월간 활성 방문자 (MAU, Monthly Active Users)

용어 설명

"월간 활성 방문자(MAU)"는 Monthly Active Users의 약자로, 한 달(직전 30일)이내에 앱이나 웹사이트 등 특정 서비스에 최소 한 번 이상 로그인, 조회, 클릭, 구매 등 실제 활동을 수행한 고유 사용자 수를 나타내는 지표입니다. MAU는 단순 방문자가 아닌, 서비스를 체험하거나 상호작용한 사용자 규모를 집계하기 때문에 서비스의 전체적인 사용자 기반 크기와 장기적인 성장 흐름을 가늠하는 데 유용합니다.

MAU를 분석해야하는 이유

1. 서비스 전체 사용자 기반 파악
MAU는 일정 기간 동안 실제 서비스를 이용한 고유 사용자를 집계하므로, 전체적인 사용자 규모를 한눈에 보여줍니다. 경쟁 서비스 대비 MAU가 높다면, 시장에서 인지도나 점유율이 상대적으로 높은 신호로 볼 수 있으며, 내부적으로는 월별 리소스 배분 우선순위를 결정하는 근거가 됩니다.

2. 장기적인 성장·유지력 평가

MAU는 단기적인 이벤트나 프로모션 효과보다 사용자 이탈률과 재방문 패턴을 장기적으로 관찰할 때 더 의미가 큽니다. 예를 들어 특정 마케팅 캠페인 이후 MAU가 일시적으로 급등하더라도, 2~3개월 뒤에도 비슷한 수준을 유지한다면 서비스 안정성을 확인할 수 있습니다. 반면, 단발성 상승 후 급격히 하락한다면 콘텐츠나 UX 개선이 시급하다는 신호로 볼 수 있습니다.

3. 수익화 및 투자 타당성 판단

광고주나 투자자는 MAU 규모를 통해 서비스의 잠재 매출 규모와 성장성을 판단합니다. MAU가 높고 안정적으로 유지될수록 광고 노출 가치가 커지며, 구독형 비즈니스 모델이라면 월별 과금 잠재력이 커진다는 의미입니다. 또한 MAU 대비 DAU 비율이 일정 수준(예: 20~30%) 이상으로 유지된다면, 사용자의 충성도 및 서비스 ‘스틱iness’(Stickiness)가 높다고 해석할 수 있습니다.

MAU 확인 방법

1. 구글 애널리틱스(Google Analytics)

• 잠재고객 → 개요 → 기간 설정(최근 30일) 메뉴에서 월간 고유 사용자 수를 조회할 수 있습니다.
• 세그먼트 기능을 활용해 모바일·데스크톱, 국가별, 신규vs재방문 등으로 MAU를 비교·분석할 수 있습니다.
• 실시간 보고서로 특정 프로모션 시작일 전후 MAU 변화를 모니터링할 수 있습니다.

2. 앱 분석 플랫폼 (Amplitude, Mixpanel, Firebase 등)

• 대시보드의 “Active Users” 항목에서 월별 MAU를 즉시 확인할 수 있으며, 코호트 분석을 통해 특정 기간 유입된 사용자의 재방문 및 이탈 패턴을 세분화할 수 있습니다.
• 이벤트 트래킹을 결합하면, MAU 대비 실제 이벤트 발생 비율(예: 구매 완료, 장바구니 담기 등)을 함께 파악할 수 있어 서비스 퍼널 최적화에 도움을 줍니다.

비슷한 용어

DAU (Daily Active Users)

DAU는 Daily Active Users의 약자로, 하루 동안 서비스나 앱에 방문하여 로그인, 조회, 클릭 등 실제로 활동한 고유 사용자 수를 의미합니다. DAU는 MAU와 함께 사용할 때, 매월 방문자 중 어느 정도가 매일 찾는지(Stickiness) 확인하여 사용자 충성도를 더 명확하게 파악할 수 있습니다.

MAU VS DAU

1. MAU (월간 활성 방문자)

• 한 달 동안 최소 한 번 이상 활동한 전체 사용자 규모 측정
• 서비스의 중·장기적 성장 및 사용자 기반 크기 파악에 적합

1. DAU (일간 활성 방문자)

• 하루 동안 실제 활동한 사용자 규모 측정
• 당일 활성도, 충성 사용자 비중, 프로모션 반응 등을 즉각적으로 평가

+Stickiness(스틱니스) 지표
보통 DAU/MAU 비율이 20% 이상이면 안정적인 충성 사용자 집단을 보유했다고 해석합니다. 예를 들어 MAU가 1만 명인데 DAU가 2천 명 이상이라면, 월간 사용자 중 상당수가 매일 사용하고 있다는 뜻입니다.

주의사항

❗ MAU만으로 서비스 건강도를 판단하면 안 됩니다.
MAU는 한 달에 단 한 번만 방문한 사용자도 동일하게 집계하기 때문에, 높은 MAU만으로 사용자 충성도나 만족도를 평가하기 어렵습니다. 반드시 DAU, 체류 시간, 이탈률, 전환율, 재방문율 등과 종합적으로 분석해야 합니다.

❗ 새로운 유입과 이탈을 구분해야 합니다.
마케팅 집행 직후 MAU가 급증했다고 해서 서비스가 본질적으로 성장한 것은 아닙니다. 예를 들어 프로모션에 참여했다가 이탈하는 사용자가 많다면, 콘텐츠 품질이나 UX 측면에 개선이 필요합니다. 코호트 분석을 통해 유입 후 7일·30일 뒤 잔존율을 꼭 확인하세요.

❗ 봇 또는 중복 계정이 포함될 수 있습니다.
과도한 봇 트래픽 또는 중복 계정이 MAU에 섞여 있을 수 있으므로, 필터링 설정이나 사용자 인증 절차를 통해 정확한 고유 사용자 수를 유지해야 합니다.

❗ MAU 증감 원인을 다각도로 해석해야 합니다.
예로, 시즌에 따라 자연스럽게 사용량이 변화하는 서비스(쇼핑몰의 연말 프로모션, 교육 앱의 학기 개강 등)라면 MAU 증감이 일시적일 수 있습니다. 따라서 외부 요인(시즌, 이벤트, 정책 변화 등)도 함께 고려해야 합니다.