DAU/MAU 如何定义？有哪些坑？

🎯 考察意图

DAU/MAU 是产品与数据岗最高频的活跃指标。考察候选人会不会先锁「活跃定义 + 去重键 + 时间窗」，而不是背两个缩写；以及能否指出黏性比、口径漂移、分母膨胀这些常见误读。

📐 回答框架

先定义：两者都是窗口内去重活跃用户数，差在日窗还是月窗。
说清活跃口径：启动、登录，还是完成关键行为；用账号还是设备去重。
补 DAU/MAU 黏性比怎么读，以及它何时失效。
点出坑：口径漂移、时区、机器人、用 PV 冒充人数。

💬 参考答案（口述版）

一句话：DAU 是「某一自然日有过活跃的去重用户数」；MAU 是「某一自然月有过活跃的去重用户数」。分子不是打开次数，是人（或账号/设备）。

口述必须先锁三件事，否则数字不可比：
1. 活跃定义：打开 App、登录成功，还是完成一次关键行为（看一篇、下一单）。启动口径虚高，关键行为更贴业务。
2. 去重键：user_id 还是设备 ID。未登录流量用设备，登录后应用账号，混用会双计。
3. 时间窗与时区：自然日/自然月，按业务时区切，不是 UTC 随便切，也不是滚动 24h/30d（那是滚动活跃，要另说）。

实现上通常先有日活明细 dau(user_id, dt)，再：

-- 某日 DAU
SELECT dt, COUNT(DISTINCT user_id) AS dau
FROM user_active
WHERE dt = '2026-09-25'
GROUP BY 1;

-- 某月 MAU：月内去重，不是把每天 DAU 加总
SELECT date_trunc('month', dt) AS month,
       COUNT(DISTINCT user_id) AS mau
FROM user_active
WHERE dt >= '2026-09-01' AND dt < '2026-10-01'
GROUP BY 1;

DAU/MAU 常被叫黏性：接近 1 说明月活用户几乎天天来；接近 1/30 说明很多人月内只来一次。它是结构指标，不是「越高产品越好」的单一分数——拉新一波低频用户，MAU 涨、比值反而掉，这可能是获客而不是产品变差。

加分：主动区分 DAU、日启动次数、PV；月活 ≠ 日活求和；和留存是两件事，留存看同一批人回不回来。

🔍 关键词

去重用户活跃口径自然日/月黏性比人日 vs 人数

💭 面试官可能的追问

追问 1：DAU/MAU 突然上升，一定说明产品变好了吗？

不一定。先核口径：活跃定义是否改严/改松、是否上了自动心跳、机器人/刷量、时区或去重键变更。再看结构：是老用户更勤，还是拉进一波只来一天的新用户。MAU 膨胀时黏性比会掉，要配留存、人均频次、关键行为转化一起看，不能只报一个比值。

追问 2：为什么不能把每天 DAU 加总当 MAU？

因为同一个人会在多天活跃，加总会重复计数。MAU 是月窗口内 COUNT(DISTINCT user_id)。日活求和近似「活跃人日」，量纲是人次不是人数。

⚠️ 常见踩坑

把打开次数/PV 当成 DAU，人数被事件量刷高
改活跃定义或去重键却不做口径切换说明，环比全部失真
用 DAU 加总当 MAU，或把 DAU/MAU 直接当成留存率

🧠 记忆锚点

DAU/MAU 是窗口内去重活跃人数；先锁口径，再解释涨跌。