DAU — mi ez, hogyan kell számolni és elemezni a napi közönséget

Mi az a DAU?

DAU (Daily Active Users) — egy mérőszám, amely méri azon egyedi felhasználók számát, akik legalább egy célzott műveletet végrehajtottak az alkalmazásban egy naptári nap során. A műveletet a fejlesztő határozza meg: az alkalmazás megnyitása, hitelesítés, tartalom megtekintése vagy gombra kattintás. Tipikus beállításnál a DAU minden olyan felhasználót számol, aki naponta legalább egyszer megnyitotta az alkalmazást.

DAU — a termék egészségének operatív mutatója. A DAU növekedése azt jelzi, hogy az alkalmazás hasznosabbá válik a közönség számára vagy új felhasználókat vonz. A DAU csökkenése jelezhet megtartási problémákat, a felhasználói élmény romlását vagy egy erős versenytárs megjelenését. A DAU-t dinamikában kell elemezni, nem abszolút értékként.

Milyen műveletek számítanak aktivitásnak

Az aktív felhasználó meghatározása az alkalmazás típusától függ. Közösségi hálózatoknál az aktivitás a hírfolyam megtekintését, üzenet küldését vagy poszt közzétételét jelenti. Játékoknál — indítás és legalább egy szint teljesítése. Segédprogramoknál — megnyitás és a fő funkció végrehajtása. Javasolt a session_start esemény beállítása triggerként a DAU számlálásához.

DAU különböző alkalmazáskategóriákban

A Mixpanel statisztikái (2024) szerint az átlagos DAU értékek kategóriánként jelentősen eltérnek. A közösségi alkalmazások a telepítések 40–60%-át teszik ki DAU-ban, a játékok 20–35%-ot, a segédprogramok 10–25%-ot. Az alkalmazás DAU-szintjének pontos értékeléséhez hasonlítsa össze a mutatókat a kategória mediánjával, nem a piacvezetők abszolút számaival.

DAU számítási képlete

DAU azon egyedi eszközazonosítók (vagy hitelesített felhasználók esetén user_id) száma, amelyek aktivitási eseményt küldtek egy naptári nap során. Képlet: DAU = |{ distinct user_id : event_time ∈ [00:00, 23:59] UTC }|. A megnyitások egyszerű számlálása helytelen adatokat ad — deduplikációt kell alkalmazni a felhasználói azonosító alapján.

def calculate_dau(events_df):
    """
    Calculate DAU from event dataframe
    
    Args:
        events_df: DataFrame with columns user_id and event_date
    Returns:
        DataFrame with dau per date
    """
    dau_df = (events_df
        .groupby("event_date")
        ["user_id"]
        .nunique()
        .reset_index()
        .rename(columns={"user_id": "dau"})
    )
    return dau_df

Számítási sajátosságok különböző platformokon

Android esetén azonosítóként Installation ID (Firebase) vagy Advertising ID használatos. iOS esetén — IDFV vagy App Instance ID. Hitelesített alkalmazásoknál biztonságosabb a backend hitelesítésből származó user_id használata. Ha az alkalmazás mindkét platformon elérhető, a DAU-t platformonként külön számítják és a backend analitika szintjén aggregálják.

Időzónák és napok közötti elszámolás

A DAU számítása UTC vagy az analitikai rendszer beállításaiban kiválasztott időzóna szerint történik. Ha a felhasználó 23:45 UTC-kor aktív, majd 00:15-kor, a rendszer két nap DAU-t jegyez fel. Ez normális az általános DAU-nál, de pontos elemzéshez ajánlott egyéni időzónát beállítani a felhasználók többségének régiójához a Firebase Analytics segítségével.

DAU, WAU és MAU: a mutatók közötti különbség

DAU (Daily), WAU (Weekly) és MAU (Monthly) — az elköteleződési tölcsér három szintje. A DAU a napi aktivitást mutatja, a WAU a hetit, a MAU a havit. A három mutató együttes elemzése lehetővé teszi az elköteleződés mélységének értékelését: a magas visszatérési gyakoriság (DAU/MAU > 50%) kialakult szokásra utal a felhasználóknál.

Hogyan értelmezzük a DAU/MAU arányt

A DAU/MAU arányt Stickiness-nek nevezik, és százalékban mérik. Stickiness = DAU / MAU × 100%. A 20%-os érték azt jelenti, hogy az átlagos felhasználó havonta 6 napon lép be az alkalmazásba. Közösségi hálózatoknál és üzenetküldőknél az 50%+ Stickiness a norma. Segédprogramoknál és pénzügyi alkalmazásoknál a 15–25% jó mutató.

DAU-alapú növekedési mutatók

A DAU és MAU alapján számítják a növekedési mutatókat: Retention (megtartás), Churn Rate (lemorzsolódás) és LTV (élettartam-érték). Ha a DAU nő, de a MAU csökken, ez problémát jelez az új felhasználók vonzásában, bár a meglévő közönség aktív marad. Ha mindkét mutató nő — a termék egészséges és skálázható.

Stickiness: a DAU/MAU normál értékei

Stickiness (tapadási együttható) — a közönség minőségének kulcsmutatója. A DAU és MAU arányaként számítják. Például, ha DAU = 30 000 és MAU = 100 000, akkor Stickiness = 30%. Ez azt jelenti, hogy a havi felhasználók 30%-a naponta belép az alkalmazásba. Minél magasabb a Stickiness, annál erősebb a felhasználók szokása.

Stickiness normák kategóriánként

Az Amplitude (2024) összesített statisztikái szerint a Stickiness medián értékei: Social 45–55%, Communication 40–50%, Gaming 20–35%, E-commerce 15–25%, Fintech 15–20%, Utility 10–20%. Az absztrakt 50% hajszolása értelmetlen — a normát a konkrét kategória és a termék üzleti modellje határozza meg.

Miért nem mindig jobb a magasabb Stickiness

A magas Stickiness nem mindig utal a termék egészségére. Például egy kényszerített napi aktivitással rendelkező alkalmazás (banki, hitelesítési, vállalati eszközök) lehet 60% Stickiness, de alacsony felhasználói elégedettség. Elemezze a DAU-t az NPS-szel és retention-nel együtt, hogy objektív képet kapjon az elköteleződésről.

DAU nyomon követése a Firebase Analytics-ben

Firebase Analytics automatikus DAU-gyűjtést biztosít kód írása nélkül. A Firebase Analytics SDK csatlakoztatása után elkezdi követni a felhasználói aktivitást a session_start esemény alapján. A DAU a Firebase irányítópulton jelenik meg az Analytics → Dashboard → Active Users részben. Az adatok napi granularitással és platform, verzió, ország szerinti szűréssel érhetők el.

Egyéni események beállítása a DAU-hoz

Ha pontosabb DAU-ra van szükség (például csak hitelesített felhasználók vagy célzott műveletet végrehajtó felhasználók), állítson be egyéni eseményeket a Firebase SDK-n keresztül. Küldje el az eseményt paraméterekkel minden célzott művelet végrehajtásakor, és szűrjön az analitikai panelen. A deduplikációhoz a Firebase automatikusan az Installation ID-t használja.

import com.google.firebase.analytics.FirebaseAnalytics

class AnalyticsTracker {
    private val firebase = FirebaseAnalytics.getInstance(context)
    
    fun trackDailyActiveUsers() {
        val params = bundleOf(
            "app_version" to BuildConfig.VERSION_NAME,
            "platform" to "android",
            "user_id" to AuthManager.getCurrentUserId()
        )
        firebase.logEvent("daily_session", params)
    }
}

DAU-jelentések automatizálása

A Firebase Analytics lehetővé teszi a DAU-adatok automatikus exportálásának beállítását a BigQuery-be egyéni irányítópultok építéséhez. A Firebase-t az SDK-n keresztül az Amplitude-hoz vagy Mixpanel-hez is csatlakoztathatja keresztplatformos elemzéshez. Rendszeres jelentésekhez állítson be e-mail küldést a Firebase Console-ból a kiválasztott időszak DAU-grafikonjaival.

Hogyan befolyásoljuk a DAU-t és növeljük az elköteleződést

A DAU növelése product growth feladat, amely a felhasználói élmény javításával, szokások bevezetésével és a termék értékének növelésével oldható meg. Nincs egyetlen képlet a DAU-növekedésre, de vannak bevált taktikák, amelyek a mobilalkalmazások legtöbb kategóriájában működnek.

• Vezessen be Push-értesítéseket személyre szabott tartalommal és időzítéssel
• Adjon hozzá napi jutalmakat: bónuszokat, kihívásokat és emlékeztetőket
• Javítsa az onboarding folyamatot az alkalmazás értékének gyors bemutatásához
• Optimalizálja a Deep Linking-et a felhasználók külső forrásokból való visszahozásához
• Elemezze a DAU-t kohortonként és azonosítsa a lemorzsolódási pontokat

Push-értesítések és DAU

Az Airship (2024) kutatása szerint a személyre szabott Push-értesítéseket használó alkalmazások 30–50%-kal magasabb DAU-t mutatnak az értesítések nélküli alkalmazásokhoz képest. A kulcstényező a tartalom relevanciája és a küldés időpontja. Az agresszív értesítések rövid távú DAU-növekedést adnak, de hosszú távon csökkentik a Retention-t.

Gamifikáció mint a DAU mozgatórugója

Játékmechanikák bevezetése — gamifikáció — 15–30%-kal növeli a DAU-t a nem játék alkalmazásokban. A napi feladatok, haladásjelző sávok, eredmények és közösségi rangsorok szokást teremtenek az alkalmazásba való visszatérésre. A Duolingo, MyFitnessPal és Headspace a sikeres gamifikáció példái magas Stickiness-mutatókkal.