MAU मोबाइल एनालिटिक्स में — यह क्या है, मासिक सक्रिय उपयोगकर्ता मीट्रिक और गणना

मोबाइल एनालिटिक्स में MAU क्या है?

MAU (मासिक सक्रिय उपयोगकर्ता) — एक मीट्रिक जो पिछले 30 कैलेंडर दिनों में ऐप में लक्ष्य कार्रवाई करने वाले अद्वितीय उपयोगकर्ताओं की संख्या दर्शाता है। DAU के विपरीत, MAU दैनिक उतार-चढ़ाव के प्रति संवेदनशील नहीं है और सक्रिय आधार के आकार की स्थिर तस्वीर प्रदान करता है। यह सार्वजनिक प्रौद्योगिकी कंपनियों के लिए रिपोर्टिंग मानक है: Facebook, Spotify, Uber और अन्य त्रैमासिक परिणामों में MAU की रिपोर्ट करते हैं।

क्यों MAU निवेशकों के लिए नंबर वन मीट्रिक है

निवेशक व्यवसाय के पैमाने का आकलन MAU से ही करते हैं। मीट्रिक दिखाता है कि उत्पाद एक महीने में कितने उपयोगकर्ताओं को बनाए रखता है — उत्पाद-बाजार फिट का मूल्यांकन करने के लिए न्यूनतम क्षितिज। Facebook 2012 से MAU की रिपोर्ट कर रहा है, और इस मीट्रिक की वृद्धि सीधे कंपनी के बाजार पूंजीकरण से संबंधित है। स्टार्टअप के लिए, MAU पिच डेक और फंडिंग राउंड में प्रमुख मीट्रिक में से एक है।

उत्पाद एनालिटिक्स के संदर्भ में MAU

उत्पाद एनालिटिक्स में, MAU का उपयोग कई गणनाओं के लिए इनपुट मीट्रिक के रूप में किया जाता है। यह MAU/DAU अनुपात (स्टिकीनेस), ARPU (प्रति उपयोगकर्ता औसत राजस्व) और LTV (आजीवन मूल्य) का आधार बनाता है। सटीक MAU के बिना, भुगतान करने वाले उपयोगकर्ताओं में रूपांतरण और मार्केटिंग चैनलों की प्रभावशीलता का सही आकलन करना असंभव है। MAU मीट्रिक पिरामिड की नींव है जिस पर सभी अन्य मुद्रीकरण और जुड़ाव संकेतक बनाए जाते हैं।

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;

MAU की गणना कैसे की जाती है?

MAU की गणना पहली नज़र में सरल लगती है: 30 दिनों में अद्वितीय उपयोगकर्ताओं को गिनें। हालांकि, व्यवहार में कई बारीकियां उत्पन्न होती हैं जो सटीकता को प्रभावित करती हैं। गणना विधि का चुनाव — कैलेंडर माह या रोलिंग विंडो — यह निर्धारित करता है कि मीट्रिक मोबाइल विकास में वास्तविक उपयोगकर्ता गतिविधि को कितनी अच्छी तरह दर्शाता है।

कैलेंडर माह बनाम रोलिंग विंडो

कैलेंडर माह पारंपरिक दृष्टिकोण है: MAU की गणना महीने के पहले से आखिरी दिन तक की जाती है। यह रिपोर्टिंग के लिए सुविधाजनक है लेकिन कलाकृतियां बनाता है: उदाहरण के लिए, यदि 30 तारीख को क्रैश होता है, तो महीने का MAU कम आंका जाएगा। रोलिंग विंडो (30 दिनों का रोलिंग) एक चिकना मीट्रिक प्रदान करती है लेकिन आवधिक रिपोर्टिंग के लिए अधिक जटिल है। Mixpanel (2025) के अनुसार, 80% उत्पाद टीमें बाहरी रिपोर्ट के लिए कैलेंडर माह और आंतरिक डैशबोर्ड के लिए रोलिंग विंडो का उपयोग करती हैं।

क्रॉस-प्लेटफ़ॉर्म उपयोगकर्ता डिडुप्लीकेशन

एक ही उपयोगकर्ता कई उपकरणों से ऐप एक्सेस कर सकता है: iPhone और iPad, Android टैबलेट और डेस्कटॉप। डिडुप्लीकेशन के बिना, MAU 20-40% तक बढ़ जाएगा। सबसे अच्छा अभ्यास सभी प्लेटफ़ॉर्म पर एकल account_id का उपयोग करना है। यदि उपयोगकर्ता प्रमाणित नहीं है, तो device_id + Advertising ID (iOS पर IDFA, Android पर GAID) के संयोजन का उपयोग करें और प्रमाणीकरण पर बाद में डिडुप्लीकेशन करें।

निष्क्रिय उपयोगकर्ताओं का लेखा-जोखा

किसे सक्रिय उपयोगकर्ता माना जाए? न्यूनतम कार्रवाई ऐप खोलना है (सत्र शुरू)। हालांकि, कई टीमें एक सीमा निर्धारित करती हैं: 10 सेकंड से अधिक लंबा सत्र या कम से कम एक लक्ष्य कार्रवाई करना। यह आकस्मिक ओपन और बॉट को बाहर करता है। गतिविधि की अलग-अलग सीमाएं MAU में 10-30% के अंतर का कारण बनती हैं, इसलिए पद्धति निर्धारित होनी चाहिए और अवधियों के बीच नहीं बदलनी चाहिए।

MAU गणना का स्वचालन

अधिकांश कंपनियां ETL पाइपलाइनों के माध्यम से MAU गणना को स्वचालित करती हैं। Firebase, Amplitude या कस्टम सर्वर से डेटा Clickhouse या Snowflake में एकत्र किया जाता है। दैनिक MAU पुनर्गणना आपको वास्तविक समय में रुझान देखने की अनुमति देती है। महत्वपूर्ण: पद्धति बदलते समय (उदाहरण, गतिविधि सीमा), डेटा तुलनीयता बनाए रखने के लिए पिछली अवधियों के लिए MAU की पुनर्गणना करें।

import pandas as pd
from datetime import datetime, timedelta

def calculate_mau(events_df, active_threshold_sec=10):
    # न्यूनतम सत्र अवधि फ़िल्टर
    active = events_df[events_df['session_length'] >= active_threshold_sec]
    # 30 दिनों की रोलिंग विंडो
    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 बनाम WAU बनाम MAU: मीट्रिक पदानुक्रम

तीन मीट्रिक — DAU, WAU और MAU — विभिन्न समय क्षितिजों पर सक्रिय दर्शकों के मूल्यांकन के लिए एक प्रणाली बनाते हैं। साथ में, वे उत्पाद स्वास्थ्य की एक व्यापक तस्वीर प्रदान करते हैं। एक विश्लेषक जो केवल MAU देखता है, वह दैनिक समस्याओं को अनदेखा करने का जोखिम उठाता है; जो केवल DAU देखता है, वह रणनीतिक प्रवृत्ति से चूक जाता है।

DAU, WAU और MAU के बीच संबंध

मीट्रिक का संबंध एक सरल पैटर्न का अनुसरण करता है: DAU ≤ WAU ≤ MAU। DAU और MAU के बीच का अंतर दिखाता है कि उपयोगकर्ता महीने के दिनों में कितने समान रूप से वितरित हैं। यदि DAU, MAU का 10% है — उपयोगकर्ता कम बार आते हैं (उदा., होटल बुकिंग ऐप)। यदि DAU, MAU का 50% है — ऐप का लगभग दैनिक उपयोग होता है (सोशल नेटवर्क, मैसेंजर)। DAU/MAU अनुपात को स्टिकीनेस कहा जाता है और यह एक मानक जुड़ाव संकेतक है।

स्टिकीनेस: मुख्य जुड़ाव संकेतक

स्टिकीनेस = DAU / MAU * 100%। 50% से ऊपर का मान किसी भी ऐप के लिए उत्कृष्ट है। 20-50% का मान अधिकांश उत्पादों के लिए सामान्य है। 20% से नीचे का मान प्रतिधारण समस्या का संकेत देता है। स्टिकीनेस पैमाने पर निर्भर नहीं करता: 1 मिलियन MAU वाले ऐप और 10 हजार MAU वाले स्टार्टअप का स्टिकीनेस समान हो सकता है। यह मीट्रिक को बेंचमार्किंग और एक ही श्रेणी के उत्पादों की तुलना के लिए सुविधाजनक बनाता है।

एप्लिकेशन श्रेणी के अनुसार MAU मानदंड

MAU मानदंड श्रेणी, भूगोल और उत्पाद की परिपक्वता पर निर्भर करते हैं। निरपेक्ष मूल्यों के बजाय, विश्लेषक MAU गतिशीलता (माह-दर-माह वृद्धि) और अन्य मीट्रिक के साथ संबंधों का उपयोग करते हैं। परिपक्व उत्पाद के लिए 10% माह-दर-माह MAU वृद्धि अच्छी मानी जाती है, तेजी से बढ़ने वाले के लिए 30%+।

श्रेणी के अनुसार MAU बेंचमार्क

App Annie State of Mobile 2025 रिपोर्ट के अनुसार, मीडियन MAU श्रेणी के अनुसार भिन्न होता है। सोशल मीडिया: 50-500 मिलियन (वैश्विक खिलाड़ी), गेमिंग: 1-50 मिलियन, ई-कॉमर्स: 100 हजार — 10 मिलियन, फिनटेक: 500 हजार — 20 मिलियन। ये संख्याएं क्षेत्र पर heavily निर्भर करती हैं: अमेरिका में 1 मिलियन MAU वाला ऐप बड़ा माना जा सकता है, भारत में — मध्यम। तुलना केवल एक ही श्रेणी और भौगोलिक क्षेत्र के भीतर ही समझ में आती है।

MAU और मुद्रीकरण

MAU सीधे ARPU के माध्यम से राजस्व से जुड़ा है। यदि MAU बढ़ता है जबकि ARPU घटता है, तो व्यवसाय कम विलायक दर्शकों की ओर बढ़ रहा है। यदि MAU स्थिर है जबकि ARPU बढ़ता है, तो उत्पाद अपने मौजूदा आधार का मुद्रीकरण बढ़ा रहा है। आदर्श परिदृश्य: ARPU को बनाए रखते या बढ़ाते हुए MAU वृद्धि। MAU से राजस्व का अनुपात मोबाइल ऐप यूनिट अर्थशास्त्र के मूल्यांकन के लिए एक प्रमुख संकेतक है।

मोबाइल ऐप में MAU कैसे बढ़ाएं?

MAU वृद्धि मुख्य रूप से नए उपयोगकर्ताओं की संख्या बढ़ाने (अधिग्रहण) और छूट दर कम करने (प्रतिधारण) के बारे में है। DAU के विपरीत, जिसे सामरिक तरीकों से बढ़ाया जा सकता है, MAU को दर्शकों को आकर्षित करने और बनाए रखने के लिए एक व्यवस्थित रणनीति की आवश्यकता होती है। आइए प्रमुख विकास चैनलों का पता लगाएं, जिनकी पुष्टि अग्रणी मोबाइल उत्पादों के अभ्यास से होती है।

ऑर्गेनिक अधिग्रहण: ASO और सामग्री

ऐप स्टोर ऑप्टिमाइज़ेशन (ASO) MAU बढ़ाने का सबसे लागत-प्रभावी तरीका है। शीर्षक, कीवर्ड, आइकन और स्क्रीनशॉट को ऑप्टिमाइज़ करने से ऑर्गेनिक ट्रैफ़िक 20-40% तक बढ़ सकता है। दूसरा चैनल कंटेंट मार्केटिंग है: लेख, वीडियो और केस स्टडीज़ जो खोज में रैंक करते हैं और नए उपयोगकर्ता लाते हैं। B2C ऐप के लिए, वायरल मैकेनिक्स प्रभावी हैं: “किसी मित्र को आमंत्रित करें — बोनस पाएं।”

सशुल्क उपयोगकर्ता अधिग्रहण (UA)

उपयोगकर्ता अधिग्रहण (UA) — सशुल्क चैनल: Facebook Ads, Google Ads, Apple Search Ads, TikTok Ads। एक MAU प्राप्त करने की लागत व्यापक रूप से भिन्न होती है: विकासशील बाजारों में $0.50 से लेकर अमेरिका/यूरोप में $5-8 तक। मुख्य सिद्धांत: CAC (ग्राहक अधिग्रहण लागत) LTV (आजीवन मूल्य) से कम से कम 3 गुना कम होनी चाहिए। विज्ञापन अभियानों को दिन 30 प्रतिधारण 20% से ऊपर वाले कोहॉर्ट को लक्षित करना चाहिए।

रेफरल प्रोग्राम और वायरलिटी

रेफरल मैकेनिक्स ऑर्गेनिक MAU वृद्धि का एक चालक हैं। Dropbox अपने रेफरल प्रोग्राम की बदौलत 15 महीनों में 100 हज़ार से 4 मिलियन MAU तक बढ़ गया। सफलता की कुंजी: दोनों पक्षों (आमंत्रित करने वाले और आमंत्रित) के लिए बोनस का मूल्य। मोबाइल ऐप के लिए, डीप लिंकिंग वाले रेफरल लिंक प्रभावी होते हैं — नया उपयोगकर्ता इंस्टॉलेशन के बाद सीधे वांछित स्क्रीन पर पहुंचता है।

-- ट्रैफ़िक स्रोत के अनुसार MAU की गणना
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;