MAU: как рассчитать месячную аудиторию продукта
Как рассчитывают MAU
Для расчёта нужно определить период, часовой пояс, критерий активности и идентификатор, по которому система различает пользователей.
MAU = количество уникальных пользователей, совершивших целевое действие за месяц
Повторные действия одного человека не увеличивают показатель. Если пользователь совершил целевое действие 15 раз за месяц, в MAU он учитывается один раз. Поэтому MAU нельзя рассчитывать как сумму DAU: один человек может проявлять активность несколько дней подряд.
В качестве периода используют:
- календарный месяц — например, с 1 по 30 сентября;
- скользящее окно в 30 дней — например, с 12 августа по 10 сентября.
Первый вариант удобен для регулярной отчётности, второй — для отслеживания текущей динамики. В одном отчёте нельзя смешивать разные способы: изменение окна само по себе повлияет на результат. Также важно использовать один часовой пояс, чтобы границы суток и месяца не менялись между отчётами.
Кого считать активным пользователем
Единого критерия нет: конкретное действие зависит от назначения сервиса и от того, какое взаимодействие отражает основную ценность продукта для пользователя.
В разных продуктах активность можно определять по следующим действиям:
- интернет-магазин — просмотр карточки товара, добавление в корзину или заказ;
- онлайн-кинотеатр — запуск фильма или сериала;
- банковское приложение — перевод, платёж или просмотр финансового отчёта;
- SaaS-сервис — создание проекта, документа или задачи;
- образовательная платформа — открытие урока или выполнение задания;
- социальная сеть — просмотр ленты, публикация или отправка сообщения.
Вход в аккаунт не всегда отражает ценность продукта. Пользователь мог открыть приложение по ошибке или закрыть его до загрузки основного экрана. Поэтому критерий активности лучше связывать с действием, ради которого человек обращается к сервису.
Если компания меняет определение активного пользователя, прошлые и новые значения становятся несопоставимыми. Новое правило следует зафиксировать в документации метрики и по возможности пересчитать исторические данные.
Какие данные нужны для расчёта
Корректный MAU строится на событиях и устойчивом идентификаторе пользователя.
order_created, video_started или lesson_completed. Идентификатор связывает события с конкретным человеком или аккаунтом.Для идентификации используют:
- ID авторизованного пользователя;
- ID клиентского профиля;
- ID организации — для B2B-продуктов, если активность оценивают на уровне компаний;
- анонимный идентификатор устройства или браузера, если авторизация не обязательна.
Если единицей подсчёта служит организация, показатель отражает число активных компаний или аккаунтов, а не отдельных пользователей. Это нужно зафиксировать в названии или описании метрики.
Подсчёт по устройствам способен завысить MAU. Один человек может пользоваться сервисом со смартфона, рабочего компьютера и домашнего ноутбука. Если аналитическая система воспринимает их как трёх разных посетителей, каждый попадёт в показатель отдельно. В этом случае метрика фактически отражает число активных устройств или браузерных идентификаторов, а не людей.
Возможна и обратная ошибка: несколько сотрудников работают через общую корпоративную учётную запись, поэтому система считает их одним пользователем. Способ идентификации нужно выбирать с учётом особенностей продукта и цели анализа.
Чем MAU отличается от DAU и WAU
MAU входит в группу метрик активной аудитории:
| Метрика | Период | Для каких продуктов особенно полезна |
|---|---|---|
| DAU — Daily Active Users | День | Мессенджеры, социальные сети, игры и сервисы с ежедневным использованием |
| WAU — Weekly Active Users | Неделя | Рабочие сервисы, маркетплейсы и приложения, к которым обращаются несколько раз в неделю |
| MAU — Monthly Active Users | Месяц | Банковские, образовательные, туристические и другие продукты с менее частым циклом использования |
Выбор основной метрики зависит от естественной частоты обращения к продукту. Низкий DAU не обязательно означает слабое вовлечение, если услугой обычно пользуются раз в месяц. Например, приложение для оплаты коммунальных услуг логичнее оценивать по месячной аудитории, чем по ежедневной.
Как оценить регулярность использования
Для оценки частоты обращения к продукту рассчитывают коэффициент DAU/MAU. Его также называют показателем stickiness — «липкости» продукта.
Для отчёта за календарный месяц формула выглядит так:
DAU/MAU = (среднее количество активных пользователей в день за месяц / количество активных пользователей за тот же месяц) × 100%
Если средний DAU равен 3 000, а MAU — 20 000:
Чем выше значение, тем чаще месячная аудитория возвращается в продукт. Однако сравнивать коэффициент стоит внутри одной категории сервисов. Мессенджер и приложение для покупки авиабилетов решают задачи с разной естественной периодичностью, поэтому одинаковый коэффициент для них будет означать разный уровень вовлечённости.
Для полной оценки MAU рассматривают вместе с другими показателями:
- retention — какая доля пользователей возвращается через заданный период;
- churn rate — какая доля пользователей перестала пользоваться продуктом в течение заданного периода;
- число активных дней — как часто пользователь выполнял целевое действие;
- глубина использования — сколько значимых функций или операций он использовал;
- конверсия — какая доля активной аудитории оформила заказ, подписку или совершила другое целевое действие.
Как интерпретировать изменение MAU
Рост MAU означает, что за отчётный период целевое действие совершило больше уникальных пользователей. Но по одной метрике нельзя определить причину изменения.
На значение MAU влияют:
- приток новых пользователей;
- возвращение ранее неактивных клиентов;
- рост удержания;
- сезонный спрос;
- рекламные кампании;
- изменение критерия активности;
- ошибки идентификации или появление дублей.
Для анализа MAU разделяют на группы: новые, вернувшиеся после перерыва и удержанные пользователи. Дополнительно показатель разбивают по источникам привлечения, тарифам, регионам, типам устройств и другим признакам.
Если общий MAU растёт, а число удержанных пользователей падает, продукт может зависеть от постоянного привлечения новой аудитории. Если показатель стабилен, но внутри него меняется соотношение новых, удержанных и вернувшихся пользователей, общий график не покажет этих изменений в составе аудитории.
Когортный анализ раскрывает ещё один важный слой: как долго остаются активными пользователи, пришедшие в разные месяцы. С его помощью можно увидеть, сохраняется ли активность когорты после краткосрочного притока пользователей и как меняется удержание со временем.
Ограничения MAU
MAU легко считать и показывать в отчётах, но метрика может создавать ложное впечатление устойчивого роста.
Основные ограничения показателя:
- Не отражает частоту. Пользователь с одним и двадцатью активными днями учитывается одинаково.
- Не показывает удержание. Два месяца могут иметь одинаковый MAU, но полностью разный состав аудитории.
- Зависит от определения активности. Слишком простое действие, например запуск приложения, увеличивает показатель без связи с полученной ценностью.
- Чувствителен к идентификации. Дубли профилей завышают результат, общие аккаунты — занижают.
- Не раскрывает коммерческий результат. Рост активной аудитории не означает автоматического роста выручки, заказов или платных подписок.
Как использовать данные об активности в Altcraft
В Altcraft данные об активности можно связать с профилями клиентов и использовать в коммуникациях.
По данным продуктовой аналитики рассчитывают MAU и исследуют поведение аудитории, а Altcraft использует переданные профили, события и сегменты для персонализированных коммуникаций. Изменение MAU можно анализировать вместе с retention и результатами кампаний.
Заключение
MAU — число уникальных пользователей, которые совершили значимое действие в продукте за месяц. Для корректного расчёта нужно заранее определить критерий активности, временное окно, часовой пояс и способ идентификации пользователей.
Метрика показывает размер месячной аудитории, но не частоту использования, удержание и коммерческий результат. Поэтому MAU рассматривают вместе с DAU/MAU, retention, конверсией и когортами, а изменение показателя анализируют по источникам и типам пользователей.
Читайте по теме
