DAU, MAU i Stickiness

Co to są DAU i MAU?

DAU (Daily Active Users) to liczba unikalnych użytkowników korzystających z produktu w danym dniu. MAU (Monthly Active Users) to liczba unikalnych użytkowników aktywnych w ciągu miesiąca. WAU (Weekly Active Users) to odpowiednik tygodniowy. Definicja 'aktywności' zależy od produktu — dla aplikacji komunikacyjnej to może być wysłanie wiadomości; dla narzędzia projektowego — zalogowanie i edycja pliku. Ważne: definicja musi być spójna i odzwierciedlać prawdziwe zaangażowanie, nie samo logowanie.

Co to jest wskaźnik Stickiness (DAU/MAU)?

Stickiness Ratio = DAU / MAU — mierzy jak regularnie użytkownicy wracają do produktu w skali miesięcznej. Interpretacja: Stickiness 50% = przeciętny użytkownik używa produktu 15 dni w miesiącu. Benchmarki: Poniżej 10% — niskie zaangażowanie. Produkt jest używany okazjonalnie lub epizodycznie. 10-20% — typowe dla większości consumer apps. 20-30% — dobre. Produkt jest częścią regularnego workflow. Powyżej 30% — świetne. Facebook, WhatsApp, Slack mają 50%+. Stickiness jest naturalnie wyższy dla produktów używanych wielokrotnie dziennie (chat, email) niż produktów okazjonalnych (tax software).

Jak DAU/MAU pomaga ocenić product-market fit?

DAU/MAU jako sygnał PMF: Wzrost MAU przy spadającym lub stagnacyjnym DAU/MAU = produkt przyciąga, ale nie retencjonuje. Wzrost MAU + wzrost DAU/MAU = produkt rośnie i staje się bardziej centralny dla użytkowników — silny sygnał PMF. Wysoki Stickiness przy niskim MAU = mała ale bardzo zaangażowana baza — szukaj sposobu na skalowanie przy zachowaniu stickiness. Niski Stickiness przy wysokim MAU = problem retencji. Wiele użytkowników próbuje i odchodzi. Priorytet: poprawić activation i retention zanim skalujesz acquisition. Sean Ellis Test (PMF survey: 'Jak byś się poczuł gdybyś nie mógł używać produktu?') jest komplementarny — Stickiness to ilościowy, Ellis to jakościowy wskaźnik PMF.

Jakie są typowe błędy przy mierzeniu DAU/MAU?

Błędy przy mierzeniu aktywnych użytkowników: Zła definicja 'aktywności' — mierzenie logowań zamiast wartościowych akcji. Użytkownik który loguje się bez robienia czegoś użytecznego = ghost user. Nie segmentowanie — różne kohorty mają różny Stickiness. Nowi userzy mają zazwyczaj inny profil niż starzy. Pomijanie WAU — DAU/MAU jest zbyt zmiennym wskaźnikiem dla produktów tygodniowych (narzędzia pracy). WAU/MAU jest lepszy dla tej grupy. Sezonowość — nie porównuj Stickiness wakacyjnego z normalnym. Brak kohorty analizy — widzisz zagregowaną liczbę, nie jak poszczególne kohorty zachowują się przez czas. Retention curves per cohort jest bardziej insightful niż agregowany DAU/MAU.

Jak poprawić DAU/MAU w produkcie?

Strategie poprawy Stickiness: Lepszy onboarding — użytkownicy którzy szybko osiągnęli 'aha moment' mają wyższy Stickiness. Zidentyfikuj power users i skopiuj ich ścieżkę do produktu dla nowych. Habit formation — zbuduj użytkownikowi nawyk używania produktu. Notyfikacje (email, push) z wartością, nie jako spam. Sticky features — funkcje które użytkownicy muszą używać regularnie (daily digest, recurring reports, team features). Cross-device experience — produkt dostępny wszędzie gdzie użytkownik jest. Personalizacja — content lub rekomendacje które są bardziej relevantne gdy wrócisz. Analyze power users — jak różnią się od przeciętnych? Co robią inaczej w pierwszym tygodniu?

Wyślij zapytanie