Các chỉ số DAU, WAU và MAU là gì?

DAU, WAU, MAU có thực sự phản ánh đúng mức độ gắn bó của người dùng, hay chỉ là “ảo giác tăng trưởng” mà nhiều product team đang hiểu sai? Khám phá cách đo lường user engagement, stickiness và case study thực tế để đọc đúng dữ liệu.

Các chỉ số DAU, WAU và MAU là gì?

Featured

Recommended for you

Trong phân tích sản phẩm (product analytics), ba chỉ số cốt lõi gồm DAU (Daily Active Users), WAU (Weekly Active Users) và MAU (Monthly Active Users) được sử dụng để đo lường mức độ tương tác (user engagement) và mức độ gắn bó (user retention / stickiness) của người dùng với ứng dụng.

Các chỉ số này không chỉ phản ánh số lượng người dùng, mà còn giúp trả lời những câu hỏi quan trọng như:

Người dùng có quay lại ứng dụng thường xuyên không?
Hành vi sử dụng thay đổi như thế nào theo thời gian?
Khi nào nên triển khai chiến dịch marketing hoặc tối ưu sản phẩm?

1. Định nghĩa chi tiết các chỉ số

1.1. DAU – Người dùng hoạt động hằng ngày (Daily Active Users)

DAU (Daily Active Users) là số lượng người dùng duy nhất (unique users) thực hiện ít nhất một hành động có ý nghĩa (meaningful action) trong ứng dụng trong vòng 1 ngày.

“Hành động có ý nghĩa” có thể là:

Mở app (app open)
Đăng nhập (login)
Thực hiện giao dịch (transaction)
Tương tác nội dung (content interaction)

DAU đặc biệt quan trọng với các sản phẩm có tần suất sử dụng cao (high-frequency products), ví dụ:

Game mobile
Mạng xã hội (social networks)
Ứng dụng chat

Insight quan trọng: DAU giúp bạn hiểu được “nhịp sống” hằng ngày của sản phẩm.

1.2. WAU – Người dùng hoạt động hằng tuần (Weekly Active Users)

WAU (Weekly Active Users) là số lượng người dùng duy nhất có ít nhất một phiên hoạt động trong vòng 7 ngày.

WAU phù hợp khi:

Hành vi người dùng không đồng đều giữa các ngày (day-of-week fluctuation)
Sản phẩm không yêu cầu sử dụng mỗi ngày

→ Ví dụ điển hình:

Công cụ làm việc (workplace tools) như Slack
Ứng dụng học tập (learning apps)
Ứng dụng tài chính cá nhân (personal finance apps)

Insight quan trọng: WAU giúp “làm mượt” dữ liệu (smooth out volatility), tránh bị nhiễu bởi những ngày thấp điểm như cuối tuần.

1.3. MAU – Người dùng hoạt động hằng tháng (Monthly Active Users)

MAU (Monthly Active Users) là số lượng người dùng duy nhất hoạt động trong vòng 30 ngày.

Đây là chỉ số mang tính tổng quan (high-level metric) và thường được dùng để:

Đánh giá quy mô sản phẩm (product scale)
Đo mức độ giữ chân người dùng (user retention)
Làm mẫu số để tính các chỉ số khác

→ Một chỉ số cực kỳ quan trọng liên quan đến MAU:

Stickiness Ratio (DAU/MAU) = DAU / MAU

Nếu DAU/MAU = 20% → trung bình người dùng sử dụng app ~ 6 ngày/tháng
Nếu DAU/MAU = 50% → mức độ gắn bó rất cao

2. Cách tính DAU, WAU, MAU (theo thực tế hệ thống)

2.1. Theo một ngày cụ thể (Single-day metric)

DAU: số user hoạt động trong đúng ngày đó
WAU: số user hoạt động trong 7 ngày gần nhất (rolling window)
MAU: số user hoạt động trong 30 ngày gần nhất

Lưu ý:

Thường tính theo UTC timezone, không phải chu kỳ 24h local
Dùng rolling window (cửa sổ trượt) chứ không phải tuần/tháng cố định

2.2. Theo một khoảng thời gian (Date range)

Khi chọn một khoảng thời gian (ví dụ: 01/01 – 31/01), hệ thống thường:

Tính DAU/WAU/MAU cho từng ngày
Lấy trung bình (daily average) của toàn bộ khoảng thời gian

→ Điều này giúp:

So sánh xu hướng (trend analysis)
Tránh bias từ các ngày đột biến

2.3. Các ví dụ minh họa (WAU & MAU)

Giả sử bạn tính WAU cho ngày 01/01:

Lấy toàn bộ user từ 26/12 → 01/01
Loại trùng → ra số user duy nhất
Đó là WAU của ngày 01/01

Tương tự:

MAU = user từ 30 ngày trước đó

Dưới đây là cách diễn đạt lại giúp người dùng dễ hình dung và nắm bắt quy trình tính toán hơn:

2.4 Cách tính chỉ số người dùng trong một khoảng thời gian

Khi bạn chọn một khoảng thời gian (ví dụ: từ 01/01 đến 31/01), hệ thống sẽ tính toán số lượng người dùng (DAU, WAU, MAU) theo nguyên tắc "Trung bình của các giá trị trung bình". Quy trình gồm 2 bước:

Tính giá trị cho từng ngày: Hệ thống tính toán chỉ số của mỗi ngày dựa trên dữ liệu các ngày liền kề trước đó.
Tính giá trị tổng quát cho cả giai đoạn: Lấy trung bình cộng của tất cả các giá trị ngày đã tính ở Bước 1.

Ví dụ cụ thể: Cách tính WAU (Trung bình 7 ngày)

Giả sử bạn muốn tính WAU cho giai đoạn từ 01/01 đến 05/01:

Bước 1: Tính chỉ số cho từng ngày trong giai đoạn đó
- Giá trị ngày 01/01 = Tổng người dùng từ (26/12 đến 01/01) ÷ 7.
- Giá trị ngày 02/01 = Tổng người dùng từ (27/12 đến 02/01) ÷ 7.
- (Tương tự cho các ngày 03, 04 và 05/01).
Bước 2: Tính kết quả cuối cùng
- WAU chung của giai đoạn = (Giá trị ngày 01 + 02 + 03 + 04 + 05) ÷ 5.

Để tính MAU cho khung thời gian 01/01 - 05/01, trước hết cần tính giá trị cho từng ngày trong khung thời gian này. Ví dụ, tính cho ngày 01/01, cộng số lượng người dùng trong 30 ngày liền kề trước, tính cả 01/01. Sau đó chia trung bình.

Tóm lại: Chỉ số hiển thị trên biểu đồ không phải là tổng số người dùng duy nhất trong cả tháng, mà là mức độ hoạt động trung bình hàng ngày của người dùng trong khoảng thời gian bạn đã chọn.

3. Cách sử dụng DAU, WAU, MAU hiệu quả

3.1. Xác định mục tiêu đo lường (Measurement goal)

Bạn cần xác định rõ:

🎯 Mục tiêu 1: Biết chính xác số user trong tháng

→ Dùng MAU tại ngày cuối tháng

🎯 Mục tiêu 2: Theo dõi xu hướng tăng trưởng

→ Dùng:

MAU trung bình theo thời gian
Biểu đồ trend (time series analysis)

🎯 Mục tiêu 3: Đánh giá mức độ gắn bó

→ Dùng:

DAU/MAU (stickiness ratio)
WAU/MAU

3.2. Kết hợp với các chỉ số khác

DAU/WAU/MAU chỉ là “bề mặt”. Để hiểu sâu hơn, cần kết hợp:

Retention Rate (tỷ lệ giữ chân)
Churn Rate (tỷ lệ rời bỏ)
Session Frequency (tần suất truy cập)
Lifetime Value – LTV

4. Case Study thực tế

Case Study 1: Ứng dụng Chat nội bộ (giống Slack)

Bối cảnh: Một công ty SaaS phát triển app chat cho doanh nghiệp.

Quan sát dữ liệu:

DAU:
- Thứ 2–6: rất cao
- Thứ 7–CN: giảm mạnh
WAU: ổn định
MAU: tăng nhẹ

Vấn đề: Nếu chỉ nhìn DAU → tưởng sản phẩm đang “có vấn đề cuối tuần”

Giải pháp:

Chuyển focus sang WAU
Đánh giá theo “weekly engagement” thay vì daily

Kết quả:

Insight chính xác hơn về hành vi người dùng B2B
Tránh đưa ra quyết định sai (ví dụ: spam notification cuối tuần)

Case Study 2: Game Mobile

Bối cảnh: Một game free-to-play cần tối ưu retention.

Dữ liệu:

DAU giảm dần
MAU vẫn cao

Phân tích:

Người dùng vẫn quay lại trong tháng
Nhưng không chơi thường xuyên

→ DAU/MAU giảm → stickiness giảm

Hành động:

Thêm:
- Daily rewards (phần thưởng hằng ngày)
- Push notification (re-engagement)
- Event giới hạn thời gian (limited-time events)

Kết quả:

DAU tăng 25%
DAU/MAU tăng từ 18% → 32%

Case Study 3: Fintech App

Bối cảnh: Ứng dụng quản lý chi tiêu cá nhân.

Insight:

Người dùng không cần vào app mỗi ngày
DAU thấp nhưng MAU cao

Sai lầm phổ biến: Cố ép tăng DAU bằng notification spam

Chiến lược đúng:

Tối ưu WAU & MAU
Tập trung:
- Monthly reports
- Weekly insights

Kết quả:

Retention tăng
User satisfaction cao hơn

5. Những sai lầm phổ biến cần tránh

Ám ảnh DAU cho mọi loại sản phẩm
→ Không phải app nào cũng cần daily usage
Không phân biệt loại hành vi (meaningful vs vanity metrics)
→ Mở app ≠ có giá trị
Không dùng stickiness ratio (DAU/MAU)
→ Mất insight quan trọng về engagement
Hiểu sai WAU/MAU do không dùng rolling window

6. Kết luận

DAU, WAU và MAU không chỉ là các con số, mà là “ngôn ngữ” mô tả hành vi người dùng (user behavior language).

DAU → đo nhịp sử dụng hằng ngày
WAU → đo thói quen theo tuần
MAU → đo quy mô và mức độ giữ chân

Khi được sử dụng đúng cách, kết hợp với các chỉ số như retention, churn và stickiness, chúng trở thành nền tảng để:

Ra quyết định sản phẩm (product decisions)
Tối ưu tăng trưởng (growth optimization)
Xây dựng chiến lược dài hạn (long-term strategy)

A A A A

Nguồn

{content}

DAU là gì,WAU là gì,MAU là gì,cách tính DAU WAU MAU,chỉ số active users,user engagement là gì,stickiness ratio là gì,đo lường người dùng app,phân tích hành vi người dùng,tối ưu retention app,

Popular Posts

info@tigosolutions.com

Online support: m.me/tigogroup

VPĐD: 16, phố Trần Quốc Vượng, Q. Cầu Giấy, Hà Nội

Chi nhánh 1: T-Sol Building, TT1 Kiều Mai, Quận Bắc Từ Liêm, Hà Nội

Chi nhánh 2: T12, công viên phần mềm, 2 - Quang Trung, thành phố Đà Nẵng.

SỨ MỆNH CỦA CHÚNG TÔI:

Hướng tới giá trị đích thực
Đồng hành cùng khách hàng
Rút ngắn thời gian về đích
Biến thách thức thành cơ hội
Đổi mới, sáng tạo để bứt phá
Phát triển nhanh, năng động và thích ứng linh hoạt trong mọi hoàn cảnh.

Tại sao cần tinh gọn (Lean)?

Tinh gọn để buông bỏ những thứ không thiết yếu
Tinh gọn để nhường chỗ cho sáng tạo
Tinh gọn để uyển chuyển
Tinh gọn để kết thúc nhanh một thất bại
Tinh gọn để đi xa hơn
Tinh gọn để thích ứng

Tám chữ quý "HƠN VÀNG" cho năm mới 2025

Thái độ hơn trình độ
Linh hoạt hơn kiên định
Thay đổi đúng lúc hơn cố chấp đúng sai
Thích nghi hơn hoàn hảo
Đúng thời điểm hơn đúng cách
Uyển chuyển hơn áp đặt
Sáng tạo hơn lặp lại
Điều chỉnh hơn đối đầu

Các chỉ số DAU, WAU và MAU là gì?

DAU, WAU, MAU có thực sự phản ánh đúng mức độ gắn bó của người dùng, hay chỉ là “ảo giác tăng trưởng” mà nhiều product team đang hiểu sai? Khám phá cách đo lường user engagement, stickiness và case study thực tế để đọc đúng dữ liệu.

Từ khóa

Các chỉ số DAU, WAU và MAU là gì?

1. Định nghĩa chi tiết các chỉ số

1.1. DAU – Người dùng hoạt động hằng ngày (Daily Active Users)

1.2. WAU – Người dùng hoạt động hằng tuần (Weekly Active Users)

1.3. MAU – Người dùng hoạt động hằng tháng (Monthly Active Users)

2. Cách tính DAU, WAU, MAU (theo thực tế hệ thống)

2.1. Theo một ngày cụ thể (Single-day metric)