MAU dans l’analyse mobile — qu’est-ce que c’est, métrique d’audience mensuelle et comment la calculer

Qu’est-ce que le MAU dans l’analyse mobile ?

MAU (Utilisateurs Actifs Mensuels) — une métrique qui montre le nombre d’utilisateurs uniques ayant effectué une action cible dans l’application au cours des 30 derniers jours calendaires. Contrairement au DAU, le MAU n’est pas sensible aux fluctuations quotidiennes et fournit une image stable de la taille de la base active. C’est la norme de reporting pour les entreprises technologiques publiques : Facebook, Spotify, Uber et autres indiquent le MAU dans leurs résultats trimestriels.

Pourquoi le MAU est la métrique numéro un pour les investisseurs

Les investisseurs évaluent l’échelle de l’entreprise précisément par le MAU. La métrique montre combien d’utilisateurs le produit retient sur un mois — l’horizon minimum pour évaluer l’adéquation produit-marché. Facebook publie le MAU depuis 2012, et la croissance de cette métrique est directement corrélée à la capitalisation boursière de l’entreprise. Pour les startups, le MAU est l’une des métriques clés dans les pitch decks et les levées de fonds.

Le MAU dans le contexte de l’analyse produit

Dans l’analyse produit, le MAU est utilisé comme métrique d’entrée pour de nombreux calculs. Il sert de base au ratio MAU/DAU (Stickiness), à l’ARPU (Revenu Moyen par Utilisateur) et au LTV (Valeur à Vie). Sans un MAU précis, il est impossible d’évaluer correctement la conversion en utilisateurs payants et l’efficacité des canaux marketing. Le MAU est la base de la pyramide des métriques sur laquelle tous les autres indicateurs de monétisation et d’engagement sont construits.

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;

Comment le MAU est-il calculé ?

Le calcul du MAU semble simple à première vue : compter les utilisateurs uniques sur 30 jours. Cependant, en pratique, plusieurs nuances apparaissent qui affectent la précision. Le choix de la méthode de calcul — mois calendaire ou fenêtre glissante — détermine à quel point la métrique reflète l’activité réelle des utilisateurs dans le développement mobile.

Mois calendaire vs fenêtre glissante

Le mois calendaire est l’approche traditionnelle : le MAU est calculé du 1er au dernier jour du mois. Il est pratique pour le reporting mais crée des artefacts : par exemple, si un crash survient le 30, le MAU du mois sera sous-estimé. La fenêtre glissante (rolling 30 jours) fournit une métrique plus lisse mais est plus complexe pour les rapports périodiques. Selon Mixpanel (2025), 80% des équipes produit utilisent le mois calendaire pour les rapports externes et la fenêtre glissante pour les tableaux de bord internes.

Déduplication des utilisateurs multiplateformes

Un même utilisateur peut accéder à l’application depuis plusieurs appareils : iPhone et iPad, tablette Android et ordinateur de bureau. Sans déduplication, le MAU sera gonflé de 20 à 40%. La meilleure pratique est d’utiliser un seul account_id pour toutes les plateformes. Si l’utilisateur n’est pas authentifié, utilisez une combinaison de device_id + Advertising ID (IDFA sur iOS, GAID sur Android) avec déduplication ultérieure lors de l’authentification.

Prise en compte des utilisateurs inactifs

Qui est considéré comme utilisateur actif ? L’action minimale est d’ouvrir l’application (début de session). Cependant, de nombreuses équipes fixent un seuil : session de plus de 10 secondes ou réalisation d’au moins une action cible. Cela exclut les ouvertures accidentelles et les bots. Des seuils différents d’activité entraînent des variations de MAU de 10 à 30%, donc la méthodologie doit être fixée et ne pas changer entre les périodes.

Automatisation du calcul du MAU

La plupart des entreprises automatisent le calcul du MAU via des pipelines ETL. Les données de Firebase, Amplitude ou des serveurs personnalisés sont agrégées dans Clickhouse ou Snowflake. Le recalcul quotidien du MAU permet de voir les tendances en temps réel. Important : lors du changement de méthodologie (par exemple, seuil d’activité), recalculez le MAU pour les périodes précédentes afin de maintenir la comparabilité des données.

import pandas as pd
from datetime import datetime, timedelta

def calculate_mau(events_df, active_threshold_sec=10):
    # Filtre de durée minimale de session
    active = events_df[events_df['session_length'] >= active_threshold_sec]
    # Fenêtre glissante de 30 jours
    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 : hiérarchie des métriques

Trois métriques — DAU, WAU et MAU — forment un système pour évaluer l’audience active sur différents horizons temporels. Ensemble, elles fournissent une image complète de la santé du produit. Un analyste qui ne regarde que le MAU risque de manquer les problèmes quotidiens ; celui qui ne regarde que le DAU rate la tendance stratégique.

Relation entre DAU, WAU et MAU

La relation des métriques suit un schéma simple : DAU ≤ WAU ≤ MAU. L’écart entre DAU et MAU montre à quel point les utilisateurs sont répartis uniformément sur les jours du mois. Si DAU représente 10% du MAU — les utilisateurs visitent rarement (ex. une application de réservation d’hôtel). Si DAU représente 50% du MAU — l’application est utilisée presque quotidiennement (réseaux sociaux, messageries). Le ratio DAU/MAU est appelé Stickiness et est un indicateur standard d’engagement.

Stickiness : le principal indicateur d’engagement

Stickiness = DAU / MAU * 100%. Une valeur supérieure à 50% est excellente pour toute application. Une valeur de 20 à 50% est normale pour la plupart des produits. Une valeur inférieure à 20% signale un problème de rétention. Stickiness ne dépend pas de l’échelle : une application avec 1 million de MAU et une startup avec 10 000 MAU peuvent avoir la même Stickiness. Cela rend la métrique pratique pour le benchmarking et la comparaison de produits au sein d’une même catégorie.

Normes de MAU par catégorie d’application

Les normes de MAU dépendent de la catégorie, de la géographie et de la maturité du produit. Au lieu de valeurs absolues, les analystes utilisent la dynamique du MAU (croissance mois après mois) et les relations avec d’autres métriques. Une croissance du MAU de 10% mois après mois est considérée comme bonne pour un produit mature, 30%+ pour un produit à croissance rapide.

Benchmarks de MAU par catégorie

Selon le rapport App Annie State of Mobile 2025, le MAU médian varie selon la catégorie. Réseaux sociaux : 50–500 millions (acteurs mondiaux), Jeux : 1–50 millions, E-commerce : 100 000 — 10 millions, Fintech : 500 000 — 20 millions. Ces chiffres dépendent fortement de la région : une application avec 1 million de MAU aux États-Unis peut être considérée comme grande, en Inde — moyenne. Comparer le MAU n’a de sens qu’au sein d’une même catégorie et d’une même région géographique.

MAU et monétisation

MAU est directement lié aux revenus via l’ARPU. Si le MAU croît tandis que l’ARPU baisse, l’entreprise s’étend vers un public moins solvable. Si le MAU est stable tandis que l’ARPU augmente, le produit augmente la monétisation de sa base existante. Le scénario idéal : croissance du MAU tout en maintenant ou augmentant l’ARPU. Le ratio MAU/Revenus est un indicateur clé pour évaluer l’économie unitaire d’une application mobile.

Comment augmenter le MAU dans une application mobile ?

La croissance du MAU consiste principalement à augmenter le nombre de nouveaux utilisateurs (acquisition) et à réduire le taux de désabonnement (rétention). Contrairement au DAU, qui peut être augmenté par des méthodes tactiques, le MAU nécessite une stratégie systématique d’attraction et de fidélisation du public. Explorons les principaux canaux de croissance, confirmés par la pratique des principaux produits mobiles.

Acquisition organique : ASO et contenu

App Store Optimization (ASO) est le moyen le plus rentable de faire croître le MAU. L’optimisation du titre, des mots-clés, de l’icône et des captures d’écran peut augmenter le trafic organique de 20 à 40%. Le deuxième canal est le marketing de contenu : articles, vidéos et études de cas qui se classent dans les recherches et attirent de nouveaux utilisateurs. Pour les applications B2C, les mécanismes viraux sont efficaces : «invitez un ami — obtenez un bonus.»

Acquisition payante d’utilisateurs (UA)

User Acquisition (UA) — canaux payants : Facebook Ads, Google Ads, Apple Search Ads, TikTok Ads. Le coût d’acquisition d’un MAU varie considérablement : de 0,50 $ sur les marchés émergents à 5–8 $ aux États-Unis/UE. Le principe clé : le CAC (Coût d’Acquisition Client) doit être au moins 3 fois inférieur au LTV (Valeur à Vie). Les campagnes publicitaires doivent cibler les cohortes avec une rétention au Jour 30 supérieure à 20%.

Programmes de parrainage et viralité

Les mécanismes de parrainage sont un moteur de croissance organique du MAU. Dropbox est passé de 100 000 à 4 millions de MAU en 15 mois grâce à son programme de parrainage. La clé du succès : la valeur du bonus pour les deux parties (le parrain et le filleul). Pour les applications mobiles, les liens de parrainage avec deep linking sont efficaces — le nouvel utilisateur arrive directement sur l’écran souhaité après l’installation.

-- Calcul du MAU par source de trafic
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;