What are active users?
For apps and websites, “active users” are the individuals who engage with these platforms within a specific timeframe. This engagement can vary depending on the product’s nature but typically involves actions like logging in, viewing content, clicking links, completing transactions, or any interaction beyond mere passive viewing. The criteria to qualify a user as ‘active’ are set by the platform and are often defined by the type and frequency of interactions.
For instance, a user may be considered active on an app if they interact with its key features within a given period — or even just open it! Similarly, for websites, active users might be those who visit and perform specific actions, like clicking on articles or participating in discussions (those who just open the website and quickly bounce are called visitors). These interactions are indicative of user engagement and interest, and tracking active users helps businesses and developers understand the effectiveness of their platforms, gauge user retention, and make informed decisions for improvements or marketing strategies.
DAU/MAU Ratio Limitations
While measuring DAU/MAU Ratio can be a useful tool for knowing how well you are retaining users and delivering value to them, it may not be for everyone.
Because it measures Daily Active Users against Monthly Active Users, the DAU/MAU Ratio will inherently favor apps and products that promote daily use (like our weather app example above). But what about those products, applications, and companies that are built to deliver value without daily use?
This is an important limitation of the DAU/MAU Ratio to keep in mind. While social media and communication products live and die by frequent (day-to-day, sometimes minute-to-minute) engagement, many others don’t need to be used daily to remain successful. Perhaps they have found other ways to monetize or otherwise deliver value to their users.
В каких случаях требуется проводить обследования
Чаще всего, проведение сбора проб на мау требуется при необходимости провести обследование диабетической нефропатии. А так же при осуществлении мониторинга, во время течения болезни. Это позволит контролировать и выявлять малейшее отклонение от нормы. Медицинская статистика констатирует, что необходимость контроля требуется 40% пациентам, имеющим поставленный диагноз инсулинозависимый сахарный диабет.
В качестве нормы у здорового человека может выводиться не более 30 мг альбумина в сутки. Это значит, что в каждом литре урины должно быть в пределах 20 мг при разовом анализе.
Причем, если в результате правильно проведенного обследования, расшифровка не показывает на наличие инфекции, протекающей в мочевыводящих путях, то это может потребовать дополнительного обследования и сдачи анализов. Если же будет выявлен высокий уровень белка, то это укажет на наличие патологии в клубочковом почечном аппарате. Исследование на мау позволит вести контроль выведения из организма этого вида белка. И помочь может только анализ мочи на микроальбуминурию или диабет.
Аналитика мобильных приложений: как не утонуть в показателях эффективности
Разработка мобильных приложений была бы немыслима без системы аналитики. Она проведет вас через море тем
Что мешает росту приложения, где нужно улучшить продукт, когда привлекать пользователей, как их удерживать — без сбора и анализа данных вы не сможете сделать ни одного важного предположения. И это весь мир
Десятки метрик, длинный выбор инструментов для мобильного анализа и поток несистематизированных советов о том, как настроить сбор данных.
Мы сосредоточились на основах анализа мобильных приложений. Узнайте, как не утонуть в измерениях, какие типы статистики предоставляют GooglePlay и AppStore, как отслеживать эти установки и с чего начать построение системы мобильной аналитики.
Как интерпретировать метрики?
Существует метод, с помощью которого можно классифицировать показатели для вашего продукта — это пирамида метрик. Построим такую пирамиду, где основной метрикой будет LTV. Это высокоуровневая метрика, вершина айсберга. LTV состоит из многих компонентов, расчет этих компонентов поможет понять, как повлиять на LTV.
Для примера возьмем приложение, где есть рекламная монетизация. На LTV влияют метрики: CTR (кликабельность баннеров рекламной монетизации), retention rate (возвращаемость пользователей) и длина сессии. Каждая из них может разбиваться на более простые метрики
Важно понимать, как можно повлиять на каждую метрику и что привело к тому, что LTV изменился. С помощью пирамиды метрик можно выстроить их прозрачную классификацию, понять, как взаимосвязаны показатели, увидеть влияние на основную метрику
Разберем два изменения метрик на примере.
Первый пункт — LTV вырос на 3%. Какие выводы из этого можно сделать? Представим, что 2 недели назад была добавлена фича: она помогла подрастить retention. Вторая причина — подключение пользователей из нового платного канала, они лучше монетизируются, тем самым повышая retention. Второй пункт — дневная аудитория упала на 10%. Причина может быть в изменении в продукте или в том, что пользователи в какой-то стране получили блокировку продукта и не смогли воспользоваться приложением.
Финансовые метрики, на которые влияет показатель MAU
Метрика MAU связана с финансовыми показателями продукта. Чем больше активных пользователей в сервисе или приложении, тем больше среди них потенциальных покупателей — тех, кто оформит подписку или перейдет на платный тариф.
Новые пользователи → Активные пользователи → Покупатели
К финансовым метрикам, на которые влияет MAU, относят: APRU, LTV, Churn Rate, MRR. Рассмотрим их подробнее.
ARPU (Average Revenue Per User) — показатель средней прибыли, которую приносит один активный клиент за конкретный промежуток времени. Чем выше ARPU, тем больше доход от приложения.
Зачем считать:
ARPU помогает компаниям строить прогнозы по увеличению прибыли. Метрика позволяет:
Чтобы рассчитать ARPU, чистый доход за выбранный промежуток времени делят на количество активных пользователей за этот же промежуток. Для SaaS-сервисов за период обычно выбирают месяц — столько длится стандартная подписка.
Формула расчета:
Показатель ARPU за месяц обычно называют ARPMAU.
Как улучшить ARPU:
LTV (Lifetime value) — прибыль, которую приносит пользователь за все время работы с ним. Вокруг этого показателя строится работа над привлечением и удержанием аудитории.
Высокие показатели MAU при низком LTV, говорят о некачественном трафике — пользователи заходят в приложение, но не оформляют подписку и не покупают платные опции. Расходы на привлечение аудитории превышают доходы от взаимодействия с ней. Чтобы увеличить LTV, сократите затраты на привлечение новых пользователей и сконцентрируйтесь на повышении ценности приложения для текущих.
Зачем считать:
LTV измеряет ценность пользователей в деньгах. Метрику считают, чтобы:
Формула расчета:
Для расчета LTV нужны два показателя:
Lifetime — в течение какого времени человек остается активным пользователем продукта.
APRU — средняя прибыль от одного клиента за определенный промежуток времени.
Пример: вы хотите рассчитать LTV для онлайн-сервиса. Обычно пользователи покупают подписку на месяц. Стоимость в месяц — 50$. Тогда LTV = 50*1 = 50$.
Спасибо! Мы уже отправили всё на почту
Как улучшить:
Метрика LTV также связана ROI — коэффициентом окупаемости инвестиций, и Churn Rate — показателем оттока. Последний определяет, сколько человек прекратили взаимодействие с вами.
Churn Rate
Churn rate — количество пользователей, которые прекратили взаимодействие с продуктом. В зависимости от специфики приложения или онлайн-сервиса, может означать удаление аккаунта, отмену подписки, переход к конкуренту.
Зачем считать: потенциальная целевая аудитория — не бесконечный ресурс. Чем больше пользователей попробовали ваш продукт и отказались от него, тем труднее будет привлекать новых. Мониторинг и определение Churn Rate позволяют вовремя обнаружить проблемные места в продукте и уменьшить отток.
Формула расчета:
Пример: в этом месяце от сервиса отписались 100 человек, а MAU в прошлом — 500. Тогда Churn Rate = 100/500 = 0,2 или 20%
Спасибо! Мы уже отправили всё на почту
MRR (Monthly recurring revenue) — сумма, которую платят клиенты за месяц использования. Чем выше MAU, тем выше MRR.
Зачем считать: MRR помогает оценить, как развивается продукт, и предсказать будущие доходы. Оценивая прирост или сокращение MRR, вы сможете сделать выводы об эффективности стратегии продвижения продукта и при необходимости доработать ее.
MRR считается одной из наиболее важных метрик для продуктов с ежемесячной подпиской.
Формула расчета:
Как улучшить:
Конечная цель создания любого приложения или онлайн-сервиса — получение прибыли. Метрика MAU — маркер, показывающий эффективность и потенциал проекта. Отслеживание MAU позволяет находить новые точки роста и улучшать ваш продукт.
MAU (Monthly Active Users) — количество уникальных пользователей в приложении или онлайн-сервисе за месяц без учета повторных сессий. MAU — одна из продуктовых метрик активности пользователей.
С помощью MAU можно определить объем аудитории и отследить стабильность спроса на продукт. Высокие показатели MAU говорят о том, что продукт популярен. Постоянный анализ MAU-метрики позволяет изучить поведение аудитории, при необходимости спланировать мероприятия по повышению вовлеченности и предотвратить отток пользователей.
Для анализа активности и вовлеченности пользователей также используют метрики DAU, WAU, PCU и ACU. Они помогают оценить реакцию аудитории на продукт.
MAU показывает активных пользователей и влияет на такие финансовые метрики, как APRU, LTV, Churn Rate, MRR.
Зачем считать DAU
Само измерение бесполезно, поскольку это просто число. Если метрика равна 10000, это не означает, что проект был успешным. В конце концов, вчерашний DAU может быть в пять раз выше, что уже говорит о более серьезной проблеме. Чтобы действительно извлечь пользу из индикатора, необходимо наблюдать за ним в течение длительного времени.
Такой подход решает множество проблем одновременно.
- показывает частоту взаимодействия пользователей с продуктом;
- дает ответы на вопросы по улучшению приложений;
- помогает спрогнозировать прибыль.
Маркетинг.
Пять книг по неявному маркетингу
Пять книг по неявному маркетингу
The importance of DAU/MAU
The only importance of DAU & MAU is basically your foundation for determining your active amount of users.
It demonstrates day-to-day changes
Tracking DAU is critical for analyzing the impact of product development — for example when a new feature is published and the Product Manager wants to evaluate how it affects usage and retention immediately following the release — in other words, the product’s stickiness.
It assists in determining when people are using the app
As a result, you’ll understand why people use it. For instance, a card delivery service may show daily usage increases during specific holidays, whereas social apps see daily usage at a high level every day. This enables marketing teams to comprehend their ideal clients’ behavior — when and how to reach them.
Clarifies presumptions concerning user behavior
When a business is still learning about its audiences’ behaviors, there may be a lot of assumptions and guesswork about what they might be like, but you’ll never know for certain until you track and analyze app usage — DAU is one such metric that can assist verify or reject an assumption.
API
Консультант раздела: Дмитрий Антипов, менеджер продукта OMNICOMM
«Продуктовые метрики необходимо выбирать так, чтобы повысить ценность от использования сервиса для клиента. Для продуктов API клиентом является разработчик
Но важно помнить, что предоставляемые данные предназначены для конечного пользователя.
Выбор метрик зависит от задач бизнеса. Например, ключевая метрика в транзакционном бизнесе (онлайн-платежи) — скорость отклика. Для банковских переводов важна безопасность, в телематике — скорость сбора данных с транспортных средств и выгрузка отчетов. При разработке API нужно уточнить у заказчика, как планируется монетизировать API, и согласовать, какие метрики следует отслеживать в первую очередь.
Ключевые критерии любого качественного сервиса API — это скорость предоставления данных, простота интеграции для сторонних разработчиков и невысокая стоимость владения».1. API calls — общее количество вызовов API за заданный период времени. Необходимо понимать количество вызовов по каждому методу для планирования нагрузки на инфраструктуру.2. Failure rate — количество неудачных вызовов API. Метрика даёт понимание, насколько выросло число неудачных вызовов одного из микросервисов. Возможно, появился баг, или микросервис почему-то стал слишком популярным. На примере OMNICOMM: после добавления информации о температурном режиме в рефрижераторе пользователи из ритейла стали запрашивать метод «Состояние ТС» каждый час. Другой пример: после того, как службы, управляющие автопарком в аэропорту, подключились к API, количество вызовов метода «Местоположение ТС» кратно возросло.
Как рассчитать: Failure rate = количество неудачных вызовов / общее количество вызовов
3
Support tickets — количество обращений в службу поддержки, возникших в результате проблем с API. Обращения важно разделять на консультации и инциденты. Все ошибки на продуктовой площадке должны отлавливать автотесты и мониторинг
Количество багов, точнее, их отсутствие, также считается показателем бизнеса в целом и может быть использовано в KPI.
4. Response time — время ответа сервиса на запрос клиента. Изменения в сервисе могут ухудшить качество его работы. Кроме того, разработчик может написать неоптимальный запрос к базе данных или перегрузить микросервис.
Как рассчитать: разница между временем вызова и временем получения ответа. Эталонное время можно получить при нагрузочном тестировании.
5. Количество запросов в единицу времени.
Продуктовые метрики приложения
Первый этап пройден: пользователь установил приложение. Наша следующая задача — посмотреть, как юзер ведет себя внутри продукта. А основная цель — превратить юзера, только что установившего приложение, в лояльного пользователя. Для этого смотрим на продуктовые метрики в системах трекинга/аналитики.
Активные пользователи / DAU, MAU (Daily Active Users/Monthly Active Users)
Пользователи приложения, у которых есть хотя бы одна сессия за выбранный период времени. Если смотрите активную аудиторию за день, то это DAU. Если смотрите активную аудиторию за месяц, то это MAU.
Количество сессий и длина сессий
Сессия — это сеанс взаимодействия пользователя с приложением. Началом сессии считается открытие приложения, а завершением — закрытие и бездействие пользователя (могут быть частные случаи).
CAC (Customer Acquisition Cost)
Затраты на привлечение пользователя. Рассчитывается как бюджет на привлечение, поделенный на количество пользователей.
Формально не является продуктовой метрикой, но находится рядом с продуктом. Сигнализирует, насколько продукт успешен, сходится или не сходится экономика.
LTV (Lifetime Value)
Пожизненная ценность клиента. Это основная метрика, по которой можно судить, какую выручку принес каждый пользователь за период своей «жизни» в приложении.
Нельзя точно предсказать, сколько денег принесет каждый пользователь. Это прогнозная метрика, и способ расчета необходимо выбрать самостоятельно.
Есть несколько способов расчета:
- Самый быстрый и грубый метод — поделить всю выручку, которую принесли все клиенты за определенный период, на количество этих пользователей.
- Расчет в динамике с помощью когортного анализа. Пример расчёта взят из практики GoPractice.
- Выбираем когорту пользователей (у нас она составляет 500 человек). Для каждого юзера считаем валовую прибыль по дням, начиная со дня инсталла.
- Складываем валовую прибыль от всей когорты пользователей по дням, начиная со дня инсталла.
- Далее рассчитываем кумулятивную валовую прибыль когорты по дням. Для этого нужно использовать значения из прошлого пункта. Например, кумулятивная валовая прибыль когорты во 2 день будет равна сумме валовой прибыли дня 0 (установки), дня 1 и дня 2.
- LTV по дням в динамике получаем по формуле: кумулятивная валовая прибыль делить на количество пользователей в когорте.
N-day Retention
Процент пользователей, которые вернулись в приложение в конкретный день.
Рассчитывается как количество пользователей, вернувшихся в приложение в день N, делить на количество пользователей, установивших приложение (день установки — нулевой день), умножить на 100.
Например, у нас приложение с раскрасками, и мы решили узнать, как часто пользователи возвращаются в него. День установки считается нулевым днем — retention 100%. В первый день вернулось 50% пользователей, во второй — 25%, в 3 день — 75%, в 4 день — 0%, в 5 день — 25%, а в 5 день — 50%. Эти данные позволяют увидеть, в какой день пользователи возвращаются чаще или реже, найти причины и принять меры, чтобы замотивировать юзеров использовать приложение.
Частные случаи retention — это retention первого, третьего, седьмого и тридцатого дня. Чем раньше придет понимание, насколько хорошо определенная когорта пользователей возвращается, тем быстрее можно принять решение по поводу качества привлекаемого трафика.
Rolling Retention
Доля пользователей, которые вернулись в приложение за период N или позже.
Кривая этой метрики лежит выше кривой классического retention. Посмотрев на определенный день, можно увидеть, есть ли отток пользователей из приложения и какой он.
Разница Rolling Retention и N-day Retention
N-day Retention используется чаще Rolling Retention. Но бывают случаи, когда Rolling Retention намного удобнее. Например, для приложений, которые подразумевают редкое использование: сервисы бронирования авиабилетов и отелей. В этом случае Rolling Retention позволит понять, какая часть пользователей вернулась в приложение после тридцатого дня.
NPS (Net Promoter Score)
- Критики (0-6 баллов).
- Нейтральные (7-8 баллов).
- Сторонники (9-10 баллов).
NPS рассчитывается по формуле: количество сторонников минус количество критиков, поделенное на количество всех участвующих в опросе, умноженное на 100%.
Показатели ниже 20% — плохой результат, от 20% до 40% — средний результат, 40-70% — неплохо, но останавливаться на таком результате не стоит. Показатели от 70% и выше — хороший результат.
Как рассчитать MAU, WAU, DAU, Sticky Factor, PCCU, ACU, LTV на SQL?
MAU (Monthly Active Users) может быть рассчитан используя SQL запрос, который группирует данные по месяцам и подсчитывает количество уникальных пользователей за каждый месяц.
Например:
WITH monthly_data AS (
SELECT DATE_TRUNC('month', timestamp_column) AS month, user_id
FROM events_table
)
SELECT month, COUNT(DISTINCT user_id) AS MAU
FROM monthly_data
GROUP BY month
ORDER BY month;
WAU (Weekly Active Users) может быть рассчитан используя SQL запрос, который группирует данные по неделям и подсчитывает количество уникальных пользователей за каждую неделю.
Например:
WITH weekly_data AS (
SELECT DATE_TRUNC('week', timestamp_column) AS week, user_id
FROM events_table
)
SELECT week, COUNT(DISTINCT user_id) AS WAU
FROM weekly_data
GROUP BY week
ORDER BY week;
DAU (Daily Active Users) может быть рассчитан используя SQL запрос, который группирует данные по дням и подсчитывает количество уникальных пользователей за каждый день.
Например:
WITH daily_data AS ( SELECT DATE(timestamp_column) AS day, user_id FROM events_table ) SELECT day, COUNT(DISTINCT user_id) AS DAU FROM daily_data GROUP BY day ORDER BY day;
Sticky Factor может быть рассчитан используя SQL запрос, который вычисляет отношение DAU к MAU.
Например:
WITH daily_data AS (
SELECT DATE(timestamp_column) AS day, user_id
FROM events_table
), monthly_data AS (
SELECT DATE_TRUNC('month', timestamp_column) AS month, user_id
FROM events_table
)
SELECT (SUM(daily_data.DAU) / COUNT(DISTINCT monthly_data.month)) / (SUM(DISTINCT monthly_data.MAU) / COUNT(DISTINCT monthly_data.month)) as Sticky_Factor
FROM daily_data
JOIN monthly_data
ON daily_data.day = monthly_data.month;
PCCU (Peak Concurrent Users) может быть рассчитан используя SQL запрос, который группирует данные по времени и находит максимальное количество одновременно активных пользователей за каждый интервал времени.
Например:
WITH time_data AS (
SELECT DATE_TRUNC('hour', timestamp_column) AS hour, user_id
FROM events_table
)
SELECT hour, COUNT(DISTINCT user_id) AS concurrent_users
FROM time_data
GROUP BY hour
ORDER BY concurrent_users DESC
LIMIT 1;
ACU (Average Concurrent Users) может быть рассчитан используя SQL запрос, который группирует данные по времени и находит среднее количество одновременно активных пользователей за каждый интервал времени.
Например:
WITH time_data AS (
SELECT DATE_TRUNC('hour', timestamp_column) AS hour, user_id
FROM events_table
)
SELECT AVG(COUNT(DISTINCT user_id)) AS ACU
FROM time_data
GROUP BY hour;
LTV (LifeTime Value) может быть рассчитан используя SQL запрос, который суммирует доход от каждого пользователя за всю его жизнь в вашем приложении и делит его на количество пользователей.
Например:
SELECT SUM(revenue) / COUNT(DISTINCT user_id) AS LTV FROM transactions_table;
Daily Active Users (DAU) definition
To put it simply, DAU is a measurement of your total number of active users in a day. It is a key component for tracking how engaged your users are with your app, and how much use they find in it.
Used on its own, Daily Active Users is not that valuable to track performance, and can easily fall into the waters of being a vanity metric. To ensure you’re getting the full picture of user engagement you need to use it alongside Monthly Active Users and Cohort Analysis.
Calculating DAU
Take the total amount of unique visitors who logged in or entered your app on a given day. Most analytics software will provide this metric for you to just export without doing any manual calculation. However, if this is for some reason, not the case and you want to work out daily active users from monthly active users, for example, all you need to do is:
The DAU formula
How to Calculate DAU/MAU Ratio?
Finding your DAU/MAU Ratio is straightforward. All you have to do is divide your DAU by your MAU, then multiply the result by 100 to get a percentage. Here is that formula:
So, for instance, if you have a DAU of 1,000 users and an MAU of 10,000 users. This would give you a DAU/MAU Ratio of 10%:
Of course, calculating this number requires you to already have your DAU and MAU metrics on hand. In case you don’t, here’s a quick reminder on how to get those.
How to Calculate DAU
DAU refers to the total number of unique users who visit and interact with your website or application within a given day. This means they not only open or log in to your product, but engage with it in some meaningful way. Here’s a basic formula for determining DAU:
In this formula, new users refers to any person who has not previously used your product before, while returning users refers to those people who have previously used your product. Keep in mind that both of these are unique, meaning that if a person comes back and uses a feature multiple times throughout a day, they will still only count once.
How to Calculate MAU
Like DAU, MAU is a measurement of the number of unique users who visit and engage with your website or app in some way. The only difference is that MAU measures them across a 30-day period.
And also like DAU, it can be helpful to break users down into those who are new and those who are returning. This would give you the following formula:
Which is Most Important to Monitor — DAU, WAU or MAU?
A lot of folks ask whether they should be looking at daily, weekly or monthly active users to determine the health of their app.
But we suggest asking a slightly different question: How often would my most engaged app users typically interact with my app?
This is a more valuable question. That’s because different apps will have different user behavior pattern patterns.
For example, a news media app looking to drive app opens through frequent push notifications about breaking news will be looking closely at DAU. Their mobile strategy (and business!) is designed to drive daily interaction and user engagement.
Use the Unique App Opens report in Urban Airship’s mobile analytics solution Insight to see daily, weekly and monthly active users broken down by platform and opt-in / opt-out users.
On the other hand, a retail app that offers weekly or monthly (vs. daily) sales and offers would be better off looking at WAU or MAU as indicators of app user engagement levels.
Essentially, your mobile strategy and mobile messaging should be driving the user behavior patterns that make the most sense for the way your best customers use your app — and your analytics should measure how well that strategy is working.
What is a good DAU/MAU ratio?
A healthy DAU/MAU ratio varies according to the goal, brand association, audience, and engagement style of an app. For example, social apps may have higher DAU/MAU standards, as consumers often use these products on a daily basis to interact with friends, share content, and keep current on social trends. By contrast, B2B apps may have longer-term objectives, and users may access them less frequently or exclusively on weekdays. Additionally, users may utilize apps such as travel accommodation programs for only a few days each year while on vacation.
DAU and MAU may be more beneficial to some apps than others. However, in the majority of cases, a higher DAU/MAU score is preferable. This indicates that a greater number of people are interacting with an app on a daily basis. A flawless score of 100 percent indicates that users are active on an app every single day of the month. This demonstrates the use and functioning of an app in the daily lives of a typical consumer. You can set a DAU/MAU ratio benchmark based on your business’s goals and ambitions.
Заключение
Анализ ключевых метрик эффективности мобильного приложения является неотъемлемым элементом успешной стратегии мобильного маркетинга и разработки. Эти метрики, включая количество скачиваний и регистраций, активность в приложении (DAU и MAU), вовлеченность пользователей, среднюю продолжительность сессии, коэффициент удержания клиентов и виральность, обеспечивают ценные инсайты о поведении пользователей и эффективности приложения.
Рекомендации по работе с метриками для достижения успешных результатов
Для оптимизации работы мобильного приложения и достижения успешных результатов рекомендуется:
- Регулярно отслеживать и анализировать данные по ключевым метрикам, используя инструменты аналитики.
- Работать над улучшением пользовательского опыта на основе отзывов пользователей и аналитических данных.
- Применять методы A/B тестирования для выявления наиболее эффективных стратегий повышения вовлеченности и удержания пользователей.
- Экспериментировать с различными маркетинговыми каналами и стратегиями для увеличения виральности и распространения приложения.
- Использовать данные для принятия обоснованных решений и постоянного улучшения мобильного приложения с целью достижения бизнес-целей.