Indicateurs d'engagement
Glissez pour afficher le menu
Comprendre comment les utilisateurs interagissent avec votre produit est essentiel pour stimuler la croissance et l'amélioration. Les métriques d'engagement telles que les utilisateurs actifs quotidiens (DAU), les utilisateurs actifs mensuels (MAU), la rétention et la durée de session fournissent des indications claires sur la fréquence de retour des utilisateurs et la profondeur de leur engagement.
Le DAU mesure le nombre d'utilisateurs uniques qui interagissent avec votre produit en une seule journée. Par exemple, si vous gérez un jeu mobile et que 1 000 joueurs uniques ouvrent l'application aujourd'hui, votre DAU est de 1,000.
Le MAU indique le nombre d'utilisateurs uniques qui interagissent avec votre produit sur un mois. Si 10,000 personnes différentes utilisent votre application au moins une fois en juin, votre MAU pour juin est de 10,000.
La rétention est le ratio DAU/MAU, généralement exprimé en pourcentage. Elle montre quelle proportion de vos utilisateurs mensuels sont actifs quotidiennement, mettant en évidence le caractère addictif de votre produit. Une rétention élevée signifie que les utilisateurs reviennent fréquemment.
La durée de session mesure le temps passé par les utilisateurs à chaque visite. Par exemple, si l'utilisateur moyen passe 10 minutes à chaque utilisation de votre application d'actualités, cela correspond à votre durée de session moyenne.
Supposons que vous gériez trois produits : un réseau social, une application météo et un outil de gestion de budget. Le réseau social peut avoir un DAU élevé et une forte rétention, indiquant que les utilisateurs le consultent quotidiennement. L'application météo peut avoir un DAU modéré mais une durée de session élevée lors des tempêtes. L'outil de gestion de budget pourrait avoir un DAU plus faible mais un MAU stable, car les utilisateurs le consultent principalement au début ou à la fin du mois.
123456789101112131415161718192021222324252627282930313233343536# Sample activity data: list of (user_id, date) tuples activity_log = [ (1, '2024-06-01'), (2, '2024-06-01'), (1, '2024-06-02'), (3, '2024-06-02'), (2, '2024-06-03'), (4, '2024-06-03'), (1, '2024-06-03'), (5, '2024-06-04'), (1, '2024-06-04'), (2, '2024-06-04'), (3, '2024-06-04'), ] def calculate_dau(activity_log, target_date): return len({user for user, date in activity_log if date == target_date}) def calculate_mau(activity_log, month): return len({user for user, date in activity_log if date.startswith(month)}) def calculate_stickiness(dau, mau): if mau == 0: return 0 return round((dau / mau) * 100, 2) # Calculating DAU for 2024-06-04 dau = calculate_dau(activity_log, '2024-06-04') # Calculating MAU for June 2024 mau = calculate_mau(activity_log, '2024-06') # Calculating stickiness ratio stickiness = calculate_stickiness(dau, mau) print("DAU:", dau) print("MAU:", mau) print("Stickiness (%):", stickiness)
Une forte fidélité indique un engagement utilisateur élevé et la formation d'une habitude autour du produit.
Voici une explication du fonctionnement du code ci-dessus :
Tout d'abord, le activity_log contient des entrées pour l'activité des utilisateurs, où chaque enregistrement correspond à un identifiant utilisateur et une date. Pour calculer le DAU, le code compte les identifiants utilisateurs uniques pour une date spécifique. Par exemple, le '2024-06-04', il identifie tous les utilisateurs actifs ce jour-là et compte combien sont uniques.
Pour le MAU, le code recherche tous les utilisateurs uniques dont l'activité se situe dans le mois cible, comme '2024-06'. Cela montre combien d'utilisateurs différents ont interagi avec votre produit durant ce mois.
La fidélité est ensuite calculée en divisant le DAU par le MAU puis en multipliant par 100 pour obtenir un pourcentage. Cela révèle quelle part de vos utilisateurs mensuels sont également actifs quotidiennement – un indicateur direct de la régularité de retour des utilisateurs.
En exécutant ce code, vous pouvez rapidement visualiser votre DAU, MAU et fidélité pour n'importe quelle date et mois, ce qui vous aide à repérer les tendances ou problèmes d'engagement utilisateur.
1. Que révèle un ratio de fidélité élevé sur l'engagement des utilisateurs d'un produit ?
2. Complétez l'espace vide :
Merci pour vos commentaires !
Demandez à l'IA
Demandez à l'IA
Posez n'importe quelle question ou essayez l'une des questions suggérées pour commencer notre discussion
