DAU — что это, как считать и анализировать дневную аудиторию

Что такое DAU?

DAU (Daily Active Users) — метрика, измеряющая количество уникальных пользователей, которые совершили как минимум одно целевое действие в приложении за календарные сутки. Действие определяется разработчиком: открытие приложения, авторизация, просмотр контента или клик по кнопке. В типовой настройке DAU считает всех пользователей, открывших приложение хотя бы один раз в день.

DAU — это операционный показатель здоровья продукта. Рост DAU говорит о том, что приложение становится полезнее для аудитории или привлекает новых пользователей. Падение DAU может указывать на проблемы с удержанием, ухудшение пользовательского опыта или появление сильного конкурента. Анализировать DAU нужно в динамике, а не как абсолютное значение.

Какие действия считаются активностью

Определение активного пользователя зависит от типа приложения. Для социальных сетей активность — это просмотр ленты, отправка сообщения или публикация поста. Для игр — запуск и выполнение хотя бы одного уровня. Для утилит — открытие и выполнение основной функции. Рекомендуется настроить событие session_start как триггер для засчитывания DAU.

DAU в разных категориях приложений

По данным статистики Mixpanel (2024), средние значения DAU сильно различаются по категориям. Социальные приложения имеют 40–60% DAU от установок, игры — 20–35%, утилиты — 10–25%. Для точной оценки уровня DAU вашего приложения сравнивайте показатели с медианой по категории, а не с абсолютными цифрами лидеров рынка.

Формула расчёта DAU

DAU рассчитывается как количество уникальных идентификаторов устройств (или user_id для авторизованных пользователей), которые отправили событие активности за календарные сутки. Формула: DAU = |{ distinct user_id : event_time ∈ [00:00, 23:59] UTC }|. Простой подсчёт открытий даёт некорректные данные — необходимо использовать дедупликацию по идентификатору пользователя.

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

Особенности расчёта для разных платформ

На Android в качестве идентификатора используется Installation ID (Firebase) или Advertising ID. На iOS — IDFV или App Instance ID. Для авторизованных приложений надёжнее использовать user_id из backend-авторизации. Если приложение доступно на обеих платформах, DAU считается отдельно для каждой платформы и агрегируется на уровне backend-аналитики.

Часовые пояса и кросс-дневной учёт

DAU считается по UTC или по часовому поясу, выбранному в настройках аналитической системы. Если пользователь активен в 23:45 по UTC, а затем в 00:15, система засчитывает два дня DAU. Это нормально для общего DAU, но для точного анализа рекомендуется настраивать кастомный часовой пояс под регион большинства пользователей через Firebase Analytics.

DAU, WAU и MAU: разница метрик

DAU (Daily), WAU (Weekly) и MAU (Monthly) — это три уровня воронки вовлечённости. DAU показывает ежедневную активность, WAU — еженедельную, MAU — ежемесячную. Анализ в связке этих трёх метрик позволяет оценить глубину вовлечённости: высокая частота возвратов (DAU/MAU > 50%) говорит о сформированной привычке у пользователей.

Как интерпретировать соотношение DAU/MAU

Соотношение DAU/MAU называется Stickiness и измеряется в процентах. Stickiness = DAU / MAU × 100%. Значение 20% означает, что средний пользователь заходит в приложение 6 дней в месяц. Для социальных сетей и мессенджеров Stickiness 50%+ — норма. Для утилит и финансовых приложений 15–25% — хороший показатель.

Метрики роста на основе DAU

На основе DAU и MAU рассчитываются метрики роста: Retention (удержание), Churn Rate (отток) и LTV (пожизненная ценность). Если DAU растёт, но MAU снижается, это указывает на проблемы с привлечением новых пользователей, хотя существующая аудитория остаётся активной. Если оба показателя растут — продукт здоров и масштабируется.

Stickiness: нормальные значения DAU/MAU

Stickiness (коэффициент прилипания) — ключевой показатель качества аудитории. Рассчитывается как отношение DAU к MAU. Например, если DAU = 30 000, а MAU = 100 000, то Stickiness = 30%. Это означает, что 30% ежемесячных пользователей заходят в приложение ежедневно. Чем выше Stickiness, тем сильнее у пользователей сформирована привычка.

Нормы Stickiness по категориям

По данным агрегированной статистики Amplitude (2024), медианные значения Stickiness составляют: Social 45–55%, Communication 40–50%, Gaming 20–35%, E-commerce 15–25%, Fintech 15–20%, Utility 10–20%. Стремиться к абстрактным 50% бессмысленно — норма определяется конкретной категорией и бизнес-моделью продукта.

Почему Stickiness выше не всегда лучше

Высокий Stickiness не всегда говорит о здоровье продукта. Например, приложение с вынужденной ежедневной активностью (банкинг, верификация, корпоративные инструменты) может иметь 60% Stickiness, но низкую удовлетворённость пользователей. Анализируйте DAU вместе с NPS и retention, чтобы получить объективную картину вовлечённости.

Как отслеживать DAU в Firebase Analytics

Firebase Analytics предоставляет автоматический сбор DAU без написания кода. При подключении SDK Firebase Analytics начинает отслеживать активность пользователей по событию session_start. DAU отображается в дашборде Firebase в разделе Analytics → Dashboard → Active Users. Данные доступны с гранулярностью по дням и фильтрацией по платформе, версии и стране.

Настройка кастомных событий для DAU

Если требуется более точный DAU (например, только авторизованные пользователи или пользователи, выполнившие целевое действие), настройте кастомные события через Firebase SDK. Отправляйте событие с параметрами при каждом выполнении целевого действия и фильтруйте в панели аналитики. Для дедупликации Firebase автоматически использует 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)
    }
}

Автоматизация отчётов по DAU

Firebase Analytics позволяет настроить автоматическую выгрузку данных о DAU в BigQuery для построения кастомных дашбордов. Вы также можете подключить Firebase к Amplitude или Mixpanel через SDK для кросс-платформенного анализа. Для регулярных отчётов настройте email-рассылку из Firebase Console с графиками DAU за выбранный период.

Как влиять на DAU и повышать вовлечённость

Повышение DAU — это задача product growth, которая решается через улучшение пользовательского опыта, внедрение привычек и повышение ценности продукта. Не существует единой формулы для роста DAU, но есть проверенные тактики, работающие в большинстве категорий мобильных приложений.

• Внедрить Push-уведомления с персонализированным контентом и таймингом
• Добавить ежедневные поощрения: бонусы, челленджи и напоминания
• Улучшить onboarding для быстрой демонстрации ценности приложения
• Оптимизировать Deep Linking для возврата пользователей из внешних источников
• Анализировать DAU по когортам и выявлять точки оттока

Push-уведомления и DAU

По данным исследования Airship (2024), приложения, использующие персонализированные Push-уведомления, показывают на 30–50% выше DAU по сравнению с приложениями без уведомлений. Ключевой фактор — релевантность контента и время отправки. Агрессивные уведомления дают краткосрочный рост DAU, но снижают Retention в долгосрочной перспективе.

Геймификация как драйвер DAU

Внедрение игровых механик — геймификация — увеличивает DAU на 15–30% в неигровых приложениях. Ежедневные задания, прогресс-бары, достижения и социальные рейтинги создают привычку возвращаться в приложение. Duolingo, MyFitnessPal и Headspace — примеры успешной геймификации с высокими показателями Stickiness.