製品ユーザーの定着率を高めるにはどうすればよいでしょうか?

最近、ユーザー定着率の指標について問い合わせるお客様が増えていますが、その中で最もよく使われる指標がDAU/MAUです。デイリーアクティブユーザーとマンスリーアクティブユーザーの比率が高いほど、アプリに対するユーザーの粘着性が高くなります。

DAU（Daily Active User）は、1日あたりのアクティブユーザー数を指します。

MAU（月間アクティブユーザー）は、月間アクティブユーザー数を指します。

極端な見方をすると、毎日同じユーザーがアクティブで、例えば毎日10,000人のDAUがいる場合、この10,000人のユーザーが30日以内に毎日アクティブになり、MAUも10,000人なので、DAU/MAUは100％となり、ユーザーの粘着性が上限に達します。WeChatは100％に近い例です。

もうひとつの極端な例を分析してみましょう。1 日あたりのアクティブ ユーザー数が異なっている場合、たとえば 1 日あたり 10,000 DAU の場合、30 日以内に 1 日あたりのアクティブ ユーザー数が異なり、MAU は 300,000 で、DAU/MAU は 1/30 であり、ユーザーにはまったく粘着性がありません。

一般的なアプリの場合、ユーザーのスティッキネスは 3% から 100% の範囲です。異なる分野のアプリでは、ベンチマーク値も異なります。たとえば、モバイルゲームでは 20% を基準値として使用しますが、ツールアプリでは 40% を基準値として使用します。

日々のプロジェクトやプロダクトの運用においては、日々のDAU/MAUの値はサイクル（平日/週末）やバージョンアップ、アクティビティの影響を受け、ユーザーのスティッキネスは短期的には大きく変動することが多いです。したがって、通常は 1 か月間や 2 つのメジャー バージョン間などの長期平均を基準として使用する必要があります。

ある顧客アプリを例に挙げると、平日のDAU/MAU値は約50%ですが、週末や休日の値は20%程度です。ユーザーの粘着性について言えば、 DAU/MAUの1 日の平均値は通常 39.37% であり、これはベースライン値の 40% に非常に近い値です。

アルゴリズムのさらなる議論:

現在主流のアルゴリズムでは、昨日の DAU と過去 30 日間の MAU が使用されます。たとえば、今日が 8 月 31 日の場合、DAU は 8 月 30 日、MAU は 8 月 1 日から 30 日までになります。このアルゴリズムの利点は、DAU と MAU が同じ日に計算されるため、計算が簡単になる点です。欠点は、MAU における 30 日間の期間の最終日の DAU の割合のみが計算されることです。多くの厳格な顧客は、なぜ他の日付の DAU を選択できないのかと尋ねます。

たとえば、完全なサイクルの最初の日の DAU1 を分子として、それを MAU で割ると、スティッキネスの別の解釈が得られます。30 日以内の任意の日のアクティブ ユーザーの割合は、ユーザーのスティッキネスの定義、つまり DAU1/MAU、DAU2/MAU、DAU3/MAU になります...

上記の顧客のDAU1/MAU粘着性を再計算すると、結果は39.41％となり、従来の定義とあまり変わりません。同様にDAU2/MAU、DAU2/MAUなどを計算しても、数値結果に大きな違いはありません。

さらに追跡すると、30 日間の期間内の各 DAUn を MAU で割った値も明らかな変動を示しています。ここでの変動傾向は、30 DAUの傾向と一致しています（同じ値で割っただけです）

上記の DAU1/MAU から DAU30/MAU までを 1 つずつ合計すると、もう 1 つのよく使用される指標が得られます。それは、1 人あたりの月間アクティブ日数の平均であり、ユーザーの粘着性を評価するための指標でもあります。

では、1人あたりの平均アクティブ日数とDAU/MAUの相関関係はどの程度でしょうか?

1 人あたり 1 か月あたりの平均アクティブ日数は、30 DAU を 1 MAU で割った値であり、ユーザーの粘着性は 1 DAU を MAU で割った値であるため、当然、両者の大きさは 30 倍ほど異なります。

平均月間アクティブ日数とユーザー粘着性 DAU/MAU を 30 で割って比較すると、基本的に同じ傾向であることがわかりました。違いは、変動の振幅と応答時間のわずかな遅れにあります。数値的に見ると、30 日間の月におけるアクティブ日数の平均は 11.93 日です。これを 30 で割ると、結果は 0.3977 となり、これは DAU/MAU の 39.37% に非常に近くなります。そのため、仕事で月間平均アクティブ日数とDAU/MAUを使用しても同様の効果が得られます。

著者: Analysys International、 Qinggua Media より出版許可。

出典: アナリシス・インターナショナル