WAU v mobilní analytice: co to je, metrika aktivity a jak počítat

Co je WAU v mobilní analytice?

WAU (Weekly Active Users) — je metrika, která ukazuje počet unikátních uživatelů, kteří interagovali s aplikací za posledních 7 kalendářních dní. Na rozdíl od DAU (Daily Active Users) je WAU méně vystaven denním výkyvům a poskytuje stabilnější obraz týdenní aktivity.

Proč je metrika WAU potřebná

Metrika umožňuje posoudit účinnost týdenních produktových a marketingových aktivit. Pokud DAU odpovídá na otázku „kolik lidí dnes přišlo”, WAU na otázku „kolik lidí s námi zůstalo tento týden”. To je kriticky důležité pro aplikace s cyklem používání několika dní: fitness trackery, vzdělávací platformy, agregátory zpráv.

Kdy se WAU používá místo DAU

V aplikacích s nepravidelným, ale týdenním vzorcem používání může DAU silně kolísat. Například v aplikacích pro plánování úkolů se uživatelé přihlašují každé 2–3 dny — DAU ukáže nízkou aktivitu, zatímco WAU adekvátně odrazí skutečné zapojení. Volba mezi DAU a WAU závisí na očekávané frekvenci interakce s produktem.

Souvislost WAU s produktovými metrikami

WAU koreluje s ukazatelem retence Day 7: pokud se uživatel vrátí 7. den, vstupuje do WAU nejméně dvakrát měsíčně. Týmy používají WAU ke sledování efektu nových funkcí: spuštění funkce v pondělí a měření WAU následující neděli poskytuje přímé hodnocení dopadu změny na týdenní publikum.

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;

Jak se vypočítává WAU?

Výpočet WAU se provádí jednoduchým vzorcem: počet unikátních uživatelů za posledních 7 dní. V praxi se však používají dva přístupy — pevný týden (Monday–Sunday) a klouzavé okno (rolling 7 days). Volba metody ovlivňuje interpretaci dat a srovnatelnost zpráv.

Pevný týden versus klouzavé okno

Pevný týden je vhodný pro pravidelné vykazování: WAU se počítá od pondělí do neděle. Klouzavé okno vypočítává WAU pro každý den jako součet unikátních uživatelů z předchozích 7 dní. Druhý přístup poskytuje hladší graf a používá se v řídicích panelech v reálném čase. Podle údajů Amplitude (2025) používá 73 % produktových týmů pro WAU klouzavé okno.

Filtrování podle cílových událostí

Ne každé otevření aplikace by mělo být zohledněno v WAU. Týmy často filtrují uživatele podle cílových událostí: prohlížení obsahu, nákup, dokončení úrovně, odeslání zprávy. To vylučuje „pasivní” uživatele, kteří aplikaci otevřeli náhodně. V SQL se takový filtr přidává pomocí podmínky event_type IN (...).

Zohlednění uživatelů napříč platformami

Pokud je uživatel aktivní na iOS a Androidu, stejné identifikátory (email, account_id) musí být deduplikovány. Bez deduplikace bude WAU nadhodnocen o 15–25 %. Používejte interní user_id místo device_id pro správné počítání. Clickhouse a Snowflake podporují deduplikaci pomocí HyperLogLog nebo Bloom filtrů.

import pandas as pd

# Načítání událostí za posledních 7 dní
events = pd.read_sql('''
    SELECT user_id, event_date
    FROM user_events
    WHERE event_date >= CURRENT_DATE - 7
''', conn)

# Výpočet WAU s klouzavým oknem
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)

Typické chyby při výpočtu WAU

První chyba — zohledňování všech událostí bez filtrování cílových akcí. Pokud se počítají všechna otevření, WAU bude zahrnovat uživatele, kteří vstoupili na 5 sekund a zavřeli aplikaci. Druhá chyba — míchání časových pásem: události ze 7 dní musí být počítány v jednotném časovém pásmu (obvykle UTC). Třetí — absence deduplikace uživatelů napříč platformami, což zkresluje skutečný obraz publika.

WAU vs DAU vs MAU: jaký je rozdíl?

Tři metriky — DAU, WAU a MAU — tvoří hierarchii aktivního publika podle časových horizontů. DAU měří denní aktivitu, WAU — týdenní, MAU — měsíční. Každá metrika odpovídá na svou vlastní otázku o chování uživatelů a používá se v různých scénářích produktové analytiky.

Porovnání časových horizontů

DAU (Daily Active Users) — nejoperativnější metrika. Ukazuje, kolik uživatelů dnes přišlo. WAU vyhlazuje denní vrcholy a propady, MAU — měsíční. Pro aplikace s každodenním používáním (messengery, sociální média) je DAU hlavní metrikou. Pro aplikace používané 1–2krát týdně (fitness, doručování) WAU přesněji odráží aktivitu. Pro sezónní nebo zřídka používané aplikace (cestování, daně) — MAU.

Koeficient Stickiness

Stickiness (přilnavost) — poměr DAU k MAU, který ukazuje, jak často se uživatelé vracejí. Hodnota nad 20 % je považována za dobrou. WAU se používá pro mezilehlou kontrolu: pokud DAU/MAU klesá, lze zkontrolovat WAU/MAU — pokud je stabilní, problém je v denní, nikoli celkové aktivitě. Vzorec: Stickiness = DAU / MAU * 100 %. Pro zdravou aplikaci se tento ukazatel drží v rozmezí 20–50 %.

Která metrika je důležitější a kdy

Výběr metriky závisí na obchodním cyklu produktu. Ve fázi růstu je zaměření na DAU — je důležité vidět denní dynamiku nových uživatelů. Ve fázi zralosti se WAU stává klíčovou metrikou: ukazuje, kolik uživatelů zůstává loajálních na týdenním horizontu. MAU je kritický pro zprávy investorům a hodnocení celkového dosahu. Kombinací tří metrik získá analytik úplný obrázek o životním cyklu uživatele.

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

# Příklad výpočtu DAU/MAU WAU pro hypotetickou aplikaci
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}%")

Normy WAU podle kategorií aplikací

Normy WAU se mezi kategoriemi aplikací velmi liší. Neexistuje univerzální „dobrá” hodnota — metriku je třeba porovnávat s benchmarky v rámci stejné vertikály. Aplikace sociálních médií vykazují nejvyšší hodnoty WAU v poměru k MAU, zatímco e-commerce a cestovní aplikace — nižší kvůli nepravidelnému vzorci používání.

WAU podle kategorií aplikací

Podle zprávy Adjust Mobile Benchmarks 2025 je mediánový poměr WAU/MAU pro různé kategorie: Social Media — 0,65, Gaming — 0,55, E-commerce — 0,35, Fintech — 0,45, Health & Fitness — 0,40. To znamená, že v sociálních sítích je 65 % měsíčních uživatelů aktivních týdně, zatímco v e-commerce — pouze 35 %. Hodnoty pod mediánem naznačují problém se zapojením nebo nesprávně zvolený interval měření.

Faktory ovlivňující WAU

Sezónnost — první faktor. Aplikace pro doručování jídla vykazují vrchol WAU v pátek a sobotu, fitness aplikace — v lednu a před létem. Push oznámení — druhý faktor: správně naplánovaná kampaň může zvýšit WAU o 15–30 % za týden. Třetí faktor — aktualizace aplikace: po velkém vydání WAU obvykle roste o 10–20 % během dvou týdnů a poté se stabilizuje na nové úrovni.

Jak zvýšit WAU v mobilní aplikaci?

Růst WAU je úkol, který se řeší kombinací produktových a marketingových nástrojů. Na rozdíl od DAU, který lze zvýšit jednorázovou akcí, vyžaduje WAU systematickou práci na návratu uživatelů na týdenním horizontu. Podívejme se na hlavní strategie potvrzené praxí velkých mobilních produktů.

Push oznámení s personalizací

Push kampaně — nejrychlejší způsob, jak ovlivnit WAU. Podle údajů Airship (2025) zvyšují personalizovaná push oznámení WAU o 20–25 % v prvním týdnu. Je důležité segmentovat publikum podle frekvence používání: „spícím” uživatelům (nepřihlásili se 5+ dní) posílat motivační zprávy, aktivním — informační. Načasování je důležité: pro fitness aplikace je nejlepší čas ráno, pro hry — večer.

Týdenní výzvy a události

Mechanika týdenních aktivit — jeden z nejúčinnějších hybatelů WAU. Hry používají týdenní události se speciálními odměnami, fitness aplikace — výzvy „7 dní bez přestávky”, e-commerce — týdenní slevy pro předplatitele. Klíčový princip: aktivita musí být časově omezena (7 dní), aby vytvořila FOMO a motivovala uživatele k návratu.

E-mailové a SMS připomínky

Ne všichni uživatelé povolují push oznámení. Pro ně jsou účinné e-mailové newslettery a SMS s týdenním přehledem: „Vaše statistika za týden”, „Nové články na blogu”, „Produkty, které jste si prohlíželi”. Míra otevření e-mailů s osobní statistikou je o 40 % vyšší než u standardních newsletterů. Kombinace push + e-mail poskytuje maximální růst WAU — až 35 % za měsíc.

-- Uživatelé neaktivní déle než 5 dní (cíl pro reactivation)
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';