WAU sa mobile analytics: ano ito, metrika ng aktibidad at paano kalkulahin

Ano ang WAU sa mobile analytics?

WAU (Weekly Active Users) — ay isang metrika na nagpapakita ng bilang ng mga natatanging user na nakipag-ugnayan sa app sa nakaraang 7 araw ng kalendaryo. Hindi tulad ng DAU (Daily Active Users), ang WAU ay hindi gaanong apektado ng pang-araw-araw na pagbabago-bago at nagbibigay ng mas matatag na larawan ng lingguhang aktibidad.

Bakit kailangan ang metrikang WAU

Ang metrika ay nagpapahintulot sa pagsusuri ng pagiging epektibo ng lingguhang mga aktibidad sa produkto at marketing. Kung ang DAU ay sumasagot sa tanong na “ilang tao ang dumating ngayon”, ang WAU naman ay “ilang tao ang nanatili sa amin ngayong linggo”. Ito ay kritikal para sa mga app na may cycle ng paggamit na ilang araw: fitness tracker, educational platform, news aggregator.

Kailan ginagamit ang WAU sa halip na DAU

Sa mga app na may hindi regular ngunit lingguhang pattern ng paggamit, ang DAU ay maaaring magbago nang malaki. Halimbawa, sa mga app sa pagpaplano ng gawain, ang mga user ay nagla-log in tuwing 2-3 araw — ang DAU ay magpapakita ng mababang aktibidad, habang ang WAU ay sapat na sumasalamin sa tunay na pakikipag-ugnayan. Ang pagpili sa pagitan ng DAU at WAU ay nakadepende sa inaasahang dalas ng pakikipag-ugnayan sa produkto.

Ugnayan ng WAU sa mga metrika ng produkto

WAU ay may kaugnayan sa tagapagpahiwatig ng pagpapanatili ng Day 7: kung ang user ay bumalik sa ika-7 araw, siya ay pumapasok sa WAU nang hindi bababa sa dalawang beses sa isang buwan. Ginagamit ng mga team ang WAU para subaybayan ang epekto ng mga bagong feature: paglunsad ng feature sa Lunes at pagsukat ng WAU sa susunod na Linggo ay nagbibigay ng direktang pagtatasa ng epekto ng pagbabago sa lingguhang audience.

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;

Paano kinakalkula ang WAU?

Pagkalkula ng WAU ay isinasagawa sa pamamagitan ng simpleng formula: bilang ng mga natatanging user sa nakaraang 7 araw. Gayunpaman, sa praktika, dalawang approach ang inilalapat — nakapirming linggo (Monday-Sunday) at sliding window (rolling 7 days). Ang pagpili ng pamamaraan ay nakakaapekto sa interpretasyon ng data at paghahambing ng mga ulat.

Nakapirming linggo kumpara sa sliding window

Ang nakapirming linggo ay maginhawa para sa regular na pag-uulat: ang WAU ay kinakalkula mula Lunes hanggang Linggo. Ang sliding window ay kinakalkula ang WAU para sa bawat araw bilang kabuuan ng mga natatanging user mula sa nakaraang 7 araw. Ang pangalawang approach ay nagbibigay ng mas makinis na graph at ginagamit sa real-time na dashboard. Ayon sa data ng Amplitude (2025), 73% ng mga product team ay gumagamit ng sliding window para sa WAU.

Pagsala ayon sa mga target na kaganapan

Hindi bawat pagbubukas ng app ay dapat isaalang-alang sa WAU. Madalas na sinasala ng mga team ang mga user ayon sa mga target na kaganapan: pagtingin ng nilalaman, pagbili, pagkumpleto ng level, pagpapadala ng mensahe. Ito ay nagbubukod ng mga “pasibo” na user na hindi sinasadyang nagbukas ng app. Sa SQL, ang naturang filter ay idinaragdag sa pamamagitan ng kondisyong event_type IN (...).

Pagsasaalang-alang ng cross-platform na mga user

Kung ang user ay aktibo sa iOS at Android, ang parehong mga identifier (email, account_id) ay dapat na deduplicated. Kung walang deduplication, ang WAU ay magiging mas mataas ng 15-25%. Gamitin ang internal na user_id sa halip na device_id para sa tamang pagbilang. Sinusuportahan ng Clickhouse at Snowflake ang deduplication sa pamamagitan ng HyperLogLog o Bloom filter.

import pandas as pd

# Pag-load ng mga kaganapan mula sa nakaraang 7 araw
events = pd.read_sql('''
    SELECT user_id, event_date
    FROM user_events
    WHERE event_date >= CURRENT_DATE - 7
''', conn)

# Pagkalkula ng WAU na may sliding window
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)

Karaniwang pagkakamali sa pagkalkula ng WAU

Unang pagkakamali — pagsasaalang-alang ng lahat ng kaganapan nang hindi sinasala ang mga target na aksyon. Kung bibilangin ang anumang pagbubukas, ang WAU ay magsasama ng mga user na pumasok sa loob ng 5 segundo at isinara ang app. Pangalawang pagkakamali — paghahalo ng time zone: ang mga kaganapan mula sa 7 araw ay dapat kalkulahin sa iisang time zone (karaniwang UTC). Pangatlo — kawalan ng deduplication ng cross-platform na mga user, na sumisira sa tunay na larawan ng audience.

WAU vs DAU vs MAU: ano ang pagkakaiba?

Tatlong metrika — DAU, WAU at MAU — ay bumubuo ng hierarchy ng aktibong audience ayon sa time horizon. Sinusukat ng DAU ang pang-araw-araw na aktibidad, WAU — lingguhan, MAU — buwanan. Ang bawat metrika ay sumasagot sa sarili nitong tanong tungkol sa pag-uugali ng user at ginagamit sa iba’t ibang senaryo ng analytics ng produkto.

Paghahambing ng mga time horizon

DAU (Daily Active Users) — ang pinaka-operational na metrika. Ipinapakita nito kung ilang user ang dumating ngayon. Pinapakinis ng WAU ang pang-araw-araw na mga peak at pagbaba, at ng MAU — buwanan. Para sa mga app na may araw-araw na paggamit (mga messenger, social media), ang DAU ang pangunahing metrika. Para sa mga app na ginagamit 1-2 beses sa isang linggo (fitness, paghahatid), mas tumpak na sinasalamin ng WAU ang aktibidad. Para sa pana-panahon o bihirang ginagamit na mga app (paglalakbay, buwis) — MAU.

Koepisyent ng Stickiness

Stickiness (pagdikit) — ratio ng DAU sa MAU, na nagpapakita kung gaano kadalas bumabalik ang mga user. Ang halagang higit sa 20% ay itinuturing na mabuti. Ginagamit ang WAU para sa intermediate na kontrol: kung bumaba ang DAU/MAU, maaaring suriin ang WAU/MAU — kung ito ay matatag, ang problema ay nasa pang-araw-araw na aktibidad, hindi sa pangkalahatan. Formula: Stickiness = DAU / MAU * 100%. Para sa isang malusog na app, ang tagapagpahiwatig na ito ay nananatili sa hanay na 20-50%.

Aling metrika ang mas mahalaga at kailan

Pagpili ng metrika ay nakadepende sa business cycle ng produkto. Sa yugto ng paglago, ang pokus ay nasa DAU — mahalagang makita ang pang-araw-araw na dinamika ng mga bagong user. Sa yugto ng kapanahunan, ang WAU ay nagiging pangunahing metrika: ipinapakita nito kung ilang user ang nananatiling tapat sa lingguhang horizon. Ang MAU ay kritikal para sa mga ulat sa mga investor at pagsusuri ng pangkalahatang abot. Sa pamamagitan ng pagsasama-sama ng tatlong metrika, nakukuha ng analyst ang kumpletong larawan ng lifecycle ng user.

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

# Halimbawa ng pagkalkula ng DAU/MAU WAU para sa hypothetical na app
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}%")

Mga pamantayan ng WAU ayon sa kategorya ng app

Mga pamantayan ng WAU ay malaki ang pagkakaiba sa pagitan ng mga kategorya ng app. Walang unibersal na “mabuting” halaga — ang metrika ay dapat ikumpara sa mga benchmark sa loob ng parehong vertical. Ang mga app sa social media ay nagpapakita ng pinakamataas na halaga ng WAU kumpara sa MAU, habang ang e-commerce at travel app ay mas mababa dahil sa hindi regular na pattern ng paggamit.

WAU ayon sa kategorya ng app

Ayon sa ulat na Adjust Mobile Benchmarks 2025, ang median na WAU/MAU ratio para sa iba’t ibang kategorya ay: Social Media — 0.65, Gaming — 0.55, E-commerce — 0.35, Fintech — 0.45, Health & Fitness — 0.40. Nangangahulugan ito na sa social media, 65% ng buwanang user ay aktibo lingguhan, at sa e-commerce — 35% lamang. Ang mga halagang mas mababa sa median ay nagpapahiwatig ng problema sa pakikipag-ugnayan o maling napiling interval ng pagsukat.

Mga salik na nakakaapekto sa WAU

Pana-panahon — unang salik. Ang mga app sa paghahatid ng pagkain ay nagpapakita ng peak ng WAU tuwing Biyernes at Sabado, mga fitness app — sa Enero at bago ang tag-init. Mga push notification — pangalawang salik: ang tamang kampanya ay maaaring magpataas ng WAU ng 15-30% sa loob ng isang linggo. Pangatlong salik — mga update sa app: pagkatapos ng malaking release, ang WAU ay karaniwang lumalaki ng 10-20% sa loob ng dalawang linggo, pagkatapos ay nagpapatatag sa isang bagong antas.

Paano dagdagan ang WAU sa mobile app?

Paglago ng WAU ay isang gawain na nalutas sa pamamagitan ng kombinasyon ng mga tool sa produkto at marketing. Hindi tulad ng DAU na maaaring itaas sa isang beses na aksyon, ang WAU ay nangangailangan ng sistematikong trabaho sa pagbabalik ng mga user sa lingguhang horizon. Tingnan natin ang mga pangunahing estratehiya na kinumpirma ng praktika ng malalaking mobile na produkto.

Mga push notification na may personalization

Mga push campaign — ang pinakamabilis na paraan upang maimpluwensyahan ang WAU. Ayon sa data ng Airship (2025), ang mga personalized na push notification ay nagpapataas ng WAU ng 20-25% sa unang linggo. Mahalagang i-segment ang audience ayon sa dalas ng paggamit: sa mga “natutulog” na user (hindi nag-log in sa loob ng 5+ araw) magpadala ng motivating message, sa mga aktibo — impormasyonal. Ang timing ay mahalaga: para sa fitness app, ang pinakamagandang oras ay umaga, para sa mga laro — gabi.

Lingguhang hamon at kaganapan

Ang mekanika ng lingguhang aktibidad — isa sa pinakamabisang driver ng WAU. Gumagamit ang mga laro ng lingguhang kaganapan na may espesyal na gantimpala, fitness app — mga hamon na “7 araw nang walang pahinga”, e-commerce — lingguhang diskwento para sa mga subscriber. Ang pangunahing prinsipyo: ang aktibidad ay dapat na limitado sa oras (7 araw) upang lumikha ng FOMO at mag-udyok sa user na bumalik.

Email at SMS paalala

Hindi lahat ng user ay nagpapahintulot ng push notification. Para sa kanila, epektibo ang mga newsletter sa email at SMS na may lingguhang buod: “Ang iyong estadistika para sa linggo”, “Mga bagong artikulo sa blog”, “Mga produktong iyong tiningnan”. Ang rate ng pagbubukas ng email na may personal na estadistika ay 40% na mas mataas kaysa sa karaniwang newsletter. Ang kombinasyon ng push + email ay nagbibigay ng pinakamataas na paglago ng WAU — hanggang 35% bawat buwan.

-- Mga user na hindi aktibo nang higit sa 5 araw (target para sa 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';