DAU — nó là gì, cách tính và phân tích người dùng hàng ngày

DAU là gì?

DAU (Daily Active Users) là một chỉ số đo lường số lượng người dùng duy nhất đã thực hiện ít nhất một hành động mục tiêu trong ứng dụng trong một ngày dương lịch. Hành động được nhà phát triển xác định: mở ứng dụng, đăng nhập, xem nội dung hoặc nhấp vào nút. Trong thiết lập điển hình, DAU đếm tất cả người dùng đã mở ứng dụng ít nhất một lần mỗi ngày.

DAU là một chỉ số vận hành về sức khỏe của sản phẩm. DAU tăng cho thấy ứng dụng đang trở nên hữu ích hơn cho người dùng hoặc thu hút người dùng mới. DAU giảm có thể chỉ ra vấn đề về giữ chân, trải nghiệm người dùng xấu đi hoặc sự xuất hiện của đối thủ cạnh tranh mạnh. DAU cần được phân tích theo thời gian, không phải như một giá trị tuyệt đối.

Những hành động nào được coi là hoạt động

Định nghĩa về người dùng hoạt động phụ thuộc vào loại ứng dụng. Đối với mạng xã hội, hoạt động có nghĩa là cuộn feed, gửi tin nhắn hoặc đăng bài. Đối với trò chơi — khởi chạy và hoàn thành ít nhất một cấp độ. Đối với tiện ích — mở và thực hiện chức năng chính. Nên thiết lập sự kiện session_start làm trình kích hoạt để đếm DAU.

DAU trong các danh mục ứng dụng khác nhau

Theo thống kê Mixpanel (2024), giá trị DAU trung bình khác nhau đáng kể theo danh mục. Ứng dụng xã hội có 40–60% DAU so với số lượt cài đặt, trò chơi — 20–35%, tiện ích — 10–25%. Để đánh giá chính xác mức DAU của ứng dụng, hãy so sánh các chỉ số của bạn với giá trị trung vị của danh mục thay vì con số tuyệt đối của các nhà dẫn đầu thị trường.

Công thức tính DAU

DAU được tính là số lượng mã định danh thiết bị duy nhất (hoặc user_id cho người dùng đã xác thực) đã gửi sự kiện hoạt động trong một ngày dương lịch. Công thức: DAU = |{ distinct user_id : event_time ∈ [00:00, 23:59] UTC }|. Đếm số lần mở đơn giản cho dữ liệu không chính xác — cần phải loại bỏ trùng lặp theo mã định danh người dùng.

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

Đặc điểm tính toán cho các nền tảng khác nhau

Trên Android, Installation ID (Firebase) hoặc Advertising ID được sử dụng làm mã định danh. Trên iOS — IDFV hoặc App Instance ID. Đối với ứng dụng có xác thực, sử dụng user_id từ ủy quyền backend đáng tin cậy hơn. Nếu ứng dụng có sẵn trên cả hai nền tảng, DAU được tính riêng cho từng nền tảng và tổng hợp ở cấp độ phân tích backend.

Múi giờ và hạch toán qua ngày

DAU được tính theo UTC hoặc theo múi giờ được chọn trong cài đặt hệ thống phân tích. Nếu người dùng hoạt động lúc 23:45 UTC và sau đó lúc 00:15, hệ thống sẽ tính hai ngày DAU. Điều này bình thường đối với DAU tổng thể, nhưng để phân tích chính xác, nên đặt múi giờ tùy chỉnh phù hợp với khu vực của đa số người dùng thông qua Firebase Analytics.

DAU, WAU và MAU: Sự khác biệt giữa các chỉ số

DAU (hàng ngày), WAU (hàng tuần) và MAU (hàng tháng) là ba cấp độ của phễu tương tác. DAU cho thấy hoạt động hàng ngày, WAU — hàng tuần, MAU — hàng tháng. Phân tích ba chỉ số này cùng nhau cho phép bạn đánh giá độ sâu của mức độ tương tác: tần suất quay lại cao (DAU/MAU > 50%) cho thấy thói quen đã hình thành ở người dùng.

Cách diễn giải tỷ lệ DAU/MAU

Tỷ lệ DAU/MAU được gọi là Stickiness và được đo bằng phần trăm. Stickiness = DAU / MAU × 100%. Giá trị 20% có nghĩa là người dùng trung bình mở ứng dụng 6 ngày mỗi tháng. Đối với mạng xã hội và tin nhắn, Stickiness 50%+ là bình thường. Đối với tiện ích và ứng dụng tài chính, 15–25% là một chỉ số tốt.

Các chỉ số tăng trưởng dựa trên DAU

Dựa trên DAU và MAU, các chỉ số tăng trưởng được tính: Tỷ lệ giữ chân, Tỷ lệ rời bỏ và LTV (Giá trị vòng đời). Nếu DAU đang tăng nhưng MAU đang giảm, điều này cho thấy vấn đề trong việc thu hút người dùng mới, mặc dù người dùng hiện tại vẫn hoạt động. Nếu cả hai chỉ số đều tăng — sản phẩm đang khỏe mạnh và mở rộng quy mô.

Stickiness: Giá trị DAU/MAU bình thường

Stickiness là một chỉ số chính về chất lượng người dùng. Nó được tính là tỷ lệ giữa DAU và MAU. Ví dụ: nếu DAU = 30.000 và MAU = 100.000, thì Stickiness = 30%. Điều này có nghĩa là 30% người dùng hàng tháng mở ứng dụng hàng ngày. Stickiness càng cao, thói quen của người dùng càng mạnh.

Tiêu chuẩn Stickiness theo danh mục

Theo thống kê tổng hợp của Amplitude (2024), giá trị Stickiness trung vị là: Social 45–55%, Giao tiếp 40–50%, Trò chơi 20–35%, Thương mại điện tử 15–25%, Fintech 15–20%, Tiện ích 10–20%. Nhắm đến mức 50% trừu tượng là vô nghĩa — tiêu chuẩn được xác định bởi danh mục cụ thể và mô hình kinh doanh của sản phẩm.

Tại sao Stickiness cao hơn không phải lúc nào cũng tốt hơn

Stickiness cao không phải lúc nào cũng cho thấy sức khỏe của sản phẩm. Ví dụ: một ứng dụng có hoạt động hàng ngày bắt buộc (ngân hàng, xác minh, công cụ doanh nghiệp) có thể có 60% Stickiness nhưng mức độ hài lòng của người dùng thấp. Hãy phân tích DAU cùng với NPS và tỷ lệ giữ chân để có được bức tranh khách quan về mức độ tương tác.

Cách theo dõi DAU trong Firebase Analytics

Firebase Analytics cung cấp tính năng thu thập DAU tự động mà không cần viết mã. Khi tích hợp SDK Firebase Analytics, nó bắt đầu theo dõi hoạt động của người dùng thông qua sự kiện session_start. DAU được hiển thị trong bảng điều khiển Firebase tại Analytics → Dashboard → Active Users. Dữ liệu có sẵn với chi tiết hàng ngày và bộ lọc theo nền tảng, phiên bản và quốc gia.

Thiết lập sự kiện tùy chỉnh cho DAU

Nếu cần DAU chính xác hơn (ví dụ: chỉ người dùng đã xác thực hoặc người dùng đã hoàn thành hành động mục tiêu), hãy thiết lập sự kiện tùy chỉnh thông qua Firebase SDK. Gửi sự kiện với tham số mỗi khi thực hiện hành động mục tiêu và lọc trong bảng phân tích. Firebase tự động sử dụng Installation ID để loại bỏ trùng lặp.

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)
    }
}

Tự động hóa báo cáo DAU

Firebase Analytics cho phép bạn thiết lập xuất dữ liệu tự động DAU sang BigQuery để xây dựng bảng điều khiển tùy chỉnh. Bạn cũng có thể kết nối Firebase với Amplitude hoặc Mixpanel thông qua SDK để phân tích đa nền tảng. Đối với báo cáo định kỳ, hãy thiết lập email tóm tắt từ Firebase Console với biểu đồ DAU cho khoảng thời gian đã chọn.

Cách tác động đến DAU và tăng mức độ tương tác

Tăng DAU là một thách thức về tăng trưởng sản phẩm được giải quyết thông qua cải thiện trải nghiệm người dùng, xây dựng thói quen và tăng giá trị sản phẩm. Không có công thức duy nhất nào để tăng DAU, nhưng có những chiến thuật đã được chứng minh hiệu quả trong hầu hết các danh mục ứng dụng di động.

• Triển khai thông báo Push với nội dung và thời điểm được cá nhân hóa
• Thêm phần thưởng hàng ngày: tiền thưởng, thử thách và lời nhắc
• Cải thiện onboarding để nhanh chóng thể hiện giá trị của ứng dụng
• Tối ưu hóa Deep Linking để đưa người dùng quay lại từ các nguồn bên ngoài
• Phân tích DAU theo nhóm và xác định điểm rời bỏ

Thông báo Push và DAU

Theo nghiên cứu của Airship (2024), các ứng dụng sử dụng thông báo Push được cá nhân hóa cho thấy DAU cao hơn 30–50% so với ứng dụng không có thông báo. Yếu tố chính là sự phù hợp của nội dung và thời điểm gửi. Thông báo tích cực mang lại tăng trưởng DAU ngắn hạn nhưng làm giảm tỷ lệ giữ chân về lâu dài.

Gamification như một động lực thúc đẩy DAU

Việc triển khai cơ chế trò chơi — gamification — làm tăng DAU lên 15–30% trong các ứng dụng không phải trò chơi. Nhiệm vụ hàng ngày, thanh tiến trình, thành tích và bảng xếp hạng xã hội tạo thói quen quay lại ứng dụng. Duolingo, MyFitnessPal và Headspace là những ví dụ về gamification thành công với tỷ lệ Stickiness cao.