Es ist nicht zu leugnen, dass Logto als Identitätsanbieter täglich eine riesige Menge an Benutzerdaten verarbeitet. Eine der kritischen Metriken, die wir nicht übersehen dürfen, ist 'Daily Active Users' (DAU) - sie gibt uns ein Gefühl dafür, wie engagiert unsere Benutzer sind. Aber wenn es darum geht, DAUs und Monthly Active Users (MAU) zu verfolgen, kann es unübersichtlich werden. Das Verwalten von riesigen Datenmengen, ohne die Benutzererfahrung zu beeinträchtigen, ist nicht einfach, aber es ist etwas, das wir gelernt haben, effizient zu bewältigen.
In diesem Artikel werden wir diese Gelegenheit nutzen, um Ihnen die DAU-bezogenen Konzepte zu erklären, zu erläutern, wie DAU, MAU und eine monatliche Engagementrate berechnet werden können.
DAU, MAU und monatliche Engagementrate#
Täglich aktive Benutzer (DAU)#
DAUs sind einzigartige Benutzer, die an einem beliebigen Tag mit Ihrer Plattform interagieren. Diese Interaktionen könnten alles sein - von einfachem Anmelden, Posten oder Liken, bis zur Durchführung jeder anderen spezifischen Aktion, die Aktivität signalisiert. Das Tracking von DAUs lässt uns das Benutzerengagement auf täglicher Basis beurteilen und gibt uns einen Anhaltspunkt für die Größe unserer aktiven Benutzerbasis.
Monatlich aktive Benutzer (MAU)#
MAU ist ein Indikator für einzigartige Benutzer, die mindestens einmal im Monat mit Ihrer Plattform interagieren. Wie bei DAUs kann sich die Bandbreite der aktiven Benutzer von jemandem, der sich einfach angemeldet hat, bis zu jemandem, der auf irgendeine Weise mit der Plattform interagiert hat, erstrecken.
Monatliche Engagementrate#
Wenn es darum geht, zu verstehen, wie oft Benutzer in einem Monat mit unserer Plattform interagieren, finden wir großen Wert in einer bestimmten Metrik - der monatlichen Engagementrate (MER). Dies ist für uns nicht einfach eine Zahl, sondern ein entscheidendes Element, das stark unseren Preisstrategie beeinflusst.
MER offenbart die Häufigkeit eines Benutzerengagements, indem sie die Anzahl der einzigartigen Tage erfasst, an denen ein Benutzer sich in einem Monat einloggt oder mit unserer Plattform interagiert. Dieser Einblick ist nicht nur nützlich, er ist ein Schlüsseldifferenzierungsmerkmal für uns. Im Gegensatz zum üblichen Ansatz, der sich ausschließlich darauf konzentriert, ob ein Benutzer innerhalb eines Monats besucht hat, tauchen wir tiefer ein und bemühen uns, 'wie oft' zu verstehen. Dieses 'wie oft' ermöglicht es uns, die Tiefe der Interaktion eines Benutzers mit unserer Plattform zu messen und bietet uns konkrete Metriken, um unseren Benutzern mehr Wert zukommen zu lassen.
Bei Logto ist MER ein bedeutender Faktor unseres nutzungsabhängige Preismodell. Indem wir unsere Preisgestaltung an MER anpassen, stellen wir sicher, dass unsere Kosten mit dem Engagement des Benutzers übereinstimmen; man könnte sagen, dass wir die Fairness in eine messbare Metrik verwandelt haben. Während andere einen Benutzer, der sich nur einmal eingeloggt hat, möglicherweise genauso zählen wie einen täglichen Benutzer, differenzieren wir uns, indem wir die Preise auf der tatsächlichen Nutzung und dem bereitgestellten Wert berechnen. Dadurch gewährleisten wir einen transparenteren, faireren und letztendlich hervorragenden Ansatz zur Preisgestaltung.
Aus Benutzerprotokollen#
Normalerweise werden DAU und MAU direkt aus Benutzerprotokollen berechnet. Aber wenn sich diese Protokolle ansammeln, wird der Prozess ineffizient und stellt Herausforderungen wie Datenskalierung und Protokollaufbewahrung dar. Ganz zu schweigen davon, dass es aus Gründen des Datenschutzes und der Sicherheitsvorschriften nicht praktikabel ist, Benutzerprotokolle für immer aufzubewahren.
Ein anderer Ansatz: Erstellen einer DAU-Tabelle#
Deshalb haben wir das Konzept einer DAU-Tabelle entwickelt. Diese Tabelle umfasst hauptsächlich zwei Spalten - user_id und date. Das date kann auf den Beginn eines Tages gesetzt werden.
Wir haben zwei Möglichkeiten, diese Tabelle aktuell zu halten. Die erste ist ein täglicher automatisierter Job, der die Benutzerprotokolle des Vortages durchsiebt. Die zweite löst ein Update aus, wann immer eine Benutzeraktivität stattfindet.
Wann immer wir auf eine einzigartige user_id stoßen, fügen wir einen neuen Eintrag in die DAU-Tabelle ein, der die user_id und das date umfasst. Dies geschieht mittels einer SQL "upsert" Operation, die einen eindeutigen Schlüssel aus user_id und date erfordert.
Als Ergebnis wird das Tracking von DAU und MAU einfach eine Frage des Zählens von Zeilen in der Tabelle. Und die Berechnung der monatlichen Engagementrate kann durch Kombination von group by und count durchgeführt werden.
Ergebnisse und Vorteile#
Die DAU-Tabelle, die im Grunde genommen eine komprimierte Version der Benutzerprotokolle ist, hat unseren DAU und MAU Rechenprozess erheblich vereinfacht. Sie hat nicht nur die Verfolgung des Benutzerengagements wesentlich erleichtert, sondern auch die Belastung unseres Systems deutlich verringert.
Schluss#
Auf unserem Weg zur Optimierung von DAU und MAU Berechnungen haben wir immer großen Wert auf die Wahrung der Privatsphäre der Benutzer und die rechtliche Konformität gelegt. Wir haben unsere Strategie darauf aufgebaut, dass die DAU-Tabelle keine sensiblen Benutzerinformationen speichern würde. Stattdessen speichern wir nur anonyme Kennungen (der hash-Wert der normalen user_id) und Aktivitätsdaten, unter strikter Einhaltung aller relevanten Datenschutzvorschriften.
Wir würden diesen privatheitsschützenden Ansatz anderen im digitalen Dienstleistungsbereich dringend empfehlen. Unabhängig vom Umfang oder Volumen der Benutzerdaten sollte die Privatsphäre immer höchste Priorität haben.
Letzten Endes muss Datentracking nicht kompliziert sein, auch nicht für hoch frequentierte Webanwendungen. Eine stabile und effiziente Strategie wie unsere kann das Tracking wichtiger Benutzer-Engagement-Metriken zum Kinderspiel machen.
Wir hoffen, dass das Teilen unserer Erfahrungen andere digitale Plattformen inspirieren und Ideen für die Entwicklung innovativer Lösungen für effektive und effiziente Datentracking liefern kann.
