DAU — apa itu, cara menghitung dan menganalisis audiens harian

Apa itu DAU?

DAU (Daily Active Users) — metrik yang mengukur jumlah pengguna unik yang melakukan setidaknya satu tindakan yang ditargetkan dalam aplikasi selama satu hari kalender. Tindakan ditentukan oleh pengembang: membuka aplikasi, otentikasi, melihat konten, atau mengklik tombol. Dalam konfigurasi tipikal, DAU menghitung semua pengguna yang membuka aplikasi setidaknya sekali sehari.

DAU — adalah indikator operasional kesehatan produk. Pertumbuhan DAU menunjukkan bahwa aplikasi menjadi lebih berguna bagi audiens atau menarik pengguna baru. Penurunan DAU dapat menandakan masalah retensi, penurunan pengalaman pengguna, atau munculnya pesaing yang kuat. DAU harus dianalisis secara dinamis, bukan sebagai nilai absolut.

Tindakan apa yang dianggap sebagai aktivitas

Definisi pengguna aktif tergantung pada jenis aplikasi. Untuk jejaring sosial, aktivitas berarti melihat feed, mengirim pesan, atau mempublikasikan posting. Untuk game — memulai dan menyelesaikan setidaknya satu level. Untuk utilitas — membuka dan menjalankan fungsi utama. Disarankan untuk mengonfigurasi event session_start sebagai pemicu penghitungan DAU.

DAU di berbagai kategori aplikasi

Menurut statistik Mixpanel (2024), nilai rata-rata DAU sangat bervariasi antar kategori. Aplikasi sosial memiliki 40–60% DAU dari instalasi, game — 20–35%, utilitas — 10–25%. Untuk menilai tingkat DAU aplikasi Anda secara akurat, bandingkan indikator dengan median kategori, bukan dengan angka absolut para pemimpin pasar.

Rumus perhitungan DAU

DAU dihitung sebagai jumlah identifier perangkat unik (atau user_id untuk pengguna yang diautentikasi) yang mengirimkan event aktivitas selama satu hari kalender. Rumus: DAU = |{ distinct user_id : event_time ∈ [00:00, 23:59] UTC }|. Penghitungan pembukaan sederhana memberikan data yang tidak akurat — diperlukan deduplikasi berdasarkan identifier pengguna.

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

Fitur perhitungan untuk berbagai platform

Di Android, identifier yang digunakan adalah Installation ID (Firebase) atau Advertising ID. Di iOS — IDFV atau App Instance ID. Untuk aplikasi yang diautentikasi, lebih aman menggunakan user_id dari otentikasi backend. Jika aplikasi tersedia di kedua platform, DAU dihitung secara terpisah untuk setiap platform dan diagregasi di tingkat analitik backend.

Zona waktu dan pencatatan lintas hari

DAU dihitung berdasarkan UTC atau zona waktu yang dipilih dalam pengaturan sistem analitik. Jika pengguna aktif pada pukul 23:45 UTC, lalu pada pukul 00:15, sistem mencatat dua hari DAU. Ini normal untuk DAU umum, tetapi untuk analisis yang akurat, disarankan untuk mengonfigurasi zona waktu khusus untuk region mayoritas pengguna melalui Firebase Analytics.

DAU, WAU dan MAU: perbedaan metrik

DAU (Daily), WAU (Weekly) dan MAU (Monthly) — adalah tiga tingkat corong keterlibatan. DAU menunjukkan aktivitas harian, WAU — mingguan, MAU — bulanan. Analisis kombinasi ketiga metrik ini memungkinkan penilaian kedalaman keterlibatan: frekuensi tinggi kembalinya pengguna (DAU/MAU > 50%) menunjukkan kebiasaan yang terbentuk pada pengguna.

Cara menginterpretasikan rasio DAU/MAU

Rasio DAU/MAU disebut Stickiness dan diukur dalam persentase. Stickiness = DAU / MAU × 100%. Nilai 20% berarti rata-rata pengguna masuk ke aplikasi 6 hari per bulan. Untuk jejaring sosial dan messenger, Stickiness 50%+ adalah normal. Untuk utilitas dan aplikasi keuangan, 15–25% adalah indikator yang baik.

Metrik pertumbuhan berdasarkan DAU

Berdasarkan DAU dan MAU, metrik pertumbuhan dihitung: Retention (retensi), Churn Rate (tingkat churn) dan LTV (nilai seumur hidup). Jika DAU tumbuh tetapi MAU menurun, ini menunjukkan masalah dalam menarik pengguna baru, meskipun audiens yang ada tetap aktif. Jika kedua indikator tumbuh — produk sehat dan berskala.

Stickiness: nilai normal DAU/MAU

Stickiness (koefisien kelengketan) — indikator utama kualitas audiens. Dihitung sebagai rasio DAU terhadap MAU. Misalnya, jika DAU = 30.000 dan MAU = 100.000, maka Stickiness = 30%. Ini berarti 30% pengguna bulanan masuk ke aplikasi setiap hari. Semakin tinggi Stickiness, semakin kuat kebiasaan yang terbentuk pada pengguna.

Norma Stickiness berdasarkan kategori

Menurut statistik agregat Amplitude (2024), nilai median Stickiness adalah: Social 45–55%, Communication 40–50%, Gaming 20–35%, E-commerce 15–25%, Fintech 15–20%, Utility 10–20%. Mengejar 50% abstrak tidak ada artinya — norma ditentukan oleh kategori spesifik dan model bisnis produk.

Mengapa Stickiness yang lebih tinggi tidak selalu lebih baik

Stickiness tinggi tidak selalu menunjukkan kesehatan produk. Misalnya, aplikasi dengan aktivitas harian yang dipaksakan (perbankan, verifikasi, alat perusahaan) mungkin memiliki Stickiness 60%, tetapi kepuasan pengguna rendah. Analisis DAU bersama dengan NPS dan retention untuk mendapatkan gambaran objektif tentang keterlibatan.

Cara melacak DAU di Firebase Analytics

Firebase Analytics menyediakan pengumpulan DAU otomatis tanpa menulis kode. Setelah menghubungkan SDK Firebase Analytics, ia mulai melacak aktivitas pengguna berdasarkan event session_start. DAU ditampilkan di dashboard Firebase di bagian Analytics → Dashboard → Active Users. Data tersedia dengan granularitas harian dan pemfilteran berdasarkan platform, versi, dan negara.

Konfigurasi event khusus untuk DAU

Jika diperlukan DAU yang lebih akurat (misalnya, hanya pengguna yang diautentikasi atau pengguna yang melakukan tindakan yang ditargetkan), konfigurasikan event khusus melalui Firebase SDK. Kirim event dengan parameter pada setiap eksekusi tindakan yang ditargetkan dan filter di panel analitik. Untuk deduplikasi, Firebase secara otomatis menggunakan Installation ID.

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)
    }
}

Otomatisasi laporan DAU

Firebase Analytics memungkinkan konfigurasi ekspor otomatis data DAU ke BigQuery untuk membangun dashboard khusus. Anda juga dapat menghubungkan Firebase ke Amplitude atau Mixpanel melalui SDK untuk analisis lintas platform. Untuk laporan rutin, konfigurasikan pengiriman email dari Firebase Console dengan grafik DAU untuk periode yang dipilih.

Cara memengaruhi DAU dan meningkatkan keterlibatan

Peningkatan DAU adalah tugas product growth yang diselesaikan melalui peningkatan pengalaman pengguna, pengenalan kebiasaan, dan peningkatan nilai produk. Tidak ada formula tunggal untuk pertumbuhan DAU, tetapi ada taktik terbukti yang berfungsi di sebagian besar kategori aplikasi seluler.

• Terapkan Notifikasi Push dengan konten yang dipersonalisasi dan pengaturan waktu
• Tambahkan penghargaan harian: bonus, tantangan, dan pengingat
• Tingkatkan onboarding untuk demonstrasi cepat nilai aplikasi
• Optimalkan Deep Linking untuk mengembalikan pengguna dari sumber eksternal
• Analisis DAU berdasarkan kohort dan identifikasi titik churn

Notifikasi Push dan DAU

Menurut penelitian Airship (2024), aplikasi yang menggunakan Notifikasi Push yang dipersonalisasi menunjukkan DAU 30–50% lebih tinggi dibandingkan aplikasi tanpa notifikasi. Faktor kuncinya adalah relevansi konten dan waktu pengiriman. Notifikasi agresif memberikan pertumbuhan DAU jangka pendek, tetapi menurunkan Retention dalam jangka panjang.

Gamifikasi sebagai pendorong DAU

Pengenalan mekanik game — gamifikasi — meningkatkan DAU sebesar 15–30% di aplikasi non-game. Tugas harian, bilah kemajuan, pencapaian, dan peringkat sosial menciptakan kebiasaan kembali ke aplikasi. Duolingo, MyFitnessPal, dan Headspace adalah contoh gamifikasi yang sukses dengan indikator Stickiness yang tinggi.