Guide des KPI d'apps mobiles et de l'attribution

Dans l’écosystème très concurrentiel des applications mobiles, la mesure n’est pas seulement importante : elle est vitale. Mais avec des dizaines de métriques à suivre et un paysage d’attribution fragmenté, comment savoir ce qui compte vraiment ? Voici les KPI essentiels, le rôle des Mobile Measurement Partners (MMP) comme AppsFlyer et Adjust, et un cadre pour exploiter ces données.

Partie 1 : le cadre de KPI qui fonctionne

Acquisition et activation

Coût d’acquisition (CAC). Il dit combien vous dépensez pour acquérir chaque utilisateur, mais tous les CAC ne se valent pas : un CAC de 5 $ sur Facebook peut apporter des utilisateurs qui partent en 3 jours, un CAC de 15 $ sur Google Search des utilisateurs qui restent des années. Calcul : dépenses marketing totales / nombre de nouveaux utilisateurs. Les repères varient fortement selon le secteur :

Secteur	CAC typique
Jeu	1 à 3 $ (très concurrentiel)
E-commerce	10 à 40 $
Finance / banque	50 à 200 $
SaaS B2B	100 à 500 $ et plus

Taux install → première ouverture. Il révèle les frictions de l’onboarding. Autour de 70 à 80 %, c’est solide. Sous 60 %, il y a un problème : fiche store trompeuse ou soucis techniques à l’installation.

Time to First Key Action (TTFKA). Combien de temps faut-il pour réaliser la première action vraiment utile ? Commander une course pour Uber, lancer un morceau pour Spotify, voir le fil pour Instagram. Plus c’est rapide, meilleure est la rétention. Les meilleures apps atteignent le « moment aha » en 30 secondes (social/contenu), 2 minutes (marketplace/e-commerce), 5 minutes (productivité/utilitaire).

Taux d’activation. Part des installateurs qui réalisent les actions clés d’un utilisateur « activé ». Au-dessus de 40 %, la rétention tend à être forte ; sous 25 %, l’onboarding demande un vrai travail.

Engagement et rétention

DAU / MAU. Le ratio compte plus que les chiffres bruts : c’est la « stickiness ». 20 % est excellent (l’app est ouverte 6 jours ou plus par mois), 10 à 20 % est bon, sous 10 % est un signal d’alerte. Instagram ou TikTok peuvent atteindre 50 à 60 % ; une app utilitaire peut être en parfaite santé à 15-20 %. Une app de méditation quotidienne n’est pas une app de réservation de voyage trimestrielle.

Durée et fréquence des sessions. À lire par catégorie : jeux (15 à 30 min, 1 à 2 fois par jour), réseaux sociaux (5 à 10 min, 5 à 10 fois par jour), banque (2 à 3 min mais forte conversion), e-commerce (8 à 12 min, pics autour du jour de paie).

Courbes de rétention (J1, J7, J30, J90). C’est LA métrique la plus prédictive du succès à long terme. Repères :

Catégorie	J1	J7	J30
Social / communication	40-50 %	20-30 %	10-20 %
Jeu casual	25-35 %	10-15 %	4-8 %
Jeu mid-core	35-45 %	15-25 %	8-15 %
E-commerce	30-40 %	15-20 %	8-12 %
Fintech	40-50 %	20-30 %	12-18 %

Si votre rétention J1 est sous 20 %, quelle que soit la catégorie, vous avez un problème de produit fondamental. Aucun budget marketing ne le réglera : corrigez d’abord le produit.

Analyse par cohortes. Ne regardez pas que la rétention agrégée. Les utilisateurs de janvier font-ils mieux que ceux de février ? iOS et Android diffèrent-ils ? Le payant retient-il mieux que l’organique ? Et selon les pays ? Une bonne analyse par cohortes peut révéler qu’une campagne Facebook à 5 $ de CPM livre des utilisateurs à LTV négative, alors qu’un Google UAC à 50 $ de CPM en livre de rentables. C’est là que se fait l’optimisation.

Churn. Churn mensuel = (utilisateurs perdus dans le mois / utilisateurs au début du mois) × 100. Acceptable : 5 à 7 % par mois pour les apps d’abonnement grand public, 1 à 2 % pour le SaaS entreprise, 40 à 60 % pour le jeu (!). L’essentiel est de savoir si le churn accélère ou ralentit.

Monétisation

ARPU et ARPPU. ARPU = revenu total / utilisateurs totaux ; ARPPU = revenu total / utilisateurs payants uniquement. Les deux comptent : une app à 2 $ d’ARPU peut avoir 10 % de payants à 20 $ d’ARPPU, ou 50 % de payants à 4 $. Ce sont deux business différents. ARPU mensuel typique : rencontres 1 à 3 $, jeu casual 0,50 à 2 $, jeu mid-core/hardcore 5 à 25 $, streaming 8 à 15 $, fitness/santé 5 à 10 $.

LTV. Le Graal : combien de revenu un utilisateur génère sur toute sa relation avec l’app. Calcul simple : ARPU × durée de vie moyenne. Mieux : (ARPU × marge brute) / churn. Pour un abonnement : prix mensuel × durée moyenne d’abonnement. Pour une app financée par la pub : revenu pub quotidien par utilisateur × intégrale de la courbe de rétention. La LTV est difficile à calculer pour une app récente, faute d’historique : beaucoup d’équipes utilisent une LTV prédite à J7, J30 ou J60.

Ratio LTV:CAC. Sous 1, vous perdez de l’argent sur chaque utilisateur (spirale de la mort). Entre 1 et 2, à peine rentable (risqué). Entre 3 et 5, croissance saine et durable. Au-dessus de 5, excellent, mais vous sous-investissez peut-être dans la croissance. Attention au délai : une LTV de 100 $ réalisée en 24 mois face à un CAC de 30 $ payé d’avance peut poser un problème de trésorerie, même avec un ratio de 3,3.

Payback. Délai pour récupérer le CAC : CAC / (ARPU × marge brute). Bon : 3 à 6 mois pour les apps grand public, 12 à 18 mois pour le SaaS, 24 à 36 mois possible en entreprise (mais il faut de la trésorerie).

Conversion gratuit → payant. Freemium SaaS : 2 à 5 %. Jeu (achats in-app) : 1 à 3 % standard, 5 % et plus exceptionnel. Rencontres : 10 à 20 %. Fitness : 5 à 8 %. La « règle des 2 % » du jeu mobile est la norme depuis des années, mais les meilleures apps atteignent 4 à 6 % avec une meilleure conception de la monétisation.

Partie 2 : les MMP, pourquoi ils sont indispensables

Le problème d’attribution

Vous diffusez sur Facebook, Google, TikTok, Snapchat, Twitter, Apple Search Ads et dix autres réseaux. Un utilisateur voit votre pub sur Instagram, clique, voit une autre pub sur Google deux jours plus tard, clique, et installe. Qui récupère l’installation ? Sans MMP, chaque réseau s’attribue l’installation, d’où une surdéclaration massive : vous croyez avoir acquis 10 000 utilisateurs le mois dernier, vous en avez 6 000, le reste est compté deux ou trois fois. Les MMP règlent cela par des méthodes d’attribution déterministes et probabilistes, en tiers neutre reconnu par tous les réseaux (AppsFlyer, Adjust).

Ce que font vraiment les MMP

Attribution des installations. Par click IDs (identifiants passés du réseau au MMP), empreinte d’appareil (IP, modèle, version d’OS), redirection store (méthodes officielles d’Apple et Google Play) et SKAdNetwork (cadre d’attribution d’Apple respectueux de la vie privée pour iOS 14+). Le MMP renvoie ensuite des postbacks aux réseaux pour confirmer les installations à compter.
Deep linking et deferred deep linking. Après un clic sur une pub, l’utilisateur arrive directement sur le contenu précis dans l’app, pas sur l’accueil. Exemple : une pub Instagram pour une paire de chaussures ouvre l’app sur la fiche produit. Cela peut améliorer la conversion de 2 à 3 fois. Le deferred deep linking marche même si l’app n’est pas installée : après l’installation, l’utilisateur est amené au contenu prévu dès la première ouverture.
Anti-fraude. La fraude publicitaire mobile coûte 5 à 7 milliards de dollars par an. Principaux types : click flooding (clics factices en masse pour voler le crédit d’installations organiques), click injection (un malware déclenche un faux clic juste avant la fin d’une installation), install farms (vrais appareils, faux utilisateurs payés quelques centimes), SDK spoofing (faux postbacks d’installation sans utilisateur réel). Les MMP de premier plan utilisent le machine learning pour rejeter ces installations en temps réel et feraient économiser 15 à 30 % de budget gaspillé.
Tests d’incrémentalité. Que l’utilisateur ait installé après un clic ne prouve pas que la pub a causé l’installation. Les MMP permettent des ghost ads (pubs PSA/placebo), des tests geo-holdout (pubs dans certaines régions, pas dans d’autres) et des splits d’audience. Les études montrent de façon constante que 20 à 40 % des installations attribuées ne sont pas incrémentales : elles auraient eu lieu de toute façon.
Attribution du re-engagement et du retargeting. Les fenêtres de ré-attribution (en général 30 à 90 jours) distinguent un utilisateur « réengagé » d’un utilisateur qui revient naturellement.
Agrégation des coûts et du ROI. Le MMP récupère les coûts par API, les rapproche des performances et donne un reporting unifié : dépenses par réseau, campagne, ad set, créa ; CPI, CPM, CTR ; ROI et ROAS à tout niveau ; LTV vs CAC par cohorte et par canal. Il devient votre source de vérité.

AppsFlyer, Adjust, Branch, Singular

Les quatre MMP que la plupart des équipes présélectionnent sont AppsFlyer, Adjust (une société AppLovin), Branch et Singular. Tous couvrent l’essentiel : attribution, support de SKAdNetwork, deep linking et protection contre la fraude. Ils diffèrent surtout par le modèle de prix, l’accès aux données brutes, l’agrégation des coûts et la gestion du consentement : un classement du « meilleur MMP » ne veut rien dire sans vos propres critères. Demandez à chaque éditeur, en démo, de vous montrer quel plan inclut l’export de données brutes, comment AdAttributionKit est pris en charge, comment les coûts de vos réseaux sont récupérés, et ce qui arrive à l’attribution quand un utilisateur refuse le tracking.

iOS 14+ et SKAdNetwork

En avril 2021, Apple a lancé iOS 14.5 avec l’App Tracking Transparency (ATT) : les apps doivent demander la permission de suivre les utilisateurs d’une app ou d’un site à l’autre. Le taux d’acceptation est d’environ 15 à 25 % dans le monde (plus haut dans certains secteurs). Pour ceux qui refusent, l’attribution classique par IDFA ne marche pas. Place à SKAdNetwork (SKAN) :

l’attribution se fait sur l’appareil, pas côté serveur ;
les données sont très limitées : ID de campagne, valeur de conversion (0 à 63) et timing approximatif ;
pas de données par utilisateur, pas d’analyse de cohortes, pas de suivi dans la durée ;
24 à 48 heures de délai.

Conséquences : l’optimisation des campagnes en prend un coup (vous pilotez à l’aveugle 1 à 2 jours), la rétention et la LTV ne se mesurent pas précisément, les tests de créas sont plus difficiles, et les petites campagnes n’atteignent pas les seuils de confidentialité d’Apple, donc zéro donnée. Les MMP ont construit des couches de gestion SKAN, mais l’attribution iOS reste fondamentalement dégradée par rapport à l’ère pré-ATT. Beaucoup d’annonceurs ont vu les CPM iOS baisser de 30 à 40 % avec la baisse d’efficacité du ciblage.

Partie 3 : construire sa pile de mesure

MMP (AppsFlyer, Adjust…) : votre source de vérité pour l’attribution, l’anti-fraude et le reporting coûts/performances unifié.
Product analytics (Amplitude, Mixpanel, Heap) : analyse comportementale, entonnoirs, cohortes. Le MMP dit qui a installé ; le product analytics dit ce que ces gens ont fait ensuite.
Plateforme d’A/B testing (Optimizely, Firebase, VWO) : n’écoutez pas les opinions, livrez des variantes et laissez les données décider.
Data warehouse / BI (BigQuery, Snowflake, Redshift) : indispensable pour posséder ses données et bâtir des analyses sur mesure.
Customer Data Platform (Segment, mParticle, RudderStack) : plaque tournante qui collecte toutes les sources et alimente toutes les destinations.

Cinq erreurs à éviter

S’attacher aux vanity metrics. « 1 million de téléchargements ! » Combien utilisent encore l’app ? Concentrez-vous sur la rétention et la monétisation.
Ne pas segmenter. Les agrégats cachent la vérité. Segmentez par canal d’acquisition, pays (États-Unis et Inde peuvent être très différents), plateforme, gamme d’appareil et cohorte d’installation.
Ignorer la significativité statistique. « La variante B convertit à 3,2 % contre 3,1 % : on livre ! » Sur de petits échantillons, l’écart peut être du bruit pur.
Mal régler les fenêtres d’attribution. Le défaut peut être 7 jours pour les clics et 1 jour pour les impressions. Un parcours plus long (voyage, achat de voiture) demande des fenêtres plus longues ; des fenêtres plus courtes réduisent l’exposition à la fraude.
Ne pas réconcilier les sources. Le MMP dit 10 000 installations, Google Analytics 9 200, la base interne 8 800. Des écarts de 5 à 10 % sont normaux ; au-delà, c’est un problème d’implémentation du tracking. Corrigez-le avant de décider.

Partie 4 : tactiques avancées et tendances

LTV prédictive. N’attendez pas 365 jours : des modèles de machine learning entraînés sur le comportement à J7 ou J30 prédisent la valeur à vie. Des outils comme AppsFlyer Predict, Optimove ou des modèles maison sur votre data warehouse peuvent atteindre 70 à 85 % de précision après 7 jours.
Mesure « privacy-first ». Avec l’ATT sur iOS et de possibles règles similaires sur Android (Privacy Sandbox), le secteur va vers la mesure agrégée, l’incrémentalité plutôt que le dernier clic, le retour du Media Mix Modeling et les stratégies de données first-party (email, push, canaux possédés).
Analyse des créas. Le plus gros levier en acquisition mobile est souvent la créa, pas le ciblage. Les MMP proposent un reporting par créa qui montre lesquelles amènent les utilisateurs de meilleure LTV, pas seulement le plus d’installations.
Attribution web-to-app. Pour suivre le parcours découverte web → installation → achat in-app, il faut une mesure spécialisée (Branch y excelle). Les App Links (Android) et Universal Links (iOS) aident, mais l’implémentation est délicate.

Conclusion : la mesure est une stratégie

Les grandes apps ne se construisent pas à l’instinct : elles reposent sur la mesure rigoureuse, l’expérimentation et l’itération. Votre cadre de KPI détermine ce que vous optimisez ; votre MMP détermine la précision avec laquelle vous pouvez mesurer et progresser. Partez des fondamentaux : définir sa North Star Metric, mettre en place une attribution solide (choisir un MMP et bien le configurer), s’obséder sur la rétention, bâtir une culture d’expérimentation. Les apps qui gagnent ne sont pas celles qui ont les meilleures idées, mais celles qui apprennent le plus vite.

Sources

Pour aller plus loin, lisez la version complète de l’article (en anglais) : The Complete Guide to Mobile App KPIs and Attribution Platforms: Everything You Need to Know.

Le guide complet des KPI d’apps mobiles et des plateformes d’attribution