การติดตาม DAU และ MAU ในเว็บไซต์ที่มีการเข้าชมสูงเป็นงานที่ท้าทาย บทความนี้อธิบายว่าเราจัดการปัญหานี้อย่างไรที่ Logto
ไม่สามารถปฏิเสธได้ว่าในฐานะผู้ให้บริการจัดการตัวตน Logto ประมวลผลข้อมูลผู้ใช้จำนวนมากทุกวัน หนึ่งในตัวชี้วัดสำคัญที่เราไม่อาจมองข้ามคือ 'ผู้ใช้ที่ใช้งานรายวัน' (DAU) - มันแสดงให้เห็นถึงการมีส่วนร่วมของผู้ใช้เรา แต่เมื่อพูดถึงการติดตาม DAU และผู้ใช้ที่ใช้งานรายเดือน (MAU) สิ่งต่าง ๆ อาจยุ่งยาก การจัดการกับข้อมูลจำนวนมหาศาลโดยไม่ส่งผลกระทบต่อประสบการณ์ของผู้ใช้ไม่ใช่เรื่องง่าย แต่มันคือสิ่งที่เราได้เรียนรู้ที่จะแก้ไขอย่างมีประสิทธิภาพ
ในการอ่านนี้ เราจะใช้โอกาสนี้เพื่ออธิบายแนวคิดที่เกี่ยวข้องกับ DAU อธิบายวิธีการคำนวณ DAU, MAU, และอัตราการมีส่วนร่วมรายเดือน
DAUs เป็นผู้ใช้ที่มีปฏิสัมพันธ์กับแพลตฟอร์มของคุณในแต่ละวัน การปฏิสัมพันธ์เหล่านี้อาจเป็นอะไรก็ตาม - ตั้งแต่การล็อกอิน โพสต์ หรือกดถูกใจบางอย่าง หรือการกระทำใด ๆ ที่บ่งบอกถึงกิจกรรม การติดตาม DAU ทำให้เราประเมินการมีส่วนร่วมของผู้ใช้ในแต่ละวันและได้ความรู้สึกเกี่ยวกับขนาดของฐานผู้ใช้ที่ใช้งานของเรา
ในทางตรงกันข้าม MAU เป็นตัวบ่งชี้ของผู้ใช้ที่มีปฏิสัมพันธ์กับแพลตฟอร์มของคุณอย่างน้อยหนึ่งครั้งภายในหนึ่งเดือน เช่นเดียวกับ DAU ผู้ใช้ที่ใช้งานสามารถเป็นใครก็ได้ที่เพียงแค่ล็อกอินหรือมีปฏิสัมพันธ์กับแพลตฟอร์มอย่างใดอย่างหนึ่ง
เมื่อพูดถึงการทำความเข้าใจว่าผู้ใช้มีปฏิสัมพันธ์กับแพลตฟอร์มของเราในเดือนหนึ่ง ๆ บ่อยแค่ไหน เราพบคุณค่าอันมหาศาลในตัวชี้วัดเฉพาะ - อัตราการมีส่วนร่วมรายเดือน (MER) นี่ไม่ใช่เพียงตัวเลขสำหรับเรา แต่เป็นองค์ประกอบสำคัญที่มีอิทธิพลต่อนโยบายการตั้งราคาของเราอย่างมาก
MER เผยให้เห็นความถี่ในการมีส่วนร่วมของผู้ใช้ โดยระบุจำนวนวันที่ผู้ใช้ล็อกอินหรือมีปฏิสัมพันธ์กับแพลตฟอร์มของเราภายในเดือนหนึ่ง ๆ ข้อมูลเชิงลึกนี้ไม่เพียงแต่มีประโยชน์แต่ยังเป็นปัจจัยที่ทำให้เราแตกต่าง ไม่เหมือนวิธีทั่วไปที่เน้นแค่การเข้าเยี่ยมภายในเดือนหนึ่ง ๆ แต่เราทำความเข้าใจลึกลงไปเราพยายามที่จะเข้าใจว่า 'บ่อยแค่ไหน' ความ 'บ่อยแค่ไหน' นี้ช่วยให้เราประเมินความลึกของการมีส่วนร่วมของผู้ใช้กับแพลตฟอร์มของเราและมอบตัวชี้วัดสัมผัสได้เพื่อส่งมูลค่ามากขึ้นให้กับผู้ใช้ของเรา
ที่ Logto, MER เป็นปัจจัยสำคัญของ การตั้งราคาแบบการใช้งาน โดยการยึดการตั้งราคาของเราไว้กับ MER เรามั่นใจว่าค่าบริการของเราสอดคล้องกับระดับการมีส่วนร่วมของผู้ใช้ คุณอาจจะกล่าวว่าเราได้เปลี่ยนความยุติธรรมเป็นตัวชี้วัดที่เราสามารถวัดได้ ขณะที่คนอื่นอาจนับผู้ใช้ที่ล็อกอินเพียงครั้งเดียวเหมือนกับผู้ใช้รายวัน เราแยกแยะ ตั้งราคาตามการใช้งานจริงและมูลค่าที่ให้ ผ่านทางนี้เรามั่นใจว่ามีการตั้งราคาที่เป็นธรรม เปิดเผย และท้ายที่สุดวิธีที่โดดเด่น
โดยทั่วไป DAU และ MAU จะคำนวณโดยตรงจากล็อกของผู้ใช้ แต่เมื่อล็อกเหล่านี้พอกพูนขึ้นกระบวนการจะกลายเป็นไม่มีประสิทธิภาพและมีความท้าทายเช่นการขยายข้อมูลและการรักษาล็อก ที่ไม่ต้องกล่าวถึงคือการเก็บบันทึกล็อกของผู้ใช้อยู่อย่างถาวรนั้นไม่สามารถทำได้เนื่องจากกฎระเบียบทางความเป็นส่วนตัวและความปลอดภัย
นั่นคือเหตุว่าทำไมเราจึงคิดค้นแนวคิดตาราง DAU ตารางนี้จะประกอบด้วยสองคอลัมน์หลัก - user_id และ date ที่ date สามารถตั้งค่าเป็นจุดเริ่มต้นของวันหนึ่งได้
เรามีสองวิธีในการอัปเดตตารางนี้ วิธีแรกคือการใช้ระบบอัตโนมัติรายวันที่ตรวจสอบล็อกของผู้ใช้จากวันก่อนหน้า วิธีที่สองคือการเริ่มการอัปเดตเมื่อใดก็ตามที่มีการกิจกรรมของผู้ใช้เกิดขึ้น
เมื่อใดก็ตามที่เราพบ user_id ที่มีเอกลักษณ์ใหม่ เราจะเพิ่มรายการใหม่ในตาราง DAU ซึ่งรวมถึง user_id และ date นี้จะทำโดยการใช้การดำเนินการ 'upsert' ของ SQL ที่ต้องการคีย์เอกลักษณ์ของ user_id และ date
ผลลัพธ์คือการติดตาม DAU และ MAU กลายเป็นเรื่องของการนับแถวในตาราง และการคำนวณอัตราการมีส่วนร่วมรายเดือนสามารถทำได้โดยการผสมผสาน group by และ count
ตาราง DAU ซึ่งโดยสาระสำคัญแล้วเป็นเวอร์ชันย่อของล็อกของผู้ใช้ได้ปรับปรุงกระบวนการคำนวณ DAU และ MAU ของเราอย่างมาก มันไม่เพียงแต่ทำให้การติดตามการมีส่วนร่วมของผู้ใช้กลายเป็นเรื่องง่ายยิ่งขึ้น แต่ยังลดภาระในระบบของเราอย่างมาก
ในเส้นทางของเราในการปรับการคำนวณ DAU และ MAU เราได้เน้นย้ำอย่างมากในเรื่องความเป็นส่วนตัวของผู้ใช้และการปฏิบัติตามกฎหมาย เราได้สร้างกลยุทธ์ของเราขึ้นรอบ ๆ การให้แน่ใจว่าตาราง DAU จะไม่เก็บข้อมูลผู้ใช้ที่ละเอียดอ่อนแทนที่เราจะเก็บเพียงตัวระบุที่ไม่ระบุตัวตน (ค่าที่ถูกแฮชของ user_id ปกติ) และวันที่ของกิจกรรม ซึ่งทำตามกฎระเบียบการป้องกันข้อมูลที่เกี่ยวข้องทั้งหมดอย่างเข้มงวด
เราขอแนะนำอย่างสูงสุดให้ใช้แนวทางที่เน้นเรื่องความเป็นส่วนตัวนี้แก่ผู้ให้บริการดิจิทัลอื่น ๆ ไม่ว่าจะเป็นขนาดหรือปริมาณของข้อมูลผู้ใช้ ความเป็นส่วนตัวควรได้รับการให้ความสำคัญเป็นอันดับหนึ่งเสมอ
ท้ายที่สุดแล้ว การติดตามข้อมูลไม่จำเป็นต้องซับซ้อน แม้แต่สำหรับเว็บแอปพลิเคชันที่มีการเข้าชมสูง กลยุทธ์ที่มั่นคงและมีประสิทธิภาพเช่นของเราสามารถทำให้การติดตามตัวชี้วัดการมีส่วนร่วมของผู้ใช้สำคัญ ๆ เป็นเรื่องง่าย
เราหวังว่าการแบ่งปันประสบการณ์ของเราสามารถสร้างแรงบันดาลใจให้แพลตฟอร์มดิจิทัลอื่น ๆ และให้แนวคิดวิธีการพัฒนาวิธีแก้ปัญหาที่สร้างสรรค์เพื่อการติดตามข้อมูลที่มีประสิทธิภาพและมีประสิทธิผล