모바일 분석의 MAU — 월간 활성 사용자 지표란 무엇이며 계산하는 방법

모바일 분석에서 MAU란 무엇인가요?

MAU(Monthly Active Users) — 최근 30일 동안 앱에서 목표 행동을 수행한 고유 사용자 수를 보여주는 지표. DAU와 달리 MAU는 일일 변동에 민감하지 않으며 활성 사용자 기반 규모의 안정적인 그림을 제공합니다. 이는 상장 기술 기업의 표준 보고 지표입니다: Facebook, Spotify, Uber 등은 분기 보고서에서 MAU를 표시합니다.

왜 MAU가 투자자에게 가장 중요한 지표인가

투자자는 MAU를 기준으로 비즈니스 규모를 평가합니다. 이 지표는 제품이 한 달 동안 얼마나 많은 사용자를 유지하는지 보여주며, 제품-시장 적합성(product-market fit) 평가의 최소 기간입니다. Facebook은 2012년부터 MAU를 보고해 왔으며, 이 지표의 성장은 회사의 시가총액과 직접적으로 상관관계가 있습니다. 스타트업에게 MAU는 피치 덱과 투자 라운드의 핵심 지표 중 하나입니다.

제품 분석 관점에서의 MAU

제품 분석에서 MAU는 많은 계산의 입력 지표로 사용됩니다. 이를 기반으로 MAU/DAU 비율(Stickiness), ARPU(Average Revenue Per User)와 LTV(Lifetime Value)를 계산합니다. 정확한 MAU 없이는 유료 사용자 전환율과 마케팅 채널 효율을 올바르게 평가할 수 없습니다. MAU는 모든 수익화 및 참여 지표가 구축되는 지표 피라미드의 기초입니다.

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;

MAU는 어떻게 계산하나요?

계산은 언뜻 보기에는 간단합니다: 30일 동안의 고유 사용자를 세는 것입니다. 그러나 실제로는 정확성에 영향을 주는 몇 가지 세부 사항이 있습니다. 계산 방법 선택 — 역월 기준 또는 이동 기간 기준 — 은 모바일 개발에서 지표가 실제 사용자 활동과 얼마나 일치하는지 결정합니다.

역월 대 이동 기간

역월은 전통적인 방식입니다: MAU는 월 1일부터 말일까지 계산합니다. 보고에는 편리하지만 아티팩트가 발생할 수 있습니다: 예를 들어 30일에 장애가 발생하면 해당 월의 MAU는 낮아집니다. 이동 기간(rolling 30 days)은 더 부드러운 지표를 제공하지만 정기 보고에는 더 복잡합니다. Mixpanel(2025) 데이터에 따르면 제품 팀의 80%가 외부 보고에는 역월을, 내부 대시보드에는 이동 기간을 사용합니다.

크로스 플랫폼 사용자 중복 제거

한 사용자가 여러 기기에서 앱에 접속할 수 있습니다: iPhone과 iPad, Android 태블릿과 데스크톱. 중복 제거 없이 MAU는 20-40% 과대평가됩니다. 모범 사례는 모든 플랫폼에서 단일 account_id를 사용하는 것입니다. 사용자가 로그인하지 않은 경우 device_id + Advertising ID(iOS의 IDFA, Android의 GAID) 조합을 사용하고 로그인 시 중복 제거를 수행하세요.

비활성 사용자 처리

누구를 활성 사용자로 간주할까요? 최소 행동은 앱을 여는 것입니다(session start). 그러나 많은 팀은 임계값을 설정합니다: 세션이 10초보다 길거나 최소한 하나의 목표 행동을 수행해야 합니다. 이렇게 하면 우연한 실행과 봇이 제외됩니다. 서로 다른 활성 임계값은 MAU에 10-30% 차이를 만들므로 방법론을 고정하고 기간 간에 변경하지 않아야 합니다.

MAU 계산 자동화

대부분의 회사는 ETL 파이프라인을 통해 MAU 계산을 자동화합니다. Firebase, Amplitude 또는 자체 서버의 데이터는 Clickhouse 또는 Snowflake에 집계됩니다. MAU를 매일 재계산하면 트렌드를 실시간으로 볼 수 있습니다. 중요: 방법론을 변경할 때(예: 활성 임계값) 이전 기간의 MAU도 재계산하여 데이터의 비교 가능성을 유지하세요.

import pandas as pd
from datetime import datetime, timedelta

def calculate_mau(events_df, active_threshold_sec=10):
    # 최소 세션 길이 필터
    active = events_df[events_df['session_length'] >= active_threshold_sec]
    # 30일 이동 기간
    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: 지표의 계층 구조

세 가지 지표 — DAU, WAU, MAU — 는 서로 다른 시간 범위에서 활성 사용자를 평가하는 시스템을 구성합니다. 함께 보면 제품 건강 상태에 대한 종합적인 그림을 제공합니다. MAU만 보는 분석가는 일일 문제를 놓칠 위험이 있고, DAU만 보는 분석가는 전략적 트렌드를 보지 못합니다.

DAU, WAU, MAU 사이의 관계

지표 비율은 간단한 법칙으로 설명됩니다: DAU ≤ WAU ≤ MAU. DAU와 MAU의 차이는 사용자가 한 달의 날짜에 얼마나 고르게 분포되어 있는지 보여줍니다. DAU가 MAU의 10%라면 사용자가 드물게 접속하는 것입니다(예: 호텔 예약 앱). DAU가 MAU의 50%라면 앱을 거의 매일 사용하는 것입니다(소셜 네트워크, 메신저). 계수 DAU/MAU는 Stickiness라고 하며 표준 참여 지표입니다.

Stickiness: 핵심 참여 지표

Stickiness = DAU / MAU * 100%. 50% 이상이면 어떤 앱에서도 훌륭한 값입니다. 20-50%는 대부분의 제품에서 정상입니다. 20% 미만은 재방문 문제의 신호입니다. Stickiness는 규모에 의존하지 않습니다: 1백만 MAU의 앱과 1만 MAU의 스타트업의 값이 같을 수 있습니다. 따라서 이 지표는 벤치마킹과 같은 카테고리 내 제품 비교에 편리합니다.

앱 카테고리별 MAU 기준

MAU 기준은 카테고리, 지역, 제품 성숙도에 따라 다릅니다. 절대값 대신 분석가는 MAU 역학(Month-over-Month growth)과 다른 지표와의 비율을 사용합니다. 성숙한 제품에서 MAU 성장이 월 10%면 좋은 수준이고, 30% 이상이면 빠르게 성장하는 것입니다.

카테고리별 MAU 벤치마크

App Annie State of Mobile 2025 보고서에 따르면 카테고리별 MAU 중앙값은 다양합니다. 소셜 미디어: 5천만-5억(글로벌 플레이어), 게임: 100만-5천만, 이커머스: 10만-1000만, 핀테크: 50만-2000만. 이 수치는 지역에 따라 크게 달라집니다: 미국에서 1백만 MAU의 앱은 크다고 여겨질 수 있지만 인도에서는 중간 규모입니다. 비교는 같은 카테고리와 같은 지역 내에서만 의미가 있습니다.

MAU와 수익화

MAU는 ARPU를 통해 수익과 직접 연결됩니다. MAU가 성장하고 ARPU가 하락하면 비즈니스가 지불 능력이 낮은 사용자 기반으로 확장되고 있는 것입니다. MAU가 안정적이고 ARPU가 상승하면 제품이 기존 사용자 기반의 수익화를 높이고 있는 것입니다. 이상적인 시나리오: ARPU를 유지하거나 높이면서 MAU가 성장하는 것. MAU와 수익의 비율은 모바일 앱의 유닛 이코노믹스 평가의 핵심 지표입니다.

모바일 앱에서 MAU를 어떻게 늘릴까요?

MAU 성장은 무엇보다 신규 사용자 확보(acquisition)와 이탈 감소(retention)를 의미합니다. 전술적 방법으로 올릴 수 있는 DAU와 달리 MAU는 체계적인 유치 및 유지 전략을 요구합니다. 선도적인 모바일 제품의 실무로 검증된 주요 성장 채널을 살펴보겠습니다.

유기적 획득: ASO와 콘텐츠

앱 스토어 최적화(ASO)는 MAU를 늘리는 가장 경제적인 방법입니다. 이름, 키워드, 아이콘, 스크린샷 최적화는 유기적 트래픽을 20-40% 늘릴 수 있습니다. 두 번째 채널은 콘텐츠 마케팅입니다: 검색에서 상위 노출되어 신규 사용자를 유입시키는 기사, 영상, 사례 연구. B2C 앱에는 바이럴 메커니즘이 효과적입니다: 친구를 초대하면 보너스를 받는 방식.

유료 유치(UA)

User Acquisition(UA) — 유료 채널: Facebook Ads, Google Ads, Apple Search Ads, TikTok Ads. MAU 한 명을 유치하는 비용은 크게 다릅니다: 개발도상국에서 $0.50부터 US/EU에서 $5-8까지. 핵심 원칙: CAC(Customer Acquisition Cost)는 LTV(Lifetime Value)보다 최소 3배 낮아야 합니다. 광고 캠페인은 Day 30 유지율이 20% 이상인 코호트를 타겟팅해야 합니다.

추천 프로그램과 바이럴리티

추천 메커니즘은 MAU 유기적 성장의 원동력입니다. Dropbox는 추천 프로그램 덕분에 15개월 만에 10만에서 400만 MAU로 성장했습니다. 성공의 열쇠: 양측(초대자와 초대받은 사람)을 위한 보너스의 가치. 모바일 앱에는 딥 링킹이 포함된 추천 링크가 효과적입니다 — 신규 사용자는 설치 후 바로 앱의 원하는 화면으로 이동합니다.

-- 트래픽 소스별 MAU 계산
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;