DAU — co to jest, jak obliczać i analizować dzienną aktywność użytkowników

Co to jest DAU?

DAU (Daily Active Users) — metryka mierząca liczbę unikalnych użytkowników, którzy wykonali co najmniej jedno docelowe działanie w aplikacji w ciągu doby kalendarzowej. Działanie określa deweloper: otwarcie aplikacji, autoryzacja, przeglądanie treści lub kliknięcie przycisku. W typowej konfiguracji DAU liczy wszystkich użytkowników, którzy otworzyli aplikację przynajmniej raz dziennie.

DAU — to operacyjny wskaźnik kondycji produktu. Wzrost DAU wskazuje, że aplikacja staje się bardziej użyteczna dla audytorium lub przyciąga nowych użytkowników. Spadek DAU może sygnalizować problemy z utrzymaniem, pogorszenie doświadczenia użytkownika lub pojawienie się silnego konkurenta. DAU należy analizować w dynamice, a nie jako wartość bezwzględną.

Jakie działania liczą się jako aktywność

Definicja aktywnego użytkownika zależy od typu aplikacji. Dla sieci społecznościowych aktywność to przeglądanie kanału, wysyłanie wiadomości lub publikowanie posta. Dla gier — uruchomienie i ukończenie co najmniej jednego poziomu. Dla narzędzi — otwarcie i wykonanie głównej funkcji. Zaleca się skonfigurowanie zdarzenia session_start jako wyzwalacza do zliczania DAU.

DAU w różnych kategoriach aplikacji

Według statystyk Mixpanel (2024), średnie wartości DAU znacznie różnią się w zależności od kategorii. Aplikacje społecznościowe mają 40–60% DAU od instalacji, gry — 20–35%, narzędzia — 10–25%. Aby dokładnie ocenić poziom DAU swojej aplikacji, porównuj wskaźniki z medianą dla kategorii, a nie z bezwzględnymi liczbami liderów rynku.

Wzór obliczania DAU

DAU oblicza się jako liczbę unikalnych identyfikatorów urządzeń (lub user_id dla zalogowanych użytkowników), które wysłały zdarzenie aktywności w ciągu doby kalendarzowej. Wzór: DAU = |{ distinct user_id : event_time ∈ [00:00, 23:59] UTC }|. Zwykłe liczenie otwarć daje nieprawidłowe dane — konieczne jest zastosowanie deduplikacji według identyfikatora użytkownika.

def calculate_dau(events_df):
    """
    Calculate DAU from event dataframe
    
    Args:
        events_df: DataFrame with columns user_id and event_date
    Returns:
        DataFrame with dau per date
    """
    dau_df = (events_df
        .groupby("event_date")
        ["user_id"]
        .nunique()
        .reset_index()
        .rename(columns={"user_id": "dau"})
    )
    return dau_df

Specyfika obliczeń dla różnych platform

Na Android jako identyfikator stosuje się Installation ID (Firebase) lub Advertising ID. Na iOS — IDFV lub App Instance ID. Dla aplikacji z logowaniem bezpieczniej jest używać user_id z autoryzacji backendowej. Jeśli aplikacja jest dostępna na obu platformach, DAU liczy się osobno dla każdej platformy i agreguje na poziomie backendowej analityki.

Strefy czasowe i uwzględnianie跨dniowe

DAU liczy się według UTC lub strefy czasowej wybranej w ustawieniach systemu analitycznego. Jeśli użytkownik jest aktywny o 23:45 UTC, a następnie o 00:15, system zalicza dwa dni DAU. Jest to normalne dla ogólnego DAU, ale do dokładnej analizy zaleca się skonfigurowanie niestandardowej strefy czasowej dla regionu większości użytkowników za pomocą Firebase Analytics.

DAU, WAU i MAU: różnica metryk

DAU (Daily), WAU (Weekly) i MAU (Monthly) — to trzy poziomy lejka zaangażowania. DAU pokazuje codzienną aktywność, WAU — tygodniową, MAU — miesięczną. Analiza w połączeniu tych trzech metryk pozwala ocenić głębokość zaangażowania: wysoka częstotliwość powrotów (DAU/MAU > 50%) wskazuje na ukształtowany nawyk u użytkowników.

Jak interpretować stosunek DAU/MAU

Stosunek DAU/MAU nazywa się Stickiness i mierzy się go w procentach. Stickiness = DAU / MAU × 100%. Wartość 20% oznacza, że przeciętny użytkownik loguje się do aplikacji 6 dni w miesiącu. Dla sieci społecznościowych i komunikatorów Stickiness 50%+ jest normą. Dla narzędzi i aplikacji finansowych 15–25% to dobry wskaźnik.

Metryki wzrostu oparte na DAU

Na podstawie DAU i MAU oblicza się metryki wzrostu: Retention (utrzymanie), Churn Rate (odpływ) i LTV (wartość życiowa). Jeśli DAU rośnie, ale MAU spada, wskazuje to na problemy z pozyskiwaniem nowych użytkowników, mimo że istniejące audytorium pozostaje aktywne. Jeśli oba wskaźniki rosną — produkt jest zdrowy i skaluje się.

Stickiness: normalne wartości DAU/MAU

Stickiness (współczynnik przyklejenia) — kluczowy wskaźnik jakości audytorium. Oblicza się jako stosunek DAU do MAU. Na przykład, jeśli DAU = 30 000, a MAU = 100 000, to Stickiness = 30%. Oznacza to, że 30% miesięcznych użytkowników loguje się do aplikacji codziennie. Im wyższy Stickiness, tym silniejszy nawyk u użytkowników.

Normy Stickiness według kategorii

Według zagregowanych statystyk Amplitude (2024), mediany Stickiness wynoszą: Social 45–55%, Communication 40–50%, Gaming 20–35%, E-commerce 15–25%, Fintech 15–20%, Utility 10–20%. Dążenie do abstrakcyjnych 50% nie ma sensu — norma jest określana przez konkretną kategorię i model biznesowy produktu.

Dlaczego wyższy Stickiness nie zawsze jest lepszy

Wysoki Stickiness nie zawsze świadczy o kondycji produktu. Na przykład aplikacja z wymuszoną codzienną aktywnością (bankowość, weryfikacja, narzędzia korporacyjne) może mieć 60% Stickiness, ale niską satysfakcję użytkowników. Analizuj DAU wraz z NPS i retention, aby uzyskać obiektywny obraz zaangażowania.

Jak śledzić DAU w Firebase Analytics

Firebase Analytics zapewnia automatyczne zbieranie DAU bez pisania kodu. Po podłączeniu SDK Firebase Analytics zaczyna śledzić aktywność użytkowników na podstawie zdarzenia session_start. DAU jest wyświetlane w panelu Firebase w sekcji Analytics → Dashboard → Active Users. Dane są dostępne z granularnością dzienną i filtrowaniem według platformy, wersji i kraju.

Konfiguracja niestandardowych zdarzeń dla DAU

Jeśli wymagany jest bardziej precyzyjny DAU (na przykład tylko zalogowani użytkownicy lub użytkownicy, którzy wykonali docelowe działanie), skonfiguruj niestandardowe zdarzenia za pomocą Firebase SDK. Wysyłaj zdarzenie z parametrami przy każdym wykonaniu docelowego działania i filtruj w panelu analityki. Do deduplikacji Firebase automatycznie używa Installation ID.

import com.google.firebase.analytics.FirebaseAnalytics

class AnalyticsTracker {
    private val firebase = FirebaseAnalytics.getInstance(context)
    
    fun trackDailyActiveUsers() {
        val params = bundleOf(
            "app_version" to BuildConfig.VERSION_NAME,
            "platform" to "android",
            "user_id" to AuthManager.getCurrentUserId()
        )
        firebase.logEvent("daily_session", params)
    }
}

Automatyzacja raportów DAU

Firebase Analytics umożliwia skonfigurowanie automatycznego eksportu danych o DAU do BigQuery w celu tworzenia niestandardowych pulpitów nawigacyjnych. Możesz również podłączyć Firebase do Amplitude lub Mixpanel przez SDK w celu analizy cross-platformowej. Do regularnych raportów skonfiguruj wysyłkę e-mail z Firebase Console z wykresami DAU za wybrany okres.

Jak wpływać na DAU i zwiększać zaangażowanie

Zwiększanie DAU to zadanie product growth, które rozwiązuje się poprzez poprawę doświadczenia użytkownika, wprowadzanie nawyków i zwiększanie wartości produktu. Nie ma jednej formuły na wzrost DAU, ale istnieją sprawdzone taktyki działające w większości kategorii aplikacji mobilnych.

• Wdrożyć Push-notyfikacje z personalizowaną treścią i timingiem
• Dodać codzienne nagrody: bonusy, wyzwania i przypomnienia
• Ulepszyć onboarding dla szybkiego pokazania wartości aplikacji
• Zoptymalizować Deep Linking do przywracania użytkowników ze źródeł zewnętrznych
• Analizować DAU według kohort i identyfikować punkty odpływu

Push-notyfikacje a DAU

Według badania Airship (2024), aplikacje korzystające z personalizowanych Push-notyfikacji wykazują 30–50% wyższy DAU w porównaniu z aplikacjami bez powiadomień. Kluczowym czynnikiem jest trafność treści i czas wysyłki. Agresywne powiadomienia dają krótkoterminowy wzrost DAU, ale obniżają Retention w długiej perspektywie.

Grywalizacja jako motor DAU

Wprowadzenie mechanik gier — grywalizacja — zwiększa DAU o 15–30% w aplikacjach pozagrowych. Codzienne zadania, paski postępu, osiągnięcia i rankingi społecznościowe tworzą nawyk powracania do aplikacji. Duolingo, MyFitnessPal i Headspace — to przykłady udanej grywalizacji z wysokimi wskaźnikami Stickiness.