app数据分析体系 - 用户粘性 DAU，MAU 和 月人均活跃天数

版权声明：本文为博主原创文章，未经博主允许不得转载。 https://blog.csdn.net/liweijie231/article/details/81451189

用户粘性指标 DAU MAU 月均活跃天数

DAU 和 MAU

日活跃用户占月活跃用户的比例越高，表明用户对App的使用粘性越高。

DAU，即：Daily Active User，指日活跃用户数

MAU，即：Monthly Active User，指月活跃用户数。

例子1： 如果每天活跃都是同样的用户，例如每天都是1万DAU，那么30天内每天都是这1万用户在活跃，MAU也
是1万，于是DAU/MAU就是100%，用户粘性达到上限，微信就是接近100%的例子。

例子2： 如果每天活跃用户都不相同，例如每天1万DAU，那么30天内每天的活跃用户都不同，MAU就是30万，
于是DAU/MAU就是1/30，用户完全没有粘性。 对于常见的App，用户粘性的取值范围就是3%~100%，不同领域
的App也会有不同的基准值，例如移动游戏会以20%为基线，而工具类App会以40%为基线。

用户粘性的比率指标

• 比率指标1- DAU/MAU

  通过用户粘性指标定义为过去一天的$DAU$比过去30天的$MAU$
  

  $$\frac{DAU_{t-1}}{MAU_{last30}}$$

• 比率指标2 - 月平均活跃天数
  

  $$\frac{DAU_{t-1}+DAU_{t-2}+\dots+DAU_{t-30}}{MAU_{last30}}$$
  ​

分子可理解为过去30天用户的总活跃天数，分母为过去30天活跃用户数 ，分子/分母 即为 过去30天的人均活跃天数

基于bitmap的DAU MAU 计算方式

每个用户过去30天是否，活跃采用一个30位的掩码存储。
如 ： 统计日t日， 用户a的掩码值9，换成二进制位 ‘00,0000,0000,0000,0000,0000,0000,1001’ 表示 t日和t-3日a活跃。

在海量数据情况下，采用掩码的数据模型可以方便计算下例指标：

• 判断一个用户在某天是否活跃
  ​

• 判断一个用户在某段时间是否连续活跃

• 一个月里的连续最大活跃天数