DAU_MAU
データサイエンス・ブートキャンプに参加したときのノートの書き写し。
データサイエンス・ブートキャンプ 第２弾
DAUを求める
データを変換する
テキストデータをタイムスタンプデータに変換する。 
日ごとのデータに丸める
このままグループ化すると、秒ごとにグループ化されてしまうので、丸め処理を行う。 
グループ化する
丸めた日付データでグループ化する。 
日ごとのデータを集計する
ここでやっとDAUを求める。 useridで一意の値で集計する。 
こんな感じのデータが出来上がる。
MAUを求める
ここまで作成したDAUを無駄にしたくないので、ブランチを切って作業をする。 
日データを切り捨てる
yy/mm/ddのデータになっているので、ddを削除して、月ごとのデータに変換する。 
そしてさっきと同じようにグループ化して集計すればMAUのデータが完成する。
データを結合する
DAUのデータフレームにMAUのデータを追加する。 そして、DAU/MAUでエンゲージメント率を算出する。
join用のカラムを追加する
このままだとjoinすることができないので、DAUのデータに月で丸めた列を追加する。 
こんなデータができる。 
join関数で結合する
結合する準備が整ったので、DAUデータフレームのmonth列とMAUデータフレームのtimestamp列で結合する。 
こんな感じでデータができあがった。 
エンゲージメント率を算出する
エンゲージメント率はDAU/MAUで計算する。 この数値は特定のDAUが、月の中でどのくらいの割合を占めているのかを判断する指標。 この割合が日毎に増えていくと、そのサービスはユーザーが増加しかつ使い続けている人も増えている＝エンゲージメントが上がっている。ということが解釈できる。
列を追加する
エンゲージメント率の列を計算して追加する。 下記のスクリプトはDAU/MAUで小数点を切り捨てている。
mutate(engagement_ratio = round(count_dau / count_mau, digits=2))
可視化する
DAU
DAUは日毎に上昇していることがわかる。エンゲージメント率
しかしエンゲージメント率は下がってきている。 つまりユーザーは継続してアクセスしていないということになる。 ここでエンゲージメント率月ごとのエンゲージメント率
全体的には上昇しているが、月毎に回帰直線を引いてみると、直近の２ヶ月はあ上昇傾向ではあるものの、ばらつきが大きくなっているのがわかる。