usuarios / DAU a medida que el DAU crece
- si el mismo formato se repite mes a mes o semana a semana, su efecto tiende a caer cada vez más por inercia y fatiga
Aun así, estas tácticas siguen siendo herramientas válidas porque, si el tráfico que traen se combina con el loop interno de “crear y compartir” del producto, un pico puede convertirse en la semilla de un crecimiento repetible

El fin de la viralidad Web 2.0 y la transición al móvil

En el auge de la Web 2.0 surgieron muchos casos que llegaron “de cero a millones de usuarios” usando invitaciones por email, importación de contactos y apps de Facebook
- Facebook, LinkedIn, YouTube, Spotify y Pinterest, entre muchos otros servicios, crecieron sobre esa base
- Servicios como BirthdayAlarm (emails de recordatorio de cumpleaños) y Plaxo (solicitudes de actualización de contactos) hacían girar loops de invitación bajo la premisa de mantener actualizados los cumpleaños y contactos de los amigos, y ese mecanismo luego dio paso al surgimiento de las redes sociales
Con el tiempo, los usuarios se acostumbraron a esos patrones, los proveedores de email reforzaron los filtros anti-spam y, de forma decisiva, el centro del mundo pasó del email al móvil, lo que hizo más difícil reproducir la misma estructura
En móvil seguía siendo posible acceder a los contactos, pero por la UX de elegir números uno por uno para invitar, era difícil hacer invitaciones masivas de 200 personas como en el email
- Hubo intentos de hacer que servidores como Twilio enviaran mensajes SMS en nombre del usuario, pero eso derivó en problemas de spam por SMS y riesgos regulatorios y de multas, por lo que no fue sostenible
Como resultado, la era de las apps hipersimples e hipervirales que superaban un factor viral de 1 en la primera sesión prácticamente terminó, y hoy lo normal es que el factor viral ronde 0.2~0.3

Estrategia viral moderna centrada en retención: mezcla de canales y suma entre sesiones

Hoy, el crecimiento de una app se entiende en gran medida como la combinación de dos elementos, en lugar de depender de empujar invitaciones de forma excesiva
- 1. múltiples canales de top of funnel (SEO, social, PR, publicidad pagada, referidos, etc.)
- 1. un factor viral que se acumula a lo largo de todas las sesiones gracias a una retención fuerte
Primero, se necesita una estructura que haga fluir nuevos usuarios de forma constante desde varios canales, como marketing pagado, referidos, boca a boca, SEO, prensa y redes sociales
- En el caso de Uber, aproximadamente la mitad del primer viaje proviene de marketing pagado, entre 10% y 20% de referidos, y el resto de boca a boca, SEO, etc.
Segundo, si el producto tiene una retención fuerte que genera muchas sesiones de usuario,
- en cada sesión puede impulsar un poco de sharing, invitaciones o referidos para crear un factor viral total que suma los factores virales de cada sesión
En vez de pensar en “número de invitaciones × tasa de conversión”, hay que verlo como una suma infinita del tipo factor viral de la sesión 1 + factor viral de la sesión 2 + …
- La fórmula simple número de invitaciones × tasa de conversión asume implícitamente que toda la viralidad ocurre solo en la primera sesión, pero en la práctica los usuarios tienen decenas o cientos de sesiones y pueden compartir o invitar un poco en cada una
- Por eso, una forma más cercana a la realidad es ver el factor viral como la suma de los factores virales de cada sesión a lo largo de toda la curva de retención

Reparto del rol viral entre el onboarding y las sesiones posteriores

Empíricamente, la mitad del factor viral total se genera en la primera sesión, y la otra mitad en las sesiones posteriores
- En la primera sesión, el usuario está en modo de configuración, haciendo cosas como configurar su workspace o invitar amigos y colegas, por lo que es natural poner al frente las funciones de invitación
- A partir de la segunda sesión, el usuario ya está en modo de esperar valor, así que para llevarlo a un flujo viral, la función debe ser útil dentro de ese contexto
En productos reales, coexisten varios tipos de loops virales, y cada uno funciona en momentos y contextos distintos
- Ejemplo de Dropbox: compartir carpetas, la función de invitación, el programa de referidos y los loops virales de otras apps de Dropbox contribuyen cada uno de forma distinta
- Ejemplo de Uber: además del crédito por referidos dentro de la app, la experiencia de viajar con amigos, compartir el ETA y otras exposiciones IRL o basadas en funciones actúan como loops que atraen nuevos usuarios
El rendimiento de cada loop es diferente, pero en conjunto se forma una estructura en la que el usuario atrae a otras personas al producto de distintas maneras a lo largo de múltiples sesiones
Cuanto mayor es la retención, más oportunidades tiene el usuario de exponerse a varios loops, por lo que esto se vuelve la base para aumentar el factor viral a largo plazo sin usar UI spammy

Relación entre retención y viralidad spammy

Un producto con muchas sesiones y alta retención puede lograr un factor viral total grande incluso si en cada sesión solo impulsa un poco el sharing o las invitaciones, por lo que necesita menos depender de invitaciones forzadas y spammy
- En cambio, un producto de baja retención con apenas 2 o 3 sesiones promedio tiene que exprimir toda la viralidad dentro de ese margen, y por eso termina pidiendo invitaciones de forma agresiva, visible y casi spam
Facebook en sus inicios, frente a otras redes sociales competidoras, es un ejemplo de cómo pudo obtener viralidad de largo plazo solo con una función de invitación por email discretamente ubicada en la barra lateral derecha, gracias a su alta retención
- En cambio, las redes sociales rivales que dependían de invitaciones spam terminaron perdiendo frente a Facebook por su baja retención y el cansancio de los usuarios
A largo plazo, el enfoque que combina un producto con alta retención + loops menos spammy termina teniendo ventaja tanto en experiencia de usuario como en crecimiento

El valor de un factor viral menor que 1 y la “velocidad”

En la práctica, es raro que el factor viral supere 1, y muchas veces se estabiliza alrededor de 0.2 a 0.3
Aun así, si v=0.2, traer 1000 personas por canales pagados u otros equivale a sumar 200 usuarios adicionales gratis, por lo que el efecto de descuento sobre el CAC puede ser bastante significativo
En viralidad también es importante el concepto de velocidad (speed)
- Las apps sociales de uso frecuente generan múltiples shares e invitaciones por día, así que incluso con el mismo factor viral crecen más rápido
- En cambio, herramientas que se usan en segundo plano, como almacenamiento o backup de archivos, pueden tener una función de recomendación que se usa quizá una vez al mes, así que aunque la viralidad acumulada sea grande, la velocidad de crecimiento puede ser baja
En productos de consumo o prosumer que apuntan a cientos de millones de usuarios en el largo plazo, es indispensable una estructura donde canales gratuitos o de bajo costo, como viralidad, SEO y optimización en tiendas, cubran la escala a la que el marketing pagado por sí solo no puede llegar

Loops virales y spikes de top of funnel en la era de la IA

En resumen, cosas como shitposting, rage bait, videos de lanzamiento cinematográficos, billboards o patrocinios con influencers se parecen más a herramientas para generar spikes en el top of funnel que a loops repetibles
- Aun así, por sí solos no son una estructura que eleve de forma sostenida la proporción de nuevos usuarios frente al DAU, y no tienen el mismo nivel de reproducibilidad ni defensibilidad que los loops virales diseñados dentro del producto
Muchas herramientas generativas de IA de la generación actual convierten parte de ese interés momentáneo en crecimiento estructural dentro del producto al ofrecer a los usuarios un loop de “crear algo → compartirlo”
Como el contenido generado por IA encaja muy bien con formatos que funcionan especialmente bien en las plataformas sociales modernas, como videos cortos o clips embebidos, la capacidad de propagación de los loops de sharing de contenido está siendo alta
Es decir, la teoría viral clásica (factor viral basado en cohorts, retención, suma de múltiples loops y mezcla de canales) sigue siendo válida y, en última instancia, la combinación de diversos spikes de top of funnel + loops virales estructurados dentro del producto + alta retención sigue siendo la estructura clave para construir crecimiento sostenible incluso en la era de la IA

2 comentarios

laeyoung 2025-11-20

Me acordé de un artículo que salió hace un mes en The New York Times, "Is Going Viral Dead (¿Se acabó lo viral?)", y lo dejo aquí como referencia.