DAU, Daily Active Users, это число уникальных пользователей, которые выполнили целевое действие в приложении или сервисе за одни сутки. Метрику считают мобильные приложения, игры, соцсети и любые продукты, где важна не разовая установка, а регулярное возвращение пользователя.
Целевое действие определяет сам продукт: для мессенджера это открытие переписки, для игры это вход в сессию, для сервиса задач это создание или отметка о выполнении задачи. Простое открытие приложения без дальнейших действий обычно не считают активностью, иначе метрика раздувается пользователями, которые случайно нажали на иконку и сразу закрыли экран.
DAU и MAU: зачем считать вместе
DAU редко смотрят изолированно, чаще в связке с MAU, числом активных пользователей за 30 дней. Отношение DAU к MAU называют коэффициентом липкости, stickiness ratio, и оно показывает, как часто месячная аудитория возвращается в продукт.
Если DAU составляет 20 000, а MAU 100 000, коэффициент липкости равен 20 процентам: в среднем пользователь заходит в продукт примерно 6 дней из 30. У продуктов ежедневного использования вроде мессенджеров и соцсетей хороший ориентир начинается от 40 до 50 процентов, у сервисов для редких задач, например бронирования отпуска, нормальным считается показатель в разы ниже, и это не признак слабого продукта, а особенность сценария использования.
Как считают DAU корректно
Считают только уникальных пользователей: если один человек заходит в приложение пять раз за день, в DAU он учитывается один раз, а не пять.
Фиксируют границу суток по одному часовому поясу для всей аудитории, обычно по времени сервера, иначе пользователи из разных регионов будут попадать в подсчет за соседние сутки и искажать динамику.
Отделяют ботов и тестовые аккаунты от реальных пользователей, особенно в продуктах с открытым API, где автоматические запросы легко принять за живую активность.
Синхронизируют определение целевого действия между командами аналитики, продукта и маркетинга, чтобы графики DAU в разных отчетах не расходились из-за разных критериев подсчета.
Пример: как читать динамику DAU
Онлайн-сервис для ведения дневника трат запустил push-уведомление с напоминанием внести расходы вечером. За первую неделю после запуска DAU вырос с 4200 до 5100 пользователей в день. Радоваться рано: часть роста дала не привычка вести учет, а сама механика уведомления, которое возвращает человека в приложение на минуту ради галочки. Команда проверила DAU через месяц после отключения push, чтобы отделить настоящую вовлеченность от эффекта напоминания, и увидела откат к 4400: часть новых пользователей закрепилась, но большая доля прироста была временной.
Типичные ошибки при работе с DAU
Смотрят на DAU без учета сезонности и дня недели: у B2B-продуктов активность в будни выше, чем в выходные, и сравнение вторника с воскресеньем покажет ложное падение, которого на самом деле нет.
Считают рост DAU самоцелью и добавляют механики, которые тянут пользователя обратно в приложение без реальной пользы: чрезмерные уведомления и искусственные ежедневные бонусы поднимают метрику, но снижают доверие к продукту и в итоге бьют по оттоку.
Игнорируют качество активности внутри DAU: пользователь, который зашел и сразу закрыл приложение из-за ошибки загрузки, формально попадает в DAU, но такая активность ничего не говорит о ценности продукта для него.
Сравнивают DAU разных продуктов напрямую без поправки на размер аудитории и частоту сценария использования, хотя для этого больше подходит именно коэффициент DAU к MAU, а не абсолютные цифры.
Частые вопросы
DAU важнее MAU или наоборот? Они отвечают на разные вопросы: MAU показывает общий размер аудитории, DAU и коэффициент липкости показывают, насколько эта аудитория вовлечена. Продукту с растущим MAU, но падающим отношением DAU к MAU, стоит разбираться с удержанием раньше, чем вкладываться в привлечение новых пользователей.
Что делать, если DAU падает при стабильном MAU? Это признак того, что новые пользователи приходят, но существующие заходят реже. Стоит проверить последние изменения в продукте, скорость загрузки и уведомления: часто падение совпадает с конкретным релизом или отключением работавшего сценария возврата.
Нужен ли DAU небольшому B2B-сервису с редким использованием? Метрика все равно полезна, но целевое действие и ожидаемая частота будут другими: для сервиса, которым пользуются раз в неделю по рабочим задачам, разумнее смотреть на WAU, недельную активность, а не на суточную.
DAU по сегментам аудитории
Общий DAU по всему продукту скрывает разницу между пользователями. Полезнее считать метрику отдельно для новых пользователей первой недели и для пользователей, которые пришли месяцы назад: если DAU держится за счет новичков, а старая аудитория уходит, общая цифра может выглядеть стабильной, хотя продукт постепенно теряет ядро постоянных пользователей.
Такой разрез также показывает эффект конкретных изменений в продукте точнее, чем общий график. Обновление интерфейса может поднять активность новых пользователей, которые еще не привыкли к старому виду, и одновременно снизить активность давних пользователей, которых новый интерфейс сбил с привычного маршрута. Без сегментации эти два эффекта складываются и маскируют друг друга.
DAU дополняет Retention, который показывает, возвращаются ли одни и те же люди со временем, а не просто держится ли общее число активных пользователей на одном уровне.
Разобраться, почему пользователи заходят в продукт реже, чем нужно бизнесу, и выстроить сценарии возврата помогает разбор на комплексном маркетинге с анализом текущей воронки удержания.