موبائل اینالٹیکس میں MAU — ماہوارہ فعال صارفین کا میٹرک کیا ہے اور حساب کیسے کریں

موبائل اینالٹیکس میں MAU کیا ہے؟

MAU (Monthly Active Users) — ایک میٹرک جو گزشتہ 30 کیلنڈر دنوں میں ایپ میں ہدف کارروائی انجام دےنے والے منفرد صارفین کی تعداد دیکھاتا ہے۔ DAU کے برعکس، MAU یومیہ اتنا حساس نہیں ہے اور فعال بیس کے حجم کی مستحکم تصویر دیتا ہے۔ یہ عام ٹیک کمپنیوں کے لیے ریپورٹنگ کا معیار ہے: Facebook، Spotify، Uber اور دیگر سال میں ریپورٹوں میں MAU کا ذکر کرتی ہیں۔

MAU سرمایہ کاروں کے لیے نمبر ون میٹرک کیوں ہے؟

سرمایہ کار کاروبار کے پیمانے کا اندازہ عین MAU کے ذریعے لگاتے ہیں۔ میٹرک یہ دیکھاتا ہے کہ مصنوع ایک ماہ میں کتنے صارفین کو برقرار رکھتا ہے — پروڈکٹ-مارکٹ فٹ کا جائزہ لگانے کے لیے کم سے کم افق۔ Facebook 2012 سے MAU کی ریپورٹنگ کر رہا ہے، اور اس میٹرک کی بڑھت کا کمپنی کے مارکٹ کیپیٹلائیزیشن سے براہ راسط تعلق ہے۔ سٹارٹ اپ کے لیے، MAU پیچ ڈیک اور فنڈنگ راؤنڈز میں کلیدی اشاروں میں سے ایک ہے۔

پروڈکٹ اینالٹیکس کے سیاق میں MAU

پروڈکٹ اینالٹیکس میں MAU بہت سے حسابوں کے لیے انپٹ میٹرک کے طور پر استعمال ہوتا ہے۔ اسکی بنیاد پر MAU/DAU نسبت (Stickiness)، ARPU (Average Revenue Per User) اور LTV (Lifetime Value) کا حساب کیا جاتا ہے۔ درست MAU کے بغیر ادائیگی دینے والے صارفین میں تبدیل اور مارکیٹنگ چینلز کی افکاری کا درست اندازہ لگانا ناممکن ہے۔ MAU میٹرک پرامڈ کی بنیاد ہے، جس پر منیٹائیزیشن اور مشروعیت کے دیگر تمام اشارے بنائے جاتے ہیں۔

SELECT
    DATE_TRUNC('month', event_date) AS month_start,
    COUNT(DISTINCT user_id) AS mau
FROM user_events
WHERE event_date >= CURRENT_DATE - INTERVAL '30 days'
GROUP BY month_start
ORDER BY month_start DESC;

MAU کا حساب کیسے کیا جاتا ہے؟

MAU کا حساب پہلی نظر میں سادہ ہے: 30 دنوں میں منفرد صارفین کی گنتی کرنا۔ تاہم عمل میں کئی باریکیاں سامنے آتی ہیں جو درستگی کو متاثر کرتی ہیں۔ حساب کا طریقہ منتخب کرنا — کیلنڈر ماہ یا سلائڈنگ ونڈو — اس بات کا تعین کرتا ہے کہ میٹرک موبائل ڈیولپمنٹ میں حقیقی صارف سرگرمی سے کتنا مطابقت رکھتا ہے۔

کیلنڈر ماہ بنام سلائڈنگ ونڈو

کیلنڈر ماہ — روایتی طریقہ: MAU ماہ کی 1 تاریخ سے آخری تاریخ تک حساب کیا جاتا ہے۔ یہ ریپورٹنگ کے لیے آسان ہے، لیکن مصنوعی نتائج پیدا کرتا ہے: مثال کے طور پر، اگر 30 تاریخ کو کائی خرابی ہوتی ہے تو ماہ کا MAU کم ہوگا۔ سلائڈنگ ونڈو (rolling 30 days) ایک هموار میٹرک دیتا ہے، لیکن متنوع ریپورٹنگ کے لیے مشکل ہے۔ Mixpanel (2025) کے مطابق، %80 پروڈکٹ ٹیمز باہری ریپورٹوں کے لیے کیلنڈر ماہ اور اندرونی ڈیش بورڈز کے لیے سلائڈنگ ونڈو استعمال کرتی ہیں۔

کراس پلیٹ فارم صارفین کا ڈی ڈیوپلیکیشن

ایک صارف ایپ میں متعدد آلات سے داخل ہو سکتا ہے: iPhone اور iPad، Android ٹیبلیٹ اور ڈیسک ٹاپ۔ ڈی ڈیوپلیکیشن کے بغیر، MAU %20-40 تک بڑھ جائے گا۔ بہترین طریقہ — تمام پلیٹ فارموں کے لیے ایکی account_id استعمال کرنا۔ اگر صارف لاگ ان نہیں ہے، تو device_id + Advertising ID (iOS پر IDFA، Android پر GAID) کا امتزاج استعمال کریں اور لاگ ان کرنے کے بعد ڈی ڈیوپلیکیشن کریں۔

غیر فعال صارفین کا محاسبہ

کون فعال صارف گینا جاتا ہے؟ کم سے کم کارروائی — ایپ کو کھولنا (oturum başlatma)۔ تاہم بہت سے ٹیمز ایک حد مقرر کرتی ہیں: 10 سیک步 سے طویل سیشن یا کم از کم ایک ہدف کارروائی کا انجام۔ یہ اتفاقی کھولنے اور بوٹ کو خارج کرتا ہے۔ مختلف حدود MAU میں %10-30 کا فرق پیدا کرتے ہیں، لہذا طریقہ کار مقرر ہونا چاہیے اور دوران کے درمیان نہیں بدلنا چاہیے۔

MAU حساب کی آٹومیشن

زیادہ تر کمپنیاں ETL پائپ لائنز کے ذریعے MAU حساب کو آٹومیٹ کرتی ہیں۔ Firebase، Amplitude یا اپنے سرورز سے ڈیٹا Clickhouse یا Snowflake میں اکٹھا کیا جاتا ہے۔ یومیہ MAU دوبارہ حساب ریال ٹائم میں رجحانات دیکھنے کی اجازت دیتا ہے۔ اہم: طریقہ مبدل کرتے وقت (مثال کے طور پر، سرگرمی کی حد)، ڈیٹا کی موازنت برقرار رکھنے کے لیے پچھلے دوران کے لیے MAU کا دوبارہ حساب کریں۔

import pandas as pd
from datetime import datetime, timedelta

def calculate_mau(events_df, active_threshold_sec=10):
    # مینمم سیشن کی لمبائی کا فلٹر
    active = events_df[events_df['session_length'] >= active_threshold_sec]
    # 30 دنوں کا سلائڈنگ ونڈو
    cutoff = datetime.now() - timedelta(days=30)
    recent = active[active['event_date'] >= cutoff]
    return recent['user_id'].nunique()

events = pd.read_csv('events.csv', parse_dates=['event_date'])
print(f"MAU: {calculate_mau(events)}")

DAU بنام WAU بنام MAU: میٹرکس کا درجہ بندی

تین میٹرکس — DAU، WAU اور MAU — مختلف وقتی افقوں پر فعال سامعین کا جائزہ لگانے کا ایک سیسٹم تشکیل دیتے ہیں۔ یہ مل کر مصنوع کی صحت کی ایک مکمل تصویر دیتے ہیں۔ ایک اینالسٹ جو صرف MAU دیکھتا ہے وہ یومیہ مسائل سے محروم رہ سکتا ہے؛ جو صرف DAU دیکھتا ہے وہ تدریجی رجحان نہیں دیکھ سکتا۔

DAU، WAU اور MAU کے درمیان تعلق

میٹرکس کا تناسب ایک سادہ قاعدے سے بیان کیا جاتا ہے: DAU ≤ WAU ≤ MAU۔ DAU اور MAU کے درمیان کا فرق یہ دیکھاتا ہے کہ صارف ماہ کے دنوں میں کتنے یکسان توزیع ہیں۔ اگر DAU MAU کا %10 ہے — صارف شاز ہی آتے ہیں (مثال کے طور پر، ہوٹل بکنگ ایپ)۔ اگر DAU MAU کا %50 ہے — ایپ تقریبن روزانہ استعمال ہوتی ہے (سوشل نیٹورک، میسنجر)۔ DAU/MAU کے گنسرے کو Stickiness کہا جاتا ہے اور یہ مشروعیت کا معیاری اشارہ ہے۔

Stickiness: مشروعیت کا اہم اشارہ

Stickiness = DAU / MAU * 100%۔ %50 سے زائد قیمت — کسی بھی ایپ کے لیے شاندار اشارہ۔ %20-50 قیمت — زیادہ تر مصنوعات کے لیے عام۔ %20 سے کم قیمت — واپس آنے میں مسئلہ کا سیگنال۔ Stickiness پیمانے پر منحصر نہیں ہے: 1 ملین MAU والے ایپ اور 10 ہزار MAU والے سٹارٹ اپ کی ایک جیسی قیمت ہو سکتی ہے۔ یہ میٹرک کو بینچمارکنگ اور ایک زمرے کے اندر مصنوعات کی موازنے کے لیے آسان بناتا ہے۔

ایپ کے زمروں کے مطابق MAU کے معمولے

MAU کے معمولے زمرے، علاقے اور مصنوع کی پختگی پر منحصر ہیں۔ مطلق قیمتوں کے بجائے، تجزیہ کار MAU کی حرکت پذیری (ماہ بعد ماہ اضافہ) اور دیگر میٹرکس کے ساتھ تناسب استعمال کرتے ہیں۔ پیکھی گئے مصنوع کے لیے ماہ بعد ماہ %10 MAU اضافہ اچھا سمجھا جاتا ہے، تیزی سے بڑھنے والے مصنوع کے لیے %30+۔

زمرے کے مطابق MAU بینچمارک

App Annie State of Mobile 2025 ریپورٹ کے مطابق، مختلف زمروں کے لیے میڈین MAU مختلف ہے۔ سوشل میڈیا: 50-500 ملین (عالمی کھیلاڑی)، گیمنگ: 1-50 ملین، ای کامرس: 100 ہزار — 10 ملین، فین ٹیک: 500 ہزار — 20 ملین۔ یہ تعداد علاقے پر بہت زیادہ منحصر ہیں: USA میں 1 ملین MAU والا ایپ بڑا سمجھا جا سکتا ہے، بھارت میں — درمیان۔ MAU کا موازنہ صرف ایک زمرے اور ایک علاقے کے اندر معنی رکھتا ہے۔

MAU اور منیٹائیزیشن

MAU کا ARPU کے ذریعے آمدنی سے براہ راسط تعلق ہے۔ اگر MAU بڑھ رہا ہے لیکن ARPU گیر رہا ہے — کاروبار کم ادائیگی والے سامعین کی طرف سکیل کر رہا ہے۔ اگر MAU مستحکم ہے اور ARPU بڑھ رہا ہے — مصنوع موجودہ بیس سے کمائی بڑھا رہا ہے۔ مثالی منظرنامہ: ARPU کو برقرار رکھتے ہوئے یا بڑھاتے ہوئے MAU کی بڑھت۔ MAU کا Revenue سے تناسب — موبائل ایپ کی یونٹ اکونومیکس کا جائزہ لگانے کا کلیدی اشارہ ہے۔

موبائل ایپ میں MAU کیسے بڑھائیں؟

MAU کی بڑھت — سب سے پہلے نئے صارفین کی تعداد میں اضافہ (acquisition) اور شامل کرنے میں کمی (retention) ہے۔ DAU کے برعکس، جسے حکمتعملی طریقوں سے بڑھایا جا سکتا ہے، MAU کو سامعین کو رامض کرنے اور برقرار رکھنے کی ایک منظم حکمت عملی کی ضرورت ہے۔ آئین اہم بڑھت کے چینلز کا جائزہ لیتے ہیں جو اگرگیں موبائل مصنوعات کے عمل سے مصدق ہیں۔

نامیاتی acquisition: ASO اور مواد

App Store Optimization (ASO) — MAU بڑھانے کا سب سے کفایتی طریقہ ہے۔ نام، کلیڈی لفظوں، آئیکن اور اسکرین شاٹ کی بہترینی سے نامیاتی ٹریفک %20-40 تک بڑھ سکتا ہے۔ دوسرا چینل — مواد کی مارکیٹنگ: مضامین، ویڈیو اور کیس سٹڈی جو تلاش میں رینک کرتے ہیں اور نئے صارفین لاتے ہیں۔ B2C ایپ کے لیے وائرل میکانکز مؤثر ہیں: “ایک دوست کو مدعو کریں — بونس حاصل کریں”۔

ادائیگی کشش (UA)

User Acquisition (UA) — ادائیگی چینلز: Facebook Ads، Google Ads، Apple Search Ads، TikTok Ads۔ ایک MAU کی لاگت بہت مقدار مختلف ہوتی ہے: ترقی پذیر مارکٹوں میں $0.50 سے لے کر US/EU میں $5-8 تک۔ اہم اصول: CAC (Customer Acquisition Cost) LTV (Lifetime Value) سے کم سے کم 3 گنا کم ہونا چاہیے۔ اشتہاری مہموں کو ایسے کوہورٹ پر ہدف کرنا چاہیے جن کا 30 واں دن retention %20 سے زائد ہو۔

حوالہ پروگرام اور وائرلیٹی

حوالہ میکانکز — نامیاتی MAU بڑھت کا ڈرائیور ہے۔ Dropbox نے حوالہ پروگرام کے ذریعے 15 ماۄنوں میں 100 ہزار سے 4 ملین MAU تک ترقی کی۔ کامیابی کی کنجی: دونوں فریقوں (مدعو کرنے والا اور مدعو) کے لیے بونس کی قیمت۔ موبائل ایپ کے لیے ڈیپ لنکنگ کے ساتھ حوالہ لنکز مؤثر ہیں — نئا صارف انسٹال کے بعد براہ راسط مطوبہ سکرین پر جاتا ہے۔

-- ٹریفک کے ذریعہ کے لحاظ سے MAU کا حساب
SELECT
    source,
    COUNT(DISTINCT user_id) AS mau
FROM user_events e
JOIN users u ON e.user_id = u.id
WHERE e.event_date >= CURRENT_DATE - INTERVAL '30 days'
GROUP BY source
ORDER BY mau DESC;