モバイルアナリティクスのWAUとは：メトリックと計算方法

モバイルアナリティクスでのWAUとは？

WAU（Weekly Active Users）は、過去7暦日にアプリとインタラクションしたユニークユーザーの数を示すメトリックです。DAU（Daily Active Users）とは異なり、WAUは日々の変動を受けにくく、週次活動のより安定した画像を提供します。

WAUメトリックが必要な理由

このメトリックは、週次のパーツおよびマーケティング活動の効果性を評価するために使用されます。DAUが「今日何人やってきたか」という問いに答えるのに対し、WAUは「この週間何人いたか」という問いに答えます。数日間の使用サイクルのアプリ（フィットネストラッカー、教育プラットフォーム、ニュースアグリゲーターなど）にとって欠かせないものです。

DAUの代わりにWAUを使用すべき場合

不規則だが週次の使用パターンのアプリでは、DAUは大きく変動する可能性があります。例えば、タスク管理アプリでは、ユーザーは2–3日に1回ログインします。DAUは低い活動を示しますが、WAUは実際のエンゲージメントを適切に反映します。DAUとWAUの選択は、パーツとの予想インタラクション頻度に依存します。

WAUとパーツメトリックの関係

WAUは7日目のリテンション率と相関します：ユーザーが7日に戻った場合、少なくとも月に2回WAUにカウントされます。チームは新機能の効果を追跡するためにWAUを使用します：月曜日に機能をリリースし、次の日曜日にWAUを測定することで、週次オーディエンスへの変更の影響を直接評価できます。

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;

WAUの計算方法

WAUの計算は簡単な数式です：過去7日間のユニークユーザー数。しかし、実践では二つのアプローチが使われます——固定週（月曜日から日曜日）とローリングウィンドウ（rolling 7 days）です。メソッドの選択は、データの解釈とレポートの比較可能性に影響します。

固定週とローリングウィンドウの比較

固定週は定期レポーティングに便利です：WAUは月曜日から日曜日まで計算されます。ローリングウィンドウは、各日のWAUを過去7日間のユニークユーザーの合計として計算します。第二のアプローチはより滑らかなグラフを生成し、リアルタイムダッシュボードで使用されます。Amplitude（2025）によると、パーツチームの73%がWAUにローリングウィンドウを使用しています。

ターゲットイベントによるフィルタリング

すべてのアプリオープンをWAUにカウントすべきではありません。チームは、ターゲットイベント（コンテンツ表示、購入、レベル完了、メッセージ送信）によってユーザーをフィルタリングすることがあります。これにより、偶然アプリを開けた「パッシブ」ユーザーを除外します。SQLでは、このようなフィルターはevent_type IN (...)条件で追加されます。

クロスプラットフォームユーザーの取り扱い

ユーザーがiOSとAndroidの両方でアクティブな場合、同じ識別子（メール、account_id）を重複除去する必要があります。重複除去をしないと、WAUが15–25%気幅に上がります。正しいカウントには、device_idの代わりに内部user_idを使用します。ClickhouseやSnowflakeは、HyperLogLogまたはBloomフィルターによる重複除去をサポートしています。

import pandas as pd

# 過去7日間のイベントを読み込み中
events = pd.read_sql('''
    SELECT user_id, event_date
    FROM user_events
    WHERE event_date >= CURRENT_DATE - 7
''', conn)

# ローリングウィンドウによるWAU計算
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)

WAU計算のよくある誤り

一つ目の誤りは、ターゲットアクションをフィルタリングせずにすべてのイベントをカウントすることです。2秒しかアプリを開かなかったユーザーも含まれます。二つ目の誤りは、時間帯を混同することです：7日間のイベントは単一の時間帯（通常UTC）でカウントする必要があります。三つ目は、クロスプラットフォームユーザーの重複除去がないことで、実際のオーディエンス画像が歪められます。

WAU vs DAU vs MAU：違いとは？

三つのメトリック — DAU、WAU、MAU — は、時間紡徴によるアクティブオーディエンスの階層を形成します。DAUは日次活動を測定し、WAUは週次、MAUは月次を測定します。各メトリックは、ユーザーの行動に関する独自の問いに答え、パーツアナリティクスの異なるシナリオで使用されます。

時間紡徴の比較

DAU（Daily Active Users）は最も実務的なメトリックです。今日何人のユーザーがやってきたかを示します。WAUは日々のピークとバレイを平滑化し、MAUは月次の変動を平滑化します。日次使用のアプリ（メッセンジャー、ソーシャルメディア）では、DAUが主要メトリックです。週に1–2回使用されるアプリ（フィットネス、デリバリー）では、WAUがより正確に活動を反映します。シーズナルまたはほとんど使用されないアプリ（旅行、税金）ではMAUが使用されます。

スティッキネス比率

スティッキネス（Stickiness）はDAUとMAUの比率で、ユーザーがどのくらいの頻度で戻ってくるかを示します。20%を上回る値が良好と考えられています。WAUは中間監視に使用されます：DAU/MAUが下がった場合、WAU/MAUを確認できます——これが安定していれば、問題は全体活動ではなく日次活動にあります。数式：Stickiness = DAU / MAU * 100%。健康なアプリでは、この指標は20–50%の範囲で維持されます。

それぞれのメトリックが重要な場合

メトリックの選択はパーツのビジネスサイクルに依存します。成長ステージではDAUに焦点が当てられます——新規ユーザーの日次ダイナミクスを確認することが重要です。成熟ステージではWAUが重要なメトリックになります：これは、週次ライフタイムで忠実なユーザーを示します。MAUは投資家へのレポートや全体のリーチ評価に重要です。三つのメトリックを組み合わせることで、アナリストはユーザーライフサイクルの完全な画像を得られます。

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

# 仮想アプリのDAU/MAU/WAU計算例
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}%")

アプリカテゴリ別WAU基準

基準はアプリカテゴリによって大きく異なります。万能の「良い」値というものはありません——メトリックは同じバーティカル内のベンチマークと比較する必要があります。ソーシャルメディアアプリはMAUに対するWAUが最も高く、Eコマースや旅行アプリは不規則な使用パターンのため低くなります。

アプリカテゴリ別WAU

Adjust Mobile Benchmarks 2025レポートによると、いくつかのカテゴリの中央値WAU/MAU比率は、ソーシャルメディア0.65、ゲーミング0.55、Eコマース0.35、フィンテック0.45、ヘルスケア・フィットネス0.40です。つまり、ソーシャルネットワークでは月次ユーザーの65%が週次活動していますが、Eコマースでは35%にすぎません。中央値を下回る値は、エンゲージメントの問題または不適切な測定間隔を示しています。

WAUに影響を与える要因

シーズナリティがひとつ目の要因です。フードデリバリーアプリは金曜日と土曜日にWAUのピークを示し、フィットネスアプリは1月と夏前にピークを示します。プッシュ通知が2つ目の要因です：良く設計されたキャンペーンは、一週間でWAUを15–30%増加させることができます。三つ目の要因はアプリ更新です：大きなリリース後、WAUは通常2週間で10–20%増加し、その後新しいレベルで安定します。

モバイルアプリでWAUを増やす方法

WAUを増やすには、パーツとマーケティングツールの組み合わせが必要です。一回限りのプロモーションで増加できるDAUとは異なり、WAUにはユーザーを週次ライフタイムで戻すための系統的な取り組みが必要です。主なモバイル製品の実践によって確認された主な戦略を確認しましょう。

パーソナライズされたプッシュ通知

プッシュキャンペーンはWAUに影響を与える最も速い方法です。Airship（2025）によると、パーソナライズされたプッシュ通知は、最初の一週間でWAUを20–25%増加させます。使用頻度によってオーディエンスをセグメントすることが重要です：「眠っている」ユーザー（5日以上ログインなし）にはモチベーションを与えるメッセージを、アクティブユーザーには情報を送ります。タイミングも重要です：フィットネスアプリでは朝、ゲームでは夜が最適です。

週次チャレンジとイベント

週次活動のメカニズムは、WAUの最も効果的なドライバーの一つです。ゲームでは特別な報酬がある週次イベントを、フィットネスアプリでは「続けて7日」チャレンジを、Eコマースではサブスクライバーへの週次割引を使用しています。重要な原則は、活動を7日間に制限してFOMOを生み出し、ユーザーが戻ってくるように動かすことです。

メールおよびSMSリマインダー

すべてのユーザーがプッシュ通知を許可しているわけではありません。そうしたユーザーには、週次ダイジェストを含むメールマガジンやSMSが効果的です：「週次スタテスティクス」「新着ブログ記事」「アナタが見た製品」などです。個人的なデータを含むメールの開封率は、標準メールマガジンより40%高くなります。プッシュとメールの組み合わせは、最大のWAU増加（月あたり35%まで）をもたらします。

-- 5日以上非アクティブなユーザー (reactivationの対象)
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';