スティッキネス（DAU/MAU）とは？｜ユーザーが習慣的に戻ってくるかを測る指標と、比率に隠れる落とし穴

ユーザー数は順調に増えている。それなのに、なぜか売上も口コミも伸びてこない。そんなもどかしさを感じたことはないでしょうか。

原因の一つとしてよく挙がるのが、登録した人のうち、どれだけが日常的に戻ってきているかを見ていないことです。数が増えていても、一度使ったきりの人ばかりなら、製品は生活や業務の一部になっていません。

この戻ってくる度合いを一つの比率で表したものが、スティッキネス（DAU/MAU比率）です。この記事では、その定義と計算方法、読み違えやすい落とし穴、そして単一の比率では見えない部分を補う方法までを、PMやインディーハッカーの視点で体系的に整理します。

スティッキネス（DAU/MAU）とは何か

まずは言葉と計算式をはっきりさせておきましょう。ここが曖昧なままだと、チーム内で同じ指標を語っているつもりでも数字が食い違います。

DAUとMAUの意味

DAU（Daily Active Users）は、ある1日に製品を使ったユーザーの数です。MAU（Monthly Active Users）は、直近の1か月（多くは28日や30日）に一度でも製品を使ったユーザーの数を指します。

どちらも重複を除いた人数で数えます。同じ人が1日に10回ログインしても、その日のDAUは1人です。

比率が表すもの

スティッキネスは、DAUをMAUで割った値です。月に一度でも来た人のうち、平均的な1日に何割が戻ってきているかを表します。

たとえばDAU/MAUが50%なら、月間のアクティブユーザーは平均して月の半分ほどの日に製品を使っている計算になります。逆に10%なら、月に3日前後しか使われていないことになります。

言い換えると、この比率は使用頻度の平均を、人数の比というわかりやすい形に変換したものです。製品がどれだけ習慣に組み込まれているかを、ざっくり一つの数字で掴めるのが利点です。

なぜ広く使われるようになったのか

DAU/MAUは、Facebookが自社の健全性を語る指標として用いたことで広く知られるようになったと言われます。毎日使われることが価値の源泉であるSNSやメッセージアプリにとって、日々戻ってくる人の割合は事業の実態をよく映していたからです。

その後、消費者向けアプリやボトムアップ型のSaaSでも同じ指標が使われるようになりました。ただ、この経緯そのものが、後で述べる落とし穴の出発点にもなっています。

計算方法と具体例

計算自体は単純ですが、細かな定義の違いで結果が大きく変わります。具体的な数字で手順を確かめておきましょう。

基本の計算

次の例は、ある業務向けツールの1か月分を想定したものです。以下の数値はすべて説明用の仮定です。

集計期間                 : 30日間
MAU（期間内に1回以上利用）: 2,000人
各日のDAU                 : 平日は約450人、土日は約80人
平均DAU                   : (450 × 22日 + 80 × 8日) ÷ 30日 ≒ 351人

スティッキネス = 平均DAU ÷ MAU
               = 351 ÷ 2,000 ≒ 17.6%

参考：平日だけで見た場合 = 450 ÷ 2,000 = 22.5%

同じ製品でも、土日を含めるかどうかで5ポイント近く差が出ています。業務ツールのように週末は使われないことが前提の製品では、どちらの数字で語るのかを最初に決めておかないと議論が噛み合いません。

定義で揃えるべき3つのポイント

数字をチームで共有する前に、少なくとも次の3点を明文化しておくことをおすすめします。

• アクティブの条件: ログインやアプリ起動だけで数えるのか、製品の中核となる操作をした人だけを数えるのか。
• DAUの取り方: 特定の1日の値か、月の平均か、直近24時間の値か。
• MAUの窓: 暦月か、直近28日・30日の移動窓か。曜日の偏りを避けたいなら28日がよく使われます。

中でも重要なのは、アクティブの条件です。ログインしただけの人を数えると比率は高く出ますが、それは製品が役に立っている証拠にはなりません。指標の定義をすり合わせる考え方は、KPI定義のすり合わせ｜同じ指標なのに数字が食い違う理由でも詳しく扱っています。

DAU/WAUとWAU/MAUという兄弟指標

DAU/MAUの考え方は、窓の組み合わせを変えると別の指標になります。週の利用者数をWAU（Weekly Active Users）と呼び、DAU/WAUやWAU/MAUとして使い分けるのが一般的です。

DAU/WAUは、週に一度でも来た人のうち、平均的な1日に何割が使っているかを表します。週の中での習慣の強さを見るのに向いており、平日中心の業務ツールでは月単位より変化が早く表れます。

WAU/MAUは、月に一度でも来た人のうち、平均的な週に何割が戻ってきているかを表します。毎日は使わなくても毎週は使ってほしい製品、たとえば週次のレポートや振り返りに使うツールでは、こちらの方が実態に近い数字になります。

どの組み合わせを選ぶにしても、狙いは同じです。ユーザーに期待する利用のリズムを先に決め、そのリズムに合った窓で比率をとることが、意味のあるスティッキネスへの第一歩になります。

どのくらいなら良いのか：目安と製品タイプ

スティッキネスの話になると、必ず出てくるのが何%なら良いのかという問いです。結論から言えば、製品タイプと本来の利用頻度によって、目指すべき水準はまったく違います。

よく語られる目安の扱い方

業界では、DAU/MAUが20%を超えれば良好、50%を超えれば非常に高いという目安がよく語られます。ただしこれは、毎日使うことが自然な消費者向けアプリを念頭に置いた話として広まったものです。

ベンダー各社が公開しているベンチマークも、対象とする業種や集計方法がばらばらで、数字の幅が大きいのが実情です。外部の数字は方向感をつかむ程度にとどめ、自社の過去の推移や、利用頻度が近い製品との比較を主な物差しにするのが安全です。

製品タイプ別の考え方

製品の性質ごとに、スティッキネスの読み方と、併せて見たい指標を整理すると次のようになります。

表の下の方に行くほど、DAU/MAUは製品の健全性を語れなくなります。年に一度しか使わない製品が毎日使われないのは、設計どおりだからです。

頻度が低くても価値が高い製品

利用頻度は低くても、1回あたりの価値が大きい製品はたくさんあります。空港への移動のように、たまにしか使わないが高額な利用が事業を支えているサービスが典型です。

こうした製品にDAU/MAUを当てはめると、実際には健全なのに使われていないと誤解されがちです。指標を選ぶときは、ユーザーが製品を使うべき自然な頻度を先に考え、その頻度に合った窓で測る必要があります。月単位で使われる製品なら、MAUと四半期のアクティブ数を比べるといった応用も考えられます。

スティッキネスの落とし穴

DAU/MAUは便利な反面、単一の比率であるがゆえの弱点を抱えています。代表的な落とし穴を3つ見ておきましょう。

分母が減っても比率は上がる

DAU/MAUは比率なので、分母のMAUが減ると数字が良く見えることがあります。たまにしか来なかったライトユーザーが離れると、残った人の平均利用頻度は上がり、比率は改善したように見えるのです。

しかし実際には、ユーザーの総数は減っています。比率だけを追っていると、事業が縮小しているのに指標は好調という逆転が起こりえます。必ずDAUとMAUの実数を並べて見る習慣をつけましょう。

平均が分布を隠す

同じ30%という数字でも、全員が月に9日ずつ使っている状態と、一部の熱心な人が毎日使い、残りは月1回しか来ない状態とでは、製品の姿はまったく違います。平均は、この分布の違いを一つの数字に押しつぶしてしまいます。

この点は統計の基本的な落とし穴でもあります。集計の仕方で結論が変わる現象については、シンプソンのパラドックスとは？｜集計すると数字が逆転する落とし穴の正体と防ぎ方も参考になるでしょう。

目標にすると数字だけが動く

DAU/MAUをチームの目標に据えると、比率を上げること自体が目的化しがちです。毎日の通知を増やす、ログインボーナスをつけるといった施策は、比率を上げても顧客の得る価値は増やしません。

測った指標を目標にした途端に指標が実態を映さなくなる現象は、グッドハートの法則とは？｜「測ると壊れる指標」の正体と、壊れにくい指標の設計で詳しく解説しています。スティッキネスはとりわけこの影響を受けやすい指標だと心得ておきましょう。

比率の弱点を補うパワーユーザーカーブ

平均が分布を隠すという弱点を補う代表的な方法が、利用日数の分布をそのまま見ることです。ここでは考え方と読み方を紹介します。

L30（利用日数のヒストグラム）とは

パワーユーザーカーブは、MAUに含まれるユーザーを、月のうち何日使ったかで並べたヒストグラムです。横軸に1日から30日までの利用日数、縦軸にその日数だけ使った人の割合をとります。

L30という呼び名でも知られ、Facebookの成長チームで使われていた見方として紹介されてきました。2018年には、ベンチャーキャピタルのa16zに所属していたLi Jin氏とAndrew Chen氏が、この考え方をパワーユーザーカーブとして整理した記事を公開しています。

カーブの形を読む

カーブの形は、製品の状態を雄弁に語ります。左側に人が集まり右へ急に減っていく形なら、多くの人が月に1〜2日しか使っておらず、熱心な利用者がほとんどいない状態です。

一方、左端と右端の両方が高くなるスマイル型なら、ほぼ毎日使う熱心なユーザー層が育っていることを示します。業務ツールであれば、平日の日数にあたる20日前後に山ができるのが健全な姿でしょう。

時系列で比べる

パワーユーザーカーブの真価は、時期を変えて重ねたときに出ます。施策の前後や、登録月ごとのグループでカーブを比べ、右側に人が移っているかを確かめるのです。

DAU/MAUの数字が同じでも、カーブの右端が厚くなっていれば、熱心な利用者が増えていると読めます。登録時期ごとに分けて比べる考え方は、コホート分析とは？｜世代ごとの継続率で「本当の成長」を読み解くと組み合わせるとより効果的です。

スティッキネスを上げる実務の進め方

最後に、測った数字を改善につなげる流れを整理します。大切なのは、比率を直接いじるのではなく、使う理由を増やすことです。

中核となる行動を定義し直す

最初に見直したいのは、何をもってアクティブとするかです。ログインではなく、製品の価値が届いた瞬間に近い行動、たとえばレポートを閲覧した、タスクを完了した、といった操作でDAUを数え直します。

そうすると、比率は一時的に下がるかもしれません。それでも、価値に結びついた利用だけを数える方が、改善の方向を誤らずに済みます。

定義を変えたときは、過去の期間も新しい定義で計算し直しておきましょう。古い定義の数字と新しい定義の数字を一本のグラフにつなげると、定義の変更による段差を、施策の効果や悪化と見誤ってしまいます。

頻度を上げるきっかけを作る

次に、ユーザーが繰り返し戻ってくるきっかけを設計します。定期的に新しい情報が届く、前回の作業の続きがすぐ始められる、チームの誰かの動きに反応する必要がある、といった仕組みが代表的です。

ここで役立つのが、熱心なユーザーの行動を一人ずつ観察することです。毎日来ている人は何をきっかけに戻ってきているのかを、訪問者ひとりの行動を時系列で追うN1分析で確かめると、仮説が具体的になります。

熱心な層と離れかけた層を分けて手を打つ

パワーユーザーカーブで右端にいる人と、左端にいる人では、必要な打ち手が違います。右端の人には、さらに深い使い方や周囲への共有を促す機能が効きます。

左端の人には、製品の価値をまだ感じられていない可能性があります。初回の体験やオンボーディングの見直しに加え、MonaLensのようなファネル分析で、どの段階で利用が止まっているかを確かめると、手を入れる場所が絞り込めます。

まとめ

スティッキネス（DAU/MAU）は、ユーザーがどれだけ製品を習慣的に使っているかを一つの比率で表す、わかりやすい指標です。ただし、わかりやすさの裏で、製品タイプの違い、分母の変化、分布の偏りといった多くの情報を押しつぶしています。

実務では、まずアクティブの定義と集計の窓をチームで揃えましょう。そのうえで、製品の自然な利用頻度に合った窓で比率を測り、実数とパワーユーザーカーブを並べて読むことで、数字の裏にある姿が見えてきます。

比率を上げること自体を目標にするのではなく、ユーザーが戻ってくる理由を一つずつ増やすこと。その結果として比率が上がっていくなら、それは本物の改善です。次の定例では、DAU/MAUの隣に利用日数の分布を一枚添えてみてはいかがでしょうか。