DAU — 是什么，如何计算和分析日活跃用户

什么是DAU？

DAU（日活跃用户）——衡量在一个日历日内至少在应用程序中执行一个目标操作的独立用户数量的指标。操作由开发者定义：打开应用程序、身份验证、查看内容或点击按钮。在典型设置中，DAU计算每天至少打开一次应用程序的所有用户。

DAU——是产品健康状况的操作性指标。DAU的增长表明应用程序对受众变得更有用或吸引了新用户。DAU的下降可能表明留存问题、用户体验恶化或出现强大的竞争对手。DAU应动态分析，而不是作为绝对值。

哪些操作算作活跃

活跃用户的定义取决于应用程序类型。对于社交网络，活跃意味着查看动态、发送消息或发布帖子。对于游戏——启动并完成至少一个关卡。对于工具——打开并执行主要功能。建议将session_start事件配置为计算DAU的触发器。

不同类别应用中的DAU

根据Mixpanel（2024）的统计数据，平均DAU值因类别而异。社交应用的DAU占安装量的40–60%，游戏占20–35%，工具占10–25%。要准确评估应用的DAU水平，请将指标与类别中位数进行比较，而不是与市场领导者的绝对数字进行比较。

DAU的计算公式

DAU计算为在一个日历日内发送了活跃事件的独立设备标识符（或已认证用户的user_id）的数量。公式：DAU = |{ distinct user_id : event_time ∈ [00:00, 23:59] UTC }|。简单计算打开次数会给出错误数据——必须按用户标识符进行去重。

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

不同平台的计算特点

在Android上，标识符使用Installation ID（Firebase）或Advertising ID。在iOS上——IDFV或App Instance ID。对于已认证的应用，使用后端认证的user_id更安全。如果应用在两个平台上都可用，DAU为每个平台单独计算，并在后端分析级别聚合。

时区和跨天记录

DAU根据UTC或在分析系统设置中选择的时区计算。如果用户在UTC时间23:45和00:15都活跃，系统会记录两天的DAU。这对于总体DAU是正常的，但为了精确分析，建议通过Firebase Analytics为大多数用户所在的地区配置自定义时区。

DAU、WAU和MAU：指标的区别

DAU（日）、WAU（周）和MAU（月）——是参与度漏斗的三个层级。DAU显示日活跃度，WAU显示周活跃度，MAU显示月活跃度。结合这三个指标进行分析可以评估参与度的深度：高回访频率（DAU/MAU > 50%）表明用户已形成习惯。

如何解读DAU/MAU比率

DAU/MAU比率称为Stickiness，以百分比衡量。Stickiness = DAU / MAU × 100%。20%的值意味着普通用户每月使用应用6天。对于社交网络和即时通讯应用，Stickiness 50%+是正常的。对于工具和金融应用，15–25%是良好的指标。

基于DAU的增长指标

基于DAU和MAU计算增长指标：留存率、流失率和LTV（生命周期价值）。如果DAU增长但MAU下降，这表明在吸引新用户方面存在问题，尽管现有受众仍然活跃。如果两个指标都在增长——产品健康且可扩展。

Stickiness：DAU/MAU的正常值

Stickiness（粘性系数）——受众质量的关键指标。计算为DAU与MAU的比率。例如，如果DAU = 30,000，MAU = 100,000，则Stickiness = 30%。这意味着30%的月活跃用户每天使用应用。Stickiness越高，用户的习惯越强。

按类别划分的Stickiness标准

根据Amplitude（2024）的汇总统计数据，Stickiness的中位值为：社交45–55%，通讯40–50%，游戏20–35%，电商15–25%，金融科技15–20%，工具10–20%。追求抽象的50%是没有意义的——标准由具体类别和产品的商业模式决定。

为什么更高的Stickiness并不总是更好

高Stickiness并不总是表明产品健康。例如，具有强制性日常活跃度的应用（银行、验证、企业工具）可能有60%的Stickiness，但用户满意度较低。将DAU与NPS和留存率一起分析，以获得参与度的客观画像。

如何在Firebase Analytics中追踪DAU

Firebase Analytics无需编写代码即可自动收集DAU。连接Firebase Analytics SDK后，它会根据session_start事件开始追踪用户活跃度。DAU显示在Firebase控制台的Analytics → Dashboard → Active Users部分。数据按日粒度提供，并可按平台、版本和国家进行筛选。

为DAU配置自定义事件

如果需要更精确的DAU（例如，仅已认证用户或执行了目标操作用户），请通过Firebase SDK配置自定义事件。每次执行目标操作时发送带有参数的事件，并在分析面板中筛选。Firebase自动使用Installation ID进行去重。

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)
    }
}

DAU报告自动化

Firebase Analytics允许将DAU数据自动导出到BigQuery，以构建自定义仪表板。您还可以通过SDK将Firebase连接到Amplitude或Mixpanel进行跨平台分析。对于定期报告，请配置从Firebase Console发送所选周期内DAU图表的电子邮件。

如何影响DAU并提高参与度

提高DAU是产品增长的任务，通过改善用户体验、引入习惯和提高产品价值来解决。没有单一的DAU增长公式，但在大多数移动应用类别中都有行之有效的策略。

• 实施推送通知，包含个性化内容和时机
• 添加每日奖励：奖励、挑战和提醒
• 改进新用户引导，快速展示应用价值
• 优化深度链接，从外部来源召回用户
• 按同期群分析DAU并识别流失点

推送通知与DAU

根据Airship（2024）的研究，使用个性化推送通知的应用比没有通知的应用显示出30–50%更高的DAU。关键因素是内容的相关性和发送时间。激进的通知带来短期的DAU增长，但长期会降低留存率。

游戏化作为DAU的驱动力

引入游戏机制——游戏化——在非游戏应用中可将DAU提高15–30%。每日任务、进度条、成就和社交排名培养了用户返回应用的习惯。Duolingo、MyFitnessPal和Headspace是成功游戏化且Stickiness指标很高的例子。