モバイルアナリティクスにおける MAU —— 月次アクティブユーザーの定義と計算方法

モバイルアナリティクスでの MAU とは？

MAU（月次アクティブユーザー）——最終 30 日間にアプリでターゲットアクションを実行したユニークなユーザーの数を示すメトリクです。DAU とは異なり、MAU は日々の変動に鏈敏ではなく、アクティブベースのサイズの穏やかなイメージを提供します。これはパブリックテクノロジー企業の報告基準です: Facebook、Spotify、Uber などが四半期結果で MAU を報告しています。

なぜ MAU が投資家にとって第一のメトリクなのか

投資家は事業規模を MAU によって評価します。このメトリクは、製品が 1 ヶ月間に何人のユーザーを維持しているかを示します——製品市場フィット評価の最小期間です。Facebook は 2012 年から MAU を報告しており、このメトリクの成長は企業の市場価値と直接相関しています。スタートアップにとって、MAU はピッチデックや資金調達における重要なメトリクの 1 つです。

製品アナリティクスの文脈での MAU

製品アナリティクスでは、MAU は多くの計算のインプットメトリクとして使用されます。MAU/DAU 比率（スティッキネス）、ARPU（1ユーザー当たり平均収入）、LTV（ライフタイムバリュー）の基礎となります。正確な MAU がなければ、有料ユーザーへの変換やマーケティングチャネルの効果を正確に評価することく超えています。MAU は、すべてのマネタイゼーションとエンゲージメント指標が構築されるメトリクピラミッドの基礎です。

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 はどう計算されるか？

MAU の計算は一見簡単に見えます: 30 日間のユニークユーザーをカウントする。しかし、実際には複数のニュアンスが生じ、精度に影響を与えます。計算方法の選択——暦月またはローリングウィンドウ——が、メトリクがモバイル開発における実際のユーザー活動をどのくらい見ついているかを決定します。

暦月 vs ローリングウィンドウ

暦月は伝統的な方法です: MAU は月の 1 日から最終日まで計算されます。報告に便利ですが、アーティファクトが生じます: 例えば 30 日にクラッシュが発生した場合、月の MAU は低く評価されます。ローリングウィンドウ（30 日ローリング）はより滑らかなメトリクを提供しますが、定期レポーティングはより複雑になります。Mixpanel (2025) によると、80% の製品チームが外部レポートに暦月を、内部ダッシュボードにローリングウィンドウを使用しています。

クロスプラットフォームのユーザー重複除去

同じユーザーが複数のデバイスからアプリにアクセスすることがあります: iPhone と iPad、Android タブレットとデスクトップ。重複除去がなければ、MAU は 20-40% 気になるでしょう。最も良い実践は、すべてのプラットフォームで単一の account_id を使用することです。ユーザーが認証されていない場合は、device_id + Advertising ID (iOS で IDFA、Android で GAID) を組み合せて使用し、認証後に重複除去します。

非アクティブユーザーの考慮

誰がアクティブユーザーとみなされるのか？最小アクションはアプリを開くこと（セッション開始）です。しかし、多くのチームはシキショルドを設定しています: 10 秒以上のセッションまたは少なくとも 1 つのターゲットアクションの実行。これにより、偶然な開きやボットを除外できます。活動の違うシキショルドにより MAU に 10-30% の違いが生じるため、メソドロジーを固定し、期間をまたいて変更してはいけません。

MAU 計算の自動化

多くの企業は ETL パイプラインを通じて MAU 計算を自動化しています。Firebase、Amplitude またはカスタムサーバーからのデータは、Clickhouse または Snowflake で集約されます。日次 MAU の再計算により、リアルタイムでトレンドを確認できます。重要: メソドロジーを変更する際は（例：活動シキショルド）、データの比較可能性を維持するために、過去の期間の MAU を再計算してください。

import pandas as pd
from datetime import datetime, timedelta

def calculate_mau(events_df, active_threshold_sec=10):
    # 最小セッション時間フィルター
    active = events_df[events_df['session_length'] >= active_threshold_sec]
    # 30 日ローリングウィンドウ
    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: メトリクの階層

3 つのメトリク——DAU、WAU、MAU——は、異なる時間豊でアクティブオーディエンスを評価するためのシステムを形成します。これらは一緒に、製品のヘルスケアの総合的な画像を提供します。MAU のみを見ているアナリストは、日々の問題を見逃すリスクがあります。DAU のみを見ていると、戦略的なトレンドを見逃します。

DAU、WAU、MAU の関係

メトリクの関係は簡単なパターンに従います: DAU ≤ WAU ≤ MAU。DAU と MAU の差は、ユーザーが月の日にどのくらい均一に分布しているかを示します。DAU が MAU の 10% の場合、ユーザーはあまり訪問しません（例：ホテル予約アプリ）。DAU が MAU の 50% の場合、アプリはほぼ毎日使用されます（ソーシャルネットワーク、メッセンジャー）。DAU/MAU 比率はスティッキネスと呼ばれ、標準的なエンゲージメント指標です。

スティッキネス: 主なエンゲージメント指標

スティッキネス = DAU / MAU * 100%。50% を超える値は、どのアプリにとっても優れています。20-50% は、多くの製品にとって標準的です。20% 未満の値は、リテンション問題を示しています。スティッキネスはスケールに依存しません: 100 万 MAU のアプリと 1 万 MAU のスタートアップが同じスティッキネスを持つことがあります。これにより、同じカテゴリ内のベンチマーキングや製品比較に便利です。

アプリカテゴリ別 MAU 基準

MAU 基準は、カテゴリ、地域、製品の成熟度に依存します。絶対値の代わりに、アナリストは MAU の動向（月次成長率）と他のメトリクとの関係を使用します。成熟製品にとって、10% の月次 MAU 成長は良好、30%+ は急成長とみなされます。

カテゴリ別 MAU ベンチマーク

App Annie State of Mobile 2025 レポートによると、メディアン MAU はカテゴリによって異なります。ソーシャルメディア: 50-5 億（グローバルプレイヤー）、ゲーミング: 100 万-5000 万、Eコマース: 10 万-1000 万、フィンテック: 50 万-2000 万。これらの数字は地域によって大きく異なります: 米国で 100 万 MAU のアプリは大きとみなされますが、インドでは中程度です。MAU の比較は、同じカテゴリと地域内でのみ意味があります。

MAU とマネタイゼーション

MAU は ARPU を通じて収入と直結しています。ARPU が下がりながら MAU が増える場合、事業は貴重なオーディエンスに向けて拡大しています。ARPU が増えながら MAU が穏やかな場合、製品は既存ベースのマネタイゼーションを向上させています。理想的なシナリオは: ARPU を維持または向上させながら MAU を増やすことです。MAU の収入に対する比率は、モバイルアプリのユニットエコノミーを評価するための重要な指標です。

モバイルアプリで MAU を増やす方法は？

MAU の成長は、主に新規ユーザー数を増やすこと（取得）とチャーンを減らすこと（リテンション）です。DAU は戦術的な方法で増やせますが、MAU にはオーディエンスを吸引し維持するための系統的な戦略が必要です。リーディングモバイル製品の実践によって確認された、主な成長チャネルを探ってみましょう。

オーガニック取得: ASO とコンテンツ

App Store Optimization (ASO) は MAU を増やす最もコスト効果のいい方法です。タイトル、キーワード、アイコン、スクリーンショットを最適化することで、オーガニックトラフィックを 20-40% 増やせます。2 つ目のチャネルはコンテンツマーケティングです: 検索にランクして新たなユーザーを拃く記事、動画、ケーススタディ。B2C アプリには、バイラルメカニズムが効果的です: “友達を招待する — ボーナスを得る”。

有償ユーザー取得 (UA)

ユーザー取得 (UA) ——有償チャネル: Facebook Ads、Google Ads、Apple Search Ads、TikTok Ads。MAU を 1 人取得するコストは大きく異なります: 発展途上市場で $0.50 から米国/UE で $5-8 まで。重要な原則: CAC (客戸取得コスト) は LTV (ライフタイムバリュー) より少なくとも 3 倍以上低くある必要があります。広告キャンペーンは、Day 30 リテンションが 20% を超えるコホートをターゲットする必要があります。

リフェラルプログラムとバイラリティ

リフェラルメカニズムは、オーガニックな MAU 成長の推進力です。Dropbox は、リフェラルプログラムによって 15 ヶ月で 10 万から 400 万 MAU に成長しました。成功の鍵は、両方（招待者と招待された方）に対するボーナスの価値です。モバイルアプリには、ディープリンキングを使ったリフェラルリンクが効果的です——新しいユーザーはインストール後に直接希望の画面に到達します。

-- トラフィックソース別のMAU計算
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;