8 апреля 2026 г.

Stickiness (DAU/MAU) — что это и как интерпретировать

Что такое Stickiness

Stickiness — метрика, которая показывает, насколько «липкий» продукт: как часто месячные пользователи возвращаются в него каждый день. Считается как отношение DAU к MAU.

Если MAU — это все уникальные пользователи за месяц, а DAU — активные за конкретный день, то stickiness отвечает на вопрос: «какая доля месячной аудитории пользуется продуктом ежедневно?»

Высокий stickiness значит, что пользователи возвращаются регулярно, а не заходят раз в месяц и забывают. Это один из самых надёжных сигналов product-market fit.

Подробнее о DAU и MAU — в статье о продуктовых метриках.

Формула

Stickiness = DAU / MAU

Результат обычно выражают в процентах. Если DAU = 5 000 и MAU = 50 000, stickiness = 10%.

Иногда используют вариацию WAU / MAU — какая доля месячной аудитории активна в течение недели. Этот вариант менее волатилен: дневные значения DAU скачут из-за дня недели и праздников, а недельные сглаживают шум. WAU/MAU лучше подходит для продуктов, в которые пользователи заходят не каждый день — маркетплейсов, сервисов бронирования, фитнес-приложений.

Бенчмарки по индустриям

Универсального «хорошего» stickiness нет — всё зависит от типа продукта.

Категория Stickiness (DAU/MAU) Примеры
Соцсети и мессенджеры 50–65% Telegram, Instagram, TikTok
Финтех (daily-use) 25–40% Банковские приложения с ежедневными уведомлениями
SaaS (B2B) 30–40% Slack, Jira, аналитические платформы
E-commerce 10–20% Маркетплейсы, доставка еды
Утилитарные сервисы 5–10% Бронирование, каршеринг

Мессенджеры и соцсети — чемпионы stickiness, потому что формируют ежедневную привычку. Если ваш маркетплейс показывает 15% — это нормально, не нужно равняться на Telegram.

SQL-расчёт Stickiness

Stickiness по дням за последние 30 дней

WITH daily AS (
    SELECT
        event_date,
        COUNT(DISTINCT user_id) AS dau
    FROM user_activity
    WHERE event_date >= CURRENT_DATE - INTERVAL '30 days'
    GROUP BY event_date
),
monthly AS (
    SELECT COUNT(DISTINCT user_id) AS mau
    FROM user_activity
    WHERE event_date >= CURRENT_DATE - INTERVAL '30 days'
)
SELECT
    d.event_date,
    d.dau,
    m.mau,
    ROUND(d.dau::numeric / m.mau * 100, 1) AS stickiness_pct
FROM daily d
CROSS JOIN monthly m
ORDER BY d.event_date;

MAU здесь считается за фиксированные 30 дней. Каждый день получает свой DAU, а stickiness — отношение DAU этого дня к общему MAU периода.

Stickiness по месяцам (тренд)

SELECT
    m.month,
    m.mau,
    ROUND(d.avg_dau::numeric / m.mau * 100, 1) AS avg_stickiness_pct
FROM (
    SELECT
        DATE_TRUNC('month', event_date) AS month,
        COUNT(DISTINCT user_id) AS mau
    FROM user_activity
    GROUP BY 1
) m
JOIN (
    SELECT
        DATE_TRUNC('month', event_date) AS month,
        AVG(dau) AS avg_dau
    FROM (
        SELECT event_date, COUNT(DISTINCT user_id) AS dau
        FROM user_activity
        GROUP BY event_date
    ) daily
    GROUP BY 1
) d USING (month)
ORDER BY m.month;

Этот запрос считает средний stickiness за каждый месяц — так удобнее смотреть динамику.

Связь Stickiness и Retention

Stickiness и retention — разные метрики, хотя обе про «возвращаемость».

  • Retention отвечает: «какая доля пользователей вернулась через N дней после первого визита?» Привязан к когортам и моменту регистрации.
  • Stickiness отвечает: «как часто текущая аудитория пользуется продуктом?» Привязан к периоду, а не к когортам.

Retention показывает, удерживаете ли вы новых пользователей. Stickiness показывает, насколько глубоко продукт встроен в привычки текущей базы. Метрики дополняют друг друга: можно иметь хороший D30 retention, но низкий stickiness — значит, пользователи возвращаются, но редко.

Как улучшить Stickiness

  1. Привычкообразующие механики. Push-уведомления, стрики, ежедневные задания. Всё, что создаёт повод зайти сегодня, а не когда-нибудь потом.
  2. Персонализация. Чем релевантнее контент, тем чаще пользователь возвращается. Рекомендательные алгоритмы, персональные дайджесты.
  3. Социальный слой. Лента друзей, комментарии, соревнования — причины возвращаться помимо основного функционала.
  4. Быстрый time-to-value. Если пользователь получает ценность за 2 минуты, а не за 20, он будет заходить чаще.
  5. Анализ power users. Изучите поведение пользователей с высокой частотой — что именно они делают? Можно ли это паттерн масштабировать на всех?

Подробнее о том, как выбрать ключевую метрику для продукта — в статье о North Star Metric.

Типичные ошибки

Путать stickiness с retention. Stickiness = DAU/MAU за текущий период, retention = доля когорты, вернувшаяся через N дней. Это разные вещи. На собеседовании эту разницу проверяют специально.

Игнорировать сезонность. DAU может падать в выходные (B2B) или расти в праздники (e-commerce). Сравнивать stickiness понедельника и субботы бессмысленно. Используйте среднее за 7 дней или сравнивайте аналогичные дни.

Не фиксировать определение активности. «Активный пользователь» — это открыл приложение? Совершил целевое действие? Оплатил заказ? Разные определения дадут разный DAU и разный stickiness. Зафиксируйте и не меняйте.

Смотреть на абсолютное значение вместо тренда. Stickiness 15% — это хорошо или плохо? Зависит от контекста. Но если stickiness падает три месяца подряд — это проблема для любого продукта.

Вопросы с собеседований

  1. Что такое stickiness и чем он отличается от retention? — stickiness = DAU/MAU, показывает частоту использования. Retention привязан к когортам и показывает удержание. На практике метрики дополняют друг друга.

  2. Stickiness вырос с 20% до 30% за месяц. Как объясните? — проверьте, не упал ли MAU (если ушли casual-пользователи, DAU/MAU вырастет механически). Посмотрите абсолютные DAU и MAU. Возможно, запустили фичу, которая увеличила частоту визитов.

  3. Напишите SQL для расчёта stickiness. — решение выше: CTE с DAU по дням, подзапрос с MAU, CROSS JOIN.

  4. У продукта stickiness 8%. Нормально ли это? — зависит от категории. Для мессенджера — катастрофа, для маркетплейса — в рамках нормы. Нужно сравнивать с бенчмарками индустрии и собственной динамикой.

  5. Как stickiness связан с North Star Metric? — для daily-use продуктов stickiness часто сам является NSM или её компонентом. Подробнее — в статье о NSM.

Потренировать продуктовые метрики на реальных вопросах — откройте тренажёр. Больше примеров вопросов — на странице с вопросами.

Читайте также

FAQ

В чём разница между stickiness DAU/MAU и WAU/MAU?

DAU/MAU показывает долю месячной аудитории, активной за один день. WAU/MAU — долю, активную за неделю. WAU/MAU менее волатилен и лучше подходит для продуктов с нерегулярным использованием (маркетплейсы, сервисы бронирования). Для daily-use продуктов (мессенджеры, соцсети) DAU/MAU информативнее.

Можно ли иметь stickiness выше 100%?

Нет. DAU по определению не может быть больше MAU, потому что все пользователи дня входят в пользователей месяца. Если у вас получилось больше 100% — где-то ошибка в расчёте: скорее всего, DAU и MAU считаются за разные периоды или с разным определением активности.

Как часто нужно мониторить stickiness?

Ежедневный мониторинг полезен для операционных решений, но для стратегических выводов лучше смотреть на скользящее среднее за 7 или 30 дней. Резкие дневные скачки обычно объясняются выходными, праздниками или техническими сбоями, а не реальным изменением поведения.

Stickiness растёт, а выручка нет — что не так?

Stickiness показывает частоту визитов, но не их качество. Пользователи могут заходить чаще, но не совершать целевые действия (покупки, подписки). Проверьте конверсию в оплату и ARPU. Возможно, растёт частота визитов бесплатных пользователей, а платящий сегмент не меняется.

Тренироваться в Telegram