WAU in mobiele analyse: wat is het, activiteitsmetriek en hoe te berekenen

Wat is WAU in mobiele analyse?

WAU (Weekly Active Users) — is een metriek die het aantal unieke gebruikers toont dat in de afgelopen 7 kalenderdagen interactie heeft gehad met de app. In tegenstelling tot DAU (Daily Active Users) is WAU minder onderhevig aan dagelijkse schommelingen en geeft het een stabieler beeld van wekelijkse activiteit.

Waarom is de WAU-metriek nodig

De metriek maakt het mogelijk de effectiviteit van wekelijkse product- en marketingactiviteiten te beoordelen. Als DAU antwoord geeft op de vraag „hoeveel mensen zijn vandaag gekomen”, dan WAU „hoeveel mensen zijn deze week bij ons gebleven”. Dit is cruciaal voor apps met een gebruikscyclus van enkele dagen: fitnesstrackers, educatieve platforms, nieuwsaggregators.

Wanneer wordt WAU gebruikt in plaats van DAU

In apps met een onregelmatig maar wekelijks gebruikspatroon kan DAU sterk fluctueren. Bijvoorbeeld in taakplanningsapps loggen gebruikers elke 2-3 dagen in — DAU toont lage activiteit, terwijl WAU de werkelijke betrokkenheid adequaat weerspiegelt. De keuze tussen DAU en WAU hangt af van de verwachte frequentie van interactie met het product.

Verband tussen WAU en productmetrieken

WAU correleert met de retentie-indicator Day 7: als een gebruiker op dag 7 terugkeert, komt hij minstens twee keer per maand in WAU. Teams gebruiken WAU om het effect van nieuwe functies te volgen: lancering van een functie op maandag en meting van WAU de volgende zondag geeft een directe beoordeling van de impact van de verandering op het wekelijkse publiek.

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;

Hoe wordt WAU berekend?

Berekening van WAU gebeurt volgens een eenvoudige formule: aantal unieke gebruikers in de afgelopen 7 dagen. In de praktijk worden echter twee benaderingen toegepast — vaste week (Monday-Sunday) en schuivend venster (rolling 7 days). De keuze van de methode beïnvloedt de interpretatie van gegevens en de vergelijkbaarheid van rapporten.

Vaste week versus schuivend venster

De vaste week is handig voor regelmatige rapportage: WAU wordt berekend van maandag tot zondag. Schuivend venster berekent WAU voor elke dag als de som van unieke gebruikers van de afgelopen 7 dagen. De tweede benadering geeft een vloeiendere grafiek en wordt gebruikt in real-time dashboards. Volgens Amplitude (2025) gebruikt 73% van de productteams het schuivende venster voor WAU.

Filteren op doelgerichte gebeurtenissen

Niet elke opening van de app moet worden meegenomen in WAU. Teams filteren gebruikers vaak op doelgerichte gebeurtenissen: bekijken van inhoud, aankoop, voltooien van niveau, verzenden van bericht. Dit sluit „passieve” gebruikers uit die de app per ongeluk hebben geopend. In SQL wordt zo’n filter toegevoegd via de voorwaarde event_type IN (...).

Rekening houden met cross-platform gebruikers

Als een gebruiker actief is op iOS en Android, moeten dezelfde identificatoren (email, account_id) worden gedupliceerd. Zonder deduplicatie zal WAU met 15-25% worden overschat. Gebruik interne user_id in plaats van device_id voor correcte telling. Clickhouse en Snowflake ondersteunen deduplicatie via HyperLogLog of Bloom-filters.

import pandas as pd

# Laden van gebeurtenissen van de afgelopen 7 dagen
events = pd.read_sql('''
    SELECT user_id, event_date
    FROM user_events
    WHERE event_date >= CURRENT_DATE - 7
''', conn)

# Berekening van WAU met schuivend venster
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)

Veelvoorkomende fouten bij het berekenen van WAU

Eerste fout — alle gebeurtenissen meenemen zonder filteren op doelgerichte acties. Als alle openingen worden geteld, omvat WAU gebruikers die 5 seconden binnenkwamen en de app sloten. Tweede fout — het mengen van tijdzones: gebeurtenissen van 7 dagen moeten in één tijdzone worden berekend (meestal UTC). Derde — het ontbreken van deduplicatie van cross-platform gebruikers, wat het werkelijke beeld van het publiek vertekent.

WAU vs DAU vs MAU: wat is het verschil?

Drie metrieken — DAU, WAU en MAU — vormen een hiërarchie van actief publiek over tijdsperioden. DAU meet dagelijkse activiteit, WAU — wekelijkse, MAU — maandelijkse. Elke metriek beantwoordt zijn eigen vraag over gebruikersgedrag en wordt gebruikt in verschillende scenario’s van productanalyses.

Vergelijking van tijdsperioden

DAU (Daily Active Users) — de meest operationele metriek. Het laat zien hoeveel gebruikers vandaag zijn gekomen. WAU egaliseert dagelijkse pieken en dalen, en MAU maandelijkse. Voor apps met dagelijks gebruik (messengers, social media) is DAU de belangrijkste metriek. Voor apps die 1-2 keer per week worden gebruikt (fitness, bezorging) weerspiegelt WAU de activiteit nauwkeuriger. Voor seizoensgebonden of zelden gebruikte apps (reizen, belastingen) — MAU.

Stickiness-coëfficiënt

Stickiness — de verhouding van DAU tot MAU, die aangeeft hoe vaak gebruikers terugkeren. Een waarde boven 20% wordt als goed beschouwd. WAU wordt gebruikt voor tussentijdse controle: als DAU/MAU daalt, kan men WAU/MAU controleren — als deze stabiel is, ligt het probleem bij de dagelijkse, niet bij de algemene activiteit. Formule: Stickiness = DAU / MAU * 100%. Voor een gezonde app blijft deze indicator in het bereik van 20-50%.

Wanneer is welke metriek belangrijker

Keuze van metriek hangt af van de bedrijfscyclus van het product. In de groeifase ligt de focus op DAU — het is belangrijk om de dagelijkse dynamiek van nieuwe gebruikers te zien. In de volwassenheidsfase wordt WAU de belangrijkste metriek: het laat zien hoeveel gebruikers loyaal blijven op wekelijkse termijn. MAU is cruciaal voor rapportages aan investeerders en beoordeling van het totale bereik. Door de drie metrieken te combineren, krijgt de analist een volledig beeld van de levenscyclus van de gebruiker.

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

# Voorbeeldberekening van DAU/MAU WAU voor een hypothetische app
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}%")

WAU-normen per app-categorie

WAU-normen verschillen sterk tussen app-categorieën. Er bestaat geen universele „goede” waarde — de metriek moet worden vergeleken met benchmarks binnen dezelfde verticale markt. Social media-apps tonen de hoogste WAU-waarden ten opzichte van MAU, terwijl e-commerce en reisapps lager scoren vanwege het onregelmatige gebruikspatroon.

WAU per app-categorie

Volgens het rapport Adjust Mobile Benchmarks 2025 bedraagt de mediane WAU/MAU-ratio voor verschillende categorieën: Social Media — 0.65, Gaming — 0.55, E-commerce — 0.35, Fintech — 0.45, Health & Fitness — 0.40. Dit betekent dat in sociale netwerken 65% van de maandelijkse gebruikers wekelijks actief is, en in e-commerce slechts 35%. Waarden onder de mediaan wijzen op een probleem met betrokkenheid of een verkeerd gekozen meetinterval.

Factoren die WAU beïnvloeden

Seizoensinvloeden — de eerste factor. Bezorgapps voor eten tonen een WAU-piek op vrijdag en zaterdag, fitnessapps in januari en voor de zomer. Pushmeldingen — de tweede factor: een goede campagne kan WAU in een week met 15-30% verhogen. De derde factor — app-updates: na een grote release groeit WAU meestal met 10-20% binnen twee weken en stabiliseert zich daarna op een nieuw niveau.

Hoe WAU verhogen in een mobiele app?

Groei van WAU is een taak die wordt opgelost met een combinatie van product- en marketingtools. In tegenstelling tot DAU, dat kan worden verhoogd met een eenmalige actie, vereist WAU systematisch werk aan de terugkeer van gebruikers op wekelijkse termijn. Laten we de belangrijkste strategieën bekijken die zijn bevestigd door de praktijk van grote mobiele producten.

Gepersonaliseerde pushmeldingen

Pushcampagnes — de snelste manier om WAU te beïnvloeden. Volgens Airship (2025) verhogen gepersonaliseerde pushmeldingen WAU met 20-25% in de eerste week. Het is belangrijk om het publiek te segmenteren op gebruiksfrequentie: „slapende” gebruikers (5+ dagen niet ingelogd) motiverende berichten sturen, actieve gebruikers informatieve berichten. Timing is belangrijk: voor fitnessapps is de beste tijd ’s ochtends, voor games ’s avonds.

Wekelijkse uitdagingen en evenementen

De mechaniek van wekelijkse activiteiten — een van de meest effectieve drivers van WAU. Games gebruiken wekelijkse evenementen met speciale beloningen, fitnessapps uitdagingen „7 dagen zonder pauze”, e-commerce wekelijkse kortingen voor abonnees. Het belangrijkste principe: activiteit moet in de tijd beperkt zijn (7 dagen) om FOMO te creëren en de gebruiker te motiveren terug te keren.

E-mail en SMS-herinneringen

Niet alle gebruikers staan pushmeldingen toe. Voor hen zijn e-mailnieuwsbrieven en SMS met een wekelijkse samenvatting effectief: „Uw statistieken voor deze week”, „Nieuwe artikelen op de blog”, „Producten die u heeft bekeken”. De openingsratio van e-mails met persoonlijke statistieken is 40% hoger dan standaard nieuwsbrieven. De combinatie push + e-mail geeft de maximale WAU-groei — tot 35% per maand.

-- Gebruikers die langer dan 5 dagen inactief zijn (doel voor 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';