WAU inom mobil analys: vad är det, aktivitetsmätetal och hur man räknar

Vad är WAU inom mobil analys?

WAU (Weekly Active Users) — är ett mätetal som visar antalet unika användare som interagerat med appen under de senaste 7 kalenderdagarna. Till skillnad från DAU (Daily Active Users) är WAU mindre känsligt för dagliga fluktuationer och ger en stabilare bild av veckoaktiviteten.

Varför behövs WAU-mätetalet

Mätetalet gör det möjligt att utvärdera effektiviteten av veckovisa produkt- och marknadsföringsaktiviteter. Om DAU svarar på frågan ”hur många kom idag”, svarar WAU på ”hur många stannade kvar hos oss denna vecka”. Detta är kritiskt för appar med en användningscykel på flera dagar: fitnesstrackers, utbildningsplattformar, nyhetsaggregatorer.

När används WAU istället för DAU

I appar med oregelbundet men veckovis användningsmönster kan DAU fluktuera kraftigt. Till exempel, i uppgiftsplaneringsappar loggar användare in var 2–3 dag — DAU visar låg aktivitet, medan WAU speglar det verkliga engagemanget på ett adekvat sätt. Valet mellan DAU och WAU beror på den förväntade interaktionsfrekvensen med produkten.

Samband mellan WAU och produktmätetal

WAU korrelerar med retentionsindikatorn Day 7: om en användare återvänder dag 7, kommer den in i WAU minst två gånger i månaden. Team använder WAU för att spåra effekten av nya funktioner: lansering av en funktion på måndag och mätning av WAU följande söndag ger en direkt bedömning av förändringens påverkan på den veckovisa publiken.

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;

Hur beräknas WAU?

Beräkning av WAU görs med en enkel formel: antal unika användare under de senaste 7 dagarna. I praktiken tillämpas dock två metoder — fast vecka (måndag–söndag) och glidande fönster (rolling 7 days). Valet av metod påverkar tolkningen av data och jämförbarheten av rapporter.

Fast vecka kontra glidande fönster

Den fasta veckan är bekväm för regelbunden rapportering: WAU beräknas från måndag till söndag. Glidande fönster beräknar WAU för varje dag som summan av unika användare från de föregående 7 dagarna. Den andra metoden ger en jämnare graf och används i realtidsinstrumentpaneler. Enligt Amplitude (2025) använder 73 % av produktteamen glidande fönster för WAU.

Filtrering efter målinriktade händelser

Inte varje öppning av appen bör räknas i WAU. Team filtrerar ofta användare efter målinriktade händelser: visning av innehåll, köp, slutförande av nivå, skickande av meddelande. Detta utesluter ”passiva” användare som öppnade appen av misstag. I SQL läggs ett sådant filter till via villkoret event_type IN (...).

Hänsyn till plattformsoberoende användare

Om en användare är aktiv på iOS och Android måste samma identifierare (e-post, account_id) dedupliceras. Utan deduplicering kommer WAU att vara överskattat med 15–25 %. Använd intern user_id istället för device_id för korrekt räkning. Clickhouse och Snowflake stöder deduplicering via HyperLogLog eller Bloom-filter.

import pandas as pd

# Laddning av händelser från de senaste 7 dagarna
events = pd.read_sql('''
    SELECT user_id, event_date
    FROM user_events
    WHERE event_date >= CURRENT_DATE - 7
''', conn)

# Beräkning av WAU med glidande fönster
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)

Typiska fel vid beräkning av WAU

Första felet — att ta hänsyn till alla händelser utan att filtrera målinriktade handlingar. Om alla öppningar räknas kommer WAU att inkludera användare som kom in i 5 sekunder och stängde appen. Andra felet — blandning av tidszoner: händelser från 7 dagar måste beräknas i en enhetlig tidszon (vanligtvis UTC). Tredje — avsaknad av deduplicering av plattformsoberoende användare, vilket förvränger den verkliga bilden av publiken.

WAU vs DAU vs MAU: vad är skillnaden?

Tre mätetal — DAU, WAU och MAU — bildar en hierarki av aktiv publik efter tidshorisonter. DAU mäter daglig aktivitet, WAU — veckoaktivitet, MAU — månadsaktivitet. Varje mätetal svarar på sin egen fråga om användarbeteende och används i olika produktanalysscenarier.

Jämförelse av tidshorisonter

DAU (Daily Active Users) — det mest operationella mätetalet. Det visar hur många användare som kom idag. WAU jämnar ut dagliga toppar och dalar, och MAU — månatliga. För appar med daglig användning (meddelandetjänster, sociala medier) är DAU det främsta mätetalet. För appar som används 1–2 gånger i veckan (fitness, leverans) speglar WAU aktiviteten mer exakt. För säsongsbetonade eller sällan använda appar (resor, skatt) — MAU.

Stickiness-koefficient

Stickiness (vidhäftning) — förhållandet mellan DAU och MAU, som visar hur ofta användare återvänder. Ett värde över 20 % anses vara bra. WAU används för mellanliggande kontroll: om DAU/MAU sjunker kan man kontrollera WAU/MAU — om den är stabil ligger problemet i den dagliga, inte den allmänna aktiviteten. Formel: Stickiness = DAU / MAU * 100 %. För en frisk app håller sig denna indikator inom intervallet 20–50 %.

Vilket mätetal är viktigare och när

Val av mätetal beror på produktens affärscykel. I tillväxtfasen ligger fokus på DAU — det är viktigt att se den dagliga dynamiken för nya användare. I mognadsfasen blir WAU det viktigaste mätetalet: det visar hur många användare som förblir lojala på veckobasis. MAU är avgörande för rapporter till investerare och utvärdering av total räckvidd. Genom att kombinera de tre mätetalen får analytikern en komplett bild av användarens livscykel.

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

# Exempel på beräkning av DAU/MAU WAU för en hypotetisk 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-normer per appkategori

WAU-normer varierar kraftigt mellan appkategorier. Det finns inget universellt ”bra” värde — mätetalet måste jämföras med riktmärken inom samma vertikal. Sociala medier-appar visar de högsta WAU-värdena i förhållande till MAU, medan e-handel och reseappar är lägre på grund av oregelbundet användningsmönster.

WAU per appkategori

Enligt rapporten Adjust Mobile Benchmarks 2025 är det medianförhållandet WAU/MAU för olika kategorier: Social Media — 0,65, Gaming — 0,55, E-handel — 0,35, Fintech — 0,45, Health & Fitness — 0,40. Detta innebär att i sociala nätverk är 65 % av månatliga användare aktiva veckovis, och i e-handel — endast 35 %. Värden under medianen indikerar ett engagemangsproblem eller ett felaktigt valt mätintervall.

Faktorer som påverkar WAU

Säsongsvariation — den första faktorn. Matleveransappar visar WAU-topp på fredag och lördag, fitnessappar — i januari och före sommaren. Push-notiser — den andra faktorn: en välplanerad kampanj kan öka WAU med 15–30 % på en vecka. Den tredje faktorn — appuppdateringar: efter en stor release växer WAU vanligtvis med 10–20 % inom två veckor och stabiliseras sedan på en ny nivå.

Hur ökar man WAU i en mobilapp?

Ökning av WAU är en uppgift som löses med en kombination av produkt- och marknadsföringsverktyg. Till skillnad från DAU, som kan höjas med en engångsåtgärd, kräver WAU systematiskt arbete med användares återkomst på veckobasis. Låt oss titta på de viktigaste strategierna som bekräftats av praktiken hos stora mobila produkter.

Push-notiser med personalisering

Push-kampanjer — det snabbaste sättet att påverka WAU. Enligt Airship (2025) ökar personaliserade push-notiser WAU med 20–25 % under den första veckan. Det är viktigt att segmentera publiken efter användningsfrekvens: till ”sovande” användare (inte inloggade på 5+ dagar) skicka motiverande meddelanden, till aktiva — informationsmeddelanden. Tajming är viktig: för fitnessappar är bästa tid på morgonen, för spel — på kvällen.

Veckovisa utmaningar och evenemang

Mekaniken för veckoaktiviteter — en av de mest effektiva drivkrafterna för WAU. Spel använder veckoevenemang med särskilda belöningar, fitnessappar — utmaningar ”7 dagar utan uppehåll”, e-handel — veckorabatter för prenumeranter. Nyckelprincipen: aktiviteten måste vara tidsbegränsad (7 dagar) för att skapa FOMO och motivera användaren att återvända.

E-post och SMS-påminnelser

Inte alla användare tillåter push-notiser. För dem är e-postnyhetsbrev och SMS med en veckovis sammanfattning effektiva: ”Din statistik för veckan”, ”Nya artiklar på bloggen”, ”Produkter du har tittat på”. Öppningsfrekvensen för e-post med personlig statistik är 40 % högre än för standardnyhetsbrev. Kombinationen push + e-post ger maximal WAU-ökning — upp till 35 % per månad.

-- Användare inaktiva i mer än 5 dagar (mål för 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';