WAU w analityce mobilnej: co to jest, metryka aktywności i jak liczyć

Czym jest WAU w analityce mobilnej?

WAU (Weekly Active Users) — to metryka pokazująca liczbę unikalnych użytkowników, którzy wchodzili w interakcję z aplikacją w ciągu ostatnich 7 dni kalendarzowych. W przeciwieństwie do DAU (Daily Active Users), WAU jest mniej podatny na dzienne wahania i daje bardziej stabilny obraz tygodniowej aktywności.

Po co potrzebna jest metryka WAU

Metryka pozwala ocenić skuteczność tygodniowych działań produktowych i marketingowych. Jeśli DAU odpowiada na pytanie „ile osób przyszło dzisiaj”, to WAU — „ile osób zostało z nami w tym tygodniu”. Jest to krytycznie ważne dla aplikacji z cyklem użytkowania wynoszącym kilka dni: trackery fitness, platformy edukacyjne, agregatory wiadomości.

Kiedy używa się WAU zamiast DAU

W aplikacjach o nieregularnym, ale tygodniowym wzorcu użytkowania DAU może silnie się wahać. Na przykład w aplikacjach do planowania zadań użytkownicy logują się co 2-3 dni — DAU pokaże niską aktywność, podczas gdy WAU adekwatnie odzwierciedli rzeczywiste zaangażowanie. Wybór między DAU a WAU zależy od oczekiwanej częstotliwości interakcji z produktem.

Związek WAU z metrykami produktowymi

WAU koreluje ze wskaźnikiem utrzymania Day 7: jeśli użytkownik wraca 7 dnia, trafia do WAU co najmniej dwa razy w miesiącu. Zespoły używają WAU do śledzenia efektu nowych funkcji: uruchomienie funkcji w poniedziałek i pomiar WAU w następną niedzielę daje bezpośrednią ocenę wpływu zmiany na tygodniową publiczność.

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;

Jak oblicza się WAU?

Obliczanie WAU wykonuje się według prostego wzoru: liczba unikalnych użytkowników w ciągu ostatnich 7 dni. Jednak w praktyce stosuje się dwa podejścia — stały tydzień (Monday-Sunday) i okno kroczące (rolling 7 days). Wybór metody wpływa na interpretację danych i porównywalność raportów.

Stały tydzień a okno kroczące

Stały tydzień jest wygodny do regularnego raportowania: WAU liczy się od poniedziałku do niedzieli. Okno kroczące oblicza WAU na każdy dzień jako sumę unikalnych użytkowników z poprzednich 7 dni. Drugie podejście daje bardziej płaski wykres i jest używane w dashboardach czasu rzeczywistego. Według danych Amplitude (2025), 73% zespołów produktowych używa okna kroczącego dla WAU.

Filtracja według zdarzeń docelowych

Nie każde otwarcie aplikacji powinno być uwzględniane w WAU. Zespoły często filtrują użytkowników według zdarzeń docelowych: przeglądanie treści, zakup, ukończenie poziomu, wysłanie wiadomości. Wyklucza to „pasywnych” użytkowników, którzy otworzyli aplikację przypadkowo. W SQL taki filtr dodaje się przez warunek event_type IN (...).

Uwzględnianie użytkowników cross-platformowych

Jeśli użytkownik jest aktywny na iOS i Androidzie, te same identyfikatory (email, account_id) powinny być deduplikowane. Bez deduplikacji WAU będzie zawyżony o 15-25%. Używaj wewnętrznego user_id zamiast device_id do prawidłowego zliczania. Clickhouse i Snowflake obsługują deduplikację przez HyperLogLog lub filtry Blooma.

import pandas as pd

# Ładowanie zdarzeń z ostatnich 7 dni
events = pd.read_sql('''
    SELECT user_id, event_date
    FROM user_events
    WHERE event_date >= CURRENT_DATE - 7
''', conn)

# Obliczanie WAU z oknem kroczącym
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)

Typowe błędy przy obliczaniu WAU

Pierwszy błąd — uwzględnianie wszystkich zdarzeń bez filtrowania działań docelowych. Jeśli liczyć dowolne otwarcia, WAU będzie obejmować użytkowników, którzy weszli na 5 sekund i zamknęli aplikację. Drugi błąd — mieszanie stref czasowych: zdarzenia z 7 dni powinny być liczone w jednolitej strefie czasowej (zwykle UTC). Trzeci — brak deduplikacji użytkowników cross-platformowych, co zniekształca rzeczywisty obraz publiczności.

WAU vs DAU vs MAU: jaka jest różnica?

Trzy metryki — DAU, WAU i MAU — tworzą hierarchię aktywnej publiczności według horyzontów czasowych. DAU mierzy dzienną aktywność, WAU — tygodniową, MAU — miesięczną. Każda metryka odpowiada na własne pytanie dotyczące zachowania użytkowników i jest używana w różnych scenariuszach analityki produktowej.

Porównanie horyzontów czasowych

DAU (Daily Active Users) — najbardziej operatywna metryka. Pokazuje, ilu użytkowników przyszło dzisiaj. WAU wygładza dzienne szczyty i spadki, a MAU — miesięczne. Dla aplikacji z codziennym użytkowaniem (komunikatory, social media) DAU jest główną metryką. Dla aplikacji używanych 1-2 razy w tygodniu (fitness, dostawa) WAU dokładniej odzwierciedla aktywność. Dla sezonowych lub rzadko używanych aplikacji (podróże, podatki) — MAU.

Współczynnik Stickiness

Stickiness (przyczepność) — stosunek DAU do MAU, pokazujący, jak często użytkownicy wracają. Wartość powyżej 20% uważa się za dobrą. WAU jest używany do kontroli pośredniej: jeśli DAU/MAU spada, można sprawdzić WAU/MAU — jeśli jest stabilny, problem leży w dziennej, a nie ogólnej aktywności. Wzór: Stickiness = DAU / MAU * 100%. Dla zdrowej aplikacji wskaźnik ten utrzymuje się w zakresie 20-50%.

Która metryka jest ważniejsza w zależności od sytuacji

Wybór metryki zależy od cyklu biznesowego produktu. Na etapie wzrostu skupiamy się na DAU — ważne jest codzienne obserwowanie dynamiki nowych użytkowników. Na etapie dojrzałości WAU staje się kluczową metryką: pokazuje, ilu użytkowników pozostaje lojalnych w horyzoncie tygodniowym. MAU jest kluczowy w raportach dla inwestorów i oceny ogólnego zasięgu. Łącząc trzy metryki, analityk otrzymuje pełny obraz cyklu życia użytkownika.

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

# Przykład obliczania DAU/MAU WAU dla hipotetycznej aplikacji
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}%")

Normy WAU według kategorii aplikacji

Normy WAU znacznie różnią się między kategoriami aplikacji. Uniwersalna „dobra” wartość nie istnieje — metrykę należy porównywać z benchmarkami w ramach tej samej pionki. Social media wykazują najwyższe wartości WAU względem MAU, podczas gdy e-commerce i aplikacje turystyczne — niższe z powodu nieregularnego wzorca użytkowania.

WAU według kategorii aplikacji

Według raportu Adjust Mobile Benchmarks 2025, medianowy wskaźnik WAU/MAU dla różnych kategorii wynosi: Social Media — 0.65, Gaming — 0.55, E-commerce — 0.35, Fintech — 0.45, Health & Fitness — 0.40. Oznacza to, że w mediach społecznościowych 65% miesięcznych użytkowników jest aktywnych tygodniowo, a w e-commerce — tylko 35%. Wartości poniżej mediany wskazują na problem z zaangażowaniem lub nieprawidłowo wybrany interwał pomiaru.

Czynniki wpływające na WAU

Sezonowość — pierwszy czynnik. Aplikacje dostawy jedzenia wykazują szczyt WAU w piątek i sobotę, aplikacje fitness — w styczniu i przed latem. Powiadomienia push — drugi czynnik: dobrze zaplanowana kampania może podnieść WAU o 15-30% w ciągu tygodnia. Trzeci czynnik — aktualizacje aplikacji: po dużym wydaniu WAU zazwyczaj rośnie o 10-20% w ciągu dwóch tygodni, a następnie stabilizuje się na nowym poziomie.

Jak zwiększyć WAU w aplikacji mobilnej?

Wzrost WAU to zadanie, które rozwiązuje się kombinacją narzędzi produktowych i marketingowych. W przeciwieństwie do DAU, który można podnieść jednorazową akcją, WAU wymaga systematycznej pracy nad powracalnością użytkowników w horyzoncie tygodniowym. Rozważmy główne strategie potwierdzone praktyką dużych produktów mobilnych.

Powiadomienia push z personalizacją

Kampanie push — najszybszy sposób na wpływ na WAU. Według danych Airship (2025), spersonalizowane powiadomienia push zwiększają WAU o 20-25% w pierwszym tygodniu. Ważne jest segmentowanie odbiorców według częstotliwości użytkowania: „uśpionym” użytkownikom (nie logowali się od 5+ dni) wysyłać wiadomości motywujące, aktywnym — informacyjne. Czas ma znaczenie: dla aplikacji fitness najlepszy czas to poranek, dla gier — wieczór.

Tygodniowe wyzwania i wydarzenia

Mechanika tygodniowych aktywności — jeden z najskuteczniejszych sterowników WAU. Gry wykorzystują cotygodniowe wydarzenia ze specjalnymi nagrodami, aplikacje fitness — wyzwania „7 dni bez przerwy”, e-commerce — tygodniowe zniżki dla subskrybentów. Kluczowa zasada: aktywność powinna być ograniczona w czasie (7 dni), aby stworzyć FOMO i zmotywować użytkownika do powrotu.

Przypomnienia e-mail i SMS

Nie wszyscy użytkownicy zezwalają na powiadomienia push. Dla nich skuteczne są newslettery e-mail i SMS z tygodniowym podsumowaniem: „Twoje statystyki za tydzień”, „Nowe artykuły na blogu”, „Produkty, które oglądałeś”. Współczynnik otwarć e-maili z osobistymi statystykami jest o 40% wyższy niż standardowych newsletterów. Połączenie push + e-mail daje maksymalny wzrost WAU — do 35% w ciągu miesiąca.

-- Użytkownicy nieaktywni ponad 5 dni (cel dla 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';