应该使用平均 Firebase 活跃用户指标（DAU、WAU、MAU）吗？

Question

应该使用平均 Firebase 活跃用户指标（DAU、WAU、MAU）吗？

Dir*_*irk 8 android firebase firebase-analytics

我想了解是否有更好的报告对当前火力地堡“活动”用户统计报告（如下图图）一个月比一个月，或者更确切地说，自计算并报告平均在一个特定的每个指标的值的时期。

乍一看，仪表板显示了 2018 年 12 月的 1 天、7 天和 28 天活跃用户，但实际上仅显示所选日期范围值的最后一天（在对）。很高兴知道这一点，但在我的逐月分析中只比较最后一个日期的值有点误导。另一种方法是自行计算所选期间的平均值：

应用于 Firebase Demo 数据集，我得到以下数字：

Firebase 仪表板：

28 天活跃用户：8661
7 天活跃用户：3874
1天活跃用户：1111

我的计算平均值：

28 天活跃用户：8762
7 天活跃用户：3663
1 天活跃用户：1112

这里的增量差异很小，但我发现我们的应用程序有一些显着差异，每月有数百万活跃用户。

题：

如果您目前正在使用 Firebase，您如何报告它？
您是复制并粘贴所选期间的最后一天并报告一个月的情况，还是对每个 1/7/28 天的指标进行平均以更好地表示该月？
如果你平均你的指标，你能解释一下为什么吗？

Answer 1

Dir*_*irk 6

为了回答这个问题，我想先回顾一下谷歌的适用定义，然后再进行计算（上次回顾：2021 年 7 月）。

谷歌给了我们以下定义：

GA4 - 自动收集的事件

session_start (app, web) - 当用户使用应用程序或网站时
user_engagement (app, web) - 定期，当应用程序处于前台或网页处于焦点时使用参数：engagement_time_msec

GA4 - 如何计算会话数

Sessions：在您的网站或应用程序上开始的会话数（触发 session_start 事件）。
App session timeout duration：当应用程序移至后台时，应用程序会话开始超时，但您可以选择通过在应用程序处于后台时发送的事件包含 extend_session 参数（值为 1）来扩展该会话。如果您的应用程序经常在后台使用（例如导航和音乐应用程序），这将非常有用。通过setSessionTimeoutDuration方法更改应用程序会话的默认超时 30 分钟。
Engaged sessions：持续 10 秒或更长时间，或具有 1 个或更多转化事件或 2 个或更多页面浏览量的会话数。

GA4 仪表盘

Monthly (28-day), Weekly (7-day), and Daily (1-day) Active Users日期范围，包括与上一个日期范围相比的百分比波动。活跃用户在设备前台与应用程序互动，并记录了 user_engagement 事件。
Daily user engagement - 该日期范围内每位用户的平均每日参与度，包括与上一个日期范围相比的百分比波动。

我对定义的看法：

根据支持的 GA4/Firebase 文档，我（重新）总结了以下每个指标的定义。非常重要的一点是，在每个指标（给定选定的日期范围内）上只计算唯一身份用户，这一点非常重要。不需要，UNNEST因为我们已经在 -event_name级别查询，而不是 -event_parameter级别。

1 天活跃用户： 1 天唯一活跃用户在设备前台使用应用程序，并user_engagement在过去 1 天内（给定所选日期范围）内记录了事件。
7天活跃用户： A 7天的独特活性用户已与装置前景的应用程式接合与已登录一个user_engagement过去的7天期间（给定的选择的日期范围）内的事件。
28天的活动用户： A 28天的独特活性用户已与装置前景的应用程式接合与已登录一个user_engagement过去28天期间（给定的选择的日期范围）内的事件。

在下面的单元格中，您可以看到如何计算 12 月的指标：

计算每个指标/受众的方法：

在DAU计算通过使用特定的月份：Average 1-day active user metric。
计算WAUs特定月份使用：Average 7-day active user metric。我通过对 12 月 7 日、14 日、21 日、28 日的快照进行平均来计算出这一点。
使用以下方法计算特定月份的 MAU：Non-averaged 28-day active user metric。不平均这个指标的值的主要原因是，因为我只想拥有整个月的一个快照。如果我在这里使用平均值，我还会考虑上个月活跃的用户。

1.a) 平均 1 天唯一活跃用户指标

# StandardSQL
SELECT
  ROUND(AVG(users),0) AS users
FROM 
(
  SELECT
  event_date,
  COUNT(DISTINCT user_pseudo_id) AS users
FROM `<id>.events_*`
WHERE
  event_name = 'user_engagement'
  AND _TABLE_SUFFIX BETWEEN '20181201' AND '20181231'
  AND platform = "ANDROID"
GROUP BY 1
) table

# or you could also use code below, but you will have to add in the remaining days' code to query against the entire month. 

-- Set your variables here
WITH timeframe AS (SELECT DATE("2018-12-01") AS start_date, DATE("2018-12-31") AS end_date)

-- Query your variables here
SELECT ROUND(AVG(users),0) AS users
FROM
(
SELECT event_date, COUNT(DISTINCT user_pseudo_id) AS users
FROM `<id>.events_*`AS z, timeframe AS t
WHERE
  event_name = 'user_engagement'
  AND _TABLE_SUFFIX > FORMAT_DATE('%Y%m%d', DATE_ADD(t.end_date, INTERVAL - 1 DAY))
  AND _TABLE_SUFFIX <= FORMAT_DATE('%Y%m%d', DATE_ADD(t.end_date, INTERVAL 0 DAY))
  AND platform = "ANDROID"
GROUP BY 1

UNION ALL 

SELECT event_date, COUNT(DISTINCT user_pseudo_id) AS users
FROM `<id>.events_*`AS z, timeframe AS t
WHERE
  event_name = 'user_engagement'
  AND _TABLE_SUFFIX > FORMAT_DATE('%Y%m%d', DATE_ADD(t.end_date, INTERVAL - 2 DAY))
  AND _TABLE_SUFFIX <= FORMAT_DATE('%Y%m%d', DATE_ADD(t.end_date, INTERVAL - 1 DAY))
  AND platform = "ANDROID"
GROUP BY 1
... 
...
...
...
) avg_1_day_active_users

Run Code Online (Sandbox Code Playgroud)

1.b) 平均 1 天唯一活跃用户指标

计划daily到daus_android_{run_time|"%Y%m%d"}具有写入首选项的 BQ 目标表的更新版本WRITE_APPEND可能如下所示。我之前进行了深入研究，并确定将日内表事件传播到永久 BQ 表可能需要长达 48 小时（因此在查询中需要 3 天）。

with base AS (
    SELECT *
    FROM `<id>.analytics_<number>.events_*`
    WHERE (_TABLE_SUFFIX >= FORMAT_DATE('%Y%m%d', DATE_ADD(@run_date, INTERVAL - 3 DAY)) AND _TABLE_SUFFIX < FORMAT_DATE('%Y%m%d', DATE_ADD(@run_date, INTERVAL - 2 DAY)))
        AND platform = "ANDROID"
        AND event_name = 'user_engagement'
), app AS (
    SELECT
      FORMAT_DATE('%Y%m%d', @run_date) AS _currentdate,
      FORMAT_DATE('%Y%m%d', DATE_ADD(@run_date, INTERVAL - 3 DAY)) AS _begindate,
      FORMAT_DATE('%Y%m%d', DATE_ADD(@run_date, INTERVAL - 2 DAY)) AS _enddate,
      TIMESTAMP_DIFF(TIMESTAMP(DATE_ADD(@run_date, INTERVAL - 2 DAY)), TIMESTAMP(DATE_ADD(@run_date, INTERVAL - 3 DAY)), HOUR) AS _hoursdiff,
      COUNT(DISTINCT user_pseudo_id) AS _uniqusers
    FROM base
    )
SELECT 
    app._currentdate,
    app._begindate,
    app._enddate,
    app._hoursdiff,
    app._uniqusers
FROM app;

Run Code Online (Sandbox Code Playgroud)

1.c) 平均 1 天唯一活跃用户指标

WITH app as (
SELECT
  FORMAT_DATE('%Y%m%d', @run_date) AS _currentdate,
  FORMAT_DATE('%Y%m%d', DATE_ADD(@run_date, INTERVAL - 3 DAY)) AS _begindate,
  FORMAT_DATE('%Y%m%d', DATE_ADD(@run_date, INTERVAL - 2 DAY)) AS _enddate,
  TIMESTAMP_DIFF(TIMESTAMP(DATE_ADD(@run_date, INTERVAL - 2 DAY)), TIMESTAMP(DATE_ADD(@run_date, INTERVAL - 3 DAY)), HOUR) AS _hoursdiff,
  COUNT(DISTINCT user_pseudo_id) AS _uniqusers
FROM `<gcp-project>.analytics_<id>.events_*`
WHERE
  platform = "ANDROID"
  AND event_name = 'user_engagement'
  AND _TABLE_SUFFIX >= FORMAT_DATE('%Y%m%d', DATE_ADD(@run_date, INTERVAL - 3 DAY))
  AND _TABLE_SUFFIX < FORMAT_DATE('%Y%m%d', DATE_ADD(@run_date, INTERVAL - 2 DAY))
)

SELECT 
  app._currentdate,
  app._begindate,
  app._enddate,
  app._hoursdiff,
  app._uniqusers
FROM app

Run Code Online (Sandbox Code Playgroud)

2.a) 平均 7 天唯一活跃用户指标

-- Set your variables here
WITH timeframe AS (SELECT DATE("2018-12-01") AS start_date, DATE("2018-12-31") AS end_date)

-- Query your variables here
SELECT ROUND(AVG(users),0) AS users
FROM
(
SELECT COUNT(DISTINCT user_pseudo_id) AS users
FROM `<id>.events_*`AS z, timeframe AS t
WHERE
  event_name = 'user_engagement'
  AND _TABLE_SUFFIX > FORMAT_DATE('%Y%m%d', DATE_ADD(t.end_date, INTERVAL - 7 DAY))
  AND _TABLE_SUFFIX <= FORMAT_DATE('%Y%m%d', DATE_ADD(t.end_date, INTERVAL 0 DAY))
  AND platform = "ANDROID"

UNION ALL

SELECT COUNT(DISTINCT user_pseudo_id) AS users
FROM `<id>.events_*`AS z, timeframe AS t
WHERE
  event_name = 'user_engagement'
  AND _TABLE_SUFFIX > FORMAT_DATE('%Y%m%d', DATE_ADD(t.end_date, INTERVAL - 14 DAY))
  AND _TABLE_SUFFIX <= FORMAT_DATE('%Y%m%d', DATE_ADD(t.end_date, INTERVAL - 7 DAY))
  AND platform = "ANDROID"
  
UNION ALL

SELECT COUNT(DISTINCT user_pseudo_id) AS users
FROM `<id>.events_*`AS z, timeframe AS t
WHERE
  event_name = 'user_engagement'
  AND _TABLE_SUFFIX > FORMAT_DATE('%Y%m%d', DATE_ADD(t.end_date, INTERVAL - 21 DAY))
  AND _TABLE_SUFFIX <= FORMAT_DATE('%Y%m%d', DATE_ADD(t.end_date, INTERVAL - 14 DAY))
  AND platform = "ANDROID"

UNION ALL

SELECT COUNT(DISTINCT user_pseudo_id) AS users
FROM `<id>.events_*`AS z, timeframe AS t
WHERE
  event_name = 'user_engagement'
  AND _TABLE_SUFFIX > FORMAT_DATE('%Y%m%d', DATE_ADD(t.end_date, INTERVAL - 28 DAY))
  AND _TABLE_SUFFIX <= FORMAT_DATE('%Y%m%d', DATE_ADD(t.end_date, INTERVAL - 21 DAY))
  AND platform = "ANDROID"
) avg_7_day_active_users

Run Code Online (Sandbox Code Playgroud)

2.b) 平均 7 天唯一活跃用户指标

计划daily到waus_android_{run_time|"%Y%m%d"}具有写入首选项的 BQ 目标表的更新版本WRITE_APPEND可能如下所示：

with base AS (
    SELECT *
    FROM `<id>.analytics_<number>.events_*`
    WHERE (_TABLE_SUFFIX >= FORMAT_DATE('%Y%m%d', DATE_ADD(@run_date, INTERVAL - 9 DAY)) AND _TABLE_SUFFIX < FORMAT_DATE('%Y%m%d', DATE_ADD(@run_date, INTERVAL - 2 DAY)))
        AND platform = "ANDROID"
        AND event_name = 'user_engagement'
), app AS (
    SELECT
      FORMAT_DATE('%Y%m%d', @run_date) AS _currentdate,
      FORMAT_DATE('%Y%m%d', DATE_ADD(@run_date, INTERVAL - 9 DAY)) AS _begindate,
      FORMAT_DATE('%Y%m%d', DATE_ADD(@run_date, INTERVAL - 2 DAY)) AS _enddate,
      TIMESTAMP_DIFF(TIMESTAMP(DATE_ADD(@run_date, INTERVAL - 2 DAY)), TIMESTAMP(DATE_ADD(@run_date, INTERVAL - 9 DAY)), HOUR) AS _hoursdiff,
      COUNT(DISTINCT user_pseudo_id) AS _uniqusers
    FROM base
    )
SELECT 
    app._currentdate,
    app._begindate,
    app._enddate,
    app._hoursdiff,
    app._uniqusers
FROM app;

Run Code Online (Sandbox Code Playgroud)

3.a) 非平均 28 天唯一活跃用户指标

# StandardSQL
-- Set your variables here
WITH timeframe AS (SELECT DATE("2018-12-01") AS start_date, DATE("2018-12-31") AS end_date)

-- Query your variables here
SELECT COUNT(DISTINCT user_pseudo_id) AS users
FROM `<id>.events_*`AS z, timeframe AS t
WHERE
  event_name = 'user_engagement'
  AND _TABLE_SUFFIX > FORMAT_DATE('%Y%m%d', DATE_ADD(t.end_date, INTERVAL - 28 DAY))
  AND _TABLE_SUFFIX <= FORMAT_DATE('%Y%m%d', DATE_ADD(t.end_date, INTERVAL 0 DAY))
  AND platform = "ANDROID"

Run Code Online (Sandbox Code Playgroud)

3.b) 非平均 28 天唯一活跃用户指标

计划daily到maus_android_{run_time|"%Y%m%d"}具有写入首选项的 BQ 目标表的更新版本WRITE_APPEND可能如下所示：

with base AS (
        SELECT *
        FROM `<id>.analytics_<number>.events_*`
        WHERE (_TABLE_SUFFIX >= FORMAT_DATE('%Y%m%d', DATE_ADD(@run_date, INTERVAL - 30 DAY)) AND _TABLE_SUFFIX < FORMAT_DATE('%Y%m%d', DATE_ADD(@run_date, INTERVAL - 2 DAY)))
            AND platform = "ANDROID"
            AND event_name = 'user_engagement'
    ), app AS (
        SELECT
            FORMAT_DATE('%Y%m%d', @run_date) AS _currentdate,
            FORMAT_DATE('%Y%m%d', DATE_ADD(@run_date, INTERVAL - 30 DAY)) AS _begindate,
            FORMAT_DATE('%Y%m%d', DATE_ADD(@run_date, INTERVAL - 2 DAY)) AS _enddate,
            TIMESTAMP_DIFF(TIMESTAMP(DATE_ADD(@run_date, INTERVAL - 2 DAY)), TIMESTAMP(DATE_ADD(@run_date, INTERVAL - 30 DAY)), HOUR) AS _hoursdiff,
            COUNT(DISTINCT user_pseudo_id) AS _uniqusers
        FROM base
        )
    SELECT 
        app._currentdate,
        app._begindate,
        app._enddate,
        app._hoursdiff,
        app._uniqusers
    FROM app;

Run Code Online (Sandbox Code Playgroud)

旁注：

我知道有些公司仍在计算 30 天内的 MAU。因此，您必须进行测试，看看什么最适合您的公司。
你可以根据上面的例子计算你自己的DAU-to-MAU-ratio 或WAU-to-MAU-ratio 来确定你的应用程序的粘性
我对 MAU 计算的唯一问题是它尚未考虑每个月的开始日期。也许可以取平均 Day31 - 28days, Day30 - 28days, Day29 - 28days, Day28 - 28days ...
我发现 Firebase 团队的示例查询也很有帮助，但他们的活动指标仅在执行查询时处理活动用户数（查看下面的示例）：

SELECT
  COUNT(DISTINCT user_id)
FROM
  /* PLEASE REPLACE WITH YOUR TABLE NAME */
  `YOUR_TABLE.events_*`
WHERE
  event_name = 'user_engagement'
  /* Pick events in the last N = 20 days */
  AND event_timestamp > UNIX_MICROS(TIMESTAMP_SUB(CURRENT_TIMESTAMP, INTERVAL 20 DAY))
  /* PLEASE REPLACE WITH YOUR DESIRED DATE RANGE */
  AND _TABLE_SUFFIX BETWEEN '20180521' AND '20240131';

Run Code Online (Sandbox Code Playgroud)

忍者小贴士

要将您的团队/公司/产品的重点从转换Vanity Metrics为Actionable Metrics，请考虑将您的主要转化事件之一添加为上述查询的一部分（例如，in_app_purchase对于电子商务公司）：

with base AS (
    SELECT *
    FROM `<id>.analytics_<number>.events_*`
    WHERE (_TABLE_SUFFIX >= FORMAT_DATE('%Y%m%d', DATE_ADD(@run_date, INTERVAL - 3 DAY)) AND _TABLE_SUFFIX < FORMAT_DATE('%Y%m%d', DATE_ADD(@run_date, INTERVAL - 2 DAY)))
        AND platform = "ANDROID"
        # AND event_name = 'user_engagement' 
        AND event_name = 'in_app_purchase'
), app AS (
    SELECT
      FORMAT_DATE('%Y%m%d', @run_date) AS _currentdate,
      FORMAT_DATE('%Y%m%d', DATE_ADD(@run_date, INTERVAL - 3 DAY)) AS _begindate,
      FORMAT_DATE('%Y%m%d', DATE_ADD(@run_date, INTERVAL - 2 DAY)) AS _enddate,
      TIMESTAMP_DIFF(TIMESTAMP(DATE_ADD(@run_date, INTERVAL - 2 DAY)), TIMESTAMP(DATE_ADD(@run_date, INTERVAL - 3 DAY)), HOUR) AS _hoursdiff,
      COUNT(DISTINCT user_pseudo_id) AS _uniqusers
    FROM base
    )
SELECT 
    app._currentdate,
    app._begindate,
    app._enddate,
    app._hoursdiff,
    app._uniqusers
FROM app;

Run Code Online (Sandbox Code Playgroud)

归档时间：	6 年，10 月前
查看次数：	5616 次
最近记录：	4 年，3 月前