En resumen
DAU/MAU = DAU promedio del mes ÷ MAU únicos × 100. Mide qué tan habitual es el uso del producto. Benchmarks: consumo de referencia (Spotify, IG) 50%–70%; productividad B2B (Slack, Figma) 60%–80% en días laborables; transaccional (banca, ridesharing) 5%–15%. En SaaS B2B, DAU/MAU correlaciona fuertemente con NRR y es un predictor anticipado de expansión 6 a 12 meses antes.
Definición completa
El DAU/MAU es el ratio entre los Usuarios Activos Diarios (DAU) y los Usuarios Activos Mensuales (MAU) de un producto, expresado como porcentaje. Es la métrica canónica de stickiness — qué tan habitualmente regresa la audiencia al producto. Un DAU/MAU del 50% significa que, en promedio, un usuario activo del mes utiliza el producto aproximadamente la mitad de los días. Un DAU/MAU del 20% significa que el uso es esporádico, alrededor de seis días al mes. Un DAU/MAU del 80% significa que casi todos los días hábiles del mes hay actividad por parte del usuario promedio.
La métrica se popularizó en la era post-Facebook como una forma simple de comparar la fortaleza del hábito generado entre productos de consumo. Facebook reportaba DAU/MAU superior al 65% en sus filings, y eso se convirtió en la referencia implícita para muchos founders. Hoy, los analistas serios reconocen que el benchmark de Facebook no es universal: aplicar el 65% como umbral mínimo en cualquier producto distorsiona la evaluación. La definición correcta del "buen" DAU/MAU depende del tipo de producto, la frecuencia natural del problema que resuelve y la geografía de la base de usuarios.
Es importante distinguir entre el DAU/MAU como métrica de cohorte y como métrica agregada. El número agregado mensual oculta una verdad importante: dentro de un MAU determinado puede haber un grupo pequeño de usuarios muy activos (power users) que utilizan el producto casi todos los días, y una masa grande de usuarios casuales que lo abren una o dos veces al mes. El promedio resultante puede ser engañoso. El análisis de distribución — cuántos usuarios usaron el producto entre 1 y 5 días, entre 6 y 15 días, entre 16 y 30 días — revela información operativa que el ratio agregado nunca expone.
En productos B2B, el DAU/MAU se debe interpretar a nivel de cuenta más que a nivel de usuario individual. Una cuenta de SaaS con 50 asientos puede tener un DAU/MAU agregado del 30% — bajo por estándares de consumo — y, sin embargo, ser una cuenta extremadamente sana si los usuarios clave (administradores, decisión-makers) entran todos los días y los usuarios secundarios entran semanalmente. La métrica útil para Customer Success no es el DAU/MAU global, sino el DAU/MAU por cuenta y, dentro de cada cuenta, por rol.
Cómo implementar la medición
Implementar DAU/MAU de forma operativa exige cinco pasos. La diferencia entre un DAU/MAU que guía decisiones y uno que solo decora un dashboard está en la disciplina de estos pasos.
- 1
Definir qué es "activo". Antes de medir, escribir la acción mínima que cuenta como usuario activo: ¿abrir la app?, ¿iniciar sesión?, ¿completar al menos una acción clave? La definición debe alinearse con el momento en que el usuario recibe valor, no con el momento en que toca el producto. Una sesión de tres segundos en pantalla no es un usuario activo en un producto de análisis financiero; sí lo es en una app de mensajería.
- 2
Instrumentar eventos en el cliente y validarlos contra el backend. Los eventos de actividad deben capturarse desde el producto (cliente web o mobile) y reconciliarse contra registros de servidor o de base de datos. La discrepancia típica entre ambos lados — adblockers, sesiones expiradas, eventos no entregados — puede llegar al 10% o 15% si no se reconcilia.
- 3
Calcular DAU promedio del mes, no DAU de un día específico. El numerador correcto es el promedio de DAU sobre los días del mes (idealmente excluyendo días sin actividad esperada, como fines de semana en SaaS B2B). Usar el DAU de un solo día introduce volatilidad por efectos puntuales — lanzamientos, campañas, outages.
- 4
Segmentar por cohorte de adquisición. El DAU/MAU agregado mezcla cohortes con edades y comportamientos distintos. Una cohorte recién adquirida típicamente tiene DAU/MAU más alto en sus primeros 30 días por novedad; cohortes maduras se estabilizan. Segmentar por mes de adquisición revela si el producto está mejorando o deteriorando su capacidad de generar hábito a lo largo del tiempo.
- 5
Cruzar con churn, NRR y expansión. El DAU/MAU como métrica aislada no responde preguntas de negocio. Su valor aparece cuando se cruza con churn (un DAU/MAU bajo predice churn alto), con NRR (DAU/MAU alto predice expansión) y con conversión de freemium a pago (DAU/MAU alto durante el trial predice conversión).
Ejemplo concreto
Considere una plataforma SaaS B2B con sede en Bogotá que ofrece software de gestión de tareas para equipos de operaciones. La empresa tiene 320 cuentas activas, con un total de 4,800 usuarios provisionados (asientos pagados). El equipo de producto quiere medir el DAU/MAU del mes de septiembre para identificar qué cuentas están en riesgo y cuáles son candidatas a expansión.
Cálculo del DAU/MAU agregado — septiembre
DAU promedio en los 22 días laborables del mes: 2,640 usuarios. MAU únicos (al menos una sesión completada con acción clave): 4,224. DAU/MAU = 2,640 ÷ 4,224 × 100 = 62.5%. Para una herramienta de productividad B2B en días laborables, este nivel está dentro del benchmark esperado (60% a 80%).
Segmentación por cuenta — top 10% y bottom 10%
El top 10% de cuentas (32 cuentas) muestra DAU/MAU promedio del 84%. Estas cuentas representan $480,000 COP/mes en ARR y son las candidatas naturales a expansión: el equipo de Customer Success debe contactarlas para ofrecer módulos adicionales o más asientos.
El bottom 10% (32 cuentas) muestra DAU/MAU del 18% — muy por debajo del benchmark de productividad B2B. Estas cuentas representan $390,000 COP/mes en ARR y están en riesgo de no renovar. El equipo debe abrir una conversación de Customer Success para identificar bloqueos, ofrecer entrenamiento adicional o, si el ajuste con el producto es bajo, iniciar una conversación de offboarding controlado.
Cruce con NRR — predicción anticipada
Las cuentas con DAU/MAU superior al 50% en septiembre muestran un NRR proyectado del 128% para los siguientes 12 meses. Las cuentas con DAU/MAU inferior al 30% muestran un NRR proyectado del 82%. Esta correlación, observada en 18 meses de histórico, justifica el uso del DAU/MAU como métrica líder en el operating cadence del equipo de revenue.
Análisis en profundidad
La interpretación correcta del DAU/MAU empieza por preguntar qué problema resuelve el producto y con qué frecuencia natural ocurre ese problema. Una app de comunicación interna como Slack tiene un problema que ocurre todos los días — los equipos necesitan coordinarse — y por lo tanto un DAU/MAU del 70% es razonable. Una app de declaración de impuestos tiene un problema que ocurre una vez al año, y un DAU/MAU del 3% en marzo y abril, con casi cero el resto del año, no es señal de debilidad. Aplicar el benchmark de Slack a la app de impuestos llevaría a conclusiones absurdas. La pregunta correcta no es "¿es alto o bajo mi DAU/MAU?" sino "¿es consistente con la frecuencia natural del problema que resuelvo?".
El DAU/MAU es engañoso cuando el producto cambia su definición de "activo" sin documentarlo. Un equipo que originalmente contaba como activo cualquier sesión abierta y luego ajusta la definición a "sesión con acción clave completada" verá su DAU/MAU caer de la noche a la mañana sin que el producto haya empeorado. La caída es metodológica, no real. Los equipos serios mantienen un changelog explícito de cualquier cambio en la definición de actividad, y reportan el ratio tanto bajo la definición vigente como bajo la histórica durante al menos dos meses para preservar la comparabilidad longitudinal.
La distribución detrás del DAU/MAU agregado contiene información que el promedio oculta. En la mayoría de los productos SaaS maduros, la distribución del uso es asimétrica: un 20% de los usuarios genera el 60% al 70% de las sesiones (regla aproximada de Pareto), mientras que el 50% inferior de los usuarios apenas contribuye al 10%. Un DAU/MAU agregado del 40% puede esconder dos realidades opuestas: uso uniforme medio (todos los usuarios entran ~12 días/mes) o una distribución bipolar (un grupo entra todos los días, otro casi nunca). Las dos realidades exigen estrategias diferentes: la primera sugiere problemas de profundidad de uso; la segunda sugiere problemas de adopción para un segmento específico.
La correlación entre DAU/MAU y NRR en SaaS B2B es uno de los hallazgos más replicados en la literatura de retention. Cuentas con DAU/MAU sostenido superior al 50% suelen mostrar NRR superior al 120% en los 12 meses siguientes; cuentas con DAU/MAU inferior al 20% rara vez superan NRR del 95%. La razón es estructural: el uso recurrente indica integración del producto en el flujo de trabajo, lo que reduce la elasticidad de la demanda al precio y aumenta la disposición a expandir. Esto convierte al DAU/MAU en un indicador líder del NRR — se observa hoy lo que el NRR confirmará entre 6 y 12 meses después. Para equipos de RevOps, esto significa que el DAU/MAU debe ser parte del operating cadence semanal, no una métrica de producto que solo el PM revisa.
Por último, el DAU/MAU tiene un techo natural y conviene reconocerlo. Un producto puede llegar a DAU/MAU del 80% si el caso de uso lo justifica (mensajería, redes sociales, comunicación interna), pero rara vez superará el 85% porque siempre hay días sin uso por vacaciones, fines de semana o desconexión esperada. Perseguir un DAU/MAU del 90% como objetivo es contraproducente: lleva al equipo a forzar notificaciones, mecánicas de retención artificiales y patrones de uso que erosionan la confianza del usuario a largo plazo. La meta correcta es estabilizar el DAU/MAU en el rango benchmark de la categoría y enfocarse en la calidad de cada sesión, no en aumentar la frecuencia de aperturas vacías.
Errores frecuentes
- ✗
Aplicar el benchmark de un tipo de producto a otro tipo distinto. Comparar el DAU/MAU de una app de banca contra el de Slack y concluir que la app de banca tiene "mal engagement" es un error de interpretación elemental. La banca móvil con DAU/MAU del 12% puede ser excelente en su categoría, mientras que un Slack con DAU/MAU del 12% indicaría un colapso del producto. El benchmark relevante siempre es el de la categoría específica.
- ✗
Optimizar DAU/MAU como métrica norte sin considerar calidad de sesión. Forzar al usuario a abrir la app con notificaciones agresivas, mecánicas de gamificación vacías o requerir login diario eleva el DAU/MAU sin generar valor. El resultado a 12 meses suele ser uninstall y feedback negativo. El DAU/MAU debe acompañarse siempre de métricas de profundidad de sesión y de retención a 90 días.
- ✗
Usar DAU/MAU global en lugar de DAU/MAU por cuenta en SaaS B2B. El número agregado de toda la base oculta la dispersión entre cuentas. Una empresa puede tener un DAU/MAU global del 55% que parece sano, pero esconder un 20% de cuentas en riesgo con DAU/MAU inferior al 20%. La métrica útil para Customer Success y RevOps es siempre la distribución por cuenta, no el agregado.
Cómo Fairview lo gestiona
Fairview calcula el DAU/MAU automáticamente a partir de los eventos de producto (Segment, Mixpanel, Amplitude o eventos custom desde el data warehouse) con la definición de "activo" declarada explícitamente en el panel. La plataforma segmenta el ratio por cuenta y por cohorte de adquisición, lo cruza con NRR y churn, y alerta cuando una cuenta cae por debajo del umbral configurado para su segmento — no contra un benchmark genérico, sino contra el comportamiento histórico de cuentas comparables. Esto permite al equipo de Customer Success priorizar las cuentas en riesgo real, y al equipo de Sales identificar las cuentas con DAU/MAU sostenido alto como candidatas a expansión inmediata. El Operating Dashboard reúne DAU/MAU, NRR y churn en una sola vista cuenta-por-cuenta, eliminando la necesidad de exportaciones y consultas SQL ad hoc.
Preguntas frecuentes
¿Cómo se calcula el DAU/MAU?
DAU/MAU = (DAU promedio del mes ÷ MAU únicos) × 100. El numerador es el promedio de DAU a lo largo de los días del mes, no el DAU de un solo día. El denominador es el número de usuarios únicos que estuvieron activos al menos una vez durante el mes. Un DAU/MAU del 50% significa que el usuario promedio utilizó el producto aproximadamente 15 de los 30 días.
¿Qué se considera un buen DAU/MAU según la industria?
Depende del tipo de producto. Apps de consumo de referencia (Spotify, Instagram, TikTok) sostienen 50% a 70%. Productividad B2B (Slack, Figma, Notion) sostiene 60% a 80% en días laborables. Apps transaccionales (banca, ridesharing, e-commerce) operan habitualmente entre 5% y 15% sin que sea señal de problema. El benchmark relevante siempre es el de la categoría específica.
¿Cuándo conviene usar WAU/MAU en lugar de DAU/MAU?
Cuando el producto no está diseñado para uso diario. SaaS B2B de planeación, herramientas de análisis y plataformas de revisión semanal raramente necesitan que el usuario se conecte cada día — su valor está en el flujo de trabajo semanal. Forzar DAU/MAU como métrica norte en estos productos lleva a perseguir métricas irrelevantes. WAU/MAU del 60% al 75% suele ser la señal correcta de hábito semanal.
¿Por qué el DAU/MAU correlaciona con NRR en SaaS B2B?
Porque el uso recurrente es el indicador más temprano de valor recibido. Cuentas cuyos usuarios ingresan al producto la mayoría de los días laborables han integrado la herramienta en su flujo de trabajo, lo que reduce el riesgo de cancelación y aumenta la probabilidad de expansión. Empíricamente, segmentos con DAU/MAU superior al 50% muestran NRR superior al 120%; segmentos con DAU/MAU inferior al 20% rara vez superan NRR del 95%.