移动分析中的WAU：定义、活跃度指标与计算方法

移动分析中的WAU是什么？

WAU（Weekly Active Users）是一个指标，显示在过去7个自然日内与应用互动的唯一用户数量。与DAU（Daily Active Users）不同，WAU不易受每日波动影响，提供更稳定的周活跃度视图。

为什么需要WAU指标

该指标可以评估每周产品和营销活动的有效性。如果DAU回答了“今天来了多少人”的问题，那么WAU回答了“这周有多少人留在了我们身边”。这对于使用周期为几天的应用至关重要：健身追踪器、教育平台、新闻聚合器。

何时使用WAU代替DAU

在使用模式不规律但为每周一次的应用中，DAU可能会有很大波动。例如，在任务规划应用中，用户每2-3天登录一次——DAU会显示低活跃度，而WAU会充分反映实际参与度。DAU和WAU之间的选择取决于与产品互动的预期频率。

WAU与产品指标的关系

WAU与第7天留存指标相关：如果用户在第7天返回，他们每月至少进入WAU两次。团队使用WAU来跟踪新功能的效果：周一启动功能并在下周日测量WAU可以直接评估变化对周受众的影响。

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;

如何计算WAU？

WAU的计算采用简单公式：过去7天内的唯一用户数量。然而在实践中应用两种方法——固定周（周一至周日）和滑动窗口（rolling 7 days）。方法的选择影响数据解释和报告的可比性。

固定周与滑动窗口

固定周便于定期报告：WAU从周一到周日计算。滑动窗口将每天的WAU计算为过去7天唯一用户的总和。第二种方法提供更平滑的图表并用于实时仪表板。根据Amplitude（2025）的数据，73%的产品团队使用滑动窗口计算WAU。

按目标事件过滤

并非每次应用打开都应计入WAU。团队经常按目标事件过滤用户：查看内容、购买、完成关卡、发送消息。这排除了“被动”用户，即那些意外打开应用的用户。在SQL中，此类过滤通过条件event_type IN (...)添加。

跨平台用户的统计

如果用户在iOS和Android上均活跃，相同的标识符（电子邮件、account_id）必须去重。未经去重，WAU将被高估15-25%。使用内部user_id而非device_id进行正确计数。Clickhouse和Snowflake支持通过HyperLogLog或布隆过滤器进行去重。

import pandas as pd

# 加载过去7天的事件
events = pd.read_sql('''
    SELECT user_id, event_date
    FROM user_events
    WHERE event_date >= CURRENT_DATE - 7
''', conn)

# 使用滑动窗口计算WAU
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)

计算WAU时的典型错误

第一个错误——在未过滤目标操作的情况下考虑所有事件。如果计算所有打开，WAU将包含那些进入5秒就关闭应用的用户。第二个错误——混淆时区：7天的事件应在统一的时区（通常为UTC）中计算。第三个——缺少跨平台用户的去重，这歪曲了受众的真实情况。

WAU vs DAU vs MAU：有什么区别？

三个指标——DAU、WAU和MAU——构成了按时间范围的活跃受众层次结构。DAU衡量日活跃度，WAU衡量周活跃度，MAU衡量月活跃度。每个指标回答关于用户行为的不同问题，并用于不同的产品分析场景。

时间范围比较

DAU（日活跃用户）是最具操作性的指标。它显示今天有多少用户来了。WAU平滑了日常高峰和低谷，MAU平滑了月度高峰和低谷。对于日常使用的应用（即时通讯、社交媒体），DAU是主要指标。对于每周使用1-2次的应用（健身、外卖），WAU更准确地反映活跃度。对于季节性或不常使用的应用（旅行、税务）——MAU。

Stickiness系数

Stickiness（粘性）是DAU与MAU的比率，显示用户回访的频率。20%以上的值被认为是好的。WAU用于中间控制：如果DAU/MAU下降，可以检查WAU/MAU——如果稳定，问题在于日活跃度而非整体活跃度。公式：Stickiness = DAU / MAU * 100%。对于健康的应用程序，该指标保持在20-50%的范围内。

哪个指标更重要以及何时

指标的选择取决于产品的业务周期。在增长阶段，重点在DAU——观察新用户的每日动态很重要。在成熟阶段，WAU成为关键指标：它显示在周时间范围内有多少用户保持忠诚。MAU对于向投资者报告和评估整体覆盖范围至关重要。通过结合三个指标，分析师可以获得用户生命周期的完整图景。

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

# 假设应用的DAU/MAU WAU计算示例
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}%")

按应用类别划分的WAU标准

WAU标准在不同应用类别之间差异很大。没有通用的“好”值——指标需要与同一垂直领域内的基准进行比较。社交媒体应用在WAU相对于MAU方面显示出最高值，而电子商务和旅游应用由于不规律的使用模式而较低。

按应用类别的WAU

根据Adjust Mobile Benchmarks 2025报告，不同类别的WAU/MAU中位比率为：社交媒体0.65，游戏0.55，电子商务0.35，金融科技0.45，健康与健身0.40。这意味着社交媒体中65%的月活跃用户每周活跃，而电子商务中仅为35%。低于中位数的值表明参与度问题或测量间隔选择不当。

影响WAU的因素

季节性是第一个因素。食品配送应用在周五和周六显示WAU峰值，健身应用在一月和夏季前显示峰值。推送通知是第二个因素：精心策划的活动可以在一周内将WAU提高15-30%。第三个因素是应用更新：大型发布后，WAU通常在两周内增长10-20%，然后稳定在新的水平。

如何在移动应用中提高WAU？

WAU的增长是通过产品和营销工具的组合来解决的任务。与可以通过一次性操作提高的DAU不同，WAU需要在周时间范围内系统性地提高用户回访率。让我们来看看大型移动产品实践证实的主要策略。

个性化推送通知

推送活动是影响WAU的最快方式。根据Airship（2025）的数据，个性化推送通知在第一周内将WAU提高了20-25%。重要的是按使用频率对受众进行细分：向“沉睡”用户（5天以上未登录）发送激励性消息，向活跃用户发送信息性消息。时机很重要：对于健身应用，最佳时间是早晨，对于游戏则是晚上。

每周挑战和活动

每周活动的机制是WAU最有效的驱动因素之一。游戏使用带有特殊奖励的每周活动，健身应用使用“连续7天无间断”挑战，电子商务为订阅者提供每周折扣。关键原则：活动必须有时间限制（7天），以创造FOMO（错失恐惧症）并激励用户回访。

电子邮件和短信提醒

并非所有用户都允许推送通知。对他们来说，带有每周摘要的电子邮件通讯和短信是有效的：“您的本周统计”、“博客新文章”、“您浏览过的产品”。带有个人统计数据的电子邮件的打开率比标准通讯高40%。推送+电子邮件的组合可实现最大的WAU增长——每月高达35%。

-- 超过 5 天不活跃的用户（reactivation 的目标）
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';