Какие основные продуктовые метрики вы знаете? Объясните разницу между DAU, WAU и MAU.?

Основные продуктовые метрики и разница между DAU, WAU, MAU

DAU, WAU, MAU: ключевые метрики активности

DAU (Daily Active Users) — количество уникальных пользователей, совершивших хотя бы одно действие за день.

WAU (Weekly Active Users) — количество уникальных пользователей, совершивших действие за неделю.

MAU (Monthly Active Users) — количество уникальных пользователей, совершивших действие за месяц.

Практический пример

Понедельник: пользователи A, B, C
Вторник: пользователи B, C, D
Среда: пользователи A, D, E
Четверг-суббота: нет активности
Воскресенье: пользователь A

DAU (в понедельник): 3 (A, B, C)
WAU (вся неделя): 5 (A, B, C, D, E)
MAU (весь месяц): зависит от других недель

Разница между метриками

SQL для расчёта DAU, WAU, MAU

WITH daily_users AS (
  SELECT 
    DATE(event_timestamp) as event_date,
    COUNT(DISTINCT user_id) as dau
  FROM events
  WHERE event_timestamp >= DATE_SUB(CURRENT_DATE, INTERVAL 90 DAY)
  GROUP BY event_date
),
weekly_users AS (
  SELECT 
    DATE_TRUNC(event_timestamp, WEEK) as week_start,
    COUNT(DISTINCT user_id) as wau
  FROM events
  WHERE event_timestamp >= DATE_SUB(CURRENT_DATE, INTERVAL 90 DAY)
  GROUP BY week_start
),
monthly_users AS (
  SELECT 
    DATE_TRUNC(event_timestamp, MONTH) as month_start,
    COUNT(DISTINCT user_id) as mau
  FROM events
  WHERE event_timestamp >= DATE_SUB(CURRENT_DATE, INTERVAL 12 MONTH)
  GROUP BY month_start
)
SELECT 
  d.event_date,
  d.dau,
  w.wau,
  m.mau,
  ROUND(100.0 * d.dau / NULLIF(w.wau, 0), 2) as dau_to_wau_ratio,
  ROUND(100.0 * w.wau / NULLIF(m.mau, 0), 2) as wau_to_mau_ratio
FROM daily_users d
LEFT JOIN weekly_users w ON DATE_TRUNC(d.event_date, WEEK) = w.week_start
LEFT JOIN monthly_users m ON DATE_TRUNC(d.event_date, MONTH) = m.month_start
ORDER BY d.event_date DESC;

Другие важные продуктовые метрики

1. Engagement метрики

• Session Length — среднее время сессии
• Session Frequency — количество сессий на пользователя
• Stickiness Ratio (DAU/MAU) — какой % MAU активен ежедневно
  • < 20% — низкая вовлечённость
  • 20-40% — средняя

  • 40% — высокая (e.g., TikTok, WhatsApp)

2. Конверсионные метрики

• Conversion Rate = (Покупки / Визиты) × 100%
• CAC (Customer Acquisition Cost) = Маркетинг расходы / Новые клиенты
• LTV (Lifetime Value) = Средний доход за время жизни клиента
• LTV/CAC — должен быть > 3 для здорового бизнеса

3. Retention метрики

• Day 1 Retention — % пользователей, вернувшихся на 2-й день
• Day 7 Retention — % вернувшихся на 8-й день
• Day 30 Retention — % вернувшихся на 31-й день
• Churn Rate — % ушедших пользователей

4. Монетизационные метрики

• ARPU (Average Revenue Per User) = Общий доход / Кол-во пользователей
• ARPPU (Average Revenue Per Paying User) = Доход / Платящие пользователи
• Paying User Ratio = Платящие / Всего пользователей

5. Network метрики (социальные продукты)

• DAU/MAU Ratio — активность пула
• Referral Rate — % привлечённых друзьями
• Viral Coefficient — среднее число новых юзеров на одного

Как интерпретировать DAU/WAU/MAU

Сценарий 1: Здоровый рост

Текущий месяц:  MAU = 100,000, DAU = 40,000
Следующий месяц: MAU = 120,000, DAU = 50,000
Вывод: +20% MAU, +25% DAU — продукт растёт

Сценарий 2: Проблема с retention

Декабрь:  MAU = 100,000, DAU = 60,000 (60% stickiness)
Январь:  MAU = 105,000, DAU = 40,000 (38% stickiness)
Вывод: MAU растёт (+5%), но DAU падает (-33%) — потеря engagement
Диагноз: нужно улучшать retention, вероятно баг или плохой update

Сценарий 3: Сезонность

Лето:  MAU = 80,000, DAU = 35,000
Зима:  MAU = 120,000, DAU = 60,000
Вывод: сезонный продукт (напр., обучение перед экзаменами)

Взаимосвязь метрик

DAU/MAU Ratio = Stickiness
- < 10% — очень низкая (напр., новогодние приложения)
- 10-25% — низкая (e.g., медиа, новости)
- 25-50% — средняя (e.g., e-commerce, образование)
- > 50% — высокая (e.g., мессенджеры, соцсети)

SQL для анализа трендов

WITH daily_stats AS (
  SELECT 
    DATE(event_timestamp) as day,
    COUNT(DISTINCT user_id) as dau,
    COUNT(DISTINCT session_id) as sessions,
    AVG(session_duration) as avg_session_length
  FROM events
  GROUP BY day
)
SELECT 
  day,
  dau,
  LAG(dau) OVER (ORDER BY day) as dau_prev_day,
  ROUND(100.0 * (dau - LAG(dau) OVER (ORDER BY day)) / LAG(dau) OVER (ORDER BY day), 2) as dau_growth_pct,
  sessions,
  ROUND(avg_session_length, 1) as avg_session_min
FROM daily_stats
WHERE day >= DATE_SUB(CURRENT_DATE, INTERVAL 30 DAY)
ORDER BY day DESC;

Практические примеры по индустриям

Мобильное приложение (игра)

• DAU важен, часто > 1 млн
• DAU/MAU > 40% → признак хорошей игры
• Метрика: Session Length должна быть > 10 минут

E-commerce

• DAU может быть > 100K (зависит от размера)
• DAU/MAU обычно 15-30%
• Важнее: Conversion Rate и LTV

SaaS

• DAU может быть < MAU/10 (люди не каждый день используют)
• DAU/MAU 20-40% — здоровый показатель
• Важнее: Churn Rate, Retention по дням

Инструменты для мониторинга

• Amplitude — трендовые метрики, когорты
• Mixpanel — funnel, retention, жизненный цикл
• Google Analytics 4 — DAU/MAU, engagement
• Dashboards (Tableau, Looker) — custom метрики

Роль Product Analyst

Product Analyst должен:

1. Выбрать правильные метрики для продукта
2. Отслеживать DAU/WAU/MAU регулярно (ежедневно/еженедельно)
3. Анализировать тренды — рост, падение, сезонность
4. Выявлять проблемы — пики, провалы, аномалии
5. Рекомендовать действия на основе данных

Делать выводы только по одной метрике опасно — нужно смотреть комплекс показателей и контекст бизнеса.