用户中心 > 数据新知 > 精益成长 > 当我们在谈论用户粘性的时候,我们在谈论什么?
热门文章

当我们在谈论用户粘性的时候,我们在谈论什么?

  •   易观
  •   2018-06-26
  •   70


搞懂DAU(日活)和MAU(月活)间的关系,解锁用户粘性的奥义。

 

近期越来越多的客户在询问用户粘性的指标问题,而DAU/MAU就是最频繁使用的指标。日活跃用户占月活跃用户的比例越高,表明用户对App的使用粘性越高。

 

DAU,即:Daily Active User,指日活跃用户数;

MAU,即:Monthly  Active User,指月活跃用户数。

 

从极限的角度看,如果每天活跃都是同样的用户,例如每天都是1DAU,那么30天内每天都是这1万用户在活跃,MAU也是1万,于是DAU/MAU就是100%,用户粘性达到上限,微信就是接近100%的例子。

 

再分析另一个极端的例子,如果每天活跃用户都不相同,例如每天1DAU,那么30天内每天的活跃用户都不同,MAU就是30万,于是DAU/MAU就是1/30,用户完全没有粘性。

 

对于常见的App,用户粘性的取值范围就是3%~100%,不同领域的App也会有不同的基准值,例如移动游戏会以20%为基线,而工具类App会以40%为基线。

 

在日常的项目和产品运营工作中, 单日的DAU/MAU的数值往往受到周期(工作日/周末)、版本更新和活动的影响,用户粘性在短期内的波动较大。所以通常要采用长期的均值作参考,例如一个月、两个大版本之间。

 

下面以某客户App为例,DAU/MAU的数值在工作日约50%,而在周末和假期的数值则在20%左右。那么谈到用户粘性的时候,通常采用每天DAU/MAU的平均值39.37%,与基线值40%非常接近。


对算法做进一步探讨:

 

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831日,那么DAU选取830日,MAU选取81日至30日。这种算法的优势是DAUMAU在同一天算出来,计算方便。而劣势则是只计算了完整的30天周期内最后一天DAUMAU中的占比,许多严谨的客户提出为什么不能选其他日期的DAU呢?

 

例如采用完整周期内的第一天DAU1作为分子除以MAU,就可以得到另一种粘性的解读:任意一天的活跃用户在30天内活跃的比重,都可以是一种对用户粘性定义,即DAU1/MAUDAU2/MAUDAU3/MAU…

 

重新计算上面客户的DAU1/MAU粘性,结果为39.41%,数值与传统的定义差距不大,同样的计算DAU2/MAUDAU2/MAU……后,这些数值结果差距不大。

 

再进一步追踪,一个30天周期内的每个DAUn除以MAU的数值,也呈现明显的波动。此处的波动走势,与30DAU的走势一致(仅仅是除以了相同的数值的差异)。

 

 

将上述的DAU1/MAUDAU30/MAU逐一加和,得到的恰巧是另一个常用指标:当月人均活跃天数,这也是评估用户粘性的一个指标。

 

那么人均活跃天数和DAU/MAU之间有多大关联?   

 

既然当月人均活跃天数是30DAU之和除以1MAU,而用户粘性是1DAU除以MAU,两者在数量级上自然会差30倍左右。

 

对比除以30后的月均活跃天数和用户粘性DAU/MAU,发现两者的走势基本一致。而差异点在于波动幅度和响应时间略有滞后。而从数值上看,30天月均活跃天数是11.93天,除以30后得到结果0.3977,与DAU/MAU39.37%也非常接近。所以在工作中使用月均活跃天数和DAU/MAU的作用一致。