Aprenda Métricas de Engajamento | Métricas Essenciais e Mensuração

Deslize para mostrar o menu

Compreender como os usuários interagem com seu produto é fundamental para impulsionar o crescimento e a melhoria. Métricas de engajamento como Usuários Ativos Diários (DAU), Usuários Ativos Mensais (MAU), stickiness e duração da sessão fornecem sinais claros sobre a frequência com que os usuários retornam e o nível de envolvimento.

DAU mede o número de usuários únicos que interagem com seu produto em um único dia. Por exemplo, se você administra um jogo mobile e 1.000 jogadores únicos abrem o aplicativo hoje, seu DAU é 1,000.

MAU captura o número de usuários únicos que interagem com seu produto ao longo de um mês. Se 10,000 pessoas diferentes usam seu aplicativo pelo menos uma vez em junho, seu MAU para junho é 10,000.

Stickiness é a razão entre DAU e MAU, normalmente expressa em porcentagem. Ela mostra qual proporção dos seus usuários mensais está ativa diariamente, destacando o quão viciante ou habitual é o seu produto. Um stickiness mais alto indica que os usuários retornam com frequência.

Duração da sessão acompanha quanto tempo os usuários passam por visita. Por exemplo, se o usuário médio passa 10 minutes cada vez que utiliza seu aplicativo de notícias, esse é o seu tempo médio de sessão.

Suponha que você gerencie três produtos: uma rede social, um aplicativo de previsão do tempo e uma ferramenta de orçamento. A rede social pode ter alto DAU e alto stickiness, indicando que os usuários a acessam diariamente. O aplicativo de previsão do tempo pode ter DAU moderado, mas alta duração de sessão durante tempestades. A ferramenta de orçamento pode ter DAU mais baixo, mas um MAU estável, já que os usuários a consultam principalmente no início ou no final do mês.


              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)

Nota

Alta aderência indica forte engajamento dos usuários e formação de hábito em relação ao produto.

Aqui está uma análise de como o código acima funciona:

Primeiro, o activity_log contém registros de atividade dos usuários, onde cada registro é um ID de usuário e uma string de data. Para calcular o DAU, o código conta os IDs de usuários únicos para uma data específica. Por exemplo, em '2024-06-04', ele encontra todos os usuários ativos naquele dia e conta quantos são únicos.

Para o MAU, o código busca todos os usuários únicos cuja atividade ocorreu dentro do mês alvo, como '2024-06'. Isso mostra quantos usuários diferentes interagiram com seu produto durante aquele mês.

A aderência é então calculada dividindo o DAU pelo MAU e multiplicando por 100 para obter uma porcentagem. Isso revela qual proporção dos seus usuários mensais também está ativa diariamente – um indicador direto de quão regularmente os usuários retornam.

Executando esse código, é possível visualizar rapidamente seu DAU, MAU e aderência para qualquer data e mês, ajudando a identificar tendências ou problemas no engajamento dos usuários.

1. O que uma alta taxa de aderência indica sobre o engajamento dos usuários de um produto?

2. Preencha a lacuna:

Tudo estava claro?

Obrigado pelo seu feedback!

Seção 2. Capítulo 1

Pergunte à IA

Pergunte o que quiser ou experimente uma das perguntas sugeridas para iniciar nosso bate-papo

Seção 2. Capítulo 1