学ぶエンゲージメント指標

メニューを表示するにはスワイプしてください

ユーザーがプロダクトとどのように関わっているかを理解することは、成長と改善のために非常に重要です。デイリーアクティブユーザー（DAU）、マンスリーアクティブユーザー（MAU）、スティッキネス、セッション長などのエンゲージメント指標は、ユーザーがどれだけ頻繁に戻ってきて、どれほど深く関与しているかを明確に示します。

DAUは、1日にプロダクトとやり取りしたユニークユーザー数を測定します。例えば、モバイルゲームを運営していて、今日1,000人のユニークプレイヤーがアプリを開いた場合、DAUは1,000となります。

MAUは、1か月間にプロダクトとやり取りしたユニークユーザー数を示します。6月に10,000人が少なくとも1回アプリを利用した場合、6月のMAUは10,000です。

スティッキネスは、DAUをMAUで割った比率で、通常パーセンテージで表されます。これは、月間ユーザーのうちどれだけの割合が日常的に利用しているかを示し、プロダクトの習慣性を可視化します。スティッキネスが高いほど、ユーザーが頻繁に戻ってきていることを意味します。

セッション長は、ユーザーが1回の訪問で費やす平均時間を追跡します。例えば、ニュースアプリの平均ユーザーが1回あたり10 minutes利用している場合、それが平均セッション長となります。

例えば、ソーシャルネットワーク、天気アプリ、家計簿ツールの3つのプロダクトを管理しているとします。ソーシャルネットワークはDAUとスティッキネスが高く、ユーザーが毎日チェックしていることを示します。天気アプリはDAUは中程度ですが、嵐の時にはセッション長が長くなる傾向があります。家計簿ツールはDAUは低いものの、MAUは安定しており、ユーザーは主に月初や月末に利用する傾向があります。


              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)

ノート

高いスティッキネスは、強いユーザーエンゲージメントとプロダクト習慣化を示す。

上記のコードの仕組みを以下に説明する：

まず、activity_log にはユーザーのアクティビティが記録されており、各レコードはユーザーIDと日付文字列で構成されている。DAU を計算するには、特定の日付に対してユニークなユーザーIDをカウントする。例えば '2024-06-04' では、その日にアクティブだった全ユーザーを抽出し、ユニーク数を数える。

MAU については、対象月（例：'2024-06'）内のアクティビティを持つ全ユニークユーザーを抽出する。これにより、その月にプロダクトとやり取りした異なるユーザー数が分かる。

スティッキネス は、DAU を MAU で割り、100 を掛けてパーセンテージを算出する。これにより、月間ユーザーのうち日次でアクティブな割合が分かり、ユーザーがどれだけ定期的に戻ってきているかを直接示す。

このコードを実行することで、任意の日付や月の DAU、MAU、スティッキネスを素早く把握でき、ユーザーエンゲージメントの傾向や課題を見つけるのに役立つ。

1. 高いスティッキネス比率は、プロダクトのユーザーエンゲージメントについて何を示しているか？

2. 空欄を埋めてください:

すべて明確でしたか？

フィードバックありがとうございます！

セクション 2. 章 1

AIに質問する

何でも質問するか、提案された質問の1つを試してチャットを始めてください

セクション 2. 章 1