Schéma de Conversion SKAN

Sous SKAN, toute la mesure UA se ramène à un choix : quel signal encoder dans une conversion value de 6 bits, capté en 24 heures. Ce schéma doit viser la simplicité et encoder une propension plutôt qu'un achat, calibré sur ce que l'app capture dès le J0.

Appareil télégraphique victorien, une touche enfoncée, enveloppes non transmises empilées de chaque côté - gravure sépia.
Un seul signal, une seule chance

Sous SKAN, la mesure UA sur iOS se ramène à une décision d’ingénierie fondamentale : encoder un signal utile dans une conversion value de 6 bits, dans une fenêtre d’environ 24 heures. Ce n’est pas un paramètre parmi d’autres - c’est le seul pont entre les installations achetées et les optimisations que la régie peut déclencher. Bien concevoir ce schéma conditionne tout ce qui suit.

Cette réalité s’est imposée au fil des années post-ATT (App Tracking Transparency, 2021). Des praticiens comme Lucas Moscon, documenté par AppsFlyer, des équipes analysées dans le Mobile UA Show et Eric Seufert sur Mobile Dev Memo ont accumulé des retours convergents : le schéma de conversion est un projet de data science qui engage le produit, le tracking et le marketing dans une décision commune - pas un réglage de console.

Cette page couvre les principes qui gouvernent un schéma efficace : la contrainte fondamentale, la règle de simplicité, l’encodage d’une propension plutôt qu’un achat, la calibration par modèle d’app, le rôle central du J0 et le mécanisme de locking de SKAN 4.0. La connaissance est robuste - terrain réel, itérations documentées sur plusieurs verticaux - même si les paramètres exacts varient selon le modèle de monétisation.

L’essentiel en 4 points

  • SKAN ne transmet qu’une conversion value par install : tout ce qui n’est pas encodé dans cette valeur dans les premières 24 heures n’existe pas pour la régie.
  • La règle d’or est la simplicité - un seul événement pivot, sans combinaison de bits inutile. Un schéma complexe n’est pas plus riche, il aveugle.
  • L’objectif n’est pas de rapporter un achat (trop rare, trop tardif) mais d’encoder une propension : un proxy comportemental qui prédit la valeur future de l’utilisateur.
  • Le schéma optimal dépend du modèle de monétisation et se calibre sur le J0 - optimiser le signal remonte souvent jusqu’à l’expérience d’onboarding.

La contrainte : un seul signal, une fenêtre qui se referme

Le protocole ne renvoie qu’une conversion value par install. Le mécanisme repose sur un timer de 24 heures : à sa fermeture, seul l’événement de plus haute priorité survenu est transmis. Cette valeur détermine à elle seule la qualité de tout le signal mesuré - une réalité documentée en détail par le Mobile UA Show dans plusieurs épisodes dédiés aux schémas SKAN.

Le timer est piégeux : chaque événement in-app tracké dans les premières 24 heures le remet à zéro, repoussant la réception du postback (au mieux J+2, souvent J+4). Chaque appel à updateConversionValue efface la possibilité de reconstituer l’instant d’install, créant un arbitrage direct entre richesse du signal et fraîcheur de la donnée. Ce qui n’est pas capturé et priorisé dans les premières heures n’existe pas pour la régie.

La règle d’or : la simplicité, pas l’exhaustivité

Le réflexe naturel - remplir les 64 valeurs disponibles pour ne rien manquer - est le premier piège. L’expérience de Lucas Moscon, documentée par AppsFlyer, est sans ambiguïté : la règle d’un schéma efficace est la simplicité maximale, un seul événement clé, sans combinaison de bits, sans chercher à tout encoder par peur de perdre de la donnée.

La raison est mécanique. Combiner plusieurs événements dans une même valeur de conversion empêche les bits intermédiaires de se déclencher, parce qu’Apple ne retourne que la valeur la plus haute satisfaite - tous les événements de rang inférieur deviennent invisibles. Un schéma trop ambitieux ne mesure pas plus finement ; il aveugle sur ce qu’il croyait capturer.

Encoder une propension, pas un achat

L’enjeu n’est pas de rapporter l’achat, trop rare et trop tardif, mais d’encoder un proxy de valeur future. Puisqu’on ne transmet qu’un signal par utilisateur, la stratégie efficace valorise des combinaisons de comportements imputés en LTV plutôt que le dernier événement seul. Eric Seufert a formalisé cette logique dans son analyse des implications d’iOS 14 pour la mesure publicitaire : c’est un vrai projet de data science, qui propage des métriques produit vers le marketing.

Dans un modèle à faible taux de conversion - un social casino à 3-4 % d’achats en 24h - il faut capturer un signal pour les 96 % restants. Une combinaison conditionnelle (lobby + ad view + 100 spins) améliore la prédiction de propension à payer là où un événement d’achat isolé ne remonterait presque jamais, comme le documente le Mobile UA Show dans son épisode consacré au playbook SKAN.

Quand le revenu J0 est mesurable, il gagne. Après trois ans d’itérations documentées par AppsFlyer UA Legends, le schéma le plus robuste pour un jeu IAP s’est révélé être des revenue buckets sur 48h en fine value. Les fenêtres 2 (J3-J7) et 3 (J8-J35) fournissent des valeurs directionnelles pour comparer la qualité LTV entre partenaires - jamais comme des chiffres absolus.

Calibrer par modèle d’app

Le proxy optimal dépend du modèle de monétisation, et le schéma se règle par vertical et par fenêtre selon les retours d’AppsFlyer sur SKAN 4.0 :

  • Abonnement : une priorité croissante de quatre événements - inscription (basse), onboarding complet, essai gratuit, essai engagé - pour maximiser le signal dans les 24 premières heures. Le pivot est le trial started, prédicteur le plus proche de la souscription.
  • Gaming / IAP : un schéma composite combinant indicateurs de rétention, d’activité en jeu et d’achats. Les achats seuls sont trop peu fréquents pour tenir sous le sous-échantillonnage SKAN.
  • Shopping : la valeur coarse (low/medium/high) se cale sur le revenu (add-to-cart en low, achat en high) ; le gaming casual préfère des paliers d’engagement séquentiels.

Le J0 est roi

Le facteur qui décide de la capacité à scaler une campagne iOS, c’est le volume d’événements exploitables dans les 24 premières heures. Le Mobile UA Show documente un schéma qui combine des engagement events (funnel précoce, bits 1-5) et des revenue brackets (bits supérieurs) calibrés sur le montant maximum achetable en J0 - et ce schéma a fonctionné pour huit jeux sur dix, à condition d’avoir suffisamment d’événements d’achat dès le premier jour.

D’où un principe que Thomas Petit a documenté dans le Sub Club sur le web-to-app : quand la conversion clé n’arrive pas en J0, on redessine l’expérience pour créer des proxies de propension à payer - segmentation comportementale précoce, sans forcer l’achat immédiat. Le modèle est transposable à toute app dont la valeur se révèle plus tard. La conception du signal remonte ainsi jusqu’au design produit.

SKAN 4.0 : le lock window comme levier de fraîcheur

SKAN 4.0 ajoute le conversion value locking : verrouiller la valeur dès l’événement cible atteint déclenche immédiatement le timer, sans attendre la fin de la fenêtre. Eric Seufert a documenté les implications au moment du déploiement : sans lock, le deuxième postback peut prendre jusqu’à 13 jours ; le lock rapproche la donnée du moment de la décision d’optimisation.

Deux stratégies coexistent selon AppsFlyer : time-based (verrouiller à J5, mais suppose que l’utilisateur ait rouvert l’app à ce moment) et event-based (verrouiller dès qu’une coarse value haute est atteinte, par exemple un achat). La seconde est préférable car indépendante d’une réouverture.

Si ta scale-up plafonne aujourd’hui

Traiter le schéma de conversion comme un livrable data - et non comme un réglage de campaign manager - change concrètement les priorités d’une équipe UA.

Le point de départ est un schéma volontairement pauvre : un seul événement pivot par modèle (trial started en abonnement, revenue bucket J0 en IAP), sans complexité ajoutée tant qu’un test ne la justifie pas. Un schéma simple qui remonte bat un schéma riche qui s’aveugle.

La deuxième implication touche au produit. Optimiser le signal SKAN commence souvent par repenser le J0 : un onboarding qui révèle la propension dans les premières heures vaut plus de signal que n’importe quel réglage aval. La question “qu’est-ce qu’un utilisateur de valeur fait dans ses premières 24 heures ?” est d’abord une question de product design.

Sur la lecture des résultats, deux garde-fous pratiques : s’aligner sur la doctrine Facebook, qui concentre la majorité du spend mobile et dont la gestion des conversion values est devenue le standard de facto que les autres réseaux suivent, comme le note Eric Seufert - s’en écarter, c’est se singulariser sans bénéfice clair. Et ne jamais lire les fenêtres 2 et 3 comme des vérités absolues : ce sont des indicateurs directionnels de qualité LTV entre partenaires, à trianguler avec les cohortes internes (données IDFV non anonymisées).

Pour aller plus loin

  • Attribution Plateforme et Mobile (MMP) - Pourquoi la mesure app est probabiliste par construction depuis ATT, et comment lire un MMP dans ce contexte.
  • Campagnes App Mobile - Le hub du monde app côté acquisition : quels canaux, quels objectifs, quelle lecture de la performance.
  • Rétention et LTV - La valeur que le schéma cherche à approcher par proxy : comment elle se construit, se mesure et s’optimise.

Sources

ℹ️ À propos de cette page

Reaching Kibo explore les vrais moteurs de la croissance des scale-ups B2C - et comment les mettre en pratique. Cette page appartient à Basecamp, le playbook du projet.

Elle est rédigée par IA, d’après le cadre et la direction que je donne. Une erreur, un désaccord, une source à ajouter ? Écris-moi : romain@reachingkibo.com.