近期越來越多的客戶在詢問用戶粘性的指標問題，而DAU/MAU就是最頻繁使用的指標。日活躍用戶占月活躍用戶的比例越高，表明用戶對APP的使用粘性越高。

DAU，即：Daily Active User，指日活躍用戶數(shù)；

MAU，即：Monthly? Active User，指月活躍用戶數(shù)。

從極限的角度看，如果每天活躍都是同樣的用戶，例如每天都是1萬DAU，那么30天內(nèi)每天都是這1萬用戶在活躍，MAU也是1萬，于是DAU/MAU就是100%，用戶粘性達到上限，微信就是接近100%的例子。

再分析另一個極端的例子，如果每天活躍用戶都不相同，例如每天1萬DAU，那么30天內(nèi)每天的活躍用戶都不同，MAU就是30萬，于是DAU/MAU就是1/30，用戶完全沒有粘性。

對于常見的APP，用戶粘性的取值范圍就是3%~100%，不同領(lǐng)域的APP也會有不同的基準值，例如移動游戲會以20%為基線，而工具類APP會以40%為基線。

在日常的項目和產(chǎn)品運營工作中， 單日的DAU/MAU的數(shù)值往往受到周期（工作日/周末）、版本更新和活動的影響，用戶粘性在短期內(nèi)的波動較大。所以通常要采用長期的均值作參考，例如一個月、兩個大版本之間。

下面以某客戶APP為例，DAU/MAU的數(shù)值在工作日約50%，而在周末和假期的數(shù)值則在20%左右。那么談到用戶粘性的時候，通常采用每天DAU/MAU的平均值39.37%，與基線值40%非常接近。

對算法做進一步探討：

目前主流的算法，是使用昨日DAU和前30天的MAU，例如如果今天是8月31日，那么DAU選取8月30日，MAU選取8月1日至30日。這種算法的優(yōu)勢是DAU和MAU在同一天算出來，計算方便。而劣勢則是只計算了完整的30天周期內(nèi)最后一天 DAU在MAU中的占比，許多嚴謹?shù)目蛻籼岢鰹槭裁床荒苓x其他日期的DAU呢？

例如采用完整周期內(nèi)的第一天DAU1作為分子除以MAU，就可以得到另一種粘性的解讀：任意一天的活躍用戶在30天內(nèi)活躍的比重，都可以是一種對用戶粘性定義，即DAU1/MAU、DAU2/MAU、DAU3/MAU…。

重新計算上面客戶的DAU1/MAU粘性，結(jié)果為39.41%，數(shù)值與傳統(tǒng)的定義差距不大，同樣的計算DAU2/MAU、DAU2/MAU……后，這些數(shù)值結(jié)果差距不大。

再進一步追蹤，一個30天周期內(nèi)的每個DAUn除以MAU的數(shù)值，也呈現(xiàn)明顯的波動。此處的波動走勢，與30個DAU的走勢一致（僅僅是除以了相同的數(shù)值的差異）

將上述的DAU1/MAU到DAU30/MAU逐一加和，得到的恰巧是另一個常用指標：當月人均活躍天數(shù)，這也是評估用戶粘性的一個指標。

那么人均活躍天數(shù)和DAU/MAU之間有多大關(guān)聯(lián)？

既然當月人均活躍天數(shù)是30個DAU之和除以1個MAU，而用戶粘性是1個DAU除以MAU，兩者在數(shù)量級上自然會差30倍左右。

對比除以30后的月均活躍天數(shù) 和 用戶粘性DAU/MAU，發(fā)現(xiàn)兩者的走勢基本一致。而差異點在于波動幅度和響應時間略有滯后。而從數(shù)值上看，30天月均活躍天數(shù)是11.93天，除以30后得到結(jié)果0.3977，與DAU/MAU的39.37%也非常接近。所以在工作中使用月均活躍天數(shù)和DAU/MAU的作用一致。

來源：易觀國際

標簽：

版權(quán)申明：本站文章部分自網(wǎng)絡(luò)，如有侵權(quán)，請聯(lián)系：west999com@outlook.com
特別注意：本站所有轉(zhuǎn)載文章言論不代表本站觀點！
本站所提供的圖片等素材，版權(quán)歸原作者所有，如需使用，請與原作者聯(lián)系。