DAU, WAU, MAU (활성 사용자) 뜻과 계산

🤔 같은 서비스의 DAU가 보고서마다 다를 때

주간 보고서에는 DAU 4만이라고 적혀 있는데 같은 주 개발팀 대시보드에는 1만 2천이 떠 있는 때가 있습니다. 숫자를 잘못 뽑아서 생긴 차이가 아니라, 한쪽은 앱을 연 사람을 셌고 다른 쪽은 콘텐츠를 한 편이라도 연 사람을 셌기 때문입니다.

활성 사용자는 계산이 까다로운 지표가 아닙니다. 어려운 것은 누구를 활성으로 볼지 한 줄로 정하는 일이고, 그 한 줄이 없으면 같은 서비스에서 몇 배씩 차이 나는 숫자가 동시에 쓰이게 됩니다.

🔑 DAU, WAU, MAU의 정의

DAU와 WAU와 MAU는 각각 하루, 최근 7일, 최근 30일 동안 서비스를 실제로 쓴 사람의 수입니다. AU는 Active Users, 즉 활성 사용자의 줄임말이고 앞에 붙은 글자가 세는 기간을 정합니다.

세 가지 지표 모두 사람의 수를 셉니다. 같은 사람이 하루에 다섯 번 들어와도 그날 DAU에는 1로 들어갑니다. 들어온 횟수를 세는 지표는 세션 수라고 따로 부릅니다.

보고서에서 활성 사용자 옆에 함께 실리는 숫자들을 구분해 두면 읽기가 쉬워집니다.

📚 활성을 무엇으로 볼지, 서점 문에서 세는 손님 수

서점 주인이 하루 손님 수를 적는다고 해 보겠습니다. 문을 열고 들어온 사람을 세면 숫자가 가장 크고, 책장 앞에서 책을 펼쳐 본 사람만 세면 절반 아래로 떨어지며, 책을 사서 나간 사람만 세면 더 줄어듭니다. 셋 다 그날의 손님 수인데 알려 주는 내용이 서로 다릅니다.

앱의 DAU도 문을 어디에 두느냐의 문제입니다. 앱을 연 순간을 문으로 잡을지, 콘텐츠를 한 번이라도 연 순간을 문으로 잡을지, 핵심 행동을 끝낸 순간을 문으로 잡을지에 따라 오늘 숫자가 달라집니다. 문의 위치를 적어 두지 않은 손님 수는 옆 가게 장부와 나란히 놓아도 비교가 되지 않습니다.

🧩 활성의 기준에 따라 달라지는 DAU

앱을 열기만 해도 활성인지, 핵심 행동을 해야 활성인지에 따라 같은 서비스의 DAU가 몇 배 차이가 납니다. 가상의 콘텐츠 앱에서 같은 날 기록을 세 가지 기준으로 집계하면 아래와 같습니다.

가상 데이터이고 하루 기준입니다. 같은 날 같은 앱인데 6,300과 42,000이 모두 DAU라는 이름을 달고 있습니다. 셋 가운데 어느 쪽이 옳은 정의라고 정해져 있지는 않고, 그 숫자로 무엇을 판단할지에 따라 고릅니다.

• 앱 실행: 서버 부하 예측이나 푸시 알림 도달 범위처럼 접속 자체가 중요한 판단에 맞습니다
• 콘텐츠 조회: 만들어 둔 콘텐츠가 실제로 소비되고 있는지를 볼 때 쓰는 기준입니다
• 핵심 행동 완료: 사용자가 서비스의 핵심 가치를 실제로 얻었는지까지 확인하려는 기준입니다

문제는 세 가지 숫자가 같은 이름을 달고 회의에 올라올 때 생깁니다. 정의를 적어 두지 않은 DAU 숫자는 다른 곳과 비교할 수 없습니다. 지난 분기 자료와 견주려 해도, 다른 서비스가 공개한 숫자와 나란히 놓으려 해도 기준이 같은지 확인할 방법이 없어서 그렇습니다.

그래서 활성의 정의는 지표 이름 옆에 한 줄로 붙여 둡니다. DAU(콘텐츠 1회 이상 조회, 로그인 계정 기준)처럼 조건과 집계 단위를 함께 적으면 여섯 달 뒤에 본 사람도 같은 숫자를 다시 뽑을 수 있습니다. 활성 사용자를 KPI로 걸어 둔 팀이라면 이 한 줄이 목표값보다 먼저 정해져야 합니다.

🔢 중복 제거와 MAU 집계 기준

활성 사용자는 사람을 셉니다. 같은 사람이 하루에 다섯 번 들어와도 그날 DAU는 1이고, 이 점이 세션 수와 다른 부분입니다. 사흘치 가상 기록으로 보겠습니다.

DAU를 더하면 3 더하기 2 더하기 2로 7입니다. 그런데 사흘 동안 다녀간 사람은 가, 나, 다, 라 네 명이므로 사흘치 활성 사용자는 7이 아니라 4가 됩니다.

30일로 늘려도 계산 방식은 그대로입니다. MAU는 30일 동안 들어온 서로 다른 사람의 수이지 DAU를 30일 합한 값이 아닙니다. DAU 합계는 MAU보다 항상 크거나 같고, 자주 들어오는 사람이 많을수록 둘의 차이가 벌어집니다. 이 둘을 바꿔 쓰면 MAU가 실제보다 몇 배 부풀어서 보고됩니다.

집계 단위도 정의의 한 부분입니다. 같은 사람이 스마트폰과 태블릿에서 각각 앱을 열었을 때 기기 기준으로는 2, 로그인 계정 기준으로는 1입니다. 로그인하지 않고 쓰는 사람이 많은 서비스는 계정 기준으로 묶이지 않는 방문이 생기므로, 어느 쪽으로 셌는지를 숫자 옆에 적어 둡니다.

📐 스티키니스(DAU/MAU) 계산과 읽는 법

스티키니스(stickiness, 고착도)는 DAU를 MAU로 나눈 값입니다. 한 달 안에 한 번이라도 들어온 사람 가운데 오늘 들어온 사람이 얼마나 되는지를 재는 비율입니다.

스티키니스 = DAU ÷ MAU × 100

MAU가 80,000이고 DAU가 12,000인 앱이라면 12,000을 80,000으로 나눠 15%가 나옵니다. 한 달 안에 한 번이라도 들어온 사람이 30일 가운데 평균 4일 남짓 들어온다는 뜻으로 대략 해석합니다. 비율이 오르면 같은 사람이 더 자주 들어오고 있다는 신호이고, 내려가면 한 번 들어오고 마는 사람이 늘었다는 신호입니다.

스티키니스를 읽을 때 조심할 점이 하나 있습니다. 서비스의 성격에 따라 적정 수준이 달라서 이 비율은 높을수록 무조건 좋은 것이 아닙니다. 연말정산 서비스는 1년에 한 철만 쓰도록 만들어졌으므로 스티키니스가 낮은 쪽이 정상이고, 메신저는 하루에도 여러 번 들어오는 것이 정상이라 값이 내려가면 이상 신호가 됩니다. 두 서비스를 같은 잣대에 올리면 잘 만든 연말정산 서비스가 실패한 메신저처럼 보입니다.

기준선은 다른 회사 숫자가 아니라 우리 서비스의 지난 기간 값에서 가져옵니다. 업종 평균 스티키니스를 인용하려면 조사 기관과 조사 기간, 대상 앱 목록, 그 조사에서 쓴 활성의 정의가 함께 있어야 합니다. 네 가지가 모두 공개된 자료는 흔하지 않습니다. 출처 없이 떠도는 기준값을 목표로 걸면 정의가 다른 남의 숫자를 따라가게 됩니다.

📉 DAU가 오르는데 사업이 나빠지는 경우

활성 사용자 한 줄만 보면 놓치는 상태가 있습니다. 광고비로 신규 유입을 밀어 넣는 동안 기존 사용자가 그만큼 빠져나가는 경우입니다. 석 달치 가상 데이터로 보겠습니다.

DAU는 석 달 내내 올랐습니다. 그런데 재방문 사용자는 7,000에서 4,000으로 줄었고, 늘어난 몫은 전부 광고로 유입된 신규 사용자였습니다. 광고를 멈추는 달에 DAU는 4,000 부근까지 내려갑니다. 지표 한 줄만 보고 성장이라고 판단하면 이 구조가 보이지 않습니다.

그래서 DAU는 신규와 재방문으로 나눠서 봅니다. 들어온 사람이 얼마나 남는지를 재는 지표가 리텐션이고, 활성 사용자가 지금 수준에 머무는 이유는 리텐션을 봐야 알 수 있습니다. 어느 달에 들어온 집단이 얼마나 남았는지까지 보려면 코호트 분석으로 가입 시점별로 나눕니다.

활성 사용자와 리텐션을 함께 놓는 이유는 AARRR 퍼널의 구조와도 이어집니다. 획득 단계 숫자만 오르고 유지 단계가 내려가는 상태는 구멍 난 항아리에 물을 더 붓는 모습이라 오래 가지 못합니다.

⚠️ 자주 하는 실수

• MAU를 DAU 합계로 계산하기: 하루하루의 DAU를 30일 더해 MAU라고 적으면 자주 들어오는 사람이 여러 번 세어집니다. 순 사용자로 다시 뽑아야 맞는 값이 나옵니다
• 기기 기준과 계정 기준을 섞기: 지난달은 기기 기준, 이번 달은 계정 기준으로 뽑으면 아무 일이 없었는데도 서비스가 나빠진 것처럼 보입니다. 집계 단위를 바꾸는 달에는 두 가지 숫자를 나란히 적어 둡니다
• 정의를 바꾸고 전후를 비교하기: 활성의 조건을 앱 실행에서 핵심 행동으로 좁힌 달의 DAU 하락은 사용자가 떠난 결과가 아닙니다. 정의를 바꿀 때는 과거 구간도 새 정의로 다시 계산해 두 선을 같은 그래프에 그립니다

❓ 자주 묻는 질문

DAU와 MAU 가운데 무엇을 주 지표로 잡아야 하나요?

서비스를 쓰는 주기에 맞춥니다. 매일 들어오도록 만든 메신저나 출퇴근 기록 앱은 DAU가 하루만 꺾여도 신호가 되지만, 뱅킹이나 여행 앱은 하루 단위 오르내림에 의미를 두기 어려워 WAU나 MAU가 더 안정적인 기준이 됩니다. 판단 주기를 하루로 둘지 한 달로 둘지 먼저 정하면 그에 맞는 지표가 정해집니다.

MAU가 DAU의 30배쯤 나오는데 문제가 있나요?

정의상 MAU는 DAU보다 크므로 배수 자체가 문제의 근거가 되지는 않습니다. 30배라면 스티키니스가 약 3%라는 뜻이고, 한 달에 한 번 들어오면 충분한 서비스에서는 자연스러운 값입니다. 매일 들어오도록 설계한 서비스에서 이 값이 나왔다면 첫 방문 뒤 돌아오지 않는 사람이 많다는 신호라 리텐션부터 확인합니다.

활성의 기준을 바꾸고 싶으면 어떻게 하나요?

바꾸기로 한 날부터 새 기준만 적용하는 방식은 피합니다. 과거 6개월에서 12개월 구간을 새 기준으로 다시 계산해 두 선을 같은 그래프에 그리고, 언제 무엇을 어떻게 바꿨는지 지표 설명에 적어 둡니다. 이 작업을 건너뛰면 이후 1년 동안 추이 비교가 되지 않습니다.

분석 도구가 보여 주는 활성 사용자와 우리 DAU가 다른데 어느 쪽이 맞나요?

분석 도구는 도구 나름의 조건으로 활성 사용자를 계산하므로, 앱 안에서 정한 활성의 정의와 숫자가 다를 수 있습니다. 어느 쪽이 틀렸다기보다 세는 조건이 다른 경우라, 두 숫자를 같은 표에 올리기 전에 도구의 공식 문서에서 기준을 확인하고 차이를 한 줄로 적어 둡니다.

📋 3줄 요약

1. DAU와 WAU, MAU는 각각 하루와 최근 7일, 최근 30일 동안 서비스를 실제로 쓴 사람의 수이고 접속 횟수가 아니라 사람 수를 셉니다.

2. 앱 실행과 콘텐츠 조회와 핵심 행동 완료 가운데 무엇을 활성으로 잡느냐에 따라 같은 날 DAU가 몇 배 달라지므로 정의를 적지 않은 숫자는 비교할 수 없습니다.

3. 스티키니스는 DAU를 MAU로 나눈 값이고 서비스 성격마다 적정 수준이 달라서 높을수록 좋다고 말하기 어렵습니다.

참고 자료

• Google 애널리틱스 측정기준과 측정항목, GA4 고객센터