Eric Seufert - l'économie de la mesure publicitaire post-ATT

Analyste derrière la newsletter et le podcast Mobile Dev Memo, Eric Seufert documente l'économie de la publicité mobile : ATT, SKAdNetwork, MMP. Basecamp lui doit sa lecture de la bascule du déterminisme vers la mesure probabiliste.

Eric Seufert est l’analyste derrière Mobile Dev Memo, sa newsletter et son podcast consacrés à l’économie de la publicité mobile et des plateformes. Personne n’a documenté d’aussi près la déflagration ATT et ses répliques : SKAdNetwork, les MMP, la reconstruction de la mesure app. Pour un décideur marketing de scale-up B2C, c’est la référence analyste sur ce qui se joue derrière les dashboards : qui possède le signal, qui fixe les règles, et ce qu’on peut encore honnêtement mesurer.

À suivre : mobiledevmemo.com

Ce que Basecamp en retient

ATT n’est pas un réglage de vie privée, c’est une recomposition du pouvoir. Seufert lit la dépréciation des identifiants comme une stratégie de plateforme : en privant les tiers de l’identité déterministe, Apple recentralise la mesure vers ceux qui possèdent l’OS, pousse les développeurs vers l’achat in-app commissionné à 30 %, et redevient le point de découverte du contenu sur iOS. Les faits de volume sont documentés ; les motivations d’Apple restent des hypothèses d’analyste, présentées comme telles. Cette grille structure Attribution plateforme et mobile (MMP).

L’attribution déterministe n’a jamais mesuré la causalité ; ATT a seulement rendu l’aveu inévitable. Seufert démonte la confusion terminologique du fingerprinting dit « probabiliste » : le plus souvent des règles conditionnelles sur des signaux d’appareil, sans modèle statistique, structurellement biaisées vers la revendication du match. Son critère de tri est resté à Basecamp : un vendeur qui promet une attribution déterministe précise post-ATT est en soi un signal d’alarme. Le versant chiffré vient de ses invités : l’étude économétrique de Daniel McCarthy mesure une perte d’efficacité de 37 % sur les publicités Meta optimisées à la conversion après ATT, et un choc de revenus deux fois plus dur pour les petites entreprises.

La méthode de mesure détermine le marketing qu’on pratique. Retour de terrain répété chez Seufert : mesurer uniquement la réponse directe conduit mécaniquement à n’acheter que de la réponse directe. Migrer du last-click vers le MMM ou les tests d’incrémentalité n’est pas un changement d’outil mais une transformation organisationnelle, incentives, dashboards et culture compris, souvent freinée par les équipes marketing elles-mêmes, qui craignent ce que la mesure causale révélerait de leurs canaux favoris. D’où sa doctrine praticable : une mesure en couches, canal par canal, avec le reporting blended comme plancher, plutôt qu’un modèle monolithique jamais terminé.

Dans l’épisode sur l’open source MMM (avec Michael Kaminsky), Seufert documente les trois critères de causalité qui distinguent un MMM fiable d’un tableau de bord sophistiqué : parameter recovery sur données simulées où la vérité est connue, précision prédictive sur un holdout de deux mois, et cohérence avec les lift tests existants. La plupart des acheteurs de solutions MMM évaluent sur les fonctionnalités et les dashboards - jamais sur ces critères. D’où une règle praticable : exiger le holdout J-60 et la confrontation lift avant tout onboarding vendor, et refuser tout MMM qui ne peut pas y répondre. Tout cela travaille dans Stack de Mesure.

« Brand vs performance » est une fausse dichotomie : tout le marketing doit être performant. Dans ses essais du MDM Canon, Seufert estime que la « performance » n’est pas un pôle du budget mais une exigence de modèle qui s’applique à toute dépense, construction de marque incluse ; il distingue trois régimes de réponse (directe, différée, brand), chacun avec sa méthode de mesure propre, et qualifie d’erreur de catégorie l’exigence d’un ROI directement attribuable sur le brand. L’investissement de marque se justifie quantitativement, par la baseline de ventes et l’élasticité prix suivies dans le temps. C’est un des appuis du vocabulaire de Basecamp ; cette lecture travaille dans Split Brand-Activation.

Le rewarded UA passe de marginal à structurel, porté par un avantage consentement que les réseaux classiques n’ont pas. Dans l’épisode S07E24, Seufert documente la montée en puissance du canal : la part du budget UA mobile allouée au rewarded est passée de 1-2 % il y a cinq ans à 30 % pour certains annonceurs, jusqu’à 60-70 % pour les plus avancés. L’avantage tient à un artefact du consentement - les plateformes rewarded collectent, avec accord explicite du joueur, des données comportementales post-install inaccessibles aux réseaux classiques : temps de jeu, dépenses IAP et IAA, signaux de churn. Cette matière première ML structurellement plus riche se double d’une solution au « visibility gap » du gaming : les joueurs engagés dans un jeu ne voient plus de publicités (les éditeurs les coupent pour protéger leur monétisation) et disparaissent du bid stream, rendant le ciblage impossible autrement que par le contextuel jeu-à-jeu. Apple a modifié ses guidelines en 2025 pour autoriser les installs incentivés sur iOS, réduisant l’asymétrie iOS/Android propre aux réseaux ATT-sensibles. Le modèle s’exporte au hors-gaming avec des métriques mesurables : 44 % de retours plus rapides en station-service, 54 % de réactivation d’utilisateurs lapsed en restauration rapide. L’économie unitaire elle-même évolue - du paiement à l’install vers l’alignement sur la progression J7/J30+, plus alignée sur l’intérêt de l’annonceur.

Le corpus est celui d’un analyste entouré de praticiens et d’économistes invités : des retours de terrain et des analyses d’incitations, ponctués d’études économétriques quand les invités en apportent. Sa perspective historique sur le mobile UA - documentée dans son épisode sur le podcast Mobile User Acquisition Show - ajoute une grille structurelle : l’absence de pagerank sur mobile rend la découvrabilité quasi-intégralement dépendante du paid, et l’ASO optimise le taux de clic de la page store (pour les utilisateurs déjà redirigés depuis une publicité), pas la capture d’intention - ce que le SEO desktop permet. La dépendance aux plateformes est symétrique : une policy change Apple ou Google peut fermer une tactique d’acquisition overnight, quelle que soit la taille de l’entreprise. Basecamp mobilise Seufert confronté à sa colonne empirique : il arrive par l’économie de la mesure aux conclusions que Sharp ou Binet & Field atteignent par les données d’achat, et cette convergence de chemins indépendants la rend d’autant plus précieuse.

Où ça irrigue Basecamp

  • Attribution plateforme et mobile (MMP) - la page s’appuie presque exclusivement sur lui : SKAN, fingerprinting, avantage first-party structurel des plateformes.
  • Stack de Mesure - la mesure différenciée par régime de réponse ; la migration vers le probabiliste comme projet organisationnel.
  • Split Brand-Activation - pull vs push, le brand comme amplificateur mesurable de l’activation, la fausse dichotomie brand / performance.
  • Choice Architecture - la réduction à une option unique dégrade la conversion même avec le bon produit : le commerce agentique comme cas test de l’architecture de choix.
  • GeoLift - le geo-test comme méthode d’incrémentalité indépendante des identifiants user-level ; MDM pose GeoLift de Meta comme stack standard de référence avant tout recours à un prestataire payant, en particulier sur mobile post-ATT.

Les repères

Le corpus couvre une soixantaine de documents, pour l’essentiel des épisodes du podcast Mobile Dev Memo. Les plus mobilisés :

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 aux sources de Basecamp : les penseurs, médias et institutions dont le playbook se nourrit, et ce qu’on en retient.

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.