应该平均使用一个Firebase活动用户指标（DAU，WAU，MAU）吗？

Question

我正在尝试了解在当前的Firebase“活动”用户指标报告（按下面的图表）中逐月报告，还是自行计算并报告平均值 >在特定时期内这些指标的每个值。

乍一看，仪表板向您显示了2018年12月的1天，7天和28天活动用户，但实际上仅显示所选日期范围值的最后一天（在右边）。知道这一点很高兴，但是在我的月度分析中仅比较最后日期的值有些误导。另一种方法是在选定期间内自行计算平均值：

应用于Firebase演示数据集，我得到以下数字：

Firebase仪表板：

• 28天活跃用户：8661
• 7天活跃用户：3874
• 1天活跃用户：1111

我的计算平均值：

• 28天活跃用户：8762
• 7天活跃用户：3663
• 1天活跃用户：1112

这里的差异很小，但是我发现我们的应用程序存在一些显着差异，该应用程序每月有数百万的活跃用户。

问题：

• 如果您当前正在使用Firebase，如何报告？
• 您要复制并粘贴所选时间段的最后一天，然后报告一个月的时间，还是对1/7/28天指标中的每一个求平均值，以更好地表示月份？ li>
• 如果对指标进行平均，能否解释原因？

Answer 1

要回答我自己的问题，我想先回顾一下定义，然后再进行计算。

基于支持的Firebase documents，我总结了以下每个指标的定义。重要的是要声明，在每个指标（给定的日期范围内）中，仅应将唯一身份用户计数。

• 1天活跃用户：1天 唯一 活跃用户已与设备前景中的应用互动并且在最近1天的时间段内（给定的日期范围）记录了一个user_engagement事件。
• 7天活跃用户：7天 活跃用户已与设备前台中的应用互动，并且在过去7天内（给定的日期范围）记录了一个user_engagement事件。
• 28天活跃用户：28天 活跃用户已与设备前台中的应用互动，并且在过去28天内（给定的日期范围内）记录了一个user_engagement事件。

在下面的单元格中，您可以查看如何计算12月的指标：

计算每个指标/受众群体的方法：

• 使用Average 1-day active user metric计算特定月份的DAU。
• 使用Average 7-day active user metric计算特定月份的WAU。我是通过平均12月7日，14日，21日，28日的快照来计算得出的。
• 使用Non-averaged 28-day active user metric计算特定月份的MAU。不平均该指标值的主要原因是，因为我只希望获得整个月的一个快照。如果我在这里使用平均值，我还将考虑上个月活跃的用户。

AVG 1天唯一活动用户指标（Android，2018年12月）

# StandardSQL
SELECT
  ROUND(AVG(users),0) AS users
FROM 
(
  SELECT
  event_date,
  COUNT(DISTINCT user_pseudo_id) AS users
FROM `<id>.events_*`
WHERE
  event_name = 'user_engagement'
  AND _TABLE_SUFFIX BETWEEN '20181201' AND '20181231'
  AND platform = "ANDROID"
GROUP BY 1
) table

# or you could also use code below, but you will have to add in the remaining days' code to query against the entire month. 

-- Set your variables here
WITH timeframe AS (SELECT DATE("2018-12-01") AS start_date, DATE("2018-12-31") AS end_date)

-- Query your variables here
SELECT ROUND(AVG(users),0) AS users
FROM
(
SELECT event_date, COUNT(DISTINCT user_pseudo_id) AS users
FROM `<id>.events_*`AS z, timeframe AS t
WHERE
  event_name = 'user_engagement'
  AND _TABLE_SUFFIX > FORMAT_DATE('%Y%m%d', DATE_ADD(t.end_date, INTERVAL - 1 DAY))
  AND _TABLE_SUFFIX <= FORMAT_DATE('%Y%m%d', DATE_ADD(t.end_date, INTERVAL 0 DAY))
  AND platform = "ANDROID"
GROUP BY 1

UNION ALL 

SELECT event_date, COUNT(DISTINCT user_pseudo_id) AS users
FROM `<id>.events_*`AS z, timeframe AS t
WHERE
  event_name = 'user_engagement'
  AND _TABLE_SUFFIX > FORMAT_DATE('%Y%m%d', DATE_ADD(t.end_date, INTERVAL - 2 DAY))
  AND _TABLE_SUFFIX <= FORMAT_DATE('%Y%m%d', DATE_ADD(t.end_date, INTERVAL - 1 DAY))
  AND platform = "ANDROID"
GROUP BY 1
... 
...
...
...
) avg_1_day_active_users

AVG 7天唯一活动用户指标（Android，2018年12月）

-- Set your variables here
WITH timeframe AS (SELECT DATE("2018-12-01") AS start_date, DATE("2018-12-31") AS end_date)

-- Query your variables here
SELECT ROUND(AVG(users),0) AS users
FROM
(
SELECT COUNT(DISTINCT user_pseudo_id) AS users
FROM `<id>.events_*`AS z, timeframe AS t
WHERE
  event_name = 'user_engagement'
  AND _TABLE_SUFFIX > FORMAT_DATE('%Y%m%d', DATE_ADD(t.end_date, INTERVAL - 7 DAY))
  AND _TABLE_SUFFIX <= FORMAT_DATE('%Y%m%d', DATE_ADD(t.end_date, INTERVAL 0 DAY))
  AND platform = "ANDROID"

UNION ALL

SELECT COUNT(DISTINCT user_pseudo_id) AS users
FROM `<id>.events_*`AS z, timeframe AS t
WHERE
  event_name = 'user_engagement'
  AND _TABLE_SUFFIX > FORMAT_DATE('%Y%m%d', DATE_ADD(t.end_date, INTERVAL - 14 DAY))
  AND _TABLE_SUFFIX <= FORMAT_DATE('%Y%m%d', DATE_ADD(t.end_date, INTERVAL - 7 DAY))
  AND platform = "ANDROID"

UNION ALL

SELECT COUNT(DISTINCT user_pseudo_id) AS users
FROM `<id>.events_*`AS z, timeframe AS t
WHERE
  event_name = 'user_engagement'
  AND _TABLE_SUFFIX > FORMAT_DATE('%Y%m%d', DATE_ADD(t.end_date, INTERVAL - 21 DAY))
  AND _TABLE_SUFFIX <= FORMAT_DATE('%Y%m%d', DATE_ADD(t.end_date, INTERVAL - 14 DAY))
  AND platform = "ANDROID"

UNION ALL

SELECT COUNT(DISTINCT user_pseudo_id) AS users
FROM `<id>.events_*`AS z, timeframe AS t
WHERE
  event_name = 'user_engagement'
  AND _TABLE_SUFFIX > FORMAT_DATE('%Y%m%d', DATE_ADD(t.end_date, INTERVAL - 28 DAY))
  AND _TABLE_SUFFIX <= FORMAT_DATE('%Y%m%d', DATE_ADD(t.end_date, INTERVAL - 21 DAY))
  AND platform = "ANDROID"
) avg_7_day_active_users

非平均28天唯一活动用户指标（Android，2018年12月）

# StandardSQL
-- Set your variables here
WITH timeframe AS (SELECT DATE("2018-12-01") AS start_date, DATE("2018-12-31") AS end_date)

-- Query your variables here
SELECT COUNT(DISTINCT user_pseudo_id) AS users
FROM `<id>.events_*`AS z, timeframe AS t
WHERE
  event_name = 'user_engagement'
  AND _TABLE_SUFFIX > FORMAT_DATE('%Y%m%d', DATE_ADD(t.end_date, INTERVAL - 28 DAY))
  AND _TABLE_SUFFIX <= FORMAT_DATE('%Y%m%d', DATE_ADD(t.end_date, INTERVAL 0 DAY))
  AND platform = "ANDROID"

旁注：

• 我知道有些公司仍会在30天内计算其MAU。因此，您必须进行测试，看看哪种方法最适合您的公司。
• 我对MAU计算的唯一问题是，它还没有考虑到每个月的开始日期。也许平均一天31-28天，30-28天，29-28天，28-28天...
• 我发现Firebase团队的示例queries也很有帮助，但是他们的活动指标仅解决查询执行时的活动用户数（查看以下示例）：

SELECT
  COUNT(DISTINCT user_id)
FROM
  /* PLEASE REPLACE WITH YOUR TABLE NAME */
  `YOUR_TABLE.events_*`
WHERE
  event_name = 'user_engagement'
  /* Pick events in the last N = 20 days */
  AND event_timestamp > UNIX_MICROS(TIMESTAMP_SUB(CURRENT_TIMESTAMP, INTERVAL 20 DAY))
  /* PLEASE REPLACE WITH YOUR DESIRED DATE RANGE */
  AND _TABLE_SUFFIX BETWEEN '20180521' AND '20240131';