研究互联网的同志应该都有听说过DAU（日活跃用户数）、WAU（周活跃用户数）MAU（月活跃用户数），但是具体这些数字是怎么测算的？他们彼此之间又是怎样的关系？在本文中，笔者试图谈谈自己的一些思考，请大家多交流指教。
一、DAU、WAU、MAU是什么？
根据百度的定义，活跃用户是相对于“流失用户”的一个概念，是指那些会时不时地光顾下网站，并为网站带来一些价值的用户。与活跃用户相对应，流失用户是指那些曾经访问过网站或注册过的用户，但由于对网站渐渐失去兴趣后逐渐远离网站，进而彻底脱离网站的那批用户。
活跃用户用于衡量网站的运营现状，而流失用户则用于分析网站是否存在被淘汰的风险，以及网站是否有能力留住新用户。
进一步，按照测算周期，我们可以将活跃用户分为DAU（日活跃用户数） 、WAU（周活跃用户数）MAU（月活跃用户数）。举例来说，DAU的含义就是每天有多少活跃用户光顾过该网站。那么，这里就面临着一些问题——光顾过几次才算活跃用户？只要当天光顾过一次就可以计入当天的活跃用户？如果算，那么偶尔登入网站的用户也被计入了该如何处理？ 而时间维度被拉长至每周或每月，又分别要光顾几次才算呢？让我们看看下一小节的分析。
二、DAU/WAU/MAU如何计算？
首先，我们需要统一一个标准，即什么用户才是活跃用户。然后经过思考之后，我们终于明白，这个是很难有具体标准的。因为对于不同的互联网产品，衡量的标准是不同的。游戏产品的用户会在某段时间内频繁登陆，而在线文档编辑网站的用户则可能每月只是使用几次。于是，我们只能简化处理，将“只要来过就是活跃用户作为我们的统计标准”。于是计算方法如下：
DAU/WAU/MAU通常统计一日/一月之内，登录或使用了某个产品的用户数（去除重复登录的用户） 。
但是这种计算方式确实带来一个问题，就是其中必然有一些用户来访问了网站，然后觉得这不是他们想要的服务，于是离开了。这批用户被定义为流失用户可能更合适，却被计入了活跃用户。如何处理？
笔者认为有两种解决办法。第一种是拉长观察窗口，比如观察一个月内的DAU数据变化，并做平滑处理，画出趋势线，去掉上述偶尔的访问量造成的影响。第二种方法则是利用DAU、WAU、MAU三者之间的关系，这个方法也是我更为推荐的。具体的，请看下一小节的分析。
三、DAU、WAU、MAU之间是什么关系？
我们已经知道了日活、周活、月活三者的计算方式，毋庸置疑，当观察窗口固定时，这三者在大多数情况下数据并不一样，而呈现DAU<WAU<MAU的关系。这三者会有一样的时候吗？也是有可能的，那就是无论是每天、每周还是每月，都是同一批用户前来访问。
通过做差进行大小比较是最简单的一种关系描述。下面我们试着过渡到稍微高级些的关系描述——做商。
举例来说，DAU/MAU这一比例代表了什么含义？假设1月1日的DAU=10万，1月的MAU=100万，则意味着整个1月份有100万活跃用户，其中有10万用户在1月1日使用了该网站服务。直观感受下，不难明白，当MAU固定时，DAU越高就说明该网站越受欢迎。（我巴不得每月的这100万活跃用户天天来呢）
对！此时DAU/MAU=0.1，它代表的是用户的黏性。该数值越高，用户黏性就越高。STICKNESS OF USERS=DAU/MAU。
对做商这一稍微高级些的关系进行描述之后，让我们再思考一个更高级的关系描述——二阶做商。
刚才已经说过，DAU/MAU表示用户黏性，假设在1月1日SoU1=0.1，1月30日SoU2=0.5，这对网站来说是好是坏呢？毋庸置疑，一定是好事，因为用户黏性在增加。于是我们可以定义一个新的公式：
DEVELOPMENT OF STICKNESS=SoU2/SoU1。我将该新的变量定义为“黏性发展指数”，它表示了网站黏性的变化速度。当DoS>1时，表示用户黏性在提升，并且该数值越大说明用户黏性提升越快；当DoS<1时，表示用户黏性在降低，并且该数值越低说明用户黏性降低越快。在运用此指数时，有一点必须要注意，就是比较的周期应该是一致的，周黏性发展指数or月黏性发展指数。
总之，用户黏性SoU是对一个网站在某一时点的静态描述，黏性发展指数DoS则是对一个网站在某一时间段的动态描述。
