MAU en analítica móvil — qué es, métrica de audiencia mensual y cómo calcularla

¿Qué es MAU en analítica móvil?

MAU (Monthly Active Users) — una métrica que muestra el número de usuarios únicos que realizaron una acción objetivo en la aplicación durante los últimos 30 días calendario. A diferencia de DAU, MAU no es sensible a las fluctuaciones diarias y proporciona una imagen estable del tamaño de la base activa. Es el estándar de informes para empresas tecnológicas públicas: Facebook, Spotify, Uber y otras reportan MAU en sus resultados trimestrales.

Por qué MAU es la métrica número uno para los inversores

Los inversores evalúan la escala del negocio precisamente por MAU. La métrica muestra cuántos usuarios retiene el producto durante un mes — el horizonte mínimo para evaluar el product-market fit. Facebook reporta MAU desde 2012, y el crecimiento de esta métrica se correlaciona directamente con la capitalización de mercado de la empresa. Para las startups, MAU es una de las métricas clave en los pitch decks y rondas de financiación.

MAU en el contexto de la analítica de producto

En la analítica de producto, MAU se utiliza como métrica de entrada para muchos cálculos. Sirve como base para la relación MAU/DAU (Stickiness), ARPU (Average Revenue Per User) y LTV (Lifetime Value). Sin un MAU preciso, es imposible evaluar correctamente la conversión a usuarios de pago y la efectividad de los canales de marketing. MAU es la base de la pirámide de métricas sobre la que se construyen todos los demás indicadores de monetización y participación.

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;

¿Cómo se calcula MAU?

El cálculo de MAU parece simple a primera vista: contar usuarios únicos en 30 días. Sin embargo, en la práctica surgen varios matices que afectan la precisión. La elección del método de cálculo — mes calendario o ventana móvil — determina qué tan bien refleja la métrica la actividad real de los usuarios en el desarrollo móvil.

Mes calendario vs ventana móvil

El mes calendario es el enfoque tradicional: MAU se calcula del 1º al último día del mes. Es conveniente para informes, pero crea artefactos: por ejemplo, si ocurre una falla el día 30, el MAU del mes será subestimado. La ventana móvil (rolling 30 days) proporciona una métrica más suave, pero es más compleja para informes periódicos. Según Mixpanel (2025), el 80% de los equipos de producto usan el mes calendario para informes externos y la ventana móvil para paneles internos.

Deduplicación de usuarios multiplataforma

Un mismo usuario puede acceder a la aplicación desde múltiples dispositivos: iPhone y iPad, tableta Android y escritorio. Sin deduplicación, MAU se inflará entre un 20 y un 40%. La mejor práctica es usar un único account_id para todas las plataformas. Si el usuario no está autenticado, use una combinación de device_id + Advertising ID (IDFA en iOS, GAID en Android) con deduplicación posterior al iniciar sesión.

Consideración de usuarios inactivos

¿Quién cuenta como usuario activo? La acción mínima es abrir la aplicación (inicio de sesión). Sin embargo, muchos equipos establecen un umbral: una sesión de más de 10 segundos o la realización de al menos una acción objetivo. Esto excluye aperturas accidentales y bots. Los diferentes umbrales de actividad generan variaciones de MAU del 10 al 30%, por lo que la metodología debe fijarse y no modificarse entre períodos.

Automatización del cálculo de MAU

La mayoría de las empresas automatizan el cálculo de MAU mediante pipelines ETL. Los datos de Firebase, Amplitude o servidores propios se agregan en Clickhouse o Snowflake. El recálculo diario de MAU permite ver tendencias en tiempo real. Importante: al cambiar la metodología (por ejemplo, el umbral de actividad), recalcule MAU para períodos anteriores para mantener la comparabilidad de los datos.

import pandas as pd
from datetime import datetime, timedelta

def calculate_mau(events_df, active_threshold_sec=10):
    # Filtro de duración mínima de sesión
    active = events_df[events_df['session_length'] >= active_threshold_sec]
    # Ventana móvil de 30 días
    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: jerarquía de métricas

Tres métricas — DAU, WAU y MAU — forman un sistema para evaluar la audiencia activa en diferentes horizontes temporales. Juntas proporcionan una imagen completa de la salud del producto. Un analista que solo mira MAU corre el riesgo de pasar por alto problemas diarios; quien solo mira DAU pierde la tendencia estratégica.

Relación entre DAU, WAU y MAU

La relación de las métricas sigue un patrón simple: DAU ≤ WAU ≤ MAU. La brecha entre DAU y MAU muestra qué tan uniformemente están distribuidos los usuarios a lo largo de los días del mes. Si DAU representa el 10% de MAU — los usuarios visitan con poca frecuencia (por ejemplo, una app de reserva de hoteles). Si DAU representa el 50% de MAU — la aplicación se usa casi a diario (redes sociales, mensajería). La relación DAU/MAU se llama Stickiness y es un indicador estándar de participación.

Stickiness: el principal indicador de participación

Stickiness = DAU / MAU * 100%. Un valor superior al 50% es excelente para cualquier aplicación. Un valor del 20 al 50% es normal para la mayoría de los productos. Un valor inferior al 20% señala un problema de retención. Stickiness no depende de la escala: una app con 1 millón de MAU y una startup con 10 mil MAU pueden tener el mismo Stickiness. Esto hace que la métrica sea conveniente para benchmarking y comparación de productos dentro de una misma categoría.

Normas de MAU por categoría de aplicación

Las normas de MAU dependen de la categoría, la geografía y la madurez del producto. En lugar de valores absolutos, los analistas utilizan la dinámica de MAU (crecimiento mes a mes) y las relaciones con otras métricas. Un crecimiento de MAU del 10% mes a mes se considera bueno para un producto maduro, del 30%+ para uno de rápido crecimiento.

Benchmarks de MAU por categoría

Según el informe App Annie State of Mobile 2025, el MAU mediano varía según la categoría. Redes Sociales: 50–500 millones (actores globales), Gaming: 1–50 millones, Comercio electrónico: 100 mil — 10 millones, Fintech: 500 mil — 20 millones. Estas cifras dependen en gran medida de la región: una app con 1 millón de MAU en EE. UU. puede considerarse grande, en India — mediana. Comparar MAU solo tiene sentido dentro de la misma categoría y región geográfica.

MAU y monetización

MAU está directamente vinculado a los ingresos a través del ARPU. Si MAU crece mientras ARPU disminuye, el negocio se está expandiendo hacia una audiencia menos solvente. Si MAU es estable mientras ARPU crece, el producto está aumentando la monetización de su base existente. El escenario ideal: crecimiento de MAU manteniendo o aumentando ARPU. La relación MAU/Ingresos es un indicador clave para evaluar la economía unitaria de una aplicación móvil.

¿Cómo aumentar MAU en una aplicación móvil?

El crecimiento de MAU consiste principalmente en aumentar el número de nuevos usuarios (adquisición) y reducir la pérdida (retención). A diferencia de DAU, que puede impulsarse con métodos tácticos, MAU requiere una estrategia sistemática de atracción y retención de audiencia. Exploremos los principales canales de crecimiento, confirmados por la práctica de los productos móviles líderes.

Adquisición orgánica: ASO y contenido

App Store Optimization (ASO) es la forma más rentable de hacer crecer MAU. Optimizar el título, las palabras clave, el icono y las capturas de pantalla puede aumentar el tráfico orgánico entre un 20 y un 40%. El segundo canal es el marketing de contenidos: artículos, videos y casos de estudio que se posicionan en buscadores y atraen nuevos usuarios. Para apps B2C, las mecánicas virales son efectivas: “invita a un amigo — obtén un bono.”

Adquisición de usuarios paga (UA)

User Acquisition (UA) — canales pagos: Facebook Ads, Google Ads, Apple Search Ads, TikTok Ads. El costo de adquirir un MAU varía ampliamente: desde $0.50 en mercados en desarrollo hasta $5–8 en EE. UU./UE. El principio clave: el CAC (Costo de Adquisición de Cliente) debe ser al menos 3 veces menor que el LTV (Valor de Vida Útil). Las campañas publicitarias deben dirigirse a cohortes con retención al Día 30 superior al 20%.

Programas de referencia y viralidad

Las mecánicas de referencia son un motor de crecimiento orgánico de MAU. Dropbox creció de 100 mil a 4 millones de MAU en 15 meses gracias a su programa de referidos. La clave del éxito: el valor del bono para ambas partes (el que invita y el invitado). Para aplicaciones móviles, los enlaces de referidos con deep linking son efectivos — el nuevo usuario llega directamente a la pantalla deseada después de la instalación.

-- Cálculo de MAU desglosado por fuente de tráfico
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;