Product Metrics

DAU, MAU i Stickiness

Miesięczna baza użytkowników mówi ile osób wypróbowało Twój produkt. Stickiness Ratio (DAU/MAU) mówi czy wracają. To różnica między produktem który rośnie a produktem który wycieka.

Powyżej 20%

DAU/MAU dobre

50%+

DAU/MAU Slack/FB

10-20%

Typowe consumer apps

WAU/MAU

Wersja tygodniowa

Benchmarki Stickiness (DAU/MAU)

Stickiness jest relatywny do typu produktu — nie porównuj codziennej aplikacji komunikacyjnej z narzędziem podatkowym. Liczy się trend w czasie i porównanie z konkurencją.

Poniżej 10%

Niskie

Przykłady produktów

Narzędzia okazjonalne (tax apps, annual tools)

Implikacje

Produkt używany rzadko — może to być ok jeśli to intencja produktu

10-20%

Typowe

Przykłady produktów

Większość consumer apps, narzędzia projektowe

Implikacje

Standardowe zaangażowanie. Szukaj sposobów na zwiększenie częstotliwości

20-30%

Dobre

Przykłady produktów

Gmail, LinkedIn, profesjonalne narzędzia SaaS

Implikacje

Produkt staje się częścią regularnego workflow użytkownika

30-50%

Świetne

Przykłady produktów

Slack, Notion, narzędzia daily workflow

Implikacje

Wysoka retencja i zaangażowanie. Silny sygnał PMF i habituation

Powyżej 50%

Wyjątkowe

Przykłady produktów

Facebook, WhatsApp, TikTok, chat apps

Implikacje

Użytkownicy wracają wielokrotnie dziennie. Exceptional retention i moat

Rodzina metryk aktywnych użytkowników

DAU, WAU, MAU i Stickiness to family metryk — każda mówi co innego. Wybierz tę która odpowiada rzeczywistemu wzorcowi użycia Twojego produktu.

DAU (Daily Active Users)

Co mierzy

Unikalnych użytkowników aktywnych danego dnia

Kiedy używać

Produkty używane codziennie: chat, social media, daily tools

Benchmark

Zależy od produktu — liczy się trend wzrostowy

WAU (Weekly Active Users)

Co mierzy

Unikalnych użytkowników aktywnych w tygodniu

Kiedy używać

Narzędzia pracy, produkty używane kilka razy w tygodniu

Benchmark

Mniej zmienny niż DAU, lepszy dla B2B tools

MAU (Monthly Active Users)

Co mierzy

Unikalnych użytkowników aktywnych w miesiącu

Kiedy używać

Baseline — każdy produkt mierzy MAU

Benchmark

Uwaga: wysoki MAU z niskim DAU to problem retencji

Stickiness (DAU/MAU)

Co mierzy

Regularność powrotów w skali miesiąca

Kiedy używać

Porównanie across time i produktów. Proxy dla retencji

Benchmark

20%+ dobre, 30%+ świetne, 50%+ wyjątkowe

L28 (L-Day-28)

Co mierzy

Ile dni w ostatnich 28 dniach użytkownik był aktywny

Kiedy używać

Bardziej granularne niż DAU/MAU — rozkład użycia w kohorcie

Benchmark

Facebook szeroko używa L28 do pomiaru habituation

Często zadawane pytania

Co to są DAU i MAU?

DAU (Daily Active Users) to liczba unikalnych użytkowników korzystających z produktu w danym dniu. MAU (Monthly Active Users) to liczba unikalnych użytkowników aktywnych w ciągu miesiąca. WAU (Weekly Active Users) to odpowiednik tygodniowy. Definicja 'aktywności' zależy od produktu — dla aplikacji komunikacyjnej to może być wysłanie wiadomości; dla narzędzia projektowego — zalogowanie i edycja pliku. Ważne: definicja musi być spójna i odzwierciedlać prawdziwe zaangażowanie, nie samo logowanie.

Co to jest wskaźnik Stickiness (DAU/MAU)?

Stickiness Ratio = DAU / MAU — mierzy jak regularnie użytkownicy wracają do produktu w skali miesięcznej. Interpretacja: Stickiness 50% = przeciętny użytkownik używa produktu 15 dni w miesiącu. Benchmarki: Poniżej 10% — niskie zaangażowanie. Produkt jest używany okazjonalnie lub epizodycznie. 10-20% — typowe dla większości consumer apps. 20-30% — dobre. Produkt jest częścią regularnego workflow. Powyżej 30% — świetne. Facebook, WhatsApp, Slack mają 50%+. Stickiness jest naturalnie wyższy dla produktów używanych wielokrotnie dziennie (chat, email) niż produktów okazjonalnych (tax software).

Jak DAU/MAU pomaga ocenić product-market fit?

DAU/MAU jako sygnał PMF: Wzrost MAU przy spadającym lub stagnacyjnym DAU/MAU = produkt przyciąga, ale nie retencjonuje. Wzrost MAU + wzrost DAU/MAU = produkt rośnie i staje się bardziej centralny dla użytkowników — silny sygnał PMF. Wysoki Stickiness przy niskim MAU = mała ale bardzo zaangażowana baza — szukaj sposobu na skalowanie przy zachowaniu stickiness. Niski Stickiness przy wysokim MAU = problem retencji. Wiele użytkowników próbuje i odchodzi. Priorytet: poprawić activation i retention zanim skalujesz acquisition. Sean Ellis Test (PMF survey: 'Jak byś się poczuł gdybyś nie mógł używać produktu?') jest komplementarny — Stickiness to ilościowy, Ellis to jakościowy wskaźnik PMF.

Jakie są typowe błędy przy mierzeniu DAU/MAU?

Błędy przy mierzeniu aktywnych użytkowników: Zła definicja 'aktywności' — mierzenie logowań zamiast wartościowych akcji. Użytkownik który loguje się bez robienia czegoś użytecznego = ghost user. Nie segmentowanie — różne kohorty mają różny Stickiness. Nowi userzy mają zazwyczaj inny profil niż starzy. Pomijanie WAU — DAU/MAU jest zbyt zmiennym wskaźnikiem dla produktów tygodniowych (narzędzia pracy). WAU/MAU jest lepszy dla tej grupy. Sezonowość — nie porównuj Stickiness wakacyjnego z normalnym. Brak kohorty analizy — widzisz zagregowaną liczbę, nie jak poszczególne kohorty zachowują się przez czas. Retention curves per cohort jest bardziej insightful niż agregowany DAU/MAU.

Jak poprawić DAU/MAU w produkcie?

Strategie poprawy Stickiness: Lepszy onboarding — użytkownicy którzy szybko osiągnęli 'aha moment' mają wyższy Stickiness. Zidentyfikuj power users i skopiuj ich ścieżkę do produktu dla nowych. Habit formation — zbuduj użytkownikowi nawyk używania produktu. Notyfikacje (email, push) z wartością, nie jako spam. Sticky features — funkcje które użytkownicy muszą używać regularnie (daily digest, recurring reports, team features). Cross-device experience — produkt dostępny wszędzie gdzie użytkownik jest. Personalizacja — content lub rekomendacje które są bardziej relevantne gdy wrócisz. Analyze power users — jak różnią się od przeciętnych? Co robią inaczej w pierwszym tygodniu?

Czytaj dalej