DAU, Daily Active Users, это число уникальных пользователей, которые выполнили целевое действие в приложении или сервисе за одни сутки. Метрику считают мобильные приложения, игры, соцсети и любые продукты, где ценно регулярное возвращение пользователя; разовая установка тут мало что значит.
Целевое действие определяет сам продукт: для мессенджера это открытие переписки, для игры это вход в сессию, для сервиса задач это создание или отметка о выполнении задачи. Простое открытие приложения без дальнейших действий обычно не считают активностью, иначе метрика раздувается пользователями, которые случайно нажали на иконку и сразу закрыли экран.
DAU и MAU: зачем считать вместе
DAU редко смотрят изолированно, чаще в связке с MAU, числом активных пользователей за 30 дней. Отношение DAU к MAU называют коэффициентом липкости, stickiness ratio, и оно показывает, как часто месячная аудитория возвращается в продукт.
Если DAU составляет 20 000, а MAU 100 000, коэффициент липкости равен 20 процентам: в среднем пользователь заходит в продукт примерно 6 дней из 30. У продуктов ежедневного использования вроде мессенджеров и соцсетей хороший ориентир начинается от 40 до 50 процентов, у сервисов для редких задач, например бронирования отпуска, нормальным считается показатель в разы ниже; за этим стоит особенность сценария использования, а слабость продукта тут ни при чем.
Как считают DAU корректно
Считают только уникальных пользователей: если один человек заходит в приложение пять раз за день, в DAU он учитывается только один раз, сколько бы заходов ни сделал.
Фиксируют границу суток по одному часовому поясу для всей аудитории, обычно по времени сервера, иначе пользователи из разных регионов будут попадать в подсчет за соседние сутки и искажать динамику.
Отделяют ботов и тестовые аккаунты от реальных пользователей, особенно в продуктах с открытым API, где автоматические запросы легко принять за живую активность.
Синхронизируют определение целевого действия между командами аналитики, продукта и маркетинга, чтобы графики DAU в разных отчетах не расходились из-за разных критериев подсчета.
Пример: как читать динамику DAU
Онлайн-сервис для ведения дневника трат запустил push-уведомление с напоминанием внести расходы вечером. За первую неделю после запуска DAU вырос с 4200 до 5100 пользователей в день. Радоваться рано: часть роста обеспечила сама механика уведомления, которое возвращает человека в приложение на минуту ради галочки; сложившаяся привычка вести учет тут почти ни при чем. Команда проверила DAU через месяц после отключения push, чтобы отделить настоящую вовлеченность от эффекта напоминания, и увидела откат к 4400: часть новых пользователей закрепилась, но большая доля прироста была временной.
Типичные ошибки при работе с DAU
Смотрят на DAU без учета сезонности и дня недели: у B2B-продуктов активность в будни выше, чем в выходные, и сравнение вторника с воскресеньем покажет ложное падение, которого на самом деле нет.
Считают рост DAU самоцелью и добавляют механики, которые тянут пользователя обратно в приложение без реальной пользы: чрезмерные уведомления и искусственные ежедневные бонусы поднимают метрику, но снижают доверие к продукту и в итоге бьют по оттоку.
Игнорируют качество активности внутри DAU: пользователь, который зашел и сразу закрыл приложение из-за ошибки загрузки, формально попадает в DAU, но такая активность ничего не говорит о ценности продукта для него.
Сравнивают DAU разных продуктов напрямую без поправки на размер аудитории и частоту сценария использования, хотя для этого больше подходит именно коэффициент DAU к MAU; абсолютные цифры тут сбивают с толку.
Частые вопросы
DAU важнее MAU или наоборот? Они отвечают на разные вопросы: MAU показывает общий размер аудитории, DAU и коэффициент липкости показывают, насколько эта аудитория вовлечена. Продукту с растущим MAU, но падающим отношением DAU к MAU, стоит разбираться с удержанием раньше, чем вкладываться в привлечение новых пользователей.
Что делать, если DAU падает при стабильном MAU? Это признак того, что новые пользователи приходят, но существующие заходят реже. Стоит проверить последние изменения в продукте, скорость загрузки и уведомления: часто падение совпадает с конкретным релизом или отключением работавшего сценария возврата.
Нужен ли DAU небольшому B2B-сервису с редким использованием? Метрика все равно полезна, но целевое действие и ожидаемая частота будут другими: для сервиса, которым пользуются раз в неделю по рабочим задачам, разумнее смотреть на WAU, недельную активность; суточная тут малопоказательна.
DAU по сегментам аудитории
Общий DAU по всему продукту скрывает разницу между пользователями. Полезнее считать метрику отдельно для новых пользователей первой недели и для пользователей, которые пришли месяцы назад: если DAU держится за счет новичков, а старая аудитория уходит, общая цифра может выглядеть стабильной, хотя продукт постепенно теряет ядро постоянных пользователей.
Такой разрез также показывает эффект конкретных изменений в продукте точнее, чем общий график. Обновление интерфейса может поднять активность новых пользователей, которые еще не привыкли к старому виду, и одновременно снизить активность давних пользователей, которых новый интерфейс сбил с привычного маршрута. Без сегментации эти два эффекта складываются и маскируют друг друга.
DAU дополняет Retention, который показывает, возвращаются ли со временем одни и те же люди; само по себе общее число активных пользователей об этом умалчивает.
Разобраться, почему пользователи заходят в продукт реже, чем нужно бизнесу, и выстроить сценарии возврата помогает разбор на комплексном маркетинге с анализом текущей воронки удержания.