WAU dalam analitik mobile: apa itu, metrik aktivitas dan cara menghitung

Apa itu WAU dalam analitik mobile?

WAU (Weekly Active Users) — adalah metrik yang menunjukkan jumlah pengguna unik yang berinteraksi dengan aplikasi selama 7 hari kalender terakhir. Tidak seperti DAU (Daily Active Users), WAU tidak terlalu dipengaruhi oleh fluktuasi harian dan memberikan gambaran aktivitas mingguan yang lebih stabil.

Mengapa metrik WAU diperlukan

Metrik ini memungkinkan penilaian efektivitas aktivitas produk dan pemasaran mingguan. Jika DAU menjawab pertanyaan “berapa banyak orang yang datang hari ini”, maka WAU “berapa banyak orang yang tetap bersama kami minggu ini”. Ini sangat penting untuk aplikasi dengan siklus penggunaan beberapa hari: pelacak kebugaran, platform pendidikan, agregator berita.

Kapan WAU digunakan sebagai pengganti DAU

Dalam aplikasi dengan pola penggunaan tidak teratur namun mingguan, DAU dapat berfluktuasi secara signifikan. Misalnya, dalam aplikasi perencanaan tugas, pengguna masuk setiap 2-3 hari — DAU akan menunjukkan aktivitas rendah, sementara WAU akan mencerminkan keterlibatan nyata secara memadai. Pilihan antara DAU dan WAU tergantung pada frekuensi interaksi yang diharapkan dengan produk.

Hubungan WAU dengan metrik produk

WAU berkorelasi dengan indikator retensi Day 7: jika pengguna kembali pada hari ke-7, ia masuk ke WAU setidaknya dua kali sebulan. Tim menggunakan WAU untuk melacak efek fitur baru: meluncurkan fitur pada hari Senin dan mengukur WAU pada hari Minggu berikutnya memberikan penilaian langsung dampak perubahan pada audiens mingguan.

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;

Bagaimana cara menghitung WAU?

Perhitungan WAU dilakukan dengan rumus sederhana: jumlah pengguna unik dalam 7 hari terakhir. Namun dalam praktiknya, dua pendekatan diterapkan — minggu tetap (Monday-Sunday) dan jendela geser (rolling 7 days). Pemilihan metode mempengaruhi interpretasi data dan keterbandingan laporan.

Minggu tetap vs jendela geser

Minggu tetap nyaman untuk pelaporan rutin: WAU dihitung dari Senin hingga Minggu. Jendela geser menghitung WAU untuk setiap hari sebagai jumlah pengguna unik dari 7 hari sebelumnya. Pendekatan kedua memberikan grafik yang lebih halus dan digunakan dalam dasbor real-time. Menurut data Amplitude (2025), 73% tim produk menggunakan jendela geser untuk WAU.

Penyaringan berdasarkan peristiwa target

Tidak setiap pembukaan aplikasi harus diperhitungkan dalam WAU. Tim sering menyaring pengguna berdasarkan peristiwa target: melihat konten, pembelian, menyelesaikan level, mengirim pesan. Ini mengecualikan pengguna “pasif” yang membuka aplikasi secara tidak sengaja. Dalam SQL, filter semacam itu ditambahkan melalui kondisi event_type IN (...).

Memperhitungkan pengguna lintas platform

Jika pengguna aktif di iOS dan Android, pengenal yang sama (email, account_id) harus dideduplikasi. Tanpa deduplikasi, WAU akan terlalu tinggi 15-25%. Gunakan user_id internal sebagai pengganti device_id untuk penghitungan yang benar. Clickhouse dan Snowflake mendukung deduplikasi melalui HyperLogLog atau filter Bloom.

import pandas as pd

# Memuat peristiwa dari 7 hari terakhir
events = pd.read_sql('''
    SELECT user_id, event_date
    FROM user_events
    WHERE event_date >= CURRENT_DATE - 7
''', conn)

# Menghitung WAU dengan jendela geser
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)

Kesalahan umum dalam menghitung WAU

Kesalahan pertama — memperhitungkan semua peristiwa tanpa menyaring tindakan target. Jika setiap pembukaan dihitung, WAU akan mencakup pengguna yang masuk selama 5 detik dan menutup aplikasi. Kesalahan kedua — mencampur zona waktu: peristiwa dari 7 hari harus dihitung dalam satu zona waktu (biasanya UTC). Ketiga — tidak adanya deduplikasi pengguna lintas platform, yang mendistorsi gambaran nyata audiens.

WAU vs DAU vs MAU: apa perbedaannya?

Tiga metrik — DAU, WAU dan MAU — membentuk hierarki audiens aktif berdasarkan rentang waktu. DAU mengukur aktivitas harian, WAU — mingguan, MAU — bulanan. Setiap metrik menjawab pertanyaannya sendiri tentang perilaku pengguna dan digunakan dalam skenario analitik produk yang berbeda.

Perbandingan rentang waktu

DAU (Daily Active Users) — metrik paling operasional. Ini menunjukkan berapa banyak pengguna yang datang hari ini. WAU menghaluskan puncak dan penurunan harian, dan MAU — bulanan. Untuk aplikasi dengan penggunaan harian (pesan instan, media sosial), DAU adalah metrik utama. Untuk aplikasi yang digunakan 1-2 kali seminggu (kebugaran, pengiriman), WAU lebih akurat mencerminkan aktivitas. Untuk aplikasi musiman atau jarang digunakan (perjalanan, pajak) — MAU.

Koefisien Stickiness

Stickiness (kelengketan) — rasio DAU terhadap MAU, yang menunjukkan seberapa sering pengguna kembali. Nilai di atas 20% dianggap baik. WAU digunakan untuk kontrol perantara: jika DAU/MAU turun, dapat diperiksa WAU/MAU — jika stabil, masalahnya ada pada aktivitas harian, bukan aktivitas umum. Rumus: Stickiness = DAU / MAU * 100%. Untuk aplikasi yang sehat, indikator ini berada dalam kisaran 20-50%.

Metrik mana yang lebih penting dan kapan

Pemilihan metrik tergantung pada siklus bisnis produk. Pada tahap pertumbuhan, fokusnya adalah pada DAU — penting untuk melihat dinamika harian pengguna baru. Pada tahap kedewasaan, WAU menjadi metrik utama: ini menunjukkan berapa banyak pengguna yang tetap setia dalam rentang mingguan. MAU sangat penting untuk laporan kepada investor dan evaluasi jangkauan keseluruhan. Dengan menggabungkan ketiga metrik, analis mendapatkan gambaran lengkap tentang siklus hidup pengguna.

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

# Contoh perhitungan DAU/MAU WAU untuk aplikasi hipotetis
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}%")

Norma WAU berdasarkan kategori aplikasi

Norma WAU sangat bervariasi antar kategori aplikasi. Tidak ada nilai “baik” universal — metrik harus dibandingkan dengan tolok ukur dalam vertikal yang sama. Aplikasi media sosial menunjukkan nilai WAU tertinggi relatif terhadap MAU, sementara e-commerce dan aplikasi perjalanan lebih rendah karena pola penggunaan yang tidak teratur.

WAU berdasarkan kategori aplikasi

Menurut laporan Adjust Mobile Benchmarks 2025, rasio median WAU/MAU untuk berbagai kategori adalah: Social Media — 0.65, Gaming — 0.55, E-commerce — 0.35, Fintech — 0.45, Health & Fitness — 0.40. Ini berarti di media sosial, 65% pengguna bulanan aktif mingguan, dan di e-commerce — hanya 35%. Nilai di bawah median menunjukkan masalah keterlibatan atau interval pengukuran yang salah dipilih.

Faktor yang mempengaruhi WAU

Musiman — faktor pertama. Aplikasi pengiriman makanan menunjukkan puncak WAU pada hari Jumat dan Sabtu, aplikasi kebugaran — pada bulan Januari dan sebelum musim panas. Notifikasi push — faktor kedua: kampanye yang tepat dapat meningkatkan WAU sebesar 15-30% dalam seminggu. Faktor ketiga — pembaruan aplikasi: setelah rilis besar, WAU biasanya tumbuh 10-20% dalam dua minggu, kemudian stabil pada level baru.

Bagaimana cara meningkatkan WAU di aplikasi mobile?

Pertumbuhan WAU adalah tugas yang diselesaikan dengan kombinasi alat produk dan pemasaran. Tidak seperti DAU yang dapat ditingkatkan dengan tindakan satu kali, WAU memerlukan kerja sistematis pada kembalinya pengguna dalam rentang mingguan. Mari kita lihat strategi utama yang dikonfirmasi oleh praktik produk mobile besar.

Notifikasi push yang dipersonalisasi

Kampanye push — cara tercepat untuk mempengaruhi WAU. Menurut data Airship (2025), notifikasi push yang dipersonalisasi meningkatkan WAU sebesar 20-25% di minggu pertama. Penting untuk mensegmen audiens berdasarkan frekuensi penggunaan: pengguna “tidur” (tidak masuk selama 5+ hari) kirim pesan motivasi, pengguna aktif — informasional. Waktu penting: untuk aplikasi kebugaran, waktu terbaik adalah pagi hari, untuk game — malam hari.

Tantangan dan acara mingguan

Mekanika aktivitas mingguan — salah satu pendorong WAU yang paling efektif. Game menggunakan acara mingguan dengan hadiah khusus, aplikasi kebugaran — tantangan “7 hari tanpa jeda”, e-commerce — diskon mingguan untuk pelanggan. Prinsip utama: aktivitas harus dibatasi waktu (7 hari) untuk menciptakan FOMO dan memotivasi pengguna untuk kembali.

Pengingat email dan SMS

Tidak semua pengguna mengizinkan notifikasi push. Bagi mereka, buletin email dan SMS dengan ringkasan mingguan efektif: “Statistik Anda minggu ini”, “Artikel baru di blog”, “Produk yang Anda lihat”. Tingkat pembukaan email dengan statistik pribadi 40% lebih tinggi dari buletin standar. Kombinasi push + email memberikan peningkatan WAU maksimum — hingga 35% per bulan.

-- Pengguna yang tidak aktif lebih dari 5 hari (target untuk 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';