DAU: что это такое, как считать и как использовать метрику в 2026 году

DAU (Daily Active Users) — это число уникальных пользователей, которые за одни сутки совершили заранее определённое «активное» действие. Один человек учитывается один раз, сколько бы раз он ни заходил. Сама по себе цифра мало что объясняет: в 2026 году её принято читать вместе с WAU (Weekly Active Users), MAU (Monthly Active Users) и коэффициентом DAU/MAU, а главное — вместе с тем, что именно вы считаете активностью. Ниже разобрано, как работает метрика, где её смотреть, как не исказить расчёт и что делать с результатом.

Ключевые выводы

• DAU — уникальные пользователи с активным действием за сутки; повторные заходы одного человека не увеличивают число.
• Цифра зависит от определения «активного»: вход в приложение и выполнение целевого действия дадут разные DAU.
• WAU и MAU нельзя получить умножением DAU на 7 или на 30: уникальные пользователи в более длинном окне пересекаются.
• В разных системах окна и названия отличаются: в GA4 это 1-day, 7-day и 28-day active users, в AppMetrica есть отчёты по аудитории DAU/WAU/MAU.
• Для оценки вовлечённости используют DAU/MAU, но готовых универсальных ориентиров у нас нет: сравнивать стоит со своей историей и со схожими продуктами.

Что такое DAU и как его считать

DAU — метрика ежедневной активной аудитории: сколько разных пользователей в конкретные сутки выполнили действие, которое продукт считает признаком использования. Формула проста: DAU = число уникальных идентификаторов пользователей, у которых за календарные сутки было хотя бы одно активное событие. Ключевое слово здесь «уникальных»: пользователь с 15 заходами за неделю, по описаниюVK Ads, считается один раз.

Метрика используется в первую очередь для приложений, игр, сервисов и платформ, где ценность продукта связана с регулярным возвращением. DAU отвечает на вопрос «сколько людей действительно пользуются продуктом каждый день», а не «сколько людей на него когда-либо попало». Поэтому её часто относят к продуктовым метрикам вовлечённости, а не к метрикам охвата рекламы.

Отдельно стоит отличать DAU от «уникальных посетителей» в веб-аналитике. Посетитель в Яндекс Метрике определяется по файлу cookie, и, как объясняютматериалы Яндекс Рекламы, один человек из разных браузеров регистрируется как разные посетители. DAU же в идеале считается по идентификатору пользователя, а не по браузеру, хотя на практике качество идентификации зависит от того, как настроена аналитика.

Вывод для практики: прежде чем считать DAU, зафиксируйте два параметра — что является «активным» событием и по какому идентификатору вы определяете уникального человека. Без этих двух решений сравнивать цифры во времени нельзя.

DAU, WAU и MAU: чем отличаются метрики

Таблица показывает, что три метрики измеряют одно и то же поведение на разных горизонтах. Чем короче окно, тем чувствительнее показатель к ежедневным колебаниям: праздникам, рекламным кампаниям, релизам и сбоям. Чем длиннее окно, тем сильнее он сглаживает такие всплески и тем больше отражает размер аудитории, а не её привычки.

WAU не равен сумме DAU за семь дней, потому что один человек, зашедший несколько дней подряд, в недельной цифре учитывается один раз. Аналогично MAU не равен произведению WAU на четыре. Если вы умножите среднее DAU на 30, получите оценку «пользователе-дней», а не число уникальных пользователей за месяц. Эти величины говорят о разных вещах, и путать их в отчёте нельзя.

Ещё одно практическое различие связано с определением месяца. В GA4, по данным вторичного источникаDolphin Analytics, DAU, WAU и MAU называются 1-day, 7-day и 28-day active users, а «месяц» — это скользящее окно в 28 дней, а не календарный месяц. В справке Google карточка «User activity over time» описана с окнами 30, 7 и 1 день. Расхождение показывает, что точное окно стоит проверять в своём интерфейсе и фиксировать в методологии отчёта.

Вывод: выбирайте окно под ритм продукта. Для ежедневных сценариев ключевой является пара DAU и MAU, для еженедельных — WAU, а в любом отчёте нужно подписывать, календарный или скользящий месяц использован.

Что считать «активным» пользователем

Определение активности — самое важное решение в расчёте DAU, потому что оно меняет цифру сильнее, чем любая настройка инструмента. Mixpanel в своёмруководстве по продуктовой аналитикеподчёркивает, что понятие активного пользователя зависит от бизнес-контекста. Если метрика не привязана к ценности продукта, она превращается в vanity metric — метрику тщеславия, которая растёт, но не отражает пользу для бизнеса.

Возможные варианты определения располагаются от «мягких» к «жёстким»:

• Открытие приложения или заход на сайт.Самое мягкое определение: подходит для оценки охвата, но завышает активность, если события запускаются автоматически.
• Любое пользовательское событие.В Amplitude, по описанию, по умолчанию активным считается пользователь, у которого было хотя бы одно событие. Стоит отдельно проверить, как в вашем проекте обрабатываются системные события.
• Вовлечённая сессия.В GA4 она засчитывается, если длится дольше 10 секунд, содержит ключевое событие или имеет два и более просмотра страниц или экранов (данные вторичного источникаRelevant Audience).
• Целевое действие.Отправка сообщения, прохождение уровня, добавление задачи, оформление заказа: определение ближе всего к ценности продукта и поэтому самое информативное.

Продуктовый менеджер и аналитик обычно выбирают определение вместе: первый знает, какое действие означает пользу для клиента, второй — как оно фиксируется в данных. Маркетологу полезно знать выбранное определение, иначе при сравнении кампаний можно сопоставить «открытия» с «целевыми действиями» и сделать неверный вывод.

Практический критерий выбора такой: активное событие должно быть связано с тем, за что пользователь получает ценность, и должно требовать осознанного действия человека. Если событие можно получить без участия пользователя, например пуш-уведомление или фоновая синхронизация, в DAU оно попадать не должно.

Как посчитать DAU по шагам

Расчёт DAU вручную нужен, когда вы выгружаете сырые события из хранилища или хотите проверить цифру из интерфейса аналитики. Порядок действий одинаков для любой системы.

1. Зафиксируйте активное событие.Запишите название события или набор событий. Результат: единое определение для всех отчётов.
2. Выберите идентификатор пользователя.Если есть авторизация, используйте user ID; если нет — device ID с оговоркой о возможных дублях. Результат: понятно, кто такой «один пользователь».
3. Посчитайте уникальные идентификаторы за каждые сутки.Для каждой даты возьмите число различных идентификаторов с активным событием. Результат: ряд значений DAU по дням.
4. Усредните значения за период.Для сводки используйте среднее DAU за неделю или месяц, а не цифру одного дня. Результат: показатель, устойчивый к случайным пикам.
5. Сопоставьте с MAU.Рассчитайте MAU за тот же период по тому же определению и тому же идентификатору и разделите одно на другое. Результат: коэффициент DAU/MAU.

Условный пример для иллюстрации: в продукте за 30 дней среднесуточная аудитория составила 2 000 человек, а MAU за тот же период — 10 000 уникальных пользователей. Тогда DAU/MAU = 2 000 / 10 000 = 20%, то есть в среднем за день активна пятая часть месячной аудитории. Числа выдуманы только для демонстрации формулы и не являются отраслевым ориентиром.

Важна и последовательность применения усреднения. Одиночный день может оказаться неудачной точкой: выходной, сбой в трекинге или запуск рекламной кампании. Среднее за месяц и динамика по неделям дают более честную картину, чем число, снятое «на сегодня».

Если вы считаете выручку на пользователя, используйте ту же базу: ARPU, поописанию Kokoc, рассчитывается как выручка, делённая на DAU, WAU или MAU. Главное — указывать, на какую из аудиторий поделена выручка, иначе значения ARPU окажутся несопоставимыми.

Где смотреть DAU: GA4, AppMetrica, Метрика и другие инструменты

В GA4 показатели активной аудитории доступны без дополнительных расчётов, но называть их нужно по-английски так, как они выглядят в интерфейсе. Справка Google покарточке активности пользователейописывает коэффициенты «липкости», поэтому DAU/MAU можно получить в самом отчёте. Перед публикацией цифр в презентации проверьте, какое окно показывает ваша версия интерфейса.

В AppMetrica документация заявляет отчёты по аудитории (DAU, WAU, MAU), удержанию и вовлечённости, и для мобильного приложения этот набор обычно является базовым. Подробности реализации лучше читать вофициальной документации, поскольку названия отчётов и порядок расчёта могут меняться. Для визуализации нескольких источников часто используют DataLens.

Для сайтов основным источником остаётся Яндекс Метрика, но она оперирует посетителями, визитами и просмотрами, а не «активными пользователями». Если вам нужен продуктовый DAU для личного кабинета или веб-сервиса, потребуется событийная аналитика с авторизованным идентификатором, например в Mixpanel или Amplitude. Статистика Google Play Console и площадок вроде сообществ ВК даёт лишь часть картины и не заменяет собственный расчёт.

Вывод: выберите один основной источник правды для DAU, а остальные используйте для сверки. Расхождения в пределах разных окон и определений нормальны, но их причину нужно уметь объяснить.

Как читать DAU/MAU: коэффициент липкости

Коэффициент DAU/MAU, который называют stickiness, Sticky Factor или «липкостью», показывает, какую долю месячной активной аудитории продукт возвращает ежедневно. Чем выше значение, тем чаще пользователи возвращаются в течение месяца. Аналогично считаются DAU/WAU и WAU/MAU, а в справке Google такие коэффициенты вынесены прямо в карточку отчёта.

Универсального «хорошего» значения не существует. Среди материалов, на которые опирается эта статья, нет проверенного первичного бенчмарка с источником и годом, поэтому конкретные проценты мы не приводим. Вторичные обзоры вродеvmobifyописывают бенчмарки и дополнительные метрики L7 и L28, но к их цифрам стоит относиться осторожно и проверять исходные данные.

Для принятия решения полезна следующая рамка выбора ориентира:

• Своя история.Сравнивайте текущее значение с предыдущими месяцами при неизменном определении активности.
• Тип продукта.Мессенджер и сервис оформления налоговых документов не должны иметь одинаковую ожидаемую частоту использования.
• Сезонность.Для B2B-продуктов и сезонных сервисов DAU/MAU может закономерно меняться по календарю.
• Сегмент пользователей.Новые пользователи и вернувшиеся ведут себя по-разному; общий коэффициент может скрывать оба поведения.

Низкое DAU/MAU может свидетельствовать о том, что продукт используют эпизодически, но это не обязательно проблема. Если ценность сервиса проявляется раз в неделю, правильнее смотреть на WAU/MAU и удержание (retention) по когортам. Retention и когортный анализ не заменяют DAU, а дополняют его: они показывают, возвращаются ли конкретные группы пользователей после первого дня.

Вывод: DAU/MAU сравнивайте только с самим собой и с продуктами схожей модели использования. Чужой бенчмарк из другой отрасли — один из самых частых источников неверных выводов.

Как повышать DAU: рычаги по степени влияния на метрику

Рост DAU складывается из двух частей: приведите больше новых пользователей и удержите тех, кто уже пришёл. Рекламные кампании увеличивают приток и могут дать резкий скачок, но если пользователи не находят ценность, DAU вернётся к прежнему уровню. Поэтому в диагностике сначала проверяют удержание, а потом приток.

Перечень рычагов ниже расположен в логике воронки: от первого запуска к регулярному возвращению. Это рекомендации к проверке гипотез, а не гарантированные способы роста.

1. Онбординг.Цель — довести нового пользователя до первого целевого действия. Метрика контроля: доля новых пользователей, совершивших целевое событие в первый день.
2. Повод вернуться.Регулярный контент, напоминания, пуш-уведомления и рассылки. Метрика контроля: возвращающиеся пользователи (returning users) и retention по когортам. Частые уведомления способны навредить, поэтому их проверяют A/B-тестом.
3. Реактивация.Возврат пользователей, которые перестали заходить. Метрика контроля: доля реактивированных в WAU и MAU.
4. Сегментация.Разбор DAU по источникам, платформам и когортам. Метрика контроля: различия DAU/MAU между сегментами.
5. A/B-тесты.Проверка изменений интерфейса, сценариев и сообщений. Метрика контроля: изменение целевого события в тестовой группе относительно контрольной.

В маркетинге DAU помогает оценивать качество трафика. Две кампании могут привести одинаковое число установок, но разное число пользователей, возвращающихся на следующий день. Связка DAU с ARPU и ценой привлечения позволяет увидеть, окупается ли привлечённая аудитория, а не просто растёт ли её количество.

Диагностический чек-лист перед запуском изменений: убедитесь, что определение активного события не менялось; сравните DAU по платформам; посмотрите, не вызван ли скачок рекламной кампанией; сопоставьте с retention первых дней. Только после этого имеет смысл планировать эксперименты.

Типичные ошибки расчёта DAU и как их выявить

Самая частая причина завышенного DAU — слишком лёгкое определение активности, при котором в расчёт попадают автоматические события и случайные открытия. В таком случае метрика растёт без реальной вовлечённости и превращается в vanity metric. Проверить это можно, сопоставив DAU с числом пользователей, совершивших целевое действие.

Дополнительные источники искажений — мульти-устройства, блокировка cookie, использование VPN и боты. Они не обязательно приводят к ошибке, но делают цифру приблизительной, особенно при отсутствии авторизации. Если точность важна для принятия бизнес-решений, стоит перейти на учёт по авторизованному идентификатору.

Отдельная ошибка — сравнение с бенчмарками из чужой отрасли. Значение DAU/MAU, нормальное для ежедневного сервиса, может быть недостижимым для продукта, которым пользуются раз в месяц. Корректнее сравнивать с собственной динамикой и схожей по модели использования группой продуктов.

Вывод: перед любым управленческим решением по DAU проверьте три вещи — определение события, идентификатор пользователя и окно расчёта. Это самый короткий путь отличить реальный рост от артефакта данных.

DAU для сайта: когда метрика применима

Для обычного информационного сайта или лендинга DAU применим ограниченно, потому что пользователи не обязаны возвращаться каждый день. Здесь лучше смотреть на посетителей, визиты, источники трафика, вовлечённые сессии и конверсии. Ежедневное возвращение имеет смысл как сигнал только для медиа, сервисов с личным кабинетом, калькуляторов, порталов и сообществ.

Для SEO-специалиста DAU полезен в двух ситуациях. Первая — веб-продукт с авторизацией, где органический трафик приводит пользователей, а важно понять, возвращаются ли они. Вторая — контентный проект с регулярной аудиторией, где доля возвращающихся пользователей показывает качество материалов. В остальных случаях разумнее ориентироваться на метрики органического трафика и конверсий.

В GA4 стоит помнить, что стандартная метрика «Users» — это Active users, а не Total users. Если вы переносите отчёты из Universal Analytics, цифры будут отличаться по определению, и сравнивать периоды до и после перехода напрямую нельзя без поправки. Это относится к сопоставлению исторических данных с текущими, а не только к точности текущего расчёта.

Вывод: используйте DAU для сайта только тогда, когда у пользователей есть повод возвращаться ежедневно и вы можете идентифицировать человека, а не браузер. В остальных случаях выбирайте метрики, которые честно отражают ваш сценарий.

Как внедрить DAU в отчётность и принять решение о дальнейших шагах

Чтобы DAU приносил пользу, его нужно закрепить в методологии, а не считать каждый раз по-новому. Минимальный документ состоит из пяти пунктов: определение активного события, идентификатор пользователя, окно расчёта, источник данных и правило усреднения. Такой короткий регламент убирает большинство споров о том, «почему цифры разные».

Затем выберите набор метрик, которые читаются вместе. Для большинства продуктов достаточно DAU, WAU, MAU, коэффициента DAU/MAU, retention по когортам и, при монетизации, ARPU. Дополнительно можно рассматривать L7 и L28 как альтернативный взгляд на число дней активности в окне, но только если команда понимает их расчёт.

Перед запуском отчёта проверьте себя по списку: определение события согласовано продуктом и аналитикой; идентификатор пользователя понятен; окно и тип месяца подписаны; цифры сверены минимум с одним независимым источником; сравнение идёт со своей историей и корректными аналогами. Если какой-либо пункт не выполняется, это нужно указать рядом с цифрой в отчёте.

Если вы только начинаете, начните с простого: определите одно целевое событие, выгрузите уникальных пользователей по дням за последние 30 дней, посчитайте среднее DAU и MAU и разделите одно на другое. Дальше уточняйте определение и добавляйте сегментацию. Опытным командам полезно регулярно пересматривать само определение активности: если продукт изменился, прежнее определение может перестать отражать ценность, и тогда история метрики станет несопоставимой, что нужно честно отметить в отчётах.