快速導覽

前言

DAU/MAU 最先應用於應用程式的留存分析，全盛時期的 Facebook (現已改名為Meta) DAU/MAU 基本每天都可以達到50%。GA4 在上線後，在「參與」報表也採用了 DAU/MAU 等相關指標來協助用戶觀察訪客「黏著度」，因此許多導入 GA4 的企業也將此指標視為網站或 APP 營運的重要觀測指標。 不過實際在 GA4 中分析 DAU/MAU 時，還是必須釐清以下的問題:「如何理解報表數字」、「它如何被計算」、「如何評估數值的表現是好還是壞？」、「為什麼報表數字看起來不符合邏輯？」，才能使其發揮效益幫助企業成長而非誤用。

(另外，改名為 ”X” 的 Twitter 現已改為採用 “可變現每日活躍用戶(mDAU)” 作為營運指標。)

1. GA4 DAU/MAU 定義

首先，我們需要了解 GA4 中 DAU/MAU 的定義與算式：

• DAU (Daily Active User)：日活躍使用者，包含新訪客
• MAU (Monthly Active User)：前 30 日活躍使用者，包含當日
• DAU/MAU = 日活躍使用者 除以 前30日活躍使用者
• 活躍使用者（Active user）：在指定日期內達成「互動」條件，產生互動工作階段的不重複使用者人數。

互動條件請參考此連結「活躍使用者」部分：https://support.google.com/analytics/answer/12253918?hl=zh-Hant

2. GA4 去哪裡看 DAU/MAU

1. 在GA4預設報表中的「參與」>「總覽」報表有一張「使用者黏著度」圖表。在圖表中，可以觀測 DAU/MAU。
2. 在「探索報表」套用指標 DAU/MAU
   

3. 如何觀察 DAU/MAU

DAU/MAU 的比例越高代表訪客持續的回訪你的網站或APP，因此 DAU/MAU 數值愈高亦即「訪客的黏著度越高」，數值越大表示回訪情形愈好。
除了查看「單日」DAU/MAU 表現，可以透過探索報表將 DAU/MAU 與「日期」搭配，查看每日數值變化及整體趨勢。

DAU/MAU 怎樣才算是好?

有一個說法是平台或應用要達成病毒行銷式的傳播與用戶增長，其 DAU/MAU 的最低門檻是 20%，不過僅適用著重＂每日互動＂場景，例如社群、遊戲、內容等等。其他產業會因為消費者旅程有不同而有不同的基準，基礎應觀察自家數值狀態是維持、成長或消退，制定相應策略。

4. 新使用者對DAU/MAU的影響

GA4 在計算 DAU/MAU 採計「新使用者」數 ，這對 DAU/MAU 的影響可以用下面一個簡化的的表格觀察 :

• 分子 : 當日活躍使用者，包含新使用者
• 分母：前30日活躍使用者，包含當日使用者與新使用者

■ 2月1日：網站於2024年2月1日啟用，當天有100位訪客造訪。
■ 2月2日：出現20位新訪客，首日的100位訪客均有回訪，DAU/MAU未受影響
■ 2月3日：當日沒有新訪客，回訪者減少一半，分母不變 120，分子砍半為60，因此 DAU/MAU 減半為50%
■ 2月4日-2月6日： 這幾天沒有新訪客，(分母)過去30日訪客維持120位，(分子) 當日訪客為「回訪」(65位、80位、85位)，隨著「回訪」的人數提升，並且超過整體的一半以上，DAU/MAU 逐步回升
■ 2月8日-2月10日，每天固定80位回訪，其中包含20位新客與60位回訪者。在分母擴大(有新紡)，但是分子(回訪者)沒有增加的情況，代表回訪者占比在下降，因此呈現衰退趨勢。（過去30天訪客增長、但是單日回訪者沒有增長）

看了以上模擬情境後後，可能會產生以下疑問。

問題1：採計新使用者對 DAU/MAU 會造成誤判嗎？

答：不會，因新使用者增加時，分子分母都會增加。以2月2日為例，新使用者增加20位，分子分母同樣加20，影響 DAU/MAU 結果的是 ”前一日的100位是否回訪”，如果前一日的100位有未回訪時，當日結果就會下降，不是100%。

• 新訪客: 分子分母都增加
• 回訪客: 分子增加
  

問題2： DAU/MAU 可以排除新使用者進行觀察嗎？

答：計算上可以實現，當日分子分母均排除新使用者，隔日在分母需要加上前一日的所有新使用者，分子則同樣採計當日回訪者。不過結論跟採計新使用者還是相同，影響 DAU/MAU 成長消退的關鍵還是「回訪者」。

5. GA4 報表的計算

前面介紹了DAU/MAU 的定義及如何觀測 ，接著稍微深入一點來探討「GA4 報表中的 DAU/MAU 是如何被計算？」。

預設報表：「參與總覽」報表

當只選取「1天」，可知右邊圖表的 DAU/MAU 等於左邊圖表中的「1天活躍使用者」除以「30天活躍使用者」。(截圖以2024年12月31日為例)

接著將日期區間調整為「2024年12月1日 - 2024年12月31日」，DAU/MAU 的數值一樣是 1.4%， 「DAU/MAU」、「1天活躍使用者」、「30天活躍使用者」等數值均沒有改變。

再把日期區間延長為「2024年10月1日至2024年12月31日」，可以看出 「DAU/MAU」、「1天活躍使用者」、「30天活躍使用者」等數值依然沒有改變。

這是因為預設報表計算 DAU/MAU 時採計所選取的日期區間 「最後一天的活躍使用者」除以「包含當天的過去30天使用者」，超過30之前的紀錄不列入計算。

探索報表

接著在探索報表查看一樣的數據，2024年12月31日的 DAU/MAU，可看出其結果與預設報表相同為 1.4%。

接著，將日期區間調整為「2024年12月1日至2024年12月31日」，DAU/MAU 的結果為 2.9%。這樣的結果與預設報表就不同了。為什麼會不同?以及它是如何被計算出來的？

我們來進行一個驗證，在探索報表中將 2024 年 12 月的「單日活躍使用者」、「DAU/MAU」報表下載，將每個日期的「前 30 天活躍使用者」另外單獨每日分別填入（例如12月1日的前30日為11月2日至12月1日的不重複活躍使用者數），此數值需要切換日期一一輸入。
表格的最下方，計算整個 12 月的單日平均活躍使用者為「2,572」，30日平均活躍使用者為「77,920」，兩者相除計算 DAU/MAU 的結果為「3.3%」，與GA4報表不同。

實際上在探索報表，DAU 計算的方式為「所選日期區間的不重複活躍使用者數 ÷ 天數」，以 2024 年 12 月為例，當月不重複使用者數為「69,739」，除以 31 天後為 2,250，除以前 30 天活躍使用者總合的平均 77,920 後，得到 DAU/MAU 的結果為 2.9%，與GA4的後台結果相符。

因此得以驗證，探索報表 DAU/MAU 公式為：

按照公式，可知探索報表因為採計所選日期內的所有天數，DAU/MAU 結果受到所選日期區間的訪客人數的影響。
那麼也因為計算方式不同，所以 DAU/MAU 在「探索報表」與「預設報表」也會有不一樣的結果。

探索報表中一個有問題的數字

可能已經有人注意到，以日期觀察 DAU/MAU時，「總計列」的數字並不合理。

這是因為在探索報表，總計列為下方 DAU/MAU 數值的「加總」，並非該時間區段的整體 DAU/MAU。要觀察該時段的整體 DAU/MAU 建議將「維度」移除 (例如下圖中的「日期」、「裝置類別」) 後取得該時間區段的 DAU/MAU。

也就是說，探索報表中，DAU/MAU 一旦搭配「維度」，例如日期、裝置類別等，「總計列」呈現的是下方列的總和，而非整體 DAU/MAU。這明顯是一個不應該被採用的數字，使用時應該注意避雷。

6. 總結

1. DAU/MAU 的數值越高代表訪客黏著度愈高，觀察其成長消退趨勢。
2. 預設報表與探索報表計算 DAU/MAU 的算式並不相同
   >> 預設報表：所選日期的「最後 1 天活躍使用者」除以「 過去 30 天活躍使用者」，超過 30 天之前的使用者不予計算。
   >>探索報表：「所選日期內的不重覆活躍使用者平均」除以「每日過去 30 天活躍使用者的平均」
3. 在探索報表觀察時 DAU/MAU 受到算式影響，「不同日期區間長度」的數值差異可能很大，應以「相同的日期間隔」的方式比較與持續觀察。例如每月 DAU/MAU 只與其他月份比較觀察、不與年度或季度的結果比較。
4. 在觀察平台「黏著度」這個主題時，DAU/MAU 變遷的關鍵還是在「回訪者」，採計新使用者並不影響判斷。
5. 探索報表中 DAU/MAU 一旦搭配「維度」，例如日期、裝置類別等，「總計列」呈現的是下方列的總和，而非整體DAU/MAU，應避免使用該數字產生誤解。
   

👌 遇到困難？發現錯誤？分享心得？歡迎 與我聯絡。

---