DAU — co to je, jak vypočítat a analyzovat denní publikum

Co je DAU?

DAU (Daily Active Users) — metrika měřící počet unikátních uživatelů, kteří provedli alespoň jednu cílovou akci v aplikaci během jednoho kalendářního dne. Akci určuje vývojář: otevření aplikace, autentizace, prohlížení obsahu nebo kliknutí na tlačítko. V typickém nastavení DAU počítá všechny uživatele, kteří otevřeli aplikaci alespoň jednou denně.

DAU — je operační ukazatel zdraví produktu. Růst DAU naznačuje, že se aplikace stává užitečnější pro publikum nebo přitahuje nové uživatele. Pokles DAU může signalizovat problémy s udržením, zhoršení uživatelské zkušenosti nebo výskyt silného konkurenta. DAU je třeba analyzovat v dynamice, ne jako absolutní hodnotu.

Jaké akce se považují za aktivitu

Definice aktivního uživatele závisí na typu aplikace. Pro sociální sítě je aktivita prohlížení feedu, odeslání zprávy nebo publikování příspěvku. Pro hry — spuštění a dokončení alespoň jedné úrovně. Pro nástroje — otevření a provedení hlavní funkce. Doporučuje se nastavit událost session_start jako spouštěč pro počítání DAU.

DAU v různých kategoriích aplikací

Podle statistik Mixpanel (2024) se průměrné hodnoty DAU výrazně liší podle kategorie. Sociální aplikace mají 40–60 % DAU z instalací, hry 20–35 %, nástroje 10–25 %. Pro přesné posouzení úrovně DAU vaší aplikace porovnávejte ukazatele s mediánem kategorie, ne s absolutními čísly lídrů trhu.

Vzorec pro výpočet DAU

DAU se vypočítá jako počet unikátních identifikátorů zařízení (nebo user_id pro autentizované uživatele), které odeslaly událost aktivity během jednoho kalendářního dne. Vzorec: DAU = |{ distinct user_id : event_time ∈ [00:00, 23:59] UTC }|. Jednoduché počítání otevření poskytuje nesprávná data — je nutné použít deduplikaci podle identifikátoru uživatele.

def calculate_dau(events_df):
    """
    Calculate DAU from event dataframe
    
    Args:
        events_df: DataFrame with columns user_id and event_date
    Returns:
        DataFrame with dau per date
    """
    dau_df = (events_df
        .groupby("event_date")
        ["user_id"]
        .nunique()
        .reset_index()
        .rename(columns={"user_id": "dau"})
    )
    return dau_df

Zvláštnosti výpočtu pro různé platformy

Na Androidu se jako identifikátor používá Installation ID (Firebase) nebo Advertising ID. Na iOS — IDFV nebo App Instance ID. Pro autentizované aplikace je bezpečnější používat user_id z backendové autentizace. Pokud je aplikace dostupná na obou platformách, DAU se počítá zvlášť pro každou platformu a agreguje se na úrovni backendové analytiky.

Časová pásma a mezidenní evidence

DAU se počítá podle UTC nebo časového pásma zvoleného v nastavení analytického systému. Pokud je uživatel aktivní ve 23:45 UTC a poté v 00:15, systém zaznamená dva dny DAU. To je normální pro obecný DAU, ale pro přesnou analýzu se doporučuje nastavit vlastní časové pásmo pro region většiny uživatelů prostřednictvím Firebase Analytics.

DAU, WAU a MAU: rozdíl metrik

DAU (Daily), WAU (Weekly) a MAU (Monthly) — jsou tři úrovně trychtýře zapojení. DAU ukazuje denní aktivitu, WAU týdenní, MAU měsíční. Analýza v kombinaci těchto tří metrik umožňuje posoudit hloubku zapojení: vysoká frekvence návratů (DAU/MAU > 50 %) svědčí o vytvořeném návyku u uživatelů.

Jak interpretovat poměr DAU/MAU

Poměr DAU/MAU se nazývá Stickiness a měří se v procentech. Stickiness = DAU / MAU × 100 %. Hodnota 20 % znamená, že průměrný uživatel vstupuje do aplikace 6 dní v měsíci. Pro sociální sítě a messengery je Stickiness 50 %+ normou. Pro nástroje a finanční aplikace je 15–25 % dobrým ukazatelem.

Metriky růstu založené na DAU

Na základě DAU a MAU se vypočítávají metriky růstu: Retention (udržení), Churn Rate (odliv) a LTV (celoživotní hodnota). Pokud DAU roste, ale MAU klesá, ukazuje to na problémy s přitahováním nových uživatelů, i když stávající publikum zůstává aktivní. Pokud oba ukazatele rostou — produkt je zdravý a škálovatelný.

Stickiness: normální hodnoty DAU/MAU

Stickiness (koeficient přilnavosti) — klíčový ukazatel kvality publika. Vypočítá se jako poměr DAU k MAU. Například, pokud DAU = 30 000 a MAU = 100 000, pak Stickiness = 30 %. To znamená, že 30 % měsíčních uživatelů vstupuje do aplikace denně. Čím vyšší je Stickiness, tím silnější je návyk uživatelů.

Normy Stickiness podle kategorií

Podle agregovaných statistik Amplitude (2024) jsou mediánové hodnoty Stickiness: Social 45–55 %, Communication 40–50 %, Gaming 20–35 %, E-commerce 15–25 %, Fintech 15–20 %, Utility 10–20 %. Usilovat o abstraktních 50 % je nesmyslné — normu určuje konkrétní kategorie a obchodní model produktu.

Proč vyšší Stickiness není vždy lepší

Vysoký Stickiness nemusí vždy znamenat zdraví produktu. Například aplikace s vynucenou denní aktivitou (bankovnictví, ověřování, firemní nástroje) může mít 60 % Stickiness, ale nízkou spokojenost uživatelů. Analyzujte DAU společně s NPS a retention, abyste získali objektivní obraz zapojení.

Jak sledovat DAU ve Firebase Analytics

Firebase Analytics poskytuje automatický sběr DAU bez psaní kódu. Po připojení SDK Firebase Analytics začne sledovat aktivitu uživatelů na základě události session_start. DAU se zobrazí na dashboardu Firebase v sekci Analytics → Dashboard → Active Users. Data jsou k dispozici s denní granularitou a filtrováním podle platformy, verze a země.

Nastavení vlastních událostí pro DAU

Pokud je vyžadován přesnější DAU (například pouze autentizovaní uživatelé nebo uživatelé, kteří provedli cílovou akci), nastavte vlastní události prostřednictvím Firebase SDK. Odešlete událost s parametry při každém provedení cílové akce a filtrujte v panelu analytiky. Pro deduplikaci Firebase automaticky používá Installation ID.

import com.google.firebase.analytics.FirebaseAnalytics

class AnalyticsTracker {
    private val firebase = FirebaseAnalytics.getInstance(context)
    
    fun trackDailyActiveUsers() {
        val params = bundleOf(
            "app_version" to BuildConfig.VERSION_NAME,
            "platform" to "android",
            "user_id" to AuthManager.getCurrentUserId()
        )
        firebase.logEvent("daily_session", params)
    }
}

Automatizace sestav DAU

Firebase Analytics umožňuje nastavit automatický export dat o DAU do BigQuery pro vytváření vlastních dashboardů. Firebase můžete také připojit k Amplitude nebo Mixpanel přes SDK pro mezipodnikovou analýzu. Pro pravidelné sestavy nastavte odesílání e-mailů z Firebase Console s grafy DAU za zvolené období.

Jak ovlivnit DAU a zvýšit zapojení

Zvýšení DAU je úkolem product growth, který se řeší zlepšením uživatelské zkušenosti, zavedením návyků a zvýšením hodnoty produktu. Neexistuje jednotný vzorec pro růst DAU, ale existují osvědčené taktiky, které fungují ve většině kategorií mobilních aplikací.

• Zavést Push notifikace s personalizovaným obsahem a načasováním
• Přidat denní odměny: bonusy, výzvy a připomínky
• Zlepšit onboarding pro rychlé předvedení hodnoty aplikace
• Optimalizovat Deep Linking pro návrat uživatelů z externích zdrojů
• Analyzovat DAU podle kohort a identifikovat místa odlivu

Push notifikace a DAU

Podle výzkumu Airship (2024) vykazují aplikace používající personalizované Push notifikace o 30–50 % vyšší DAU ve srovnání s aplikacemi bez notifikací. Klíčovým faktorem je relevance obsahu a čas odeslání. Agresivní notifikace přinášejí krátkodobý růst DAU, ale dlouhodobě snižují Retention.

Gamifikace jako hnací síla DAU

Zavedení herních mechanik — gamifikace — zvyšuje DAU o 15–30 % v neherních aplikacích. Denní úkoly, ukazatele pokroku, úspěchy a sociální žebříčky vytvářejí návyk vracet se do aplikace. Duolingo, MyFitnessPal a Headspace jsou příklady úspěšné gamifikace s vysokými ukazateli Stickiness.