Le suivi des DAU et MAU sur les sites à fort trafic est une tâche difficile. Cet article décrit comment nous avons résolu ce problème chez Logto.
Il est indéniable qu'en tant que fournisseur d'identité, Logto traite une montagne de données d'utilisateurs quotidiennement. L'une des mesures critiques que nous ne pouvons pas nous permettre de négliger est 'Utilisateurs Actifs Quotidiens' (DAU) - cela nous donne une idée de l'engagement de nos utilisateurs. Mais en ce qui concerne le suivi des DAU et des Utilisateurs Actifs Mensuels (MAU), les choses peuvent devenir chaotiques. Gérer d'énormes volumes de données sans affecter l'expérience utilisateur n'est pas facile, mais c'est quelque chose que nous avons appris à gérer efficacement.
Dans cette lecture, nous allons saisir cette chance pour vous guider à travers les concepts liés au DAU, expliquer comment le DAU, le MAU et un taux d'engagement mensuel peuvent être calculés.
Les DAU sont des utilisateurs uniques qui interagissent avec votre plateforme un jour donné. Ces interactions pourraient être n'importe quoi - de la simple connexion, la publication ou l'aimant quelque chose, ou toute autre action spécifique qui signifie l'activité. Le suivi des DAU nous permet d'évaluer l'engagement des utilisateurs au quotidien et d'avoir une idée de la taille de notre base d'utilisateurs actifs.
Le MAU, en revanche, est un indicateur des utilisateurs uniques qui interagissent avec votre plateforme au moins une fois par mois. Tout comme les DAU, les utilisateurs actifs peuvent aller de quelqu'un qui s'est simplement connecté à quelqu'un qui a interagi avec la plateforme d'une certaine manière.
Quand il s'agit de comprendre à quel point les utilisateurs interagissent avec notre plateforme dans un mois, nous trouvons une immense valeur dans une mesure particulière - le Taux d'Engagement Mensuel (TEM). Ce n'est pas seulement un nombre pour nous, mais un élément pivot qui influence fortement notre stratégie de tarification.
Le TEM révèle la fréquence d'engagement d'un utilisateur en mettant en évidence le nombre de jours uniques où un utilisateur se connecte ou interagit avec notre plateforme dans un mois. Cette perspicacité n'est pas seulement utile; c'est un différentiateur clé pour nous. Contrairement à l'approche typique qui se concentre uniquement sur le fait qu'un utilisateur a visité dans un mois, nous allons plus loin, nous nous efforçons de comprendre 'à quelle fréquence'. Cette 'à quelle fréquence' nous permet d'évaluer la profondeur de l'interaction d'un utilisateur avec notre plateforme et nous fournit des mesures tangibles pour offrir plus de valeur à nos utilisateurs.
Chez Logto, le TEM est un facteur important de la tarification basée sur l'utilisation. En ancrant notre tarification au TEM, nous nous assurons que nos frais sont alignés avec le niveau d'engagement de l'utilisateur; on pourrait dire que nous avons transformé l'équité en une mesure que nous pouvons mesurer. Alors que d'autres pourraient compter un utilisateur qui s'est connecté une seule fois de la même manière qu'un utilisateur quotidien, nous différencions, tarifions en fonction de l'utilisation réelle et la valeur fournie. Grâce à cela, nous assurons une approche plus transparente, équitable et finalement, exceptionnelle en matière de tarification.
Habituellement, le DAU et le MAU sont calculés directement à partir des journaux des utilisateurs. Mais alors que ces journaux s'accumulent, le processus devient inefficace et présente des défis comme l'échelle des données et la rétention des journaux. Sans parler du fait que conserver les journaux des utilisateurs pour toujours n'est pas pratique en raison des réglementations en matière de confidentialité et de sécurité.
C'est pourquoi nous avons eu l'idée d'une table DAU. Cette table comprend principalement deux colonnes - user_id et date. La date peut être fixée au début d'une journée.
Nous avons deux façons de garder cette table à jour. La première est une tâche automatisée quotidienne qui passe en revue les journaux des utilisateurs de la journée précédente. La deuxième déclenche une mise à jour chaque fois qu'une activité d'utilisateur a lieu.
Chaque fois que nous rencontrons un user_id unique, nous ajoutons une nouvelle entrée à la table DAU, qui comprend le user_id et la date. Ceci est fait à l'aide d'une opération SQL "upsert" qui nécessite une clé unique de user_id et date.
En conséquence, le suivi du DAU et du MAU devient simplement une question de comptage des lignes dans la table. Et le calcul du taux d'engagement mensuel peut être fait en combinant group by et count.
La table DAU, qui est essentiellement une version condensée des journaux des utilisateurs, a considérablement rationalisé notre processus de calcul du DAU et du MAU. Non seulement cela a rendu le suivi de l'engagement des utilisateurs beaucoup plus facile, mais cela a également réduit la charge sur notre système de manière significative.
Dans notre parcours d'optimisation des calculs du DAU et du MAU, nous avons toujours accordé une grande importance à la confidentialité des utilisateurs et à la conformité légale. Nous avons construit notre stratégie autour de la garantie que la table DAU ne stockerait pas d'informations sensibles sur les utilisateurs. Au lieu de cela, nous stockons simplement des identifiants anonymes (la valeur hachée de l'ID utilisateur normal) et des dates d'activité, en respectant strictement toutes les réglementations pertinentes en matière de protection des données.
Nous recommandons vivement cette approche orientée vers la confidentialité à d'autres dans l'industrie des services numériques. Quelle que soit l'échelle ou le volume des données des utilisateurs, la confidentialité doit toujours être la priorité.
En bout de ligne, le suivi des données n'a pas à être compliqué, même pour les applications web à fort trafic. Une stratégie stable et efficace comme la nôtre peut rendre le suivi des indicateurs essentiels d'engagement des utilisateurs un jeu d'enfant.
Nous espérons que le partage de notre expérience peut inspirer d'autres plateformes numériques et fournir des idées sur comment développer des solutions innovantes pour un suivi efficace et efficace des données.