موبائل تجزیات میں WAU: یہ کیا ہے، سرگرمی میٹرک اور حساب کیسے کریں

موبائل تجزیات میں WAU کیا ہے؟

WAU (Weekly Active Users) ایک میٹرک ہے جو پچھلے 7 کیلنڈر دنوں میں ایپ کے ساتھ تعامل کرنے والے منفرد صارفین کی تعداد دکھاتا ہے۔ DAU (Daily Active Users) کے برعکس، WAU روزانہ کے اتار چڑھاؤ کا کم شکار ہے اور ہفتہ وار سرگرمی کی زیادہ مستحکم تصویر فراہم کرتا ہے۔

WAU میٹرک کی ضرورت کیوں ہے

یہ میٹرک ہفتہ وار مصنوعات اور مارکیٹنگ سرگرمیوں کی تاثیر کا جائزہ لینے کی اجازت دیتا ہے۔ اگر DAU سوال کا جواب دیتا ہے “آج کتنے لوگ آئے”، تو WAU جواب دیتا ہے “اس ہفتے ہمارے ساتھ کتنے لوگ رہے۔” یہ کئی دنوں کے استعمال کے چکر والی ایپس کے لیے اہم ہے: فٹنس ٹریکرز، تعلیمی پلیٹ فارمز، خبروں کے ایگری گیٹرز۔

DAU کی بجائے WAU کب استعمال کریں

بے قاعدہ لیکن ہفتہ وار استعمال کے پیٹرن والی ایپس میں، DAU میں نمایاں اتار چڑھاؤ آ سکتا ہے۔ مثال کے طور پر، کام کی منصوبہ بندی کی ایپس میں، صارفین ہر 2-3 دن میں ایک بار لاگ ان ہوتے ہیں — DAU کم سرگرمی دکھائے گا، جبکہ WAU حقیقی مصروفیت کو مناسب طور پر ظاہر کرے گا۔ DAU اور WAU کے درمیان انتخاب مصنوعات کے ساتھ متوقع تعامل کی تعدد پر منحصر ہے۔

مصنوعات کے میٹرکس کے ساتھ WAU کا تعلق

WAU دن 7 برقرار رکھنے کی شرح سے منسلک ہے: اگر کوئی صارف دن 7 پر واپس آتا ہے، تو وہ مہینے میں کم از کم دو بار WAU میں آتا ہے۔ ٹیمیں نئی خصوصیات کے اثرات کو ٹریک کرنے کے لیے WAU استعمال کرتی ہیں: پیر کو ایک خصوصیت شروع کرنا اور اگلے اتوار کو WAU کی پیمائش کرنا ہفتہ وار سامعین پر تبدیلی کے اثر کا براہ راست جائزہ فراہم کرتا ہے۔

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;

WAU کا حساب کیسے لگایا جاتا ہے؟

WAU کا حساب ایک سادہ فارمولے پر عمل کرتا ہے: پچھلے 7 دنوں میں منفرد صارفین کی تعداد۔ تاہم، عملی طور پر دو طریقے استعمال کیے جاتے ہیں — مقررہ ہفتہ (پیر-اتوار) اور گھومتی ہوئی کھڑکی (rolling 7 days)۔ طریقہ کا انتخاب ڈیٹا کی تشریح اور رپورٹوں کے موازنہ کو متاثر کرتا ہے۔

مقررہ ہفتہ بمقابلہ گھومتی ہوئی کھڑکی

مقررہ ہفتہ باقاعدہ رپورٹنگ کے لیے آسان ہے: WAU پیر سے اتوار تک شمار کیا جاتا ہے۔ گھومتی ہوئی کھڑکی ہر دن کے لیے WAU کا حساب پچھلے 7 دنوں میں منفرد صارفین کے مجموعے کے طور پر کرتی ہے۔ دوسرا طریقہ ایک ہموار گراف تیار کرتا ہے اور ریئل ٹائم ڈیش بورڈز میں استعمال ہوتا ہے۔ Amplitude (2025) کے مطابق، 73% مصنوعات کی ٹیمیں WAU کے لیے گھومتی ہوئی کھڑکی استعمال کرتی ہیں۔

ہدفی ایونٹس کے مطابق فلٹرنگ

ہر ایپ کھولنا WAU میں شمار نہیں کیا جانا چاہیے۔ ٹیمیں اکثر صارفین کو ہدفی ایونٹس کے مطابق فلٹر کرتی ہیں: مواد دیکھنا، خریداری، سطح مکمل کرنا، پیغام بھیجنا۔ یہ “غیر فعال” صارفین کو خارج کرتا ہے جنہوں نے غلطی سے ایپ کھولی۔ SQL میں، ایسا فلٹر event_type IN (...) شرط کے ذریعے شامل کیا جاتا ہے۔

کراس پلیٹ فارم صارفین کا حساب

اگر کوئی صارف iOS اور Android دونوں پر فعال ہے، تو ایک جیسے شناخت کنندگان (ای میل، account_id) کو ڈی ڈپلیکیٹ کیا جانا چاہیے۔ ڈی ڈپلیکیشن کے بغیر، WAU 15-25% بڑھ جائے گا۔ درست گنتی کے لیے device_id کی بجائے اندرونی user_id استعمال کریں۔ Clickhouse اور Snowflake HyperLogLog یا Bloom فلٹرز کے ذریعے ڈی ڈپلیکیشن کی حمایت کرتے ہیں۔

import pandas as pd

# پچھلے 7 دنوں کے ایونٹس لوڈ ہو رہے ہیں
events = pd.read_sql('''
    SELECT user_id, event_date
    FROM user_events
    WHERE event_date >= CURRENT_DATE - 7
''', conn)

# گھومتی ہوئی کھڑکی کے ساتھ WAU حساب
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)

WAU حساب میں عام غلطیاں

پہلی غلطی — ہدفی کارروائیوں کو فلٹر کیے بغیر تمام ایونٹس کو شمار کرنا۔ اگر ہر کھولنے کو شمار کیا جائے تو WAU میں وہ صارفین شامل ہوں گے جنہوں نے 5 سیکنڈ کے لیے ایپ کھولی اور بند کر دی۔ دوسری غلطی — ٹائم زونز کو ملانا: 7 دنوں کے ایونٹس کو ایک ہی ٹائم زون (عام طور پر UTC) میں شمار کیا جانا چاہیے۔ تیسری — کراس پلیٹ فارم صارفین کی ڈی ڈپلیکیشن کی کمی، جو حقیقی سامعین کی تصویر کو بگاڑ دیتی ہے۔

WAU بمقابلہ DAU بمقابلہ MAU: فرق کیا ہے؟

تین میٹرکس — DAU، WAU اور MAU — وقت کے افق کے لحاظ سے فعال سامعین کا ایک درجہ بندی تشکیل دیتے ہیں۔ DAU روزانہ کی سرگرمی کی پیمائش کرتا ہے، WAU — ہفتہ وار، MAU — ماہانہ۔ ہر میٹرک صارف کے رویے کے بارے میں اپنے سوال کا جواب دیتا ہے اور مصنوعات کے تجزیات کے مختلف منظرناموں میں استعمال ہوتا ہے۔

وقت کے افق کا موازنہ

DAU (Daily Active Users) سب سے زیادہ آپریشنل میٹرک ہے۔ یہ دکھاتا ہے کہ آج کتنے صارفین آئے۔ WAU روزانہ کی چوٹیوں اور وادیوں کو ہموار کرتا ہے، جبکہ MAU ماہانہ اتار چڑھاؤ کو ہموار کرتا ہے۔ روزانہ استعمال والی ایپس (میسنجر، سوشل میڈیا) کے لیے، DAU بنیادی میٹرک ہے۔ ہفتے میں 1-2 بار استعمال ہونے والی ایپس (فٹنس، ڈلیوری) کے لیے، WAU زیادہ درست طریقے سے سرگرمی کو ظاہر کرتا ہے۔ موسمی یا شاذ و نادر ہی استعمال ہونے والی ایپس (سفر، ٹیکس) کے لیے — MAU۔

اسٹکینیس کا تناسب

اسٹکینیس (Stickiness) DAU اور MAU کا تناسب ہے، جو دکھاتا ہے کہ صارف کتنی بار واپس آتے ہیں۔ 20% سے اوپر کی قدر اچھی سمجھی جاتی ہے۔ WAU درمیانی نگرانی کے لیے استعمال ہوتا ہے: اگر DAU/MAU گرتا ہے، تو آپ WAU/MAU چیک کر سکتے ہیں — اگر یہ مستحکم ہے، تو مسئلہ روزانہ کی سرگرمی میں ہے، مجموعی میں نہیں۔ فارمولا: Stickiness = DAU / MAU * 100%۔ ایک صحت مند ایپ کے لیے، یہ اشارے 20-50% کی حد میں رہتا ہے۔

ہر میٹرک کب زیادہ اہم ہے

میٹرک کا انتخاب مصنوعات کے کاروباری چکر پر منحصر ہے۔ ترقی کے مرحلے میں، توجہ DAU پر ہے — نئے صارفین کی روزانہ کی حرکیات دیکھنا ضروری ہے۔ پختگی کے مرحلے میں، WAU کلیدی میٹرک بن جاتا ہے: یہ دکھاتا ہے کہ ہفتہ وار افق پر کتنے صارف وفادار رہتے ہیں۔ MAU سرمایہ کاروں کی رپورٹوں اور مجموعی رسائی کے جائزے کے لیے اہم ہے۔ تینوں میٹرکس کو ملا کر، ایک تجزیہ کار صارف کے لائف سائیکل کی مکمل تصویر حاصل کرتا ہے۔

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

# ایک فرضی ایپ کے لیے DAU/MAU/WAU حساب کی مثال
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}%")

ایپ کے زمرے کے لحاظ سے WAU معیار

معیار ایپ کے زمروں کے درمیان بہت مختلف ہوتے ہیں۔ کوئی عالمگیر “اچھی” قدر موجود نہیں ہے — میٹرک کا موازنہ اسی عمودی شعبے کے بینچ مارکس سے کیا جانا چاہیے۔ سوشل میڈیا ایپس MAU کے مقابلے میں سب سے زیادہ WAU دکھاتی ہیں، جبکہ ای کامرس اور سفری ایپس بے قاعدہ استعمال کے پیٹرن کی وجہ سے کم قدریں دکھاتی ہیں۔

ایپ کے زمرے کے لحاظ سے WAU

Adjust Mobile Benchmarks 2025 رپورٹ کے مطابق، مختلف زمروں کے لیے اوسط WAU/MAU تناسب یہ ہے: سوشل میڈیا — 0.65، گیمنگ — 0.55، ای کامرس — 0.35، فنٹیک — 0.45، صحت اور فٹنس — 0.40۔ اس کا مطلب ہے کہ سوشل نیٹ ورکس میں، 65% ماہانہ صارفین ہفتہ وار فعال ہیں، جبکہ ای کامرس میں — صرف 35%۔ اوسط سے کم قدریں مصروفیت کے مسئلے یا غلط طریقے سے منتخب کردہ پیمائش کے وقفے کی نشاندہی کرتی ہیں۔

WAU کو متاثر کرنے والے عوامل

موسمی — پہلا عنصر۔ کھانے کی ترسیل کی ایپس جمعہ اور ہفتہ کو WAU کی چوٹی دکھاتی ہیں، فٹنس ایپس — جنوری میں اور گرمیوں سے پہلے۔ پش اطلاعات — دوسرا عنصر: ایک اچھی طرح سے ڈیزائن کردہ مہم ایک ہفتے میں WAU کو 15-30% بڑھا سکتی ہے۔ تیسرا عنصر — ایپ اپ ڈیٹس: ایک بڑی ریلیز کے بعد، WAU عام طور پر دو ہفتوں میں 10-20% بڑھتا ہے اور پھر ایک نئی سطح پر مستحکم ہو جاتا ہے۔

موبائل ایپ میں WAU کیسے بڑھایا جائے؟

WAU بڑھانا ایک ایسا کام ہے جو مصنوعات اور مارکیٹنگ کے اوزاروں کے امتزاج سے حل ہوتا ہے۔ DAU کے برعکس، جسے ایک بار کے پروموشن سے بڑھایا جا سکتا ہے، WAU کو ہفتہ وار افق پر صارفین کی واپسی پر منظم کام کی ضرورت ہوتی ہے۔ آئیے بڑی موبائل مصنوعات کی مشق سے تصدیق شدہ اہم حکمت عملیوں کو دیکھتے ہیں۔

ذاتی نوعیت کی پش اطلاعات

پش مہمات WAU کو متاثر کرنے کا سب سے تیز طریقہ ہے۔ Airship (2025) کے مطابق، ذاتی نوعیت کی پش اطلاعات پہلے ہفتے میں WAU کو 20-25% بڑھاتی ہیں۔ استعمال کی تعدد کے لحاظ سے سامعین کو تقسیم کرنا ضروری ہے: “سوئے ہوئے” صارفین (5+ دنوں سے لاگ ان نہیں) کو ترغیبی پیغامات، فعال صارفین کو معلوماتی پیغامات بھیجیں۔ وقت اہم ہے: فٹنس ایپس کے لیے، بہترین وقت صبح ہے؛ گیمز کے لیے — شام۔

ہفتہ وار چیلنجز اور ایونٹس

ہفتہ وار سرگرمیوں کا میکانزم WAU کے سب سے مؤثر ڈرائیوروں میں سے ایک ہے۔ گیمز خاص انعامات کے ساتھ ہفتہ وار ایونٹس استعمال کرتی ہیں، فٹنس ایپس “7 دن بغیر چھوڑے” چیلنجز استعمال کرتی ہیں، اور ای کامرس سبسکرائبرز کے لیے ہفتہ وار چھوٹ استعمال کرتا ہے۔ کلیدی اصول: سرگرمی وقت میں محدود (7 دن) ہونی چاہیے تاکہ FOMO پیدا ہو اور صارف کو واپس آنے کی ترغیب ملے۔

ای میل اور SMS یاد دہانیاں

تمام صارف پش اطلاعات کی اجازت نہیں دیتے۔ ان کے لیے، ہفتہ وار ڈائجسٹ کے ساتھ ای میل نیوز لیٹر اور SMS موثر ہیں: “آپ کے ہفتہ وار اعدادوشمار،” “نئے بلاگ مضامین،” “آپ کی دیکھی ہوئی مصنوعات۔” ذاتی اعدادوشمار والی ای میلز کی کھلنے کی شرح معیاری نیوز لیٹر سے 40% زیادہ ہے۔ پش + ای میل کا امتزاج زیادہ سے زیادہ WAU اضافہ دیتا ہے — ماہانہ 35% تک۔

-- 5 دن سے زیادہ غیر فعال صارفین (reactivation کا ہدف)
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';