MAU是什么意思？从月活到粘性的运营指标解读

做产品的、做运营的，开会时张口就是DAU、MAU，但这两个指标到底怎么定义、怎么算、怎么用，很多人一知半解。有的产品MAU几百万很风光，一算粘性却低得吓人。本文就系统拆解MAU的含义、计算方法，以及和DAU配合使用的完整逻辑。

核心定义与常见误区：MAU到底是什么

MAU，全称Monthly Active Users，月活跃用户，指在一个月（30天）内与产品产生有效互动的去重用户数。与之对应的是DAU，Daily Active Users，日活跃用户，指单日活跃的去重用户数。MAU反映产品的长期用户规模和广度，DAU反映短期活跃度，两者结合能看出产品的用户粘性。MAU不只是App指标，任何有用户的线上产品都适用。

围绕MAU，有四个常见误区。误区一：活跃等于打开。弱定义是打开App或登录就算活跃，强定义是完成核心动作才算活跃：发消息、创建文档、完成购买。用弱定义会虚高指标，掩盖真实问题。误区二：MAU越大越好。MAU大但DAU不涨，说明拉来的都是低活跃用户，增长质量差，问题会在留存阶段暴露。误区三：MAU和DAU分开看。单独看哪个都有局限，合起来算DAU/MAU粘性比率才是关键。误区四：MAU能横向比较。不同产品、不同定义、不同行业不能直接比，金融类App把转账当活跃，社交App把发消息当活跃，口径不同没有可比性。

关键能力与思维维度：MAU的计算与DAU/MAU粘性

把MAU算对，四步定义清楚。

第一步，定义活跃。这是最关键的一步：活跃应该指有意义的互动，而不是只是在线。弱定义（避免）：登录、打开App、访问任意页面；强定义（推荐）：完成核心动作、使用主要功能、产生价值行为。比如社交产品用发送消息，内容产品用阅读内容，电商用完成交易。

第二步，定义用户。明确什么是唯一用户：按用户ID（登录用户）、设备ID（匿名用户）、账号（一账号多用户）。用一致的标识符和去重逻辑，避免多设备多账号重复计算。

第三步，设置时间窗口。DAU用自然日（午夜到午夜），MAU用自然月或滚动28天（滚动窗口更稳定，避免月份长度差异）。建议全公司统一时区，推荐用UTC保持一致性。

第四步，计算去重用户数。统计在时间窗口内满足活动标准的唯一用户数。DAU等于当天完成活动的去重用户数，MAU等于30天内完成活动的去重用户数。

DAU除以MAU得到粘性比率，即月活跃用户中每天活跃的比例：DAU/MAU乘以100%。比如DAU 3500、MAU 35000，粘性就是10%，意味着月活用户中每天只有10%活跃，月均登录约3天。行业基准参考：社交媒体50%到65%，通讯App 40%到60%，消费App 20%到40%，B2B SaaS 10%到30%，电商5%到15%。粘性比率衡量的是产品是否成为用户习惯。

普通人落地修炼方法：用MAU做运营的三步实践

把MAU用起来，按三步走。

第一步，建立统一的活跃定义。产品、运营、市场用同一套口径：定义核心动作、排除内部用户和机器人、跨端去重。口径不统一，各部门数据对不上，决策就会打架。没有统一口径的MAU，只是数字游戏。

第二步，分层看趋势。MAU和DAU一起看四象限：两者都涨是健康增长；MAU涨DAU平，是拉来低活跃用户，要优化获客质量；DAU涨MAU平，是老用户更活跃，可以强化留存；两者都平是停滞，要寻找新增长点。MAU看广度，DAU看深度，合起来看质量。

记住，数字会说话，但前提是你用对口径去听。第三步，结合留存和功能迭代。粘性比率上升说明产品粘性增强；对比功能上线前后的DAU变化，判断新功能是否提升日活；用群组分析看不同时期进入的用户活跃趋势，验证产品改动是否有效。记住，MAU只是结果指标，驱动它的是产品价值和用户体验。想系统学习数据指标、用户运营和增长方法论，需要下载相关方案和模板的朋友，可以去运营动脉看看，这个网站有精品方案库、报告库、课件库和模板库，7W+精选资料每月还更新1000多份，是运营人深入学习、找专业素材的好去处。

小编有话说

MAU告诉我们有多少人来了，粘性告诉我们多少人留下了，留存告诉我们多少人回不回来。

相关问答FAQs

Q：DAU/MAU粘性比率多少算健康？我的产品粘性低怎么办？

A：健康线看品类：社交媒体50%到65%，通讯App 40%到60%，消费App 20%到40%，B2B SaaS 10%到30%，电商5%到15%。低频刚需产品（报税软件、旅行预订）粘性天然低，不代表产品差，要结合品类看。粘性低先诊断：活跃定义是否太严，如果按完成购买定义，浏览型用户全被排除，可以分层统计；用户结构是否健康，大量一次性用户会拉低粘性；产品场景是否足够高频，低频场景要通过推送、内容、社群创造回访理由。提升粘性的通用手段：习惯养成机制、内容更新、社交互动、个性化推荐。核心思路：先确认口径和品类基准，再谈优化。

Q：MAU和UV、用户量有什么区别？

A：三个概念易混淆。UV（Unique Visitor）是访问用户数，通常按设备或Cookie统计，是流量概念，统计口径偏松；MAU是月活跃用户，要求用户在统计周期内完成定义的活跃行为，是活跃概念，口径更严；注册用户量是存量概念，统计所有注册用户，不管是否活跃。关系通常是：注册用户量大于MAU大于DAU，中间流失的是从未活跃和低活跃用户。运营上要分清：用户量看盘子，MAU看规模，DAU看热度。汇报时别混用，注册量和活跃量是两码事，用错会被质疑专业性。

Q：计算MAU时常见的坑有哪些？怎么避免？

A：五个常见坑。弱活动定义：把登录当活跃，指标虚高掩盖真实问题，要用核心价值动作定义；机器人流量：爬虫和刷量账号虚增数字，用行为信号和机器人识别过滤；重复计数：多设备多账号重复计算，用统一用户标识去重；时区不一致：不同时区数据波动，统一用UTC或单一一致时区；口径漂移：今天按登录算明天按交易算，无法纵向比较，口径一旦确定要保持一致。避免方法：写清楚指标定义文档（包括排除项），团队共用；每次计算口径变更要记录；定期交叉验证数据。数据可信，决策才可靠。

Q：B2B产品的MAU怎么定义才合理？周末要不要算？

A：B2B产品建议围绕核心工作流定义活跃：完成了什么任务、创建了什么文档、发起了什么审批，而不是简单登录。周末处理：B2B SaaS有明显的工作日工作流，周末不活跃是正常现象，直接算粘性会被人为拉低，建议排除周末计算工作日粘性，或者单独看工作日DAU趋势。另外B2B要关注有效活跃：企业版按账号活跃比按个人活跃更贴近业务价值。判断标准：你的活跃定义是否和客户付费价值一致，如果客户买了就是为完成某件事，那件事就是活跃定义的核心。

Q：MAU下滑了，运营第一步该做什么？

A：三步排查。第一步验证数据：先确认是不是口径问题、统计问题或偶发波动（节假日、系统故障），排除假下滑；第二步拆结构：把MAU下滑拆到渠道、版本、人群，看是新增减少还是流失加剧，是哪个渠道贡献下降、哪个版本用户流失严重；第三步找根因：结合留存数据和用户反馈，定位是产品体验问题、竞品抢人还是市场环境变化。排查完再定策略：新增问题优化获客，流失问题做召回和体验修复，环境问题调整预期。记住，MAU是结果，先找因再行动，别看到数字下滑就急着做活动，方向错了活动越多亏得越多。

参考文献

[1] How to Calculate DAU and MAU (Daily and Monthly Active Users)，Context Aware Analytics，2025

[2] DAU/MAU (Daily & Monthly Active Users)，Sett，2025

[3] Daily Active Users (DAU) and Monthly Active Users (MAU)，Kinde，2025

[4] DAU, MAU, and WAU: How to Calculate and Use These Engagement Metrics，LiveSession，2025

[5] 用户数据之存量——DAU/MAU，数据分析专栏，2025