游戏效果指标：活跃用户（DAU/WAU/MAU）
如何计算和根据哪些特征细分活跃用户，以及在评估受众时可能出现哪些统计异常，– 分析师 devtodev 维拉·卡尔波娃对此进行了说明。
本刊物是关于游戏指标的 App2Top.ru 和 devtodev 系列材料的一部分。文章按季节分类，每个季节关注一个特定主题。第二季的主题是“用户”。在这一季中，我们讨论反映应用程序与受众互动效果的商业指标。
维拉·卡尔波娃
每天，该项目的用户群都会增加新的用户。其中一些人很快失去兴趣，有些人偶尔会想起这个应用程序，还有人定期使用它。无疑，每天都有来自这些细分市场的用户访问该应用程序。今天我们就来谈谈他们——活跃用户（Active users）。
活跃用户是指在研究的时间段内至少有一次会话的用户。这些时间段可以不同，但通常会研究日、周以及月的用户群。而这些指标有着固定的名称：
- DAU – 每日独立用户数（daily active users）；
- WAU – 每周独立用户数（weekly active users）；
- MAU – 每月独立用户数（monthly active users）。
同时，也可以对任何其他时期进行类似的计算，如果它们更符合公司的需求。例如，回顾过去一年时，可以计算项目的年度用户群，并与前几年进行比较，以评估动态变化。
值得注意的是，某一周的 WAU 并不是 7 天 DAU 的总和，因为这是关于独立用户的计算。例如，某个用户可能在周一和周二都登录应用程序，因此他会同时计算在周一和周二的 DAU 里。但在一周内（从周一到周日），他只会被计算一次。
同样，MAU 也不是 4 个 WAU 和 30 个 DAU 的简单总和。从计算的角度来看，这些指标之间没有直接关系，并且是单独计算的。
为了更好地理解这些指标，我们通过一个例子进行计算。
假设我们有关于用户在 2 周内访问应用程序的数据。而每天用户访问多少次并不重要，因为他仍将被视为一个独立的访客。
标记为蓝色的是用户访问应用程序的日期。
因此，首先我们将计算第 1、2、5 和 10 天的 DAU。为此，我们需要知道这些天访问应用程序的独立用户数量：
- 第 1 天的 DAU = 2（用户 1 和 4）；
- 第 2 天的 DAU = 3（用户 2、4、5）；
- 第 3 天的 DAU = 3（用户 2、3、4）；
- 第 10 天的 DAU = 0（这些天没有人登录应用程序）。
接下来计算 WAU：
- 在第一周（第 1 到第 7 天），WAU 为 5 – 所有用户都在使用项目。
- 在第二周（第 8 到第 14 天），这个指标为 3 – 第一和第二用户没有进行会话。
可以选择任何一周，例如第 3 到第 9 天，此时 WAU 将为 4。
类似地，活跃用户的计算可以在一个月、半年或其他时间段内进行。
在我们的例子中，总共有 5 个用户，而在实际项目中，这个数量可能是数千、数十万甚至数百万的用户，他们每天访问该产品。用户如何登录应用程序反映了应用程序的稳定性、质量和规模。
此外，活跃用户是一个值得实时监控的指标，因为如果应用程序或服务器出现故障，用户无法使用产品，这将立即反映在这个指标上。为了进行这种监控，用户可以按小时甚至 10 分钟的时间间隔进行分组。
顺便提一下，当前在应用程序内的活跃用户是一个单独的指标，通常被称为 在线用户（Users online），但也可以遇到一些缩写，例如 CCU（同时在线用户，сonсurrent users）– 在特定时刻使用应用程序的用户，以及 PCCU（峰值同时在线用户，peak concurrent users）– 在应用程序内同时存在的最大用户数量。
平均 CCU 很好地反映了项目的规模，而 PCCU 在服务器负载规划时非常重要。
活跃用户的动态变化不仅可能在一天内发生，还可能逐月上升或下降。因此，监控这一点非常重要。通过细分可以简化活跃用户数量变化的分析。通过这种方式，可以更迅速地了解活跃用户变化的来源。
以下是几个活跃受众的细分选项。
按支付情况：
- 付费/未付费
- 只进行了一次支付/进行了重复支付
按安装时间：
- 1 天 / 2-7 天 / 8-14 天 / 15-30 天 / 30-60 天 / 60+ 天
按登录频率：
- 每天/每周 4-6 次/每周 1-2 次/每月一次及更少
还可以根据国家、设备、操作系统，或根据自定义事件（即，将受众分为执行或未执行特定操作的用户）进行划分。
最后一个细分选项适用于应用程序中有关键事件的情况，这些事件对于完善游戏体验或为产品创造良好第一印象至关重要（例如，完成培训、达到 N 个游戏关卡或进入商店）。
当您确定了活跃用户减少的细分群体时，寻找问题的潜在原因将变得更简单。
可能出现的情况如下：
首先，俄罗斯的活跃用户数量开始减少，与此同时日本的访问者数量增加，他们弥补了其他国家的下降。如果我们只看 DAU 的整体图表，很难察觉到动态变化。只有当俄罗斯的活跃用户数量进一步下降时，我们才会在总图表上看到这一点。然而，这样就会浪费足够多可以用来寻找和解决下降原因的时间。
另一种统计异常验证了细分的重要性 – 辛普森悖论。通过例子我们可以更好地理解它。
我们取前面例子中的 4 个国家，假设其购买转化率如下：
然后我们计算欧洲和亚洲国家的整体转化率：
结果如下：
- 俄罗斯的转化率（4.85%）高于日本（4.44%）；
- 英国的转化率（7.08%）高于中国（6.98%）；
- 但欧洲国家的整体转化率（5.8%）低于亚洲国家（6.5%）。
这再次表明，细分可能会得出与整体统计数据相去甚远的结果。
顺便提一下，有时从 DAU 图表上可能很难明显识别趋势，但按周或按月分组（将图表转换为 WAU 和 MAU）会使其更加明显。
活跃用户这一指标对项目来说无疑是重要的，但它也与其他财务和行为指标相关。
首先，活跃用户受新增用户数量的影响 – 用户数量越多，进入项目的速度和稳定性越高，用户群体增长就越快。
第二个同样重要的指标是 用户留存率（Retention），它反映了用户如何重新回到项目中。如果吸引的新用户无法回归，那么他们不会补充用户群体，这种吸引也不会产生任何效果。重要的是要吸引用户对产品产生兴趣，以便他们希望返回。用户越多，活跃受众也就越多。
以下是一个小示例：
在应用程序中可能有较好的留存率，但如果新用户数量很少，用户群的增长将非常缓慢。相反，如果新用户流入良好，但留存率低，大部分用户将离开项目，这同样不会增加用户群体。
更加庞大的项目用户群体将意味着其中潜在付款用户的数量也会增加。因为用户成为付费用户的顺序通常是这样的：
新用户 → 活跃用户 → 付费用户
顺便一提，新用户在首次付款后仍然活跃于产品中是很重要的，这将增加他们再次购买的机会。
因此，活跃用户与收入之间呈正相关关系：
收入 = 活跃用户 * 付费比例 * 每用户平均收入（ARPPU）
活跃用户数量是产品的重要指标之一，它间接指示其成功，同时结合了新用户的获取质量和留存率指标，直接影响收入。因此，在分析活跃用户时，关注用户群体的增长速度是非常重要的，因为这个指标是产品积极发展的重要标志之一。
相关阅读：
