MAU mobil analitikada — bu nədir, aylıq auditoriya metrikası və necə hesablanır

Mobil analitikada MAU nədir?

MAU (Monthly Active Users) — son 30 təqvim günü ərzində proqramda hədəf hərəkəti yerinə yetirmiş unikal istifadəçilərin sayını göstərən metrikadır. DAU-dan fərqli olaraq, MAU gündəlik dalğalanmalara həssas deyil və aktiv baza ölçüsünün sabit mənzərəsini verir. Bu, ictimai texnologiya şirkətləri üçün hesabat standartıdır: Facebook, Spotify, Uber və başqaları rüblük hesabatlarında MAU-nu göstərir.

Niyə MAU investorlar üçün bir nömrəli metrikadır

İnvestorlar biznesin miqyasını məhz MAU ilə qiymətləndirir. Metrika məhsulun bir ay ərzində nə qədər istifadəçi saxladığını göstərir — product-market fit-in qiymətləndirilməsi üçün minimal üfüq. Facebook 2012-ci ildən MAU haqqında hesabat verir və bu metrikanın artımı şirkətin kapitallaşması ilə birbaşa əlaqəlidir. Startaplar üçün MAU pitch-decklərdə və maliyyələşdirmə raundlarında əsas göstəricilərdən biridir.

Məhsul analitikası kontekstində MAU

Məhsul analitikasında MAU bir çox hesablamalar üçün giriş metrikası kimi istifadə olunur. Onun əsasında MAU/DAU nisbəti (Stickiness), ARPU (Average Revenue Per User) və LTV (Lifetime Value) hesablanır. Dəqiq MAU olmadan konversiyanı ödəyici istifadəçilərə və marketinq kanallarının effektivliyini düzgün qiymətləndirmək mümkün deyil. MAU bütün digər monetizasiya və cəlbetmə göstəricilərinin qurulduğu metrikalar piramidasının əsasını təşkil edir.

SELECT
    DATE_TRUNC('month', event_date) AS month_start,
    COUNT(DISTINCT user_id) AS mau
FROM user_events
WHERE event_date >= CURRENT_DATE - INTERVAL '30 days'
GROUP BY month_start
ORDER BY month_start DESC;

MAU necə hesablanır?

MAU hesablanması ilk baxışdan sadədir: 30 gün ərzində unikal istifadəçiləri saymaq. Lakin praktikada dəqiqliyə təsir edən bir neçə nüans yaranır. Hesablama metodunun seçimi — təqvim ayı və ya sürüşən pəncərə — metrikanın mobil inkişafda istifadəçilərin real aktivliyinə nə dərəcədə uyğun olduğunu müəyyən edir.

Təqvim ayı və sürüşən pəncərə

Təqvim ayı — ənənəvi yanaşma: MAU ayın 1-dən son gününə qədər hesablanır. Hesabat üçün rahatdır, lakin artefaktlar yaradır: məsələn, 30-cu gün nasazlıq olarsa, ay üçün MAU aşağı olacaq. Sürüşən pəncərə (rolling 30 days) daha hamar metrika verir, lakin dövri hesabat üçün daha mürəkkəbdir. Mixpanel (2025) məlumatına görə, məhsul komandalarının 80%-i xarici hesabatlar üçün təqvim ayından, daxili dashboardlar üçün isə sürüşən pəncərədən istifadə edir.

Çarpaz platforma istifadəçilərinin deduplikasiyası

Bir istifadəçi proqrama bir neçə cihazdan daxil ola bilər: iPhone və iPad, Android planşet və desktop. Deduplikasiya olmadan MAU 20-40% yuxarı olacaq. Ən yaxşı təcrübə bütün platformalar üçün vahid account_id istifadə etməkdir. İstifadəçi daxil olmayıbsa, device_id + Advertising ID (iOS-da IDFA, Android-də GAID) birləşməsini tətbiq edin və sonra daxil olma zamanı deduplikasiya aparın.

Aktiv olmayan istifadəçilərin uçotu

Kim aktiv istifadəçi sayılır? Minimal hərəkət — proqramın açılması (session start). Lakin bir çox komandalar hədd təyin edir: 10 saniyədən uzun sessiya və ya ən azı bir hədəf hərəkətin yerinə yetirilməsi. Bu, təsadüfi açılışları və botları istisna edir. Fərqli fəaliyyət hədləri MAU-da 10-30% fərqlərə səbəb olur, buna görə də metodologiya müəyyən edilməli və dövrlər arasında dəyişməməlidir.

MAU hesablanmasının avtomatlaşdırılması

Şirkətlərin əksəriyyəti MAU hesablanmasını ETL pipeline-ları vasitəsilə avtomatlaşdırır. Firebase, Amplitude və ya öz serverlərindən məlumatlar Clickhouse və ya Snowflake-də toplanır. MAU-nun gündəlik yenidən hesablanması real vaxtda trendləri görməyə imkan verir. Vacib: metodologiya dəyişdirilərkən (məsələn, fəaliyyət həddi) məlumatların müqayisə olunmasını qorumaq üçün MAU-nu əvvəlki dövrlər üçün yenidən hesablayın.

import pandas as pd
from datetime import datetime, timedelta

def calculate_mau(events_df, active_threshold_sec=10):
    # Sessiyanın minimum uzunluğu üzrə filtr
    active = events_df[events_df['session_length'] >= active_threshold_sec]
    # 30 günlük sürüşən pəncərə
    cutoff = datetime.now() - timedelta(days=30)
    recent = active[active['event_date'] >= cutoff]
    return recent['user_id'].nunique()

events = pd.read_csv('events.csv', parse_dates=['event_date'])
print(f"MAU: {calculate_mau(events)}")

DAU vs WAU vs MAU: metrikalar iyerarxiyası

Üç metrika — DAU, WAU və MAU — müxtəlif zaman üfüqlərində aktiv auditoriyanın qiymətləndirilməsi sistemini təşkil edir. Birlikdə məhsulun sağlamlığının hərtərəfli mənzərəsini verirlər. Yalnız MAU-ya baxan analitik gündəlik problemləri qaçırmaq riski daşıyır; yalnız DAU-ya baxan isə strateji trendi görmür.

DAU, WAU və MAU arasında əlaqə

Metrikaların nisbəti sadə qanunauyğunluqla təsvir olunur: DAU ≤ WAU ≤ MAU. DAU və MAU arasındakı fərq istifadəçilərin ayın günləri üzrə nə qədər bərabər paylandığını göstərir. DAU MAU-nun 10%-ni təşkil edirsə — istifadəçilər nadir hallarda daxil olur (məsələn, otel rezervasiya proqramı). DAU MAU-nun 50%-ni təşkil edirsə — proqram demək olar ki, hər gün istifadə olunur (sosial şəbəkələr, messencerlər). DAU/MAU əmsalı Stickiness adlanır və cəlbetmənin standart göstəricisidir.

Stickiness: əsas cəlbetmə göstəricisi

Stickiness = DAU / MAU * 100%. 50%-dən yuxarı dəyər istənilən proqram üçün əla göstəricidir. 20-50% dəyər əksər məhsullar üçün normadır. 20%-dən aşağı dəyər qayıdış problemi olduğuna işarədir. Stickiness miqyasdan asılı deyil: 1 milyon MAU-sı olan proqram və 10 min MAU-sı olan startap eyni göstəriciyə malik ola bilər. Bu, metrikanı benchmarking və bir kateqoriya daxilində məhsulları müqayisə etmək üçün əlverişli edir.

Proqram kateqoriyaları üzrə MAU normaları

MAU normaları kateqoriyadan, coğrafiyadan və məhsulun yetkinliyindən asılıdır. Analitiklər mütləq dəyərlər əvəzinə MAU dinamikasından (aydan aya artım) və digər metrikalarla nisbətdən istifadə edirlər. MAU artımı aydan aya 10% yetkin məhsul üçün yaxşı, 30%+ sürətlə böyüyən məhsul üçün yaxşı hesab olunur.

Kateqoriyalar üzrə MAU benchmarkları

App Annie State of Mobile 2025 hesabatına görə, müxtəlif kateqoriyalar üçün median MAU fərqlidir. Social Media: 50-500 milyon (qlobal oyunçular), Gaming: 1-50 milyon, E-commerce: 100 min — 10 milyon, Fintech: 500 min — 20 milyon. Bu rəqəmlər regiondan güclü şəkildə asılıdır: ABŞ-da 1 milyon MAU-sı olan proqram böyük, Hindistanda isə orta hesab edilə bilər. MAU-nu müqayisə etmək yalnız bir kateqoriya və bir coğrafi region daxilində məna kəsb edir.

MAU və monetizasiya

MAU ARPU vasitəsilə gəlirlə birbaşa bağlıdır. MAU artır, ARPU isə azalırsa — biznes daha az ödəmə qabiliyyətli auditoriyaya miqyaslanır. MAU sabitdir, ARPU isə artırsa — məhsul mövcud bazanın monetizasiyasını artırır. İdeal ssenari: ARPU-nun qorunması və ya artması ilə MAU artımı. MAU-nun Gəlirə nisbəti mobil proqramın vahid iqtisadiyyatını qiymətləndirmək üçün əsas göstəricidir.

Mobil proqramda MAU necə artırılmalı?

MAU artımı ilk növbədə yeni istifadəçilərin sayının artması (akvizisiya) və itkinin azalmasıdır (retensiya). DAU-dan fərqli olaraq, taktiki üsullarla qaldırıla bilən, MAU auditoriyanın cəlb edilməsi və saxlanılması üçün sistematik strategiya tələb edir. Aparıcı mobil məhsulların təcrübəsi ilə təsdiqlənmiş əsas artım kanallarını nəzərdən keçirək.

Üzvi akvizisiya: ASO və məzmun

App Store Optimization (ASO) — MAU artımının ən qənaətcil yoludur. Adın, açar sözlərin, ikonanın və ekran görüntülərinin optimallaşdırılması üzvi trafiki 20-40% artıra bilər. İkinci kanal — kontent marketinq: axtarışda sıralanan və yeni istifadəçilər gətirən məqalələr, videolar və keyslər. B2C proqramları üçün viral mexanizmlər effektivdir: „dostunu dəvət et — bonus al“.

Pullu cəlb etmə (UA)

User Acquisition (UA) — pullu kanallar: Facebook Ads, Google Ads, Apple Search Ads, TikTok Ads. Bir MAU-nun cəlb edilməsinin dəyəri geniş şəkildə dəyişir: inkişaf etməkdə olan bazarlarda $0.50-dən ABŞ/Aİ-də $5-8-ə qədər. Əsas prinsip: CAC (Customer Acquisition Cost) LTV-dən (Lifetime Value) ən azı 3 dəfə aşağı olmalıdır. Reklam kampaniyaları Day 30 retensiyası 20%-dən yuxarı olan kohortlara hədəflənməlidir.

Referal proqramları və virallıq

Referal mexanizmləri — MAU-nun üzvi artımının sürücüsüdür. Dropbox referal proqramı sayəsində 15 ay ərzində 100 mindən 4 milyon MAU-ya yüksəldi. Uğurun açarı: hər iki tərəf (dəvət edən və dəvət olunan) üçün bonusun dəyəri. Mobil proqramlar üçün deep linking ilə referal linklər effektivdir — yeni istifadəçi quraşdırmadan sonra dərhal proqramın düzgün ekranına düşür.

-- Trafik mənbəyinə görə bölünməklə MAU hesablanması
SELECT
    source,
    COUNT(DISTINCT user_id) AS mau
FROM user_events e
JOIN users u ON e.user_id = u.id
WHERE e.event_date >= CURRENT_DATE - INTERVAL '30 days'
GROUP BY source
ORDER BY mau DESC;