Hva er DAU/MAU Ratio Calculator?
▾
DAU/MAU-forholdet (Daily Active Users dividert med Monthly Active Users) er en nøkkelberegning for engasjement som måler klebrigheten til et digitalt produkt – hvor stor andel av månedlige brukere som engasjerer seg i produktet på en gitt dag. Også kalt "klebrighetsforholdet", indikerer det hvor vanemessig og uunnværlig et produkt er for brukerne. En DAU/MAU på 50 % betyr at en månedlig aktiv bruker i gjennomsnitt bruker produktet 15 dager per måned. Et forhold på 100 % vil teoretisk bety at hver månedlig bruker engasjerer seg hver eneste dag – det teoretiske maksimum. DAU/MAU-referanser varierer betydelig etter produktkategori. Sosiale produkter og kommunikasjonsprodukter (WhatsApp, Facebook, Slack) er målrettet mot 60 til 80 %+ DAU/MAU fordi deres nytte er daglig av natur. Spillapper målretter mot 20 til 40 %. Produktivitetsverktøy tar sikte på 25 til 50 % avhengig av brukssituasjon. E-handel og on-demand-tjenester ser vanligvis 5 til 15 % fordi kjøp iboende er sjeldne. Finans-/bankapper ser 10 til 20 %. Å sammenligne en fintech-apps 12 % DAU/MAU med Facebooks 65 % er meningsløst – den riktige referansen avhenger helt av produktkategori og forventet bruksfrekvens. DAU/MAU beregnes ved å dele antallet unike brukere som var aktive på en bestemt dag (DAU) med antallet unike brukere som var aktive de siste 30 dagene (MAU), og deretter multiplisere med 100 for en prosentandel. Den "aktive" definisjonen må være nøyaktig og konsekvent definert - vanligvis "utførte minst én meningsfull handling" (ikke bare å åpne appen). DAU/MAU følges nøye sammen med retensjonskurver: høy DAU/MAU med dårlig D30-retensjon antyder at brukere er svært engasjerte den første måneden, men ikke beholdes på lang sikt. Høy D30-oppbevaring med lav DAU/MAU antyder beholdte brukere, men sjeldent engasjement – en risiko for churn og lav inntektsgenerering. Forbedring av DAU/MAU krever oppbygging av daglige bruksvaner: varsler, streker, sosial gjensidighet, daglig ferskt innhold eller innebygging av produktet i daglige arbeidsflyter.
Calkulon makes complex calculations simple — built for students and everyday problem-solvers.
Formel
▾
DAU/MAU-forhold (%) = (Daglig aktive brukere / månedlige aktive brukere) × 100. Denne formelen beregner dau mau ratio calc ved å relatere inngangsvariablene gjennom deres matematiske forhold. Hver komponent representerer en målbar mengde som kan verifiseres uavhengig.Variabelbeskrivelse
▾
| Symbol | Navn | Enhet | Beskrivelse |
|---|---|---|---|
| DAU | Antall unike | — | Antall unike brukere som er aktive på en bestemt dag (nøyaktig definisjon kreves) |
| MAU | Antall unike | — | Antall unike brukere som har vært aktive de siste 30 dagene |
| Active Definition | Spesifikk brukerhandling | — | Spesifikk brukerhandling som kvalifiserer som "aktiv" (ikke bare åpen app) |
| Stickiness Ratio | Synonym for DAU/MAU | — | Synonym for DAU/MAU — måler vanedannelse, som er en nøkkelparameter i beregningen av dau mau ratio calc som direkte påvirker det endelige beregnede resultatet |
| Session Length | Gjennomsnittlig tid pr | — | Gjennomsnittlig tid per økt – følgeberegning til DAU/MAU, som er en nøkkelparameter i beregningen av dau mau ratio-beregningen som direkte påvirker det endelige beregnede resultatet |
Slik DAU/MAU Ratio Calculator
▾
- 1Samle de nødvendige inngangsverdiene: Antall unike, Antall unike, Spesifikk brukerhandling, Synonym for DAU/MAU.
- 2Bruk kjerneformelen: DAU/MAU-forhold (%) = (Daglig aktive brukere / månedlige aktive brukere) × 100.
- 3Beregn mellomverdier som WAU/MAU-forhold (%) hvis det er aktuelt.
- 4Kontroller at alle enheter er konsistente før du kombinerer termer.
- 5Beregn det endelige resultatet og se gjennom det for rimelighet.
- 6Sjekk om noen spesielle tilfeller eller grensebetingelser gjelder for dine innspill.
- 7Tolk resultatet i sammenheng og sammenlign med referanseverdier hvis tilgjengelig.
Løste eksempler
▾
Dette eksemplet viser dau mau ratio calc ved å beregne 70 % DAU/MAU – utmerket for kommunikasjonsapper. Kan sammenlignes med WhatsApp og topp sosiale produkter. Sterk daglig vanedannelse. Sosial kommunikasjonsapp illustrerer et typisk scenario der kalkulatoren produserer et praktisk nyttig resultat fra de gitte inndataene.
Dette eksemplet viser dau mau ratio calc ved å beregne 32,9 % DAU/MAU – sterkt for B2B-produktivitetsverktøy. Brukere engasjerer seg omtrent 10 av 22 virkedager/måned. Sunt engasjementsignal. B2B SaaS Project Management Tool illustrerer et typisk scenario hvor kalkulatoren produserer et praktisk nyttig resultat fra de gitte inngangene.
Dette eksemplet viser dau mau ratio calc ved å beregne 8,9 % DAU/MAU – normalt for e-handel der kjøpsfrekvensen iboende er lav. Sammenlign med benchmarks for kjøpsfrekvens, ikke sosiale app-benchmarks. E-commerce Marketplace illustrerer et typisk scenario der kalkulatoren produserer et praktisk nyttig resultat fra de gitte inndataene.
Dette eksemplet demonstrerer dau mau ratio calc ved å beregne avtagende DAU/MAU signaler engasjement erosjon – forløper til churn wave. Undersøk med kohortretensjonsanalyse og frekvensgjennomgang av hendelser i spillet. Gaming App DAU/MAU Decline Analysis illustrerer et typisk scenario der kalkulatoren produserer et praktisk nyttig resultat fra de gitte inngangene.
Praktiske anvendelser
▾
Benchmarking produktengasjement mot kategorikonkurrenter - Denne applikasjonen brukes ofte av fagfolk som trenger presis kvantitativ analyse for å støtte beslutningstaking, budsjettering og strategisk planlegging på sine respektive felt
Identifisere nedgang i engasjement før det påvirker oppbevaring og inntekt. Bransjeutøvere stoler på denne beregningen for å benchmarke ytelse, sammenligne alternativer og sikre samsvar med etablerte standarder og regulatoriske krav, og hjelpe analytikere med å produsere nøyaktige resultater som støtter strategisk planlegging, ressursallokering og ytelsesbenchmarking på tvers av organisasjoner
Rettferdiggjøring av produktinvesteringer i vanedannende funksjoner basert på DAU/MAU-forbedring. Akademiske forskere og studenter bruker denne beregningen til å validere teoretiske modeller, fullføre kursoppgaver og utvikle en dypere forståelse av de underliggende matematiske prinsippene
Rapportering av produkthelse til investorer og styrer med industristandardverdier. Finansanalytikere og planleggere innlemmer denne beregningen i arbeidsflyten deres for å produsere nøyaktige prognoser, evaluere risikoscenarier og presentere datadrevne anbefalinger til interessenter
Setting DAU/MAU targets as part of product OKRs. Denne applikasjonen brukes ofte av fagfolk som trenger presis kvantitativ analyse for å støtte beslutningstaking, budsjettering og strategisk planlegging på sine respektive felt
Spesielle tilfeller
▾
Markedsplassprodukter: separat kjøper DAU/MAU og selger DAU/MAU — de har
Markedsplassprodukter: separat kjøper DAU/MAU og selger DAU/MAU — de har fundamentalt forskjellige bruksmønstre Når de møter dette scenariet i dau mau ratio calc-beregninger, bør brukere bekrefte at inngangsverdiene deres faller innenfor det forventede området for at formelen skal gi meningsfulle resultater. Inndata utenfor rekkevidde kan føre til matematisk gyldige, men praktisk talt meningsløse utdata som ikke reflekterer virkelige forhold.
Sesongprodukter: DAU/MAU svinger med sesongvariasjoner; bruk heller år-til-sammenligninger
Sesongprodukter: DAU/MAU svinger med sesongvariasjoner; bruk YoY-sammenligninger i stedet for MoM. Dette edge-tilfellet oppstår ofte i profesjonelle anvendelser av dau mau ratio calc der grenseforhold eller ekstreme verdier er involvert. Utøvere bør dokumentere når denne situasjonen oppstår og vurdere om alternative beregningsmetoder eller justeringsfaktorer er mer hensiktsmessige for deres spesifikke brukstilfelle.
B2B-bedriftsverktøy: arbeidsdagsjustert DAU/WAU (aktive brukere på ukedager /
B2B-bedriftsverktøy: arbeidsdagsjustert DAU/WAU (ukedag aktive brukere / ukentlige aktive brukere) mer meningsfylt I sammenheng med dau mau ratio calc, krever dette spesielle tilfellet nøye tolkning fordi standardforutsetninger kanskje ikke holder. Brukere bør kryssreferanser resultater med domeneekspertise og vurdere å konsultere ytterligere referanser eller verktøy for å validere resultatet under disse atypiske forholdene.
Dau Mau Ratio Calc referansedata
▾
| Produktkategori | Lav DAU/MAU | Sunn DAU/MAU | Eksepsjonell DAU/MAU |
|---|---|---|---|
| Sosialt / Meldinger | Under 40 % | 50–65 % | 65 %+ |
| Gaming | Under 15 % | 20–35 % | 35 %+ |
| Produktivitet / SaaS | Under 15 % | 25–40 % | 40 %+ |
| Nyheter / Media | Under 10 % | 15–30 % | 30 %+ |
| E-handel | Under 3 % | 5–15 % | 15 %+ |
| Finans / Bank | Under 5 % | 10–20 % | 20 %+ |
| Helse / Fitness | Under 10 % | 20–35 % | 35 %+ |
Ofte stilte spørsmål
▾
Dette gjelder dau mau ratio calc beregninger. Dette er en viktig faktor når du arbeider med dau mau ratio calc-beregninger i praktiske applikasjoner. Svaret avhenger av de spesifikke inngangsverdiene og konteksten som beregningen brukes i. For best resultat bør brukere vurdere sine spesifikke krav og validere resultatet mot kjente standarder eller profesjonelle standarder.
Dette gjelder dau mau ratio calc beregninger. Dette er en viktig faktor når du arbeider med dau mau ratio calc-beregninger i praktiske applikasjoner. Svaret avhenger av de spesifikke inngangsverdiene og konteksten som beregningen brukes i. For best resultat bør brukere vurdere sine spesifikke krav og validere resultatet mot kjente standarder eller profesjonelle standarder.
Dette gjelder dau mau ratio calc beregninger. Dette er en viktig faktor når du arbeider med dau mau ratio calc-beregninger i praktiske applikasjoner. Svaret avhenger av de spesifikke inngangsverdiene og konteksten som beregningen brukes i. For best resultat bør brukere vurdere sine spesifikke krav og validere resultatet mot kjente standarder eller profesjonelle standarder.
Dette gjelder dau mau ratio calc beregninger. Dette er en viktig faktor når du arbeider med dau mau ratio calc-beregninger i praktiske applikasjoner. Svaret avhenger av de spesifikke inngangsverdiene og konteksten som beregningen brukes i. For best resultat bør brukere vurdere sine spesifikke krav og validere resultatet mot kjente standarder eller profesjonelle standarder.
Dette gjelder dau mau ratio calc beregninger. Dette er en viktig faktor når du arbeider med dau mau ratio calc-beregninger i praktiske applikasjoner. Svaret avhenger av de spesifikke inngangsverdiene og konteksten som beregningen brukes i. For best resultat bør brukere vurdere sine spesifikke krav og validere resultatet mot kjente standarder eller profesjonelle standarder.
Dette gjelder dau mau ratio calc beregninger. Dette er en viktig faktor når du arbeider med dau mau ratio calc-beregninger i praktiske applikasjoner. Svaret avhenger av de spesifikke inngangsverdiene og konteksten som beregningen brukes i. For best resultat bør brukere vurdere sine spesifikke krav og validere resultatet mot kjente standarder eller profesjonelle standarder.
Dette gjelder dau mau ratio calc beregninger. Dette er en viktig faktor når du arbeider med dau mau ratio calc-beregninger i praktiske applikasjoner. Svaret avhenger av de spesifikke inngangsverdiene og konteksten som beregningen brukes i. For best resultat bør brukere vurdere sine spesifikke krav og validere resultatet mot kjente standarder eller profesjonelle standarder.
Vanlige feil å unngå
▾
- !Sammenligning av DAU/MAU på tvers av ulike produktkategorier uten kategoritilpassede benchmarks
- !Å telle appen åpnes som "aktiv" i stedet for meningsfulle handlinger - blåser opp forholdet misvisende
- !Sporing av DAU/MAU uten også å spore øktdybde og NPS – høyt forhold kan maskere grunt engasjement
- !Segmenterer ikke DAU/MAU etter kohort – nyere kohorter kan ha en annen klebrighet enn eldre
- !Ignorerer ukentlig sesongvariasjon — B2B-produkter har naturligvis lavere DAU/MAU i helgene
- !Ikke sammenligne DAU/MAU-trendretning sammen med absolutt nivå - et synkende forhold signaliserer problemer selv om det absolutte nivået er høyt
Pro Tips
Segment DAU/MAU by user cohort (acquisition month) rather than looking at blended averages. Hvis de nyere kohortene dine har dramatisk lavere DAU/MAU enn eldre kohorter, kan det hende du anskaffer brukere av lavere kvalitet eller ombordstigningsopplevelsen din har blitt dårligere.
Visste du?
Snapchats IPO-prospekt i 2017 avslørte et DAU/MAU-forhold på 54 % – høyere enn Facebook på den tiden – som ble sitert som bevis på eksepsjonell produkt-klistrelighet blant den yngre brukerbasen.
Regional Guides
▾
Global▾
Referanser
- ›Facebooks årsrapporter — DAP/MAP-avsløring
- ›Sequoia Capital — Product Metrics Framework
- ›Andreessen Horowitz — a16z Benchmarks for forbrukerprodukter
- ›OpenView-partnere — SaaS Engagement Benchmarks
Ratings & comments
Få ukentlige mattetips
Bli med 12 000+-abonnenter som får kalkulatortips hver uke.