DAU/MAU 口径与计算：活跃用户定义、去重规则、口径对齐
DAU（日活跃用户）与 MAU（月活跃用户）是衡量 AI 产品用户覆盖规模最基础、最核心的双生指标。本章从底层定义出发，逐一拆解活跃判定标准、跨端去重逻辑以及多业务线口径对齐方法，确保 Reach 量化体系建立在统一、可复用的数据地基之上。
1. 指标定义
DAU 反映产品在单个自然日内的用户触达广度，MAU 反映自然月内的累计覆盖规模。两者的比值（DAU/MAU）是衡量用户粘性的经典标尺。
| 维度 | DAU | MAU |
|---|---|---|
| 时间窗口 | 当日 00:00:00 – 23:59:59 | 当月第 1 天 – 月末最后一天 |
| 去重粒度 | 按自然日对用户 ID 一次去重 | 按自然月对用户 ID 一次去重 |
| 典型阈值 | 当日至少发生 1 次有效会话 | 当月至少存在 1 个活跃日 |
| 适用场景 | 日活监测、短期活动效果、异常告警 | 用户规模评估、长期趋势、投资汇报 |
| 粘性公式 | DAU / MAU × 100% （用户月均活跃天数） | |
关键认知：DAU 是瞬时流量仪表，MAU 是用户资产蓄水池。两者必须使用同一套用户标识体系，否则粘性比值会失真。
2. 数据口径
2.1 活跃用户定义标准
不同产品阶段对“活跃”的判定深度不同，Reach 量化建议采取分层口径，从宽到窄覆盖全生命周期。
- 启动活跃（最宽）：用户成功发起一次 APP 启动或页面加载即计入。适用于渠道投放、新增监测场景。
- 行为活跃（核心）：用户完成至少一次关键交互（点击、滑动、提问、生成等）。适用于产品健康度评估。
- 时长活跃（深度）：用户停留时长超过预设阈值（如 > 30 秒）。适用于内容型、工具型产品粘性分析。
2.2 去重规则
去重是 DAU/MAU 计算中最容易产生口径偏差的环节，必须事先约定以下三条硬规则：
- 设备 ID 与用户 ID 优先映射：登录用户优先使用 User ID 去重；未登录用户使用设备 ID 暂存，合并时以最后一次登录态为准。
- 跨设备合并：同一 User ID 在手机、平板、Web 端的行为，按日去重时只计 1 次，按月去重时也只计 1 次。
- 去重窗口期：日活去重以自然日零点为切割线，跨日行为分别计入对应日期；月活去重以自然月首尾为边界，跨月行为归入发生日所属月份。
避坑提示：严禁在未做设备-用户映射的情况下直接对 Device ID 去重。AI 产品常有多端登录场景，直接使用设备 ID 会导致同一用户被重复计数，MAU 虚高 15%–30% 是常见问题。
2.3 口径对齐
当产品存在多个客户端、多个区域版本或多条业务线时，口径对齐是保证指标可比的前提。
- 多端对齐：iOS、Android、Web、小程序使用统一的活跃判定阈值和去重主键。
- 区域对齐：国内与海外版本采用相同的用户身份识别逻辑，避免因隐私政策差异导致口径分裂。
- 版本对齐：大版本迭代后，保留旧版活跃定义至少一个完整月，方便同比计算。
3. 维度拆解
DAU/MAU 需要从以下四个核心维度拆解，才能定位覆盖增长的具体驱动因子：
- 平台维度：iOS、Android、Web、小程序 — 评估各端用户覆盖效率，指导端侧资源投入。
- 渠道维度：自然搜索、付费投放、社交裂变、内容营销 — 区分渠道新增与留存质量。
- 用户类型维度：新用户（首日活跃）、老用户（活跃留存）、回流用户（沉默 30 天后再次活跃） — 监控用户结构健康度。
- 地域维度：一线/二线/下沉市场，或按国家/地区 — 配合运营策略做本地化覆盖。
常见误区：只关注总量 DAU/MAU，不做维度拆解，会导致“覆盖增长但活跃质量下降”的问题被掩盖。建议每周至少按渠道 × 用户类型做一次交叉分析。
4. 看板结构
DAU/MAU 看板应遵循“总—分—细节”三层结构，方便不同角色快速获取关键信息：
- 顶层指标卡：当日 DAU、当月 MAU、DAU/MAU 粘性比值、环比变化率。
- 中层趋势图：近 30 日 DAU 折线图（叠加 7 日移动平均线）、近 12 月 MAU 柱状图。
- 底层拆解表：按平台、渠道、用户类型三个维度分别展示 DAU 与 MAU 绝对值及其占比，支持下钻查看明细。
5. 异常解释
DAU/MAU 出现异常波动时，按以下优先级排查原因：
| 异常模式 | DAU 表现 | MAU 表现 | 排查方向 |
|---|---|---|---|
| 突降 | 单日跌幅 > 20% | 月末下挫 > 10% | 数据采集链路 / 版本发布回滚 / 渠道断投 |
| 突升 | 单日涨幅 > 30% | 月中跳增 > 15% | 渠道放量 / 活动拉新 / 爬虫或异常流量 |
| 粘性骤降 | DAU 持平 | MAU 快速上涨 | 新增用户留存差 / 渠道质量恶化 |
诊断清单：遇到异常先查“数据口径是否变更”“是否有新版本上线”“渠道投放是否调整”，这三项覆盖了 80% 的波动原因。
6. 业务动作
基于 DAU/MAU 数据，不同角色应采取对应的推进动作：
- 产品侧：当 DAU 连续 3 日下滑且老用户占比降低时，启动核心功能体验优化与召回触达。
- 运营侧：当 MAU 环比增长但 DAU/MAU 粘性低于 20% 时，调整拉新渠道结构，加大留存型活动预算。
- 数据侧：每季度执行一次口径对齐审计，确保多端、多区域、多版本的活跃定义一致。
7. 复盘分析
推荐按周 + 月双周期对 DAU/MAU 进行复盘，形成闭环：
- 周复盘（轻量）：对比本周 DAU 均值 vs 上周 & 去年同期，标注异常日并关联事件。
- 月复盘（深度）：计算当月 MAU、DAU/MAU 粘性、新用户占比、回流用户占比，与目标值对比，输出增长/下滑归因。
- 季度复盘（战略）：审视口径一致性，评估多端覆盖健康度，调整下季度 Reach 目标。