يُعَدُّ تتبع DAU وMAU في المواقع ذات الحركة العالية مهمةً صعبة. يصف هذا المقال كيف قمنا بحل هذه المشكلة في Logto.
لا يمكن إنكار أن Logto كموفر هوية يقوم بمعالجة كميات هائلة من بيانات المستخدم يوميًا. واحدة من المقاييس الحرجة التي لا يمكننا تجاهلها هي "المستخدمون النشطون يوميًا" (DAU) - فهي تعطينا فكرة عن مدى تفاعل مستخدمينا. ولكن عند تتبع DAU وMAU (المستخدمون النشطون شهريًا)، يمكن أن تصبح الأمور فوضوية. إدارة كميات ضخمة من البيانات دون التأثير على تجربة المستخدم ليست سهلة، لكنها شيء تعلمنا تجاوزه بكفاءة.
في هذا المقال، سنغتنم هذه الفرصة لتوضيح مفاهيم تتعلق بـ DAU، وشرح كيفية حساب DAU، وMAU، ونسبة التفاعل الشهرية.
المستخدمون النشطون يوميًا هم المستخدمون الفريدون الذين يتفاعلون مع منصتك في أي يوم معين. يمكن أن تكون هذه التفاعلات أي شيء - من مجرد تسجيل الدخول، نشر أو إعجاب شيء ما، أو أي إجراء محدد يشير إلى النشاط. تتبع DAU يتيح لنا قياس تفاعل المستخدم يوميًا والحصول على فكرة عن حجم قاعدة المستخدمين النشطين لدينا.
MAU، من ناحية أخرى، هو مؤشر على المستخدمين الفريدين الذين يتفاعلون مع منصتك على الأقل مرة واحدة في الشهر. مثل DAU، يمكن أن يتراوح المستخدمون النشطون من أي شخص قام ببساطة بتسجيل الدخول إلى شخص تفاعل مع المنصة بطريقة ما.
عندما يتعلق الأمر بفهم مدى تفاعل المستخدمين مع منصتنا شهريًا، نجد قيمة كبيرة في مقياس محدد - نسبة التفاعل الشهرية (MER). هذا ليس مجرد رقم بالنسبة لنا، بل عنصر محوري يؤثر بشكل كبير في استراتيجيتنا التسعيرية.
ينكشف MER عن تكرار تفاعل المستخدم عن طريق تحديد عدد الأيام الفريدة التي يقوم فيها المستخدم بتسجيل الدخول أو التفاعل مع منصتنا خلال شهر. هذه الرؤية ليست مفيدة فحسب؛ بل هي نوعية فارقة بالنسبة لنا. على عكس النهج العام الذي يركز فقط على معرفة ما إذا كان المستخدم قد زار المنصة في غضون شهر أم لا، نحن نغوص أعمق، نسعى لفهم 'مدى التكرار'. هذا 'مدى التكرار' يمكّننا من قياس عمق تفاعل المستخدم مع منصتنا ويوفر لنا مقاييس ملموسة لتقديم قيمة أكبر لمستخدمينا.
في Logto، يُشكل MER عاملًا مهمًا في التسعير القائم على الاستخدام. من خلال ربط تسعيرنا بـ MER، نضمن أن تكون رسومنا متوافقة مع مستوى تفاعل المستخدم، يمكنك القول إننا جعلنا الإنصاف مقياسًا يمكننا قياسه. بينما قد يظن الآخرون أن المستخدم الذي سجل الدخول مرة واحدة يعادل المستخدم اليومي، نحن نُفرّق، نُسعِّر بناءً على الاستخدام الفعلي والقيمة المقدمة. من خلال ذلك، نُضمن نهجًا أكثر شفافية وإنصافًا، وفي النهاية، نهجًا فريدًا نحو التسعير.
عادةً، يتم حساب DAU وMAU مباشرةً من سجلات المستخدم. ولكن مع تراكم هذه السجلات، تصبح العملية غير فعّالة وتُقدم تحديات مثل توسيع البيانات والحفاظ على السجلات. ولا ننسى أن الاحتفاظ بسجلات المستخدمين للأبد ليس عمليًا بسبب اللوائح الخاصة بالخصوصية والأمان.
لهذا السبب، قمنا بإنشاء مفهوم جدول DAU. يتضمن هذا الجدول بشكل رئيسي عمودين - user_id وdate. يمكن تعيين التاريخ إلى بداية يوم واحد.
لدينا طريقتان للحفاظ على تحديث هذا الجدول. الأولى هي مهمة تلقائية يومية تفرز سجلات المستخدم من اليوم السابق. الثانية تُحفز تحديثًا كلما حدث نشاط للمستخدم.
كلما مررنا بـ user_id فريد، نضيف إدخالًا جديدًا إلى جدول DAU، والذي يتضمن user_id وdate. يتم ذلك باستخدام عملية "upsert" في SQL التي تتطلب مفتاحًا فريدًا لـ user_id وdate.
نتيجة لذلك، يصبح تتبع DAU وMAU مجرد مسألة عد الصفوف في الجدول. ويمكن حساب نسبة التفاعل الشهرية من خلال الجمع بين group by وcount.
جدول DAU، الذي هو في الأساس نسخة مُكثفة لسجلات المستخدمين، قد بسط عملية حساب DAU وMAU بشكل كبير. لم يجعل فقط تتبع تفاعل المستخدم أسهل بكثير، بل أيضًا قلل العبء على نظامنا بشكل كبير.
في رحلتنا لتحسين حساب DAU وMAU، لطالما شددنا بشكل كبير على خصوصية المستخدم والامتثال القانوني. بنينا استراتيجيتنا على ضمان أن جدول DAU لن يخزن معلومات حساسة عن المستخدمين. بدلًا من ذلك، نخزن فقط معرفات مجهولة (القيمة المحوّشة للـ user_id العادي) وتواريخ النشاط، ملتزمين بشكل صارم بجميع اللوائح ذات الصلة بحماية البيانات.
ننصح بشدة بهذا النهج الموجه نحو الخصوصية للآخرين في صناعة الخدمات الرقمية. بغض النظر عن حجم أو حجم بيانات المستخدم، يجب أن تحظى الخصوصية دائمًا بأولوية قصوى.
في النهاية، لا يجب أن يكون تتبع البيانات معقدًا، حتى لتطبيقات الويب ذات الحركة العالية. يمكن لاستراتيجية مستقرة وفعالة مثل استراتيجيتنا أن تجعل تتبع مقاييس تفاعل المستخدمين الحيوية أمرًا بسيطًا.
نأمل أن يلهم مشاركة تجربتنا منصات رقمية أخرى ويوفر أفكارًا حول كيفية تطوير حلول مبتكرة لتتبع البيانات بشكل فعال وكفء.