是什么 DAU/MAU Ratio Calculator?
▾
DAU/MAU 比率（每日活跃用户除以每月活跃用户）是衡量数字产品粘性的关键参与度指标 - 每月用户在任何一天与该产品互动的比例。也称为“粘性比”，它表明产品对其用户的习惯性和不可或缺性的程度。 DAU/MAU 为 50% 意味着每月活跃用户平均每月使用该产品 15 天。理论上，100% 的比率意味着每个月度用户每天都会参与——理论上的最大值。 DAU/MAU 基准因产品类别而异。社交和通讯产品（WhatsApp、Facebook、Slack）的目标是 60% 至 80% 以上的 DAU/MAU，因为它们的实用性本质上是日常的。游戏应用程序的目标是 20% 到 40%。生产力工具的目标是 25% 到 50%，具体取决于用例。电子商务和按需服务通常占 5% 到 15%，因为购买本身并不频繁。金融/银行应用程序占 10% 至 20%。将金融科技应用程序的 12% DAU/MAU 与 Facebook 的 65% 进行比较是没有意义的——合适的基准完全取决于产品类别和预期使用频率。 DAU/MAU 的计算方法是将特定日期的活跃唯一用户数 (DAU) 除以过去 30 天内的活跃唯一用户数 (MAU)，然后乘以 100 得到百分比。 “活跃”的定义必须精确且一致地定义——通常是“执行至少一项有意义的操作”（不仅仅是打开应用程序）。 DAU/MAU 与留存曲线密切相关：DAU/MAU 高但 D30 留存率低表明用户在第一个月的参与度较高，但无法长期留存。高 D30 留存率和低 DAU/MAU 表明保留了用户，但参与度不高——存在流失和低变现风险。提高 DAU/MAU 需要建立日常使用习惯：通知、条纹、社交互惠、每日新鲜内容或将产品嵌入到日常工作流程中。
Calkulon makes complex calculations simple — built for students and everyday problem-solvers.
公式
▾
DAU/MAU 比率 (%) = (日活跃用户 / 月活跃用户) × 100。此公式通过输入变量的数学关系来计算 DAU MAU 比率。每个组件代表一个可以独立验证的可测量数量。变量说明
▾
| 符号 | 名称 | 单位 | 描述 |
|---|---|---|---|
| DAU | 唯一数量 | — | 特定日期活跃的唯一用户数量（需要精确定义） |
| MAU | 唯一数量 | — | 过去 30 天内活跃的独立用户数 |
| Active Definition | 特定用户操作 | — | 符合“活动”资格的特定用户操作（不仅仅是应用程序打开） |
| Stickiness Ratio | DAU/MAU 的同义词 | — | DAU/MAU 的同义词 — 衡量习惯形成，这是 DAU MAU 比率计算中的关键参数，直接影响最终的计算结果 |
| Session Length | 平均每次时间 | — | 每个会话的平均时间 — DAU/MAU 的配套指标，它是 dau mau 比率计算中的关键参数，直接影响最终的计算结果 |
如何 DAU/MAU Ratio Calculator
▾
- 1收集所需的输入值：唯一数量、唯一数量、特定用户操作、DAU/MAU 的同义词。
- 2应用核心公式：DAU/MAU比率（%）=（日活跃用户/月活跃用户）×100。
- 3计算中间值，例如 WAU/MAU 比率 (%)（如果适用）。
- 4在组合术语之前验证所有单位是否一致。
- 5计算最终结果并审查其合理性。
- 6检查是否有任何特殊情况或边界条件适用于您的输入。
- 7在上下文中解释结果并与参考值（如果有）进行比较。
例题解析
▾
此示例通过计算 70% DAU/MAU 演示了 dau mau 比率计算 — 非常适合通信应用程序。堪比WhatsApp等顶级社交产品。强烈的日常习惯形成。社交通讯应用程序说明了一个典型的场景，其中计算器根据给定的输入生成实际有用的结果。
此示例通过计算 32.9% DAU/MAU 来演示 DAU MAU 比率计算 — 对于 B2B 生产力工具而言非常强大。用户每月参与的时间大约为 22 个工作日中的 10 天。健康的参与信号。B2B SaaS 项目管理工具说明了一个典型场景，其中计算器根据给定的输入生成实际有用的结果。
此示例通过计算 8.9% DAU/MAU 来演示 DAU MAU 比率计算 — 这对于购买频率本来就很低的电子商务来说是正常的。与购买频率基准进行比较，而不是与社交应用程序基准进行比较。电子商务市场说明了一个典型场景，其中计算器根据给定的输入生成实际有用的结果。
此示例通过计算 DAU/MAU 下降信号演示参与度侵蚀（流失波的前兆）来计算 Dau Mau 比率。通过群组保留分析和游戏内事件频率审查进行调查。游戏应用程序 DAU/MAU 下降分析说明了计算器根据给定输入生成实际有用结果的典型场景。
实际应用
▾
针对类别竞争对手对产品参与度进行基准测试 - 此应用程序通常由需要精确定量分析以支持各自领域的决策、预算和战略规划的专业人士使用
在影响保留率和收入之前识别参与度下降。行业从业者依靠此计算来对绩效进行基准测试、比较替代方案并确保符合既定标准和监管要求，从而帮助分析师生成准确的结果，以支持跨组织的战略规划、资源分配和绩效基准测试
根据 DAU/MAU 的改进来证明对习惯养成功能的产品投资的合理性。学术研究人员和学生使用这种计算来验证理论模型、完成课程作业并加深对基本数学原理的理解
使用行业标准指标向投资者和董事会报告产品健康状况。财务分析师和规划人员将此计算纳入其工作流程中，以生成准确的预测、评估风险场景并向利益相关者提供数据驱动的建议
将 DAU/MAU 目标设置为产品 OKR 的一部分。此应用程序通常由需要精确定量分析以支持各自领域的决策、预算和战略规划的专业人士使用
特殊情况
▾
市场产品：单独的买家 DAU/MAU 和卖家 DAU/MAU - 他们有
市场产品：单独的买方 DAU/MAU 和卖方 DAU/MAU — 它们具有根本不同的使用模式 在 dau mau 比率计算中遇到这种情况时，用户应验证其输入值是否在公式的预期范围内，以产生有意义的结果。超出范围的输入可能会导致数学上有效但实际上毫无意义的输出，这些输出不反映现实世界的条件。
季节性产品：DAU/MAU随季节性波动；而是使用同比比较
季节性产品：DAU/MAU随季节性波动；使用同比比较而不是环比 这种边缘情况经常出现在涉及边界条件或极值的 dau mau 比率计算的专业应用中。从业者应记录这种情况何时发生，并考虑替代计算方法或调整因子是否更适合其特定用例。
B2B企业工具：工作日调整后的DAU/WAU（工作日活跃用户/
B2B企业工具：工作日调整后的DAU/WAU（工作日活跃用户/每周活跃用户）更有意义在dau mau比率计算的背景下，这种特殊情况需要仔细解释，因为标准假设可能不成立。用户应将结果与领域专业知识交叉引用，并考虑查阅其他参考资料或工具来验证这些非典型条件下的输出。
Dau Mau Ratio Calc 参考数据
▾
| 产品类别 | 低日活跃用户/月活跃用户 | 健康的日活跃用户/月活跃用户 | 出色的日活跃用户/月活跃用户 |
|---|---|---|---|
| 社交/消息传递 | 40%以下 | 50 - 65% | 65%+ |
| 赌博 | 15%以下 | 20 - 35% | 35%+ |
| 生产力/SaaS | 15%以下 | 25 - 40% | 40%+ |
| 新闻/媒体 | 10%以下 | 15 - 30% | 30%+ |
| 电子商务 | 3%以下 | 5 - 15% | 15%+ |
| 金融/银行 | 5%以下 | 10 - 20% | 20%+ |
| 健康/健身 | 10%以下 | 20 - 35% | 35%+ |
常见问题
▾
这与 dau mau 比率计算有关。在实际应用中进行 dau mau 比率计算时，这是一个重要的考虑因素。答案取决于具体的输入值和应用计算的上下文。为了获得最佳结果，用户应考虑他们的具体要求，并根据已知基准或专业标准验证输出。
这与 dau mau 比率计算有关。在实际应用中进行 dau mau 比率计算时，这是一个重要的考虑因素。答案取决于具体的输入值和应用计算的上下文。为了获得最佳结果，用户应考虑他们的具体要求，并根据已知基准或专业标准验证输出。
这与 dau mau 比率计算有关。在实际应用中进行 dau mau 比率计算时，这是一个重要的考虑因素。答案取决于具体的输入值和应用计算的上下文。为了获得最佳结果，用户应考虑他们的具体要求，并根据已知基准或专业标准验证输出。
这与 dau mau 比率计算有关。在实际应用中进行 dau mau 比率计算时，这是一个重要的考虑因素。答案取决于具体的输入值和应用计算的上下文。为了获得最佳结果，用户应考虑他们的具体要求，并根据已知基准或专业标准验证输出。
这与 dau mau 比率计算有关。在实际应用中进行 dau mau 比率计算时，这是一个重要的考虑因素。答案取决于具体的输入值和应用计算的上下文。为了获得最佳结果，用户应考虑他们的具体要求，并根据已知基准或专业标准验证输出。
这与 dau mau 比率计算有关。在实际应用中进行 dau mau 比率计算时，这是一个重要的考虑因素。答案取决于具体的输入值和应用计算的上下文。为了获得最佳结果，用户应考虑他们的具体要求，并根据已知基准或专业标准验证输出。
这与 dau mau 比率计算有关。在实际应用中进行 dau mau 比率计算时，这是一个重要的考虑因素。答案取决于具体的输入值和应用计算的上下文。为了获得最佳结果，用户应考虑他们的具体要求，并根据已知基准或专业标准验证输出。
常见错误注意事项
▾
- !在没有适合类别的基准的情况下比较不同产品类别的 DAU/MAU
- !将应用程序打开计数为“活跃”而不是有意义的操作 - 误导性地夸大比率
- !跟踪 DAU/MAU，而不跟踪会话深度和 NPS — 高比率可能会掩盖浅度参与度
- !不按群组细分 DAU/MAU - 新群组可能与旧群组具有不同的粘性
- !忽略每周季节性——B2B 产品周末的 DAU/MAU 自然较低
- !不将 DAU/MAU 趋势方向与绝对水平进行比较 - 即使绝对水平很高，比率下降也表明存在问题
专业提示
按用户群组（获取月份）细分 DAU/MAU，而不是查看混合平均值。如果您的新群组的 DAU/MAU 显着低于旧群组，则您可能会获得质量较低的用户，或者您的入职体验会下降。
你知道吗？
Snapchat 2017 年的 IPO 招股说明书显示，DAU/MAU 比率为 54%，高于当时的 Facebook，这被认为是其年轻用户群中卓越的产品粘性的证据。
Regional Guides
▾
Global▾
参考资料
- ›Facebook 年度报告 — DAP/MAP 披露
- ›红杉资本——产品指标框架
- ›Andreessen Horowitz — a16z 消费产品基准
- ›OpenView 合作伙伴 — SaaS 参与基准
Ratings & comments
获取每周数学提示
加入 12,000+ 订阅者，每周都会获得计算器提示。