মোবাইল অ্যানালিটিক্সে WAU: এটি কী, কার্যকলাপ মেট্রিক এবং কীভাবে গণনা করবেন

মোবাইল অ্যানালিটিক্সে WAU কী?

WAU (Weekly Active Users) একটি মেট্রিক যা গত 7 ক্যালেন্ডার দিনে অ্যাপের সাথে ইন্টারঅ্যাক্ট করা অনন্য ব্যবহারকারীর সংখ্যা দেখায়। DAU (Daily Active Users)-এর বিপরীতে, WAU দৈনিক ওঠানামার অধীন কম এবং সাপ্তাহিক কার্যকলাপের আরও স্থির চিত্র প্রদান করে।

WAU মেট্রিক কেন প্রয়োজন

মেট্রিকটি সাপ্তাহিক পণ্য এবং মার্কেটিং কার্যক্রমের কার্যকারিতা মূল্যায়নের অনুমতি দেয়। যদি DAU প্রশ্নের উত্তর দেয় “আজ কতজন এসেছে”, তাহলে WAU উত্তর দেয় “এই সপ্তাহে আমাদের সাথে কতজন থেকেছে।” এটি কয়েক দিনের ব্যবহার চক্রের অ্যাপগুলির জন্য গুরুত্বপূর্ণ: ফিটনেস ট্র্যাকার, শিক্ষামূলক প্ল্যাটফর্ম, নিউজ এগ্রিগেটর।

কখন DAU-এর পরিবর্তে WAU ব্যবহার করবেন

অনিয়মিত কিন্তু সাপ্তাহিক ব্যবহারের প্যাটার্নের অ্যাপগুলিতে, DAU উল্লেখযোগ্যভাবে ওঠানামা করতে পারে। উদাহরণস্বরূপ, টাস্ক প্ল্যানিং অ্যাপে, ব্যবহারকারীরা প্রতি 2-3 দিনে একবার লগইন করে — DAU কম কার্যকলাপ দেখাবে, অন্যদিকে WAU প্রকৃত ব্যস্ততা যথাযথভাবে প্রতিফলিত করবে। DAU এবং WAU-এর মধ্যে পছন্দ পণ্যের সাথে প্রত্যাশিত ইন্টারঅ্যাকশন ফ্রিকোয়েন্সির উপর নির্ভর করে।

পণ্য মেট্রিকের সাথে WAU-এর সম্পর্ক

WAU দিন 7 ধরে রাখার হারের সাথে সম্পর্কযুক্ত: যদি একজন ব্যবহারকারী দিন 7-এ ফিরে আসে, তাহলে তিনি মাসে অন্তত দুবার WAU-তে পড়েন। টিমগুলি নতুন বৈশিষ্ট্যের প্রভাব ট্র্যাক করতে WAU ব্যবহার করে: সোমবার একটি বৈশিষ্ট্য চালু করা এবং পরের রবিবার WAU পরিমাপ করা সাপ্তাহিক দর্শকদের উপর পরিবর্তনের প্রভাবের সরাসরি মূল্যায়ন প্রদান করে।

SELECT
    DATE_TRUNC('week', event_date) AS week_start,
    COUNT(DISTINCT user_id) AS wau
FROM user_events
WHERE event_date >= CURRENT_DATE - INTERVAL '7 days'
    AND event_type IN ('session', 'purchase', 'content_view')
GROUP BY week_start
ORDER BY week_start DESC;

WAU কীভাবে গণনা করা হয়?

WAU-এর গণনা একটি সহজ সূত্র অনুসরণ করে: গত 7 দিনে অনন্য ব্যবহারকারীর সংখ্যা। তবে, অনুশীলনে দুটি পদ্ধতি ব্যবহার করা হয় — নির্দিষ্ট সপ্তাহ (সোমবার-রবিবার) এবং রোলিং উইন্ডো (rolling 7 days)। পদ্ধতির পছন্দ ডেটা ব্যাখ্যা এবং রিপোর্ট তুলনাযোগ্যতাকে প্রভাবিত করে।

নির্দিষ্ট সপ্তাহ বনাম রোলিং উইন্ডো

নির্দিষ্ট সপ্তাহ নিয়মিত রিপোর্টিংয়ের জন্য সুবিধাজনক: WAU সোমবার থেকে রবিবার পর্যন্ত গণনা করা হয়। রোলিং উইন্ডো প্রতিটি দিনের জন্য আগের 7 দিনে অনন্য ব্যবহারকারীর যোগফল হিসাবে WAU গণনা করে। দ্বিতীয় পদ্ধতিটি একটি মসৃণ গ্রাফ তৈরি করে এবং রিয়েল-টাইম ড্যাশবোর্ডে ব্যবহৃত হয়। Amplitude (2025) অনুসারে, 73% পণ্য টিম WAU-এর জন্য রোলিং উইন্ডো ব্যবহার করে।

লক্ষ্যযুক্ত ইভেন্ট দ্বারা ফিল্টারিং

প্রতিটি অ্যাপ খোলা WAU-তে গণনা করা উচিত নয়। টিমগুলি প্রায়শই ব্যবহারকারীদের লক্ষ্যযুক্ত ইভেন্ট দ্বারা ফিল্টার করে: বিষয়বস্তু দেখা, ক্রয়, স্তর সম্পূর্ণ করা, বার্তা পাঠানো। এটি “নিষ্ক্রিয়” ব্যবহারকারীদের বাদ দেয় যারা দুর্ঘটনাক্রমে অ্যাপ খুলেছে। SQL-তে, এই ফিল্টারটি event_type IN (...) শর্তের মাধ্যমে যোগ করা হয়।

ক্রস-প্ল্যাটফর্ম ব্যবহারকারীদের জন্য বিবেচনা

যদি একজন ব্যবহারকারী iOS এবং Android উভয়েই সক্রিয় থাকে, তাহলে অভিন্ন শনাক্তকারী (ইমেল, account_id) ডিডুপ্লিকেট করা আবশ্যক। ডিডুপ্লিকেশন ছাড়া, WAU 15-25% বেড়ে যাবে। সঠিক গণনার জন্য device_id-এর পরিবর্তে অভ্যন্তরীণ user_id ব্যবহার করুন। Clickhouse এবং Snowflake HyperLogLog বা Bloom ফিল্টারের মাধ্যমে ডিডুপ্লিকেশন সমর্থন করে।

import pandas as pd

# গত 7 দিনের ইভেন্ট লোড হচ্ছে
events = pd.read_sql('''
    SELECT user_id, event_date
    FROM user_events
    WHERE event_date >= CURRENT_DATE - 7
''', conn)

# রোলিং উইন্ডো সহ WAU গণনা
events['week_start'] = events['event_date'] \
    - pd.to_timedelta(events['event_date'].dt.dayofweek, unit='D')
wau = events.groupby('week_start')['user_id'] \
    .nunique().reset_index()
wau.columns = ['week_start', 'wau']
print(wau)

WAU গণনায় সাধারণ ভুল

প্রথম ভুল — লক্ষ্যযুক্ত কাজ ফিল্টার না করে সব ইভেন্ট গণনা করা। যদি কোনো খোলা গণনা করা হয়, তাহলে WAU-তে সেই ব্যবহারকারীরা অন্তর্ভুক্ত হবে যারা 5 সেকেন্ডের জন্য অ্যাপ খুলে বন্ধ করে দিয়েছে। দ্বিতীয় ভুল — সময় অঞ্চল মিশ্রিত করা: 7 দিনের ইভেন্ট একটি একক সময় অঞ্চলে (সাধারণত UTC) গণনা করা উচিত। তৃতীয় — ক্রস-প্ল্যাটফর্ম ব্যবহারকারী ডিডুপ্লিকেশনের অভাব, যা প্রকৃত দর্শক চিত্রকে বিকৃত করে।

WAU বনাম DAU বনাম MAU: পার্থক্য কী?

তিনটি মেট্রিক — DAU, WAU এবং MAU — সময় দিগন্ত দ্বারা সক্রিয় দর্শকদের একটি শ্রেণিবিন্যাস গঠন করে। DAU দৈনিক কার্যকলাপ পরিমাপ করে, WAU — সাপ্তাহিক, MAU — মাসিক। প্রতিটি মেট্রিক ব্যবহারকারীর আচরণ সম্পর্কে তার নিজস্ব প্রশ্নের উত্তর দেয় এবং বিভিন্ন পণ্য অ্যানালিটিক্স দৃশ্যে ব্যবহৃত হয়।

সময় দিগন্তের তুলনা

DAU (Daily Active Users) — সবচেয়ে কার্যকরী মেট্রিক। এটি দেখায় আজ কতজন ব্যবহারকারী এসেছে। WAU দৈনিক চূড়া এবং উপত্যকা মসৃণ করে, অন্যদিকে MAU মাসিক মসৃণ করে। দৈনিক ব্যবহারের অ্যাপের জন্য (মেসেঞ্জার, সোশ্যাল মিডিয়া), DAU প্রাথমিক মেট্রিক। সপ্তাহে 1-2 বার ব্যবহার করা অ্যাপের (ফিটনেস, ডেলিভারি) জন্য, WAU আরও নির্ভুলভাবে কার্যকলাপ প্রতিফলিত করে। মৌসুমী বা খুব কমই ব্যবহৃত অ্যাপের (ভ্রমণ, কর) জন্য — MAU।

স্টিকিনেস অনুপাত

স্টিকিনেস (Stickiness) — DAU এবং MAU-এর অনুপাত, দেখায় ব্যবহারকারীরা কতবার ফিরে আসে। 20% এর উপরে মান ভালো বলে বিবেচিত হয়। WAU মধ্যবর্তী পর্যবেক্ষণের জন্য ব্যবহৃত হয়: যদি DAU/MAU কমে যায়, আপনি WAU/MAU পরীক্ষা করতে পারেন — যদি এটি স্থিতিশীল থাকে, সমস্যাটি দৈনিক কার্যকলাপে, সামগ্রিক নয়। সূত্র: Stickiness = DAU / MAU * 100%। একটি স্বাস্থ্যকর অ্যাপের জন্য, এই সূচকটি 20-50% সীমার মধ্যে থাকে।

প্রতিটি মেট্রিক কখন বেশি গুরুত্বপূর্ণ

মেট্রিক নির্বাচন পণ্যের ব্যবসায়িক চক্রের উপর নির্ভর করে। বৃদ্ধির পর্যায়ে, ফোকাস DAU-তে থাকে — নতুন ব্যবহারকারীদের দৈনিক গতিশীলতা দেখা গুরুত্বপূর্ণ। পরিপক্কতার পর্যায়ে, WAU মূল মেট্রিকে পরিণত হয়: এটি দেখায় সাপ্তাহিক দিগন্তে কতজন ব্যবহারকারী অনুগত থাকে। MAU বিনিয়োগকারী রিপোর্ট এবং সামগ্রিক নাগালের মূল্যায়নের জন্য গুরুত্বপূর্ণ। তিনটি মেট্রিক একত্রিত করে, একজন বিশ্লেষক ব্যবহারকারীর জীবনচক্রের সম্পূর্ণ চিত্র পান।

def calculate_stickiness(dau, mau):
    return round((dau / mau) * 100, 2)

# একটি কাল্পনিক অ্যাপের জন্য DAU/MAU/WAU গণনার উদাহরণ
daily = 15000
weekly = 45000
monthly = 80000

stickiness = calculate_stickiness(daily, monthly)
wau_mau_ratio = round((weekly / monthly) * 100, 2)

print(f"Stickiness: {stickiness}%")
print(f"WAU/MAU: {wau_mau_ratio}%")

অ্যাপ বিভাগ অনুযায়ী WAU মানদণ্ড

মানদণ্ড অ্যাপ বিভাগগুলির মধ্যে ব্যাপকভাবে পরিবর্তিত হয়। কোন সার্বজনীন “ভাল” মান নেই — মেট্রিকটি একই ভার্টিক্যালের বেঞ্চমার্কের সাথে তুলনা করা উচিত। সোশ্যাল মিডিয়া অ্যাপগুলি MAU-এর সাপেক্ষে সর্বোচ্চ WAU দেখায়, অন্যদিকে ই-কমার্স এবং ভ্রমণ অ্যাপগুলি অনিয়মিত ব্যবহার প্যাটার্নের কারণে কম মান দেখায়।

অ্যাপ বিভাগ অনুযায়ী WAU

Adjust Mobile Benchmarks 2025 রিপোর্ট অনুসারে, বিভিন্ন বিভাগের জন্য মধ্যমা WAU/MAU অনুপাত হল: সোশ্যাল মিডিয়া — 0.65, গেমিং — 0.55, ই-কমার্স — 0.35, ফিনটেক — 0.45, স্বাস্থ্য ও ফিটনেস — 0.40। এর মানে হল সোশ্যাল নেটওয়ার্কে, 65% মাসিক ব্যবহারকারী সাপ্তাহিকভাবে সক্রিয়, অন্যদিকে ই-কমার্সে — মাত্র 35%। মধ্যমা থেকে কম মান ব্যস্ততা সমস্যা বা ভুলভাবে বেছে নেওয়া পরিমাপ ব্যবধান নির্দেশ করে।

WAU-কে প্রভাবিতকারী উপাদান

মৌসুমীতা — প্রথম উপাদান। খাদ্য বিতরণ অ্যাপগুলি শুক্রবার এবং শনিবারে WAU সর্বোচ্চ দেখায়, ফিটনেস অ্যাপগুলি — জানুয়ারিতে এবং গ্রীষ্মের আগে। পুশ বিজ্ঞপ্তি — দ্বিতীয় উপাদান: একটি ভালভাবে ডিজাইন করা ক্যাম্পেইন এক সপ্তাহে WAU 15-30% বাড়াতে পারে। তৃতীয় উপাদান — অ্যাপ আপডেট: একটি বড় রিলিজের পর, WAU সাধারণত দুই সপ্তাহের মধ্যে 10-20% বৃদ্ধি পায় এবং তারপর একটি নতুন স্তরে স্থিতিশীল হয়।

মোবাইল অ্যাপে WAU কীভাবে বাড়াবেন?

WAU বাড়ানো একটি কাজ যা পণ্য এবং মার্কেটিং সরঞ্জামের সমন্বয়ে সমাধান করা হয়। DAU-এর বিপরীতে, যা এককালীন প্রচারের মাধ্যমে বাড়ানো যায়, WAU-এর সাপ্তাহিক দিগন্তে ব্যবহারকারীদের ফিরে আসার উপর পদ্ধতিগত কাজ প্রয়োজন। আসুন প্রধান মোবাইল পণ্যের অনুশীলন দ্বারা নিশ্চিত প্রধান কৌশলগুলি দেখি।

ব্যক্তিগতকৃত পুশ বিজ্ঞপ্তি

পুশ ক্যাম্পেইন WAU-কে প্রভাবিত করার সবচেয়ে দ্রুত উপায়। Airship (2025) অনুসারে, ব্যক্তিগতকৃত পুশ বিজ্ঞপ্তি প্রথম সপ্তাহে WAU 20-25% বাড়ায়। ব্যবহারের ফ্রিকোয়েন্সি দ্বারা দর্শকদের সেগমেন্ট করা গুরুত্বপূর্ণ: “ঘুমন্ত” ব্যবহারকারীদের (5+ দিন লগইন করেনি) অনুপ্রেরণামূলক বার্তা পাঠান, সক্রিয় ব্যবহারকারীদের তথ্যমূলক। সময় গুরুত্বপূর্ণ: ফিটনেস অ্যাপের জন্য, সেরা সময় সকাল; গেমের জন্য — সন্ধ্যা।

সাপ্তাহিক চ্যালেঞ্জ এবং ইভেন্ট

সাপ্তাহিক কার্যক্রমের মেকানিক WAU-এর সবচেয়ে কার্যকর চালকগুলির মধ্যে একটি। গেমগুলি বিশেষ পুরস্কার সহ সাপ্তাহিক ইভেন্ট ব্যবহার করে, ফিটনেস অ্যাপগুলি “নস্কিপ 7 দিন” চ্যালেঞ্জ ব্যবহার করে, এবং ই-কমার্স সাবস্ক্রাইবারদের জন্য সাপ্তাহিক ছাড় ব্যবহার করে। মূল নীতি: কার্যকলাপ সময়-সীমাবদ্ধ (7 দিন) হতে হবে যাতে FOMO তৈরি হয় এবং ব্যবহারকারীকে ফিরে আসতে অনুপ্রাণিত করে।

ইমেল এবং SMS remindার

সব ব্যবহারকারী পুশ বিজ্ঞপ্তি অনুমোদন করে না। তাদের জন্য, সাপ্তাহিক ডাইজেস্ট সহ ইমেল নিউজলেটার এবং SMS কার্যকর: “আপনার সাপ্তাহিক পরিসংখ্যান,” “নতুন ব্লগ নিবন্ধ,” “আপনার দেখা পণ্য।” ব্যক্তিগত পরিসংখ্যান সহ ইমেলের খোলার হার স্ট্যান্ডার্ড নিউজলেটারের তুলনায় 40% বেশি। পুশ + ইমেল的组合 সর্বোচ্চ WAU বৃদ্ধি দেয় — প্রতি মাসে 35% পর্যন্ত।

-- 5 দিনের বেশি নিষ্ক্রিয় ব্যবহারকারী (reactivation-এর লক্ষ্য)
SELECT user_id, MAX(event_date) AS last_active
FROM user_events
GROUP BY user_id
HAVING MAX(event_date) < CURRENT_DATE - INTERVAL '5 days'
    AND MAX(event_date) > CURRENT_DATE - INTERVAL '14 days';