Что такое dau mau

Обзор метрик мобильного приложения

Итак, вы опубликовали в сторе своё первое приложение. Начались первые скачивания, и сейчас самое время начать снимать метрики, чтобы проанализировать их и выявить возможные слабые места. Аналитика — важнейший инструмент в мире мобильных приложений. Она позволяет понять психологию пользователя, понять, как он взаимодействует с мобильным приложением, и в результате поможет сделать ваше детище лучше и прибыльнее.

Метрик может быть очень много, и обычно их набор зависит от конкретного приложения. Но есть ряд основных показателей, которые необходимо отслеживать вне зависимости от характера и масштаба вашего проекта. К ним относятся:

Источник установки приложения

Очень важная метрика, позволяющая понять эффективность того или иного рекламного канала. Можно достаточно просто отследить рекламный канал, принцип тот же, как и в случае с переходом на веб-сайт: в ссылку, ведущую в магазин приложений, вставляются специальные метки, уникальные для каждого из рекламных каналов. После установки приложение считывает эти метки и фиксирует источник. Далее этот источник отобразится в системе аналитики, которую вы используете.

Удержание пользователей

Здесь используется целый ряд метрик. После того, как пользователь поставил и запустил приложение, он оценивает, нравится ли оно ему. Если нет, он его сразу удалит или закроет и забудет. А вот если приложение пришлось по душе, то через некоторое время человек снова его запустит.

Чтобы оценить привлекательность для пользователей, чаще всего снимаются метрики:

Вычисляется по формуле:

1DR = X₁ / Z, где X₁ — количество пользователей, запустивших приложение на следующий день, Z — общее количество установивших.

Вычисляется по формуле:

7DR = X₇ / Z, где X₇ — количество пользователей, запустивших приложение на седьмой день, Z — общее количество установивших.

Вычисляется по формуле:

28DR = X₂₈ / Z, где X₂₈ — количество пользователей, запустивших приложение на седьмой день, Z — общее количество установивших.

Все три метрики снимаются ежедневно, при каждом запуске приложения сравниваются текущая дата и дата установки. Анализ динамики изменения каждой из метрик позволит также понимать реакцию пользователей на те или иные изменения, вносимые вами в приложение. Например, уровень 1-day retention обычно свидетельствует о том, как пользователи реагируют на интерфейс вашего приложения. И если этот показатель начал снижаться, то в первую очередь необходимо проверить, что не так с интерфейсом.

Следующей важной ежедневно снимаемой метрикой является прирост количества новых пользователей. Причём рекомендуется отслеживать изменение этого параметра при проведении рекламных кампаний, размещении обзорных статей, заключении партнёрских соглашений и т.д. В этом случае метрика выступает в роли эффективности всех этих телодвижений. Целесообразно накладывать на график количества новых пользователей не только даты, но и время установок, что поможет точнее оценить роль принимаемых вами мер по продвижению и рекламе. Также часто бывает полезно оценивать динамику в зависимости от географического разделения пользователей, а также отдельно по разным пользовательским сегментам.

Если динамика прироста будет отрицательная, то необходимо активнее заняться продвижением и рекламой. Подробнее об этом мы расскажем в одной из будущих публикаций.

Количество уникальных пользователей в течение определённого периода

Итак, вам удалось добиться более-менее устойчивого прироста аудитории, проект тепло принят пользователями и набирает популярность. Пора задуматься о степени активности пользователей: сколько человек в день запускают ваше приложение? А в неделю? В месяц? Причём речь идёт именно об уникальных пользователях. На эти вопросы отвечают три метрики:

Также можно вычислять производную метрику Sticky Factor = DAU/WAU или DAU/MAU. Её название можно перевести как «степень липкости». Она характеризует регулярность использования вашего приложения в течение недели или месяца, то есть позволяет оценить, насколько людям нравится ваше приложение на основании частоты использования. Если все пользователи будут запускать программу каждый день, то DAU будет равен и WAU, и MAU, а их отношение будет равно 100%. Но так не бывает, и потому Sticky Factor позволяет оценить, насколько часто люди обращаются к вашему приложению в течение недели или месяца. Логично, что снижение этих показателей — неприятный сигнал, говорящий об охлаждении аудитории.

Сессия

Сессия — это время, которое пользователь провел в мобильном приложении с момента запуска до окончания его использования. Применительно к сессиям снимается обычно две метрики:

ASL = T / N, где T — суммарная продолжительность сессий за период, N — общее количество сессий за тот же период.

Эта метрика может свидетельствовать о том, насколько интересно пользователю проводить время в приложении. То есть это косвенный критерий качества. Кроме того, если в вашем приложении есть платный контент, но с увеличением средней продолжительности сессии вырастает и вероятность того, что пользователь решит заплатить. В большинстве проектов платящие пользователи проводят в приложении больше времени, чем неплатящие.

Однако не стоит гнаться за высокими значениями этой метрики, потому что она сильно зависит от типа вашего приложения. Например, для игр данный показатель достаточно критичен, и чем он больше, тем лучше. А для приложений-виджетов или фитнес-трекеров данный показатель будет незначительным, поскольку по большей части они работают в фоновом режиме. Гораздо важнее знать, какие экраны в течение сессии посещал пользователь. Благодаря этой метрике вы можете определить наиболее интересные для пользователей разделы вашего приложения. А заодно и узнаете, какие можно вовсе убрать и в дальнейшем не заниматься их развитием.

Очень полезная метрика — на каком экране заканчивается сессия пользователя. Этот показатель важен, например, если у вас в приложении есть авторизация. Она зачастую отпугивает пользователей, особенно если приложение не дает посмотреть контент, а сначала требует логин и пароль. В этом случае сессия будет чаще всего обрываться на экране регистрации. Если вы добавите какой-то контент до авторизации, то благодаря этой метрике сразу увидите результат.

Другой пример: если у вас есть форма заказа товара, состоящая из 3-4 экранов, то эта метрика покажет, на каком шаге большинство пользователей покидает приложение. В качестве решения уменьшите количество шагов, оптимизируете их порядок или оформление.

Взаимодействия с элементами интерфейса

Пытаясь поднять значения тех или иных метрик, очень часто приходится корректировать пользовательский интерфейс и менять функциональность программы. Оценить эффективность этих шагов можно с помощью A/B-тестирования (тестирование в режиме реального времени, когда группе пользователей предлагается одна версия функциональности/контента, а остальным пользователей — другая версия). В нашем случае тестирование подразумевает выкатывание новой версии приложения с изменённым UI для некоторой контрольной группы пользователей. Остальные продолжают пользоваться текущей версией. И мы регистрируем, как контрольная группа реагирует на нововведения, снимая метрики взаимодействия с интерфейсом приложения: например, какая из двух кнопок даёт бо̒льшую конверсию в покупку, в каком месте лучше показать popup с просьбой оставить отзыв о приложении, и т.д. Также можно воспользоваться для проведения A/B-тестирования сторонними сервисами, например, Apptimize, Optimizely, Mixpanel.

С помощью собранной статистики вы также сможете узнать, насколько востребованы те или иные функции приложения, какая часть пользователей взаимодействует с приложением без подключения к сети, и многое другое.

Финансы

Это одна из самых интересных и важных групп метрик. Если вы планируете зарабатывать с помощью вашего приложения, то нужно уделить самое пристальное внимание регистрации этих метрик и контролю за динамикой их изменения.

Первое, что приходит в голову — общая сумма платежей за период, Gross. Однако имейте в виду, что это брутто-доход, из которого придётся ещё вычесть долю магазина, через который вы распространяете приложение. А вот после вычета мы получаем метрику Revenue, которая отражает сумму, поступающую на ваш счёт.

Допустим, само ваше приложение бесплатное, но часть контента доступна только за деньги — вы распространяете его по модели in-app purchases. Для развития приложения и увеличения дохода нам нужно знать, сколько уникальных пользователей платят в течение заданного периода. Например, сколько человек в месяц купили игровые жетоны, золотые снаряды, более мощные заклинания, доступ к расширенной аналитике, красивому оформлению или другие предлагаемые вами платные вкусности.

Следующая метрика является производной от предыдущей: какую долю составляют плательщики от общего количества уникальных пользователей (за период), Paying Share. Наш недостижимый идеал — 100%. Хотя в реальности всё обычно гораздо скромнее. Если этот показатель начинает падать, значит пользователи уже пресытились имеющимся платным контентом, и пора либо разнообразить его, либо поиграть со скидками. По последнему пункту существует много разных тактик. Например, можно давать скидки по выходным и в праздники. Можно создать ажиотаж, временно обрушив цены, а как только количество скачиваний существенно вырастет, снова вернуть цены на прежний уровень. Можно давать скидки по купонам, можно предлагать выполнить какой-то простой квест. Ещё вариант: «скидка первым 5 000 скачавших в ночь на Ивана Купалу». Если в вашем портфеле есть и другие приложения с платным контентом, то можно использовать пакетные скидки при скачивании двух и более ваших продуктов. В общем, вариантов использования скидок существует немало.

Помимо количества плательщиков нас интересует и удельное количество платежей на одного пользователя, Transactions by User. Эта метрика вычисляется по формуле:

TBU = T / PU, где T — общее количество платежей (транзакций) за какой-то период, PU (paying users) — общее количество плательщиков за тот же период.

Если TBU > 1, значит часть пользователей делали более одной покупки.

Следующие важные метрики ARPU и ARPPU:

ARPU = Gross / DAU, или Gross/WAU, или Gross/MAU.

ARPPU = Gross/PU, где PU — общее количество уникальных пользователей, заплативших за контент в приложении в течение какого-то периода.

Эта метрика позволяет оценить удельную прибыльность этого сегмента вашей аудитории. А динамика изменения ARPPU даёт нам сигнал об отношении плательщиков к ценам/качеству платного контента. К примеру, снижение цен приведёт к уменьшению ARPPU, но может поднять ARPU, так как могут начать покупать некоторые из пользователей, которых раньше не устраивал уровень цен. И в результате повысится эффективность проекта в целом. Но всё же это не лучший сценарий, куда лучше добиться одновременно роста обеих указанных метрик. Скажем, повысив заинтересованность аудитории с помощью нового или более качественного контента без снижения цен.

Зависимость изменения Paying Share и ARPPU:

Говоря о получаемой с пользователей прибыли нельзя забывать и о том, во сколько нам обходится их привлечение. В конце концов, первое должно быть больше второго, иначе какой во всём этом смысл? В качестве метрики здесь используется стоимость одной установки приложения (CPI, Cost per Install). Вычисляется по формуле:

CPI = A/I, где А — стоимость рекламы, продвижения и маркетинга, I — количество установок приложений.

Эту метрику можно вычислять как за всё время существования проекта, вычисляя текущую стоимость привлечения пользователя, так и за определённые периоды, определяя эффективность конкретных рекламных кампаний или мер по продвижению приложения.

И завершаем наш обзор метрикой LTV (Lifetime Value) — это удельная прибыльность пользователя на протяжении всего периода использования им приложения. Существует масса способов вычисления LTV, но для начала вы можете воспользоваться такой формулой:

LTV = ARPU * Lifetime, где Lifetime — это усреднённая продолжительность использования приложения начиная с первого запуска и кончая последним. Скажем, если пользователь впервые зашёл в приложение 1 января, а последний раз — 15 августа и больше им не пользовался, то для него Lifetime равен 7,5 месяцев. Просуммировав Lifetime для всех пользователей и разделив на их общее количество, мы получим среднее значение этой метрики, которое и будет использовано при расчёте LTV.

Эта метрика — один из краеугольных параметров для оценки эффективности вашего проекта. Если LTV меньше CPI, то проект убыточен безо всяких «если» и «давайте взглянем в другом разрезе»: вы потратили на привлечение пользователя больше, чем получили с него за всё время, что он пользовался вашим приложением. Поэтому LTV необходимо постоянно отслеживать и сразу реагировать на тенденцию к снижению этой метрики. Очевидно, что повысить LTV можно с помощью одного или обоих множителей, добившись увеличения средней прибыли с пользователя за период и/или увеличения средней продолжительности использования приложения. Например, можно уменьшить отток пользователей, повысив привлекательность приложения; снизить затраты на привлечение, выбрав более эффективные каналы; увеличить стоимость покупок, подняв цены и стимулируя потребность в платном контенте.

Напоследок хотим привести пример метрик для двух популярных игр: Mobile Strike и Clash of Clans. Приведены суммарные данные по версиям для Android и iOS в США. Если вы делаете мобильные игры, то можете ориентироваться на их метрики, как на топовые продукты в этом классе приложений:

Недельное количество уникальных активных пользователей (WAU):

Соотношение дневного и недельного количеств активных пользователей (DAU/WAU):

Матрица двух показателей — 30-day retention и частота использования в неделю — для разных категорий приложений по версии системы аналитики Flurry:

О системах аналитики

Их существует достаточно большое количество, но наибольшей популярностью у разработчиков мобильных приложений пользуются Google Analytics, Flurry и App Annie. На первое время вам будет более чем достаточно их возможностей. Все инструменты предлагают разработчикам SDK для iOS, Android и Windows Phone, которые легко интегрируются в готовый проект. Рассмотрим подробнее.

Google Analytics

Google Analytics — очень мощный и совершенно бесплатный инструмент для снятия метрик и последующего анализа. Изначально он создавался для веб-приложений и сайтов различного уровня сложности, поэтому не очень удобен в использовании мобильными приложениями, однако с решением базовых задач справляется «на ура».

Мобильным разработчикам особенно интересен раздел «В режиме реального времени». Здесь можно в режиме онлайн посмотреть количество пользователей мобильного приложения, а также события, отслеживание которых вы настроите.

В целом Google Analytics больше всего подходит программистам и инди-разработчикам.

Flurry

Этот инструмент изначально создавался для мобильных приложений, поэтому с ними он удобнее в использовании. Как и Google Analytics, Flurry бесплатен в использовании. Интерфейс не выглядит слишком нагромождённым, в этом явный плюс по сравнению с GA.

Во Flurry сделан упор на отслеживание поведения пользователя, поэтому большинство отчетов «из коробки» так или иначе связаны с этим направлением.

Этот инструмент больше подойдёт для маркетологов и аналитиков.

App Annie

У этого сервиса есть бесплатная базовая функциональность, которой достаточно для начинающих разработчиков. Но если вы захотите снимать более широкий набор метрик, то придётся заплатить. Классический интерфейс: слева расположена панель навигации, а контент удобно скомпонован.

В целом этот сервис может быть одинаково полезен и разработчикам, а маркетологам с аналитиками.

Google Analytics и Flurry предоставляют весь необходимый базовый инструментарий для мониторинга мобильных приложений. Бесплатный функционал App Annie несколько ограничен, зато у них есть две платные программы с гораздо более широкими возможностями — для средних компаний и Enterprise.

Резюме

Аналитика мобильного приложения — очень важная часть жизненного цикла проекта. Для индивидуальных разработчиков и небольших студий жизненно необходимо держать руку на пульсе своих проектов, пестовать их и сразу же реагировать на негативные сигналы, проявляющиеся в ухудшении значений метрик, когда на старте и глобальных вехах проекта важен каждый час.

Описанные системы аналитики — лишь часть арсенала средств, облегчающих работу многих студий и самостоятельных разработчиков. Сегодня создание успешных приложений требует ускорения процесса разработки, использования удобных и функциональных инструментов. Исходя из этого мы и развиваем Scorocode, превращая его в полезный, а для кого-то и незаменимый инструмент разработки мобильных приложений.

Источник

Метрика MAU: как посчитать число уникальных пользователей в продукте

Продуктовые метрики помогают собирать информацию о работе приложения и его аудитории, позволяют избежать ситуации, когда никто не пользуется фичей, на разработку которой ушли месяцы.

Одна из наиболее важных продуктовых метрик — MAU (Monthly Active Users). Если MAU растет, значит, пользователям нравится продукт и они готовы платить за дополнительные опции. Если уменьшается — популярность продукта падает, нужно искать причину потери интереса к нему.

В статье разберем, зачем анализировать продуктовые метрики, как MAU помогает в развитии продукта и как ее считать. А также поговорим о других продуктовых показателях — WAU и DAU, PCU, ACU, и дадим бесплатный шаблон для расчета продуктовых метрик.

Зачем анализировать продуктовые метрики

Продуктовые метрики — показатели, которые отражают уровень успешности продукта.

При этом любая метрика сама по себе — просто число, которое не дает важной информации. Чтобы от нее была польза, нужно отслеживать показатели в динамике. Вы выбираете конкретный промежуток и анализируете, как менялась метрика в течение этого времени, что происходило с другими показателями.

Спасибо! Мы уже отправили всё на почту

Продуктовые метрики используют, чтобы:

Предположим, вы создали сервис, который информирует автомобилистов об авариях на дорогах. Глубинные интервью показали, что продукт востребован на рынке, но на деле отток пользователей оказался слишком большим. В данном случае анализ продуктовых метрик поможет определить, где в продукте слабое место. Выбор метрик зависит от целей бизнеса:

Метрика MAU

MAU (Monthly Active Users) — количество уникальных пользователей за месяц без учета повторных сессий.

При анализе MAU часто допускают ошибку — принимают всех посетителей за активных пользователей. Из-за этого не получается объективно анализировать аудиторию и принимать стратегические решения по развитию продукта.

MAU = количество уникальных пользователей приложения за месяц. MAU ≠ количество запусков приложения в течение месяца.

Зачем считать MAU-метрику

MAU-метрика помогает определить объем аудитории, которая пользуется продуктом. Если показатель MAU высокий, продукт популярен, у него сформирована постоянная активная аудитория. Если показатель MAU низкий, в приложении могут быть проблемы. Например, если в приложении неудобный интерфейс, это может стать причиной оттока пользователей.

Постоянный мониторинг метрики MAU позволяет проанализировать поведение аудитории и при необходимости спланировать мероприятия по повышению вовлеченности.

Как считать MAU-метрику

Определите количество уникальных пользователей за месяц, которые открывали приложение. Это и есть MAU.

Пример: приложение по обработке фото скачали 10 человек. Если каждый из них за месяц обработал хотя бы по одной фотографии, MAU будет равен 10. Если семеро обрабатывали фото несколько раз, а трое — ни разу, MAU будет равен 7.

Дополнительные показатели активности и вовлеченности пользователей

Помимо MAU есть другие метрики для анализа активности и вовлеченности пользователей: DAU, WAU, PCU и ACU. Постоянный анализ этих метрик помогает составить полное представление о том, как пользователи взаимодействуют с приложением и над чем нужно работать. Например, DAU показывает моментальную реакцию пользователей на запуск рекламы — если цифры быстро растут, значит, кампания эффективна.

DAU-метрика

DAU (Daily Active Users) — ежедневные активные пользователи. Метрика показывает, сколько человек ежедневно пользуются продуктом. Для онлайн-сервисов и мобильных приложений DAU традиционно считается показателем успешности.

Если приложение скачали миллион раз, это ни о чем не говорит, так как постоянными пользователями могут быть всего 100 человек. Если показатели DAU стабильно высокие — ваше приложение интересно аудитории.

Пример: игру скачали 10 человек. На следующий день зашли в нее только четверо, значит, DAU этого дня равен 4. Если на следующий день никто из 10 пользователей не зайдет в игру, DAU будет равен 0.

DAU целесообразно отслеживать в продуктах, которыми пользуются каждый день: мессенджеры, соцсети, электронная почта.

WAU-метрика

WAU (Weekly Active Users) — количество активных пользователей за неделю. Под неделей не обязательно понимается период с понедельника по воскресенье. Неделя — любые 7 дней подряд.

Пример: игру скачали 10 человек. Если за неделю каждый из них заходил в нее хотя бы по одному разу, WAU будет равен 10. Если семеро заходили в игру несколько раз за эту неделю, а трое не заходили вовсе — WAU будет равен 7.

WAU отслеживают в продуктах, которыми люди пользуются часто, но не обязательно каждый день: игры, приложения для здоровья, сервисы доставки еды.

PCU-метрика

PCU (Peak Concurrent User) — показатель пикового посещения в продукте. Метрика отображает максимальное число пользователей, которые одновременно находятся в приложении.

PCU отслеживают, чтобы знать, что предшествовало пикам посещаемости: эффективная реклама, офлайн-мероприятие или органический рост после окончания рабочего дня.

Пример: приложение установили 100 пользователей. Максимальное количество пользователей, единовременно находящихся в нем, — 87. PCU = 87.

ACU-метрика

ACU (Average Concurrent User) — показатель среднего посещения в продукте. ACU показывает среднее число пользователей, находящихся онлайн.

Пример: приложение установили 100 пользователей. В среднем единовременно его используют 55 пользователей. ACU = 55.

ACU и PCU показывают, когда пользователи наиболее активно используют ваш продукт. Мониторинг метрик помогает определить идеальное время для запуска рекламных кампаний в приложении или онлайн-сервисе. Вы управляете показами, делая упор на часы с наибольшей активностью.

Пример расчета метрики MAU

MAU — число активных пользователей, которые хотя бы раз заходили в приложение в течение месяца. MAU не равен сумме DAU за 30 дней или WAU за 4 недели. С точки зрения расчета, эти показатели не связаны между собой и определяются отдельно, потому что речь идет только об уникальных посетителях. Например, человек может зайти в приложение 1 и 15 числа, он попадет в DAU 1 дня, и в DAU 15 дня. В рамках месяца (с 1 по 30 число) он будет посчитан только 1 раз.

Допустим, у нас есть данные о посещениях сервиса за 30 дней. Галочками отмечены дни, когда пользователи заходили и совершали какое-то действие.

DAU 1 дня — 4, потому что все четыре пользователя заходили в приложение.

DAU 4 и 28 дней — 0, потому что никто из пользователей не заходил в приложение.

WAU с 6 по 13 день — 4, потому что все пользователи открывали приложение.

WAU с 16 по 23 день — 3, потому что один из пользователей не заходил в приложение.

MAU за месяц — 4, потому что было всего 4 уникальных пользователя.

В нашем примере участвовало всего 4 пользователя, но в реальном продукте их будет тысячи и миллионы. Аналитика метрик активности помогает выстроить эффективную стратегию привлечения и удержания пользователей, понять, как можно улучшить продукт и сделать его более полезным.

Расчет метрик активности и вовлеченности также позволяет в будущем просчитать финансовые метрики и оценить прибыль.

Финансовые метрики, на которые влияет показатель MAU

Метрика MAU связана с финансовыми показателями продукта. Чем больше активных пользователей в сервисе или приложении, тем больше среди них потенциальных покупателей — тех, кто оформит подписку или перейдет на платный тариф.

Новые пользователи → Активные пользователи → Покупатели

К финансовым метрикам, на которые влияет MAU, относят: APRU, LTV, Churn Rate, MRR. Рассмотрим их подробнее.

ARPU (Average Revenue Per User) — показатель средней прибыли, которую приносит один активный клиент за конкретный промежуток времени. Чем выше ARPU, тем больше доход от приложения.

Зачем считать:

ARPU помогает компаниям строить прогнозы по увеличению прибыли. Метрика позволяет:

Чтобы рассчитать ARPU, чистый доход за выбранный промежуток времени делят на количество активных пользователей за этот же промежуток. Для SaaS-сервисов за период обычно выбирают месяц — столько длится стандартная подписка.

Формула расчета:

Показатель ARPU за месяц обычно называют ARPMAU.

Как улучшить ARPU:

LTV (Lifetime value) — прибыль, которую приносит пользователь за все время работы с ним. Вокруг этого показателя строится работа над привлечением и удержанием аудитории.

Высокие показатели MAU при низком LTV, говорят о некачественном трафике — пользователи заходят в приложение, но не оформляют подписку и не покупают платные опции. Расходы на привлечение аудитории превышают доходы от взаимодействия с ней. Чтобы увеличить LTV, сократите затраты на привлечение новых пользователей и сконцентрируйтесь на повышении ценности приложения для текущих.

Зачем считать:

LTV измеряет ценность пользователей в деньгах. Метрику считают, чтобы:

Формула расчета:

Для расчета LTV нужны два показателя:

Lifetime — в течение какого времени человек остается активным пользователем продукта.

APRU — средняя прибыль от одного клиента за определенный промежуток времени.

Пример: вы хотите рассчитать LTV для онлайн-сервиса. Обычно пользователи покупают подписку на месяц. Стоимость в месяц — 50$. Тогда LTV = 50*1 = 50$.

Спасибо! Мы уже отправили всё на почту

Как улучшить:

Метрика LTV также связана ROI — коэффициентом окупаемости инвестиций, и Churn Rate — показателем оттока. Последний определяет, сколько человек прекратили взаимодействие с вами.

Churn Rate

Churn rate — количество пользователей, которые прекратили взаимодействие с продуктом. В зависимости от специфики приложения или онлайн-сервиса, может означать удаление аккаунта, отмену подписки, переход к конкуренту.

Зачем считать: потенциальная целевая аудитория — не бесконечный ресурс. Чем больше пользователей попробовали ваш продукт и отказались от него, тем труднее будет привлекать новых. Мониторинг и определение Churn Rate позволяют вовремя обнаружить проблемные места в продукте и уменьшить отток.

Формула расчета:

Пример: в этом месяце от сервиса отписались 100 человек, а MAU в прошлом — 500. Тогда Churn Rate = 100/500 = 0,2 или 20%

Спасибо! Мы уже отправили всё на почту

MRR (Monthly recurring revenue) — сумма, которую платят клиенты за месяц использования. Чем выше MAU, тем выше MRR.

Зачем считать: MRR помогает оценить, как развивается продукт, и предсказать будущие доходы. Оценивая прирост или сокращение MRR, вы сможете сделать выводы об эффективности стратегии продвижения продукта и при необходимости доработать ее.

MRR считается одной из наиболее важных метрик для продуктов с ежемесячной подпиской.

Формула расчета:

Как улучшить:

Конечная цель создания любого приложения или онлайн-сервиса — получение прибыли. Метрика MAU — маркер, показывающий эффективность и потенциал проекта. Отслеживание MAU позволяет находить новые точки роста и улучшать ваш продукт.

MAU (Monthly Active Users) — количество уникальных пользователей в приложении или онлайн-сервисе за месяц без учета повторных сессий. MAU — одна из продуктовых метрик активности пользователей.

С помощью MAU можно определить объем аудитории и отследить стабильность спроса на продукт. Высокие показатели MAU говорят о том, что продукт популярен. Постоянный анализ MAU-метрики позволяет изучить поведение аудитории, при необходимости спланировать мероприятия по повышению вовлеченности и предотвратить отток пользователей.

Для анализа активности и вовлеченности пользователей также используют метрики DAU, WAU, PCU и ACU. Они помогают оценить реакцию аудитории на продукт.

MAU показывает активных пользователей и влияет на такие финансовые метрики, как APRU, LTV, Churn Rate, MRR.

Читайте также

— Считаем LTV: что особенного в этой метрике и почему всем нужно следить за ней;

— Куда и почему уходят пользователи: как рассчитать Churn Rate и начать с ним работать;

— ARPU: как узнать, сколько денег приносят ваши клиенты;

— Метрики eCommerce: за какими показателями следить и как считать.

Источник