Stickiness: как измерить частоту возвращения пользователей
Stickiness — метрика частоты использования продукта, которую также называют «липкостью продукта». Обычно её рассчитывают как отношение дневной активной аудитории к месячной: DAU/MAU. Показатель отражает, какая доля месячной аудитории взаимодействует с продуктом за день. Чем регулярнее пользователи возвращаются, тем выше Stickiness, однако оценивать метрику нужно с учётом естественного цикла использования продукта.
Что показывает Stickiness
Stickiness отвечает на вопрос: Насколько регулярно активные пользователи возвращаются в приложение, сервис или на сайт? Метрика связывает аудитории за два периода: короткий и более продолжительный.
Например, интернет-банк может рассчитывать Stickiness, чтобы оценить, какая доля месячной аудитории пользуется приложением ежедневно. Для сервиса доставки продуктов важнее может оказаться недельная активность, а для платформы бронирования путешествий ежедневные возвращения вряд ли будут обязательным признаком ценности.
Stickiness характеризует частоту использования, но не объясняет её причину. Пользователи могут возвращаться из-за удобства продукта, рабочих задач, уведомлений, сезонного спроса или необходимости регулярно совершать обязательные действия. Поэтому метрику анализируют вместе с retention, конверсиями, количеством целевых событий и абсолютным размером аудитории.
Как рассчитать Stickiness
Наиболее распространённый вариант расчёта:
Stickiness = (DAU / MAU) × 100%
Где:
- DAU (Daily Active Users) — число уникальных пользователей, активных за день;
- MAU (Monthly Active Users) — число уникальных пользователей, активных за месяц.
В зависимости от задачи в числителе используют DAU за конкретный день или средний DAU за рассматриваемый период. Выбранный способ нужно применять последовательно при сравнении динамики.
Допустим, средний DAU сервиса за 30-дневный период составляет 12 000 пользователей, а MAU за тот же период — 60 000.
Stickiness = 12 000 / 60 000 × 100% = 20%
При таком расчёте результат можно интерпретировать так: в среднем пользователь из месячной аудитории проявлял активность около 6 дней из 30.
Кроме DAU/MAU применяют другие соотношения:
- DAU/WAU — доля недельной аудитории, которая активна в среднем за день;
- WAU/MAU — доля месячной аудитории, которая активна в течение недели.
Google Analytics, например, автоматически рассчитывает все три варианта на основе числа активных пользователей за последние 24 часа, 7 и 30 дней.
Интерпретация Stickiness как среднего числа активных дней корректна, если в числителе используется средний DAU за тот же фиксированный период, за который рассчитан MAU. Отношение DAU за конкретный день к скользящему MAU может заметно меняться из-за дня недели, праздников или разовой кампании.
Как определить активного пользователя
Результат зависит от того, какое действие компания считает активностью. Простого открытия сайта или запуска приложения не всегда достаточно: пользователь мог сразу выйти и не получить ценность от продукта.
Активность лучше связывать с осмысленным действием. Им может быть:
- просмотр контента в медиасервисе;
- отправка сообщения в мессенджере;
- выполнение операции в банковском приложении;
- оформление или изменение заказа;
- работа с проектом в SaaS-сервисе.
Определение должно быть единым для DAU, WAU и MAU. Если дневная аудитория считается по совершению целевого действия, а месячная — по любому входу в аккаунт, отношение будет описывать разные типы поведения.
Для расчёта также нужен стабильный пользовательский идентификатор. Иначе один человек, который заходит с телефона и компьютера, может учитываться дважды. Изменение системы идентификации способно повлиять на метрику даже без реальных перемен в поведении аудитории.
Как выбрать периоды расчёта
DAU/MAU уместен для продуктов, которыми ожидаемо пользуются почти каждый день: социальных сетей, мессенджеров, рабочих платформ или некоторых финансовых приложений.
Если ценность продукта раскрывается реже, короткий период стоит увеличить:
- DAU/WAU подходит для сервисов с несколькими обращениями в неделю;
- WAU/MAU — для продуктов с ожидаемой еженедельной активностью;
- более длинные интервалы могут потребоваться для путешествий, страхования, недвижимости и товаров с редким циклом покупки.
Период выбирают исходя из ожидаемого интервала использования, а не стремления получить более высокий показатель. Amplitude также рекомендует соотносить формулу Stickiness с естественной частотой обращения к продукту.
Универсального «хорошего» значения Stickiness нет. Низкий DAU/MAU у сервиса бронирования может быть нормальным, а тот же результат у корпоративного мессенджера — признаком слабого внедрения.
Как интерпретировать динамику метрики
Stickiness нельзя оценивать отдельно от DAU и MAU. Отношение способно вырасти даже при сокращении аудитории, если MAU снижается быстрее, чем DAU.
| Динамика | Возможная интерпретация |
|---|---|
| Stickiness растёт, MAU растёт | Аудитория расширяется и чаще возвращается |
| Stickiness растёт, MAU падает | Остаётся активное ядро, но общая аудитория сокращается |
| Stickiness падает, MAU растёт | Приток новых пользователей опережает их вовлечение |
| Stickiness падает, MAU падает | Сокращаются месячная аудитория и регулярность использования |
После изменения показателя стоит проверить сегменты аудитории: новых и постоянных пользователей, тарифы, источники привлечения, устройства, регионы и ключевые функции продукта. Общая метрика может скрывать ситуацию, когда Stickiness одной группы растёт, а другой — резко снижается.
Например, снижение после рекламной кампании не обязательно означает ухудшение продукта. MAU мог быстро вырасти за счёт новой аудитории, которая ещё не успела сформировать привычку. В таком случае отдельно анализируют Stickiness пользователей, зарегистрированных в разные недели или месяцы.
Stickiness, retention и вовлечённость: в чём разница
Эти показатели связаны, но отвечают на разные вопросы.
| Показатель | Что измеряет | Основной вопрос |
|---|---|---|
| Stickiness | Частоту использования среди активной аудитории | Как регулярно пользователи возвращаются? |
| Retention | Возврат пользователей из определённой когорты | Какая доля пользователей когорты осталась активной? |
| Вовлечённость | Глубину и характер взаимодействия | Что пользователи делают внутри продукта? |
| Churn Rate | Долю ушедших клиентов или пользователей | Какая часть аудитории перестала пользоваться продуктом? |
Пользователь может регулярно открывать приложение, но не совершать целевых действий. Если открытие учитывается как активность, Stickiness останется высоким, хотя глубина взаимодействия и коммерческая ценность активности будут низкими.
Обратная ситуация характерна для продуктов с редким циклом: пользователь возвращается раз в месяц, совершает покупку и уходит. DAU/MAU будет небольшим, но retention, конверсия и выручка могут соответствовать целям бизнеса.
Что искажает Stickiness
Основные ошибки связаны не с формулой, а с подготовкой и интерпретацией данных:
- Формальная активность. Если активным считается любой запуск приложения, показатель может расти за счёт случайных открытий, а не полезных действий.
- Несогласованные периоды. DAU за пиковый день нельзя напрямую сравнивать с MAU за обычный месяц.
- Сезонность. Выходные, праздники, распродажи и релизы контента временно меняют частоту использования.
- Изменение идентификации. Новые правила авторизации, объединение профилей и блокировка cookies влияют на число уникальных пользователей.
- Сравнение разных продуктов. Ежедневный рабочий сервис и приложение для покупки авиабилетов имеют разные естественные циклы.
- Ориентация только на отношение. Рост Stickiness при падении MAU может означать сокращение аудитории продукта до небольшого активного ядра.
Для оценки изменений лучше использовать одинаковые правила расчёта, скользящее среднее и сравнение сопоставимых когорт.
Как использовать Stickiness в маркетинге
Метрика становится основой для действий, когда маркетолог видит, какие группы реже возвращаются и на каком этапе снижается активность.
Рабочий процесс может выглядеть так:
- Рассчитать Stickiness для продукта и основных сегментов.
- Найти аудитории с заметным снижением частоты использования.
- Проверить их путь: завершили ли пользователи онбординг, совершили ли ключевое действие, получали ли релевантные коммуникации.
- Запустить отдельный сценарий для выбранной группы.
- Сравнить изменение Stickiness, retention и целевых действий в тестовой и контрольной группах.
Сам расчёт DAU/MAU обычно выполняется в системе продуктовой аналитики или BI. Altcraft применяют на следующем этапе: при настроенном сборе данных платформа сохраняет переданные события с сайта или из приложения в истории профиля и использует их для сегментации, автоматизации и аналитики. Например, можно выделить пользователей без целевой активности за заданный период и включить их в онбординговую или реактивационную цепочку.
Изменение частоты возвращений после коммуникации ещё не доказывает её влияние. Для проверки причинной связи нужны тестовая и контрольная группы, одинаковые периоды и дополнительные метрики: целевые события, retention, покупки или выручка.
Так, запуск push-коммуникаций и триггерных сценариев в Altcraft помог БНБ-Банку увеличить MAU на 19% за год.
Изучите работу с профилями, историей действий, сегментами и реактивационными сценариями на бесплатном курсе «Основы работы в Altcraft Platform».
Заключение
Stickiness показывает, насколько регулярно активная аудитория возвращается к продукту. Чаще всего метрику рассчитывают как DAU/MAU, но для продуктов с недельным или более длинным циклом лучше выбирать другое соотношение периодов.
Показатель нужно анализировать вместе с абсолютными значениями DAU и MAU, retention и целевыми событиями. Единое определение активного пользователя, сопоставимые периоды и разбивка по сегментам делают динамику Stickiness пригодной для продуктовых и маркетинговых решений.
Читайте по теме
