Соцсети: диагностика падения DAU/MAU ratio

Ситуация: DAU/MAU упал с 0,55 до 0,43 за 4 месяца. MAU растёт на 3% MoM, но DAU стагнирует. Notification open rate снизился с 22% до 14%.

Мессенджер-соцсеть с 30 млн MAU. Недавно добавили фичу «каналы» (аналог Telegram), которая привлекла новых MAU, но не конвертировала в daily use. Параллельно Android-приложение получило низкие оценки за баги.

Доступные данные

• user_activity: user_id, date, session_count, session_duration_sec, features_used, platform
• user_cohorts: user_id, registration_date, acquisition_source, first_week_dau_count
• notifications: user_id, notification_type, sent_at, delivered, opened, action_taken
• app_performance: platform, date, crash_rate, avg_load_time_ms, anr_rate, store_rating
• feature_usage: user_id, feature_name, date, usage_count, time_spent_sec

Задачи

• Декомпозировать падение DAU/MAU: новые vs. existing users, platform, feature.
• Определить, что каналы привлекают casual users с низкой daily stickiness.
• Оценить impact Android багов на DAU через natural experiment.
• Предложить 3 стратегии восстановления DAU/MAU с quantified impact.
• Спроектировать early warning system для stickiness metrics.

Все кейсы для подготовки → ← Все кейсы