DAU, WAU и MAU: как измерять активность пользователей и оценивать развитие продукта

Для оценки эффективности мобильного приложения или онлайн-сервиса недостаточно знать количество регистраций и установок. Пользователь может скачать приложение, открыть его один раз и больше не возвращаться. Поэтому при анализе цифровых продуктов важно отслеживать не только размер аудитории, но и её реальную активность.
Для этого используют три взаимосвязанные метрики: DAU, WAU и MAU. Они показывают, сколько уникальных пользователей взаимодействовали с продуктом за день, неделю и месяц. Сравнение этих показателей помогает оценивать востребованность сервиса, выявлять изменения в поведении аудитории и определять направления развития.
Разберём, что означают DAU, WAU и MAU, как рассчитывать эти показатели, какие дополнительные метрики стоит учитывать и как повысить активность пользователей.

Что означают DAU, WAU и MAU

DAU, WAU и MAU — показатели активной аудитории, которые применяются в продуктовой аналитике, мобильной разработке и интернет-маркетинге. Они помогают определить, насколько регулярно пользователи возвращаются к цифровому продукту.
DAU (Daily Active Users) — количество уникальных активных пользователей за день.
WAU (Weekly Active Users) — количество уникальных активных пользователей за неделю.
MAU (Monthly Active Users) — количество уникальных активных пользователей за месяц.
Основное различие между метриками заключается в продолжительности периода наблюдения. При этом один человек учитывается только один раз в пределах выбранного временного окна, даже если он открывал приложение несколько раз.
Например, если пользователь запустил приложение пять раз за день, в DAU он будет учтён как один активный пользователь. Если на следующий день он снова воспользуется сервисом, то попадёт в расчёт DAU уже за новую дату.
Эти показатели не следует путать с количеством установок, регистраций или сессий. Они отражают активность аудитории, а не общее число людей, когда-либо познакомившихся с продуктом.

Чем отличаются DAU, WAU и MAU

Каждая метрика подходит для оценки определённого аспекта поведения аудитории.

Выбор показателя зависит от того, как часто пользователям требуется продукт.
Например, для мессенджера ежедневное использование может быть естественным поведением. Для сервиса покупки авиабилетов посещение раз в несколько недель или месяцев тоже может свидетельствовать о нормальном взаимодействии.
Поэтому низкий DAU не всегда говорит о проблемах с продуктом. Важно учитывать его назначение и привычный цикл использования.

Как рассчитать DAU, WAU и MAU

Основной принцип расчёта одинаков для всех трёх показателей: необходимо определить количество уникальных пользователей, выполнивших установленное условие активности за выбранный период.
DAU = количество уникальных активных пользователей за день.
WAU = количество уникальных активных пользователей за неделю.
MAU = количество уникальных активных пользователей за месяц.
Для расчёта необходимо предварительно определить, какое действие считается активностью. Это может быть запуск приложения, отправка сообщения, просмотр определённого раздела, оформление заказа или использование ключевой функции.
Предположим, у мобильного приложения есть пять пользователей. В понедельник сервис открыли трое, во вторник — четверо, а в течение первой недели каждый из пяти пользователей хотя бы раз воспользовался приложением.
В этом случае DAU будет различаться по дням, а WAU за первую неделю составит пять человек.
Если один пользователь открывает приложение несколько раз в день, повторные запуски не увеличивают DAU. Аналогично при расчёте WAU и MAU один человек учитывается один раз в пределах соответствующего периода.

Пример расчёта дневной активности

Предположим, статистика использования приложения за несколько дней выглядит следующим образом:

Рассчитаем DAU:

• Понедельник — 3 пользователя.
• Вторник — 4 пользователя.
• Среда — 2 пользователя.
• Четверг — 3 пользователя.
• Пятница — 4 пользователя.

Теперь определим WAU за эту пятидневную часть недели. Общее количество уникальных пользователей, которые хотя бы раз воспользовались приложением, составляет пять человек.
При расчёте WAU за полную неделю необходимо учитывать все семь дней выбранного периода. Если в выходные появятся новые активные пользователи, недельное значение увеличится.
Важно: складывать ежедневные значения DAU для получения WAU нельзя, поскольку один человек может пользоваться приложением в разные дни.

Почему WAU и MAU нельзя получить простым умножением

Недельная и месячная активная аудитория не рассчитываются умножением DAU на семь или WAU на четыре.
Например, один пользователь может заходить в приложение ежедневно, а другой — только по выходным. При этом оба будут учитываться в недельном показателе по одному разу.
Для корректного расчёта необходимо объединить пользователей за весь период и исключить повторный учёт одного человека.

Как определить активного пользователя

Точность DAU, WAU и MAU зависит от того, кого компания считает активным пользователем. Если критерии не определены, статистика может не отражать реального взаимодействия с продуктом.
Например, для одного сервиса достаточно открытия приложения, а для другого активностью считается выполнение конкретного действия.
Перед настройкой аналитики следует определить несколько параметров.
Критерий активности. Зафиксируйте событие, которое подтверждает взаимодействие с продуктом. Это может быть вход в аккаунт, отправка сообщения, просмотр товара или создание отчёта.
Идентификация пользователя. Выберите способ распознавания уникальных пользователей. Для авторизованных сервисов можно использовать внутренний идентификатор User ID. Для неавторизованных посетителей применяют доступные идентификаторы устройства или браузера.
Период расчёта. Определите, используются ли календарные дни и месяцы или скользящие окна, например последние семь или тридцать дней.
Часовой пояс. Для ежедневных показателей необходимо установить единое время смены суток, особенно если продуктом пользуются в разных регионах.
Исключение технического трафика. По возможности исключайте тестовые аккаунты, автоматические запросы, ботов и внутренние проверки сотрудников.
Правила учёта нескольких устройств. Если один человек пользуется приложением на смартфоне и компьютере, необходимо учитывать, может ли аналитическая система объединять эти действия в один профиль.
Единые правила позволяют корректно сравнивать показатели между периодами и не принимать технические изменения за реальные изменения поведения аудитории.

Календарные периоды и скользящие окна

При настройке аналитики важно различать два подхода к определению недельной и месячной активности.
Календарное окно охватывает фиксированный период: например, понедельник — воскресенье или календарный месяц.
Скользящее окно учитывает последние семь или тридцать дней относительно выбранной даты.
Например, MAU за октябрь показывает активных пользователей в период с 1 по 31 октября. MAU на 29 октября при скользящем расчёте может охватывать период с 30 сентября по 29 октября.
Оба подхода могут использоваться в аналитике, но дают разные результаты. Поэтому при сравнении данных необходимо придерживаться одной методики.

Sticky Factor: как оценить регулярность использования

Sticky Factor, или коэффициент «липкости», показывает, насколько часто пользователи возвращаются к продукту. Для его расчёта сопоставляют дневную активную аудиторию с недельной или месячной.
Weekly Sticky Factor = (DAU / WAU) × 100%.
Monthly Sticky Factor = (DAU / MAU) × 100%.
Предположим, у сервиса DAU составляет 800 пользователей, а WAU — 4 000.
Weekly Sticky Factor = (800 / 4 000) × 100% = 20%.
Это означает, что количество активных пользователей за день составляет 20% от недельной аудитории.
Теперь рассчитаем месячный показатель. Если MAU равен 10 000, получаем:
Monthly Sticky Factor = (800 / 10 000) × 100% = 8%.
Sticky Factor помогает оценивать регулярность взаимодействия, но не является универсальным показателем качества продукта. Его значения необходимо интерпретировать с учётом особенностей сервиса и выбранного периода.
Например, для мессенджера ежедневное использование ожидаемо, а для приложения, предназначенного для ежемесячной оплаты счетов, более низкий показатель может быть нормальным.

Какие ещё метрики полезно анализировать вместе с DAU, WAU и MAU

Активная аудитория показывает масштаб использования продукта, но не объясняет все причины изменения поведения пользователей. Для более полной картины её сопоставляют с другими продуктовыми и финансовыми показателями.

Retention Rate и Churn Rate

Retention Rate показывает долю пользователей, сохранивших активность после определённого периода. Churn Rate отражает долю пользователей, прекративших пользоваться продуктом по установленным критериям.
Эти метрики помогают понять, обусловлен ли рост MAU привлечением новой аудитории или пользователи действительно продолжают возвращаться.

ARPU и ARPPU

ARPU (Average Revenue Per User) — средняя выручка на одного пользователя за выбранный период.
ARPU = Выручка за период / Количество пользователей за период.
Например, приложение принесло 120 000 рублей выручки за месяц, а число активных пользователей за этот месяц составило 6 000.
ARPU = 120 000 / 6 000 = 20 рублей.
ARPPU (Average Revenue Per Paying User) показывает среднюю выручку на одного платящего пользователя.
ARPPU = Выручка за период / Количество платящих пользователей за период.
Если из 6 000 активных пользователей платили 800 человек, ARPPU составит 150 рублей.
При расчёте необходимо согласовать период выручки и период активности, а также учитывать, что некоторые системы используют в знаменателе всех пользователей, а другие — активную аудиторию.

LTV

LTV (Lifetime Value) отражает ценность клиента за весь период сотрудничества с компанией. В зависимости от методики показатель рассчитывают по выручке или валовой прибыли.
LTV помогает оценить долгосрочную отдачу от привлечённой аудитории и сопоставить её со стоимостью привлечения клиента.
Высокие DAU и MAU не гарантируют прибыльности продукта. Для оценки коммерческой эффективности необходимо учитывать платящих пользователей, расходы, удержание и доходность.

Как улучшить DAU, WAU и MAU

Рост активной аудитории может быть связан с привлечением новых пользователей, повышением частоты использования или возвращением людей, которые ранее перестали взаимодействовать с продуктом. Чтобы улучшать показатели системно, необходимо определить причины текущей динамики.

1. Упростить первый запуск

Пользователь должен быстро понимать, как работает продукт и какую пользу он может получить. Сложная регистрация, большое количество обязательных полей и непонятные инструкции могут мешать началу использования.
Помогают короткий онбординг, подсказки по основным функциям и возможность быстро выполнить первое полезное действие.

2. Улучшать пользовательский опыт

Ошибки, медленная загрузка и неудобная навигация способны снижать частоту использования приложения.
Для поиска проблем анализируют технические события, поведение пользователей и обратную связь. Изменения интерфейса желательно проверять на данных, а не только на субъективных оценках.

3. Развивать полезные функции

Новые возможности должны решать реальные задачи аудитории. Добавление функций ради увеличения их количества не гарантирует роста активности.
Перед разработкой полезно изучить обращения пользователей, результаты исследований и наиболее востребованные сценарии использования.

4. Персонализировать коммуникации

Push-уведомления и электронные письма могут напоминать о незавершённых действиях, новых возможностях и важных событиях.
При этом массовые и слишком частые сообщения способны вызывать раздражение. Коммуникации необходимо адаптировать к интересам пользователя и учитывать его согласия.

5. Возвращать неактивных пользователей

Если пользователь давно не открывал приложение, можно проверить, что мешает ему вернуться. В зависимости от ситуации используют персональные предложения, информацию об обновлениях или напоминания о полезных возможностях.
Результат таких кампаний необходимо оценивать не только по числу открытий, но и по последующей активности и удержанию.

6. Анализировать когорты

Когортный анализ позволяет сравнивать группы пользователей, объединённых датой регистрации, первым использованием или источником привлечения.
Например, можно выяснить, сохраняют ли активность пользователи из органического поиска лучше, чем аудитория рекламных кампаний. Это помогает корректировать маркетинговую стратегию.

7. Проверять гипотезы

Изменения онбординга, уведомлений, навигации и функций можно оценивать с помощью экспериментов.
Чтобы определить реальное влияние нововведения, важно заранее выбрать метрику успеха, сформировать сопоставимые группы и обеспечить достаточную продолжительность наблюдения.

8. Учитывать специфику продукта

Для мессенджера, игры, интернет-магазина и корпоративного сервиса причины возвращения различаются.
Например, в B2B-системе активность может быть связана с рабочими задачами и периодическими отчётами, поэтому оценивать продукт только по ежедневным входам не всегда корректно.

Как интерпретировать изменения DAU, WAU и MAU

Для принятия решений важно анализировать не только абсолютные значения, но и соотношение показателей.
DAU растёт, MAU остаётся стабильным. Возможно, существующие пользователи стали чаще возвращаться. Стоит проверить частоту использования и Sticky Factor.
MAU увеличивается, DAU почти не меняется. Месячная аудитория расширяется, но не обязательно становится более активной ежедневно. Необходимо изучить поведение новых пользователей и частоту их посещений.
DAU и MAU снижаются. Возможны сезонное падение спроса, технические проблемы, уменьшение притока аудитории или ухудшение удержания. Причину нужно проверять по дополнительным данным.
Активность растёт после рекламной кампании. Следует выяснить, возвращаются ли привлечённые пользователи после первого взаимодействия и совершают ли целевые действия.
Ни один из этих сценариев не позволяет сделать окончательный вывод без анализа контекста. Полезно сопоставлять динамику активной аудитории с удержанием, источниками трафика, конверсиями и финансовыми результатами.

Частые ошибки при работе с DAU, WAU и MAU

Подмена активных пользователей количеством установок

Установка показывает факт загрузки приложения, но не подтверждает его дальнейшее использование. Для расчёта активной аудитории необходимо учитывать реальные действия.

Повторный учёт одного пользователя

Если считать каждую сессию отдельным пользователем, показатели будут завышены. Внутри выбранного периода необходимо учитывать уникальных пользователей.

Изменение критериев активности

Если сначала активностью считался запуск приложения, а затем только покупка, сравнивать полученные показатели напрямую некорректно.

Смешивание календарных и скользящих периодов

MAU за календарный месяц и активность за последние 30 дней могут различаться. Метод расчёта необходимо фиксировать.

Игнорирование часового пояса

Для международных продуктов изменение времени смены суток может влиять на дневную статистику. Особенно важно учитывать это при сравнении регионов.

Оценка продукта только по DAU

Высокая ежедневная активность не гарантирует удержания, роста выручки или удовлетворённости пользователей. Для комплексной оценки нужны дополнительные метрики.

Попытка повысить показатели любой ценой

Увеличение числа уведомлений или искусственное стимулирование входов может временно повысить активность, но не обязательно улучшит пользовательский опыт. Приоритетом должна оставаться полезность продукта.

Как организовать мониторинг активной аудитории

Для системной работы с метриками необходимо закрепить правила расчёта и регулярно анализировать результаты.

1. Определите целевое действие, которое подтверждает активность пользователя.
2. Выберите способ идентификации уникальных пользователей.
3. Зафиксируйте временные окна и часовой пояс.
4. Настройте сбор событий в аналитической системе.
5. Рассчитывайте DAU, WAU и MAU по единой методике.
6. Сопоставляйте результаты с предыдущими периодами.
7. Анализируйте активность по источникам трафика, устройствам и пользовательским сегментам.
8. Дополняйте отчёты показателями удержания, конверсии и выручки.
9. Проверяйте причины существенных изменений.
10. Формулируйте гипотезы и оценивайте результаты внесённых изменений.

Для небольшого проекта достаточно регулярно выгружать данные в электронные таблицы. При большом объёме событий удобнее использовать системы продуктовой аналитики и автоматизированные отчёты.

Часто задаваемые вопросы

Что такое DAU простыми словами?
DAU — количество уникальных пользователей, которые выполнили установленное действие в приложении или сервисе за один день.

Что означает MAU?
MAU показывает количество уникальных активных пользователей за месяц или выбранное скользящее окно продолжительностью 30 дней.

Чем WAU отличается от MAU?
WAU отражает активность за неделю, а MAU — за месяц. Эти показатели помогают оценивать использование продукта с разной периодичностью.

Можно ли рассчитать WAU как сумму DAU за неделю?
Нет. Один человек может пользоваться сервисом в разные дни, поэтому сумма DAU будет учитывать его повторно. Для WAU необходимо посчитать уникальных пользователей за весь период.

Какой показатель важнее: DAU или MAU?
Это зависит от продукта. Для сервисов ежедневного использования важен DAU, а для приложений с более редкими сценариями использования полезнее анализировать WAU и MAU.

Что показывает Sticky Factor?
Он отражает соотношение дневной активной аудитории с недельной или месячной и помогает оценивать регулярность возвращения пользователей.

Почему DAU может снижаться при росте MAU?
Это возможно, если месячная аудитория увеличивается за счёт пользователей, которые заходят редко. Необходимо проверить частоту использования и удержание новых когорт.

Какие инструменты использовать для анализа?
Можно применять встроенную аналитику приложения, системы продуктовой аналитики, CRM и электронные таблицы. Выбор зависит от объёма данных и задач проекта.

Заключение

DAU, WAU и MAU помогают оценивать масштаб активной аудитории цифрового продукта за день, неделю и месяц. Эти метрики позволяют отслеживать динамику использования, сравнивать пользовательские сегменты и выявлять изменения в поведении клиентов.
Для корректных расчётов необходимо определить критерии активности, исключить повторный учёт пользователей и придерживаться единой методики измерения. При этом ни одна из метрик не даёт полной картины эффективности продукта сама по себе.
Чтобы понять, насколько успешно развивается сервис, следует анализировать активность вместе с Retention Rate, Churn Rate, ARPU, ARPPU, LTV и конверсией в целевые действия.
Регулярный мониторинг и проверка гипотез на основе данных помогают улучшать пользовательский опыт, повышать удержание и принимать более обоснованные продуктовые решения.