Täglich/monatlich aktive Nutzer (DAU/MAU)

DAUGlossarDaily Active Users (DAU)The count of unique users who were active in the app on a single calendar day. The most-watched daily engagement signal in mobile apps. (Daily Active Users) und MAUGlossarMonthly Active Users (MAU)The count of unique users active in the app across a 30-day window. The denominator of stickiness and the top-of-funnel reach metric. (Monthly Active Users) sind die grundlegenden Engagement-Kennzahlen für jede Mobile-App — die Anzahl eindeutiger Nutzer, die in einem bestimmten Zeitfenster aktiv waren. Sie stehen neben dem Installationsvolumen als kanonische Top-of-Funnel-Gesundheitskennzahlen und fließen in jede nachgelagerte Berechnung ein (DAU/MAU-Verhältnis, ARPDAUGlossarARPDAU (Average Revenue Per Daily Active User)Total revenue in a period divided by the average daily active users in that period — the per-day-per-active-user revenue rate., tägliche Kohorten-RetentionGlossarRetention (D1 / D7 / D30)The percentage of users from a cohort who return to the app N days after install. D1 = day-1 retention, D7 = 7-day, D30 = 30-day. The single most important non-reven...).

"Aktiv" braucht eine präzise Definition. Am häufigsten: "App zu einem beliebigen Zeitpunkt am Tag geöffnet" — ein SessionGlossarApp SessionA single period of continuous user activity in an app, from open to close (or background past an inactivity timeout) — the atomic unit on which most engagement metri...-Start-Event. Etwas strenger: "Eine sinnvolle Aktion durchgeführt" — eine Nachricht gesendet, ein Workout abgeschlossen, ein Level gespielt, irgendetwas getan, das das Produkt schätzt. Die strenge Definition liefert bessere Signale, ist aber schwerer über Produkte und Kategorien hinweg zu vergleichen. Die laxe Definition ist der Branchenstandard. Eine wählen, dokumentieren, über alle Dashboards hinweg beibehalten — im Quartalsverlauf die Definition zu wechseln, bricht jede Trendlinie.

Dieser 14 %-Katalog-Median liegt deutlich niedriger als die meisten "gute StickinessGlossarNutzungsbindung (DAU / MAU)Das Verhältnis DAU zu MAU und damit ein Maß dafür, wie oft monatliche Nutzer innerhalb des Monats zurückkehren."-Blog-Posts suggerieren. Die 30–60 %-Zahlen, die zitiert werden, beschreiben Top-Perzentil-Gewohnheits-Apps (Messaging, Mainstream-Social, Banking); die typische App sieht an jedem beliebigen Tag nur einen von sieben monatlichen Nutzern zurückkehren. Die unten stehende Verteilung — und den eigenen Kategorie-Median — als Referenz nutzen, nicht die Headline-Benchmarks von Kategorie-Leadern.

DAU und MAU gemeinsam lesen ist die zentrale Kompetenz:

• DAU und MAU wachsen beide: gesundes Wachstum, neue Nutzer finden das Produkt und bestehende Nutzer bleiben engagiert.
• DAU wächst ohne MAU-Wachstum: bestehende Nutzer werden stärker engagiert. Oft positiv (Produkt-Verbesserungen, Feature-Adoption), manchmal Warnsignal (kleine Kerngruppe treibt mehr Nutzung, während breiteres Publikum stagniert).
• MAU wächst ohne DAU-Wachstum: neue Nutzer kommen herein, bleiben aber nach ein paar Besuchen nicht. Warnsignal — bedeutet in der Regel, dass Akquisition skaliert hat, aber Aktivierung / Gewohnheitsbildung nicht mitgehalten hat.
• DAU sinkt, MAU stabil oder wächst: Nutzer besuchen die App weniger häufig. Negativ — bedeutet in der Regel, dass das Produkt an Relevanz verliert oder Benachrichtigungen / Re-EngagementGlossarRe-EngagementMarketing activity aimed at bringing lapsed users back to the app — through push, email, retargeting ads, deep-linked notifications.-Maßnahmen versagen.

Die Trendlinie beobachten, nicht die absolute Zahl. Die absolute DAU-Zahl hängt stark von App-Kategorie, Publikumsgröße und Ad-Spend ab — sie mit einem Wettbewerber zu vergleichen ist meist bedeutungslos. Was zählt, ist der eigene Trend gegenüber Vorperioden. Ein 5-%-DAU-Rückgang in einem Monat ist oft informativer als das absolute Niveau.

MAU hat eine 28-Tage-vs.-Kalendermonat-Feinheit. Kalendermonat-MAU variiert mit der Monatslänge (28–31 Tage) und der Wochentag-Ausrichtung, was Rauschen erzeugt. Trailing-28-Tage-MAU ist sauberer — jeder Datenpunkt hat dasselbe Fenstergröße. Die meisten Analytics-Plattformen bieten beides; Trailing-28 ist die analytisch rigorosere Wahl.

Die Verteilungsform zeigt, wie selten tägliche Gewohnheitsprodukte tatsächlich sind. Der Großteil der Katalog-Apps liegt im 5–15-%-Bereich — typisches "wöchentliches Einchecken"-Engagement. 20–30 % zu erreichen erfordert strukturelle tägliche Anker (Benachrichtigungen die funktionieren, Content der sich erneuert, Mechaniken die die Rückkehr belohnen); 30–50 % erfordern eine tägliche essenzielle Funktion; 50 %+ ist ausgewählten Messaging-, Finance- und einigen dominanten Social-Produkten vorbehalten.

Social führt an beiden Enden — höchster Median-Stickiness und die größte Top-Dezil-Lücke. Games liegen am Ende der Median-Tabelle, was bemerkenswert ist, da sie zuvor die höchste Session-DAUER hatten — Gamer spielen intensiv, aber nicht jeden Tag. Produktivität überrascht mit Rang zwei; das "Werktags-Arbeitstool"-Muster erzeugt echte tägliche Gewohnheit, auch wenn einzelne Sessions kurz sind.

Variiert Stickiness nach Land?

Man könnte erwarten, dass die Intensität täglicher Gewohnheiten je nach Markt unterschiedlich ist — stärkerer Aufmerksamkeitswettbewerb in einigen Regionen, geringere Mobile-Nutzung in anderen. Das ist aber nicht der Fall.

Der Median-DAU/MAU-Stickiness liegt in jedem gemessenen Markt bei ~14 % — 13,8 % in Japan und Brasilien, 14,7 % in Deutschland, die USA exakt in der Mitte bei 14,1 %. Das Top-Dezil-Band ist genauso eng (31–34 % überall). Wie [[retention]] und [[churnGlossarAbwanderungDer Anteil der Nutzer, die eine App nicht mehr verwenden oder ein Abonnement kündigen, gemessen in einem definierten Zeitraum.]] ist Engagement-Intensität eine strukturelle Eigenschaft der Produktkategorie, nicht des Landes: Was Stickiness bewegt, ist das tägliche Anker-Design der App — Benachrichtigungen die landen, Content der sich erneuert, Mechaniken die die Rückkehr belohnen — nicht die Geographie der Nutzer.