4 £ de CPI sur iOS. 27 % de D0 ROAS. 10 % de conversion D1. Semaine 1 sur Meta, un jeu casual, et tout avait l’air incroyable. Je l’appelle encore la golden cohort.
Trois variables, pas une
Trois variables. Sur 14 semaines, les trois ont bougé, parfois dans des directions opposées, et le même D0 a été atteint deux fois avec des profils d'utilisateurs complètement différents avant de décliner.
Chaque semaine, je suivais la formule conversion D1 × AOV ÷ CPI = D0 ROAS. Le D0 ROAS est donc un ratio à trois variables, et le lire comme un chiffre unique cache laquelle a bougé.
| Ce qui a fait bouger le D0 | CPI | Conversion D1 | AOV | D0 ROAS |
|---|---|---|---|---|
| Semaines 1 et 2 : installs pas chères | De 4 £ à 6 £ | 10 % | 10 £ | 23 % |
| Semaines 6 et 7, après une mise en avant sur le store : paniers plus gros | 10 £ | 8 % | 29 £ | 22 % |
| Ensuite : la valeur par acheteur en baisse | À peine bougé | Non indiquée | 29 £, puis 25 £, puis 23 £, puis 18 £, sur quatre semaines | De 22 % à 11 % |
Sur les chiffres arrondis, la formule donne environ 17 % à 25 % pour les semaines 1 et 2 et 23,2 % pour les semaines 6 et 7, proche du D0 du tableau.
Les deux premières lignes, c’est ça la partie surprenante. Le même D0 au-dessus de 20 % venait de deux profils d’utilisateurs complètement différents. Au début, le CPI portait tout. L’AOV était modeste et n’avait pas besoin d’être plus élevée. Après la mise en avant, le CPI a doublé, mais l’AOV a triplé.
Puis la variable qui comptait a bougé
C’est à la dernière ligne que tout a lâché. L’AOV a baissé à chaque étape. Même campagne, même setup, même objectif d’optimisation.
La valeur par acheteur a fait l’essentiel des dégâts, et le CPI a à peine bougé.
Pourquoi c’est difficile à diagnostiquer sur iOS
Dans l’optimisation de valeur iOS de ce jeu, le signal sur lequel Meta optimisait était le revenu D0. Si ce revenu change pour des raisons produit, offres, eCPM, engagement, le ciblage de Meta évolue avec lui.
C’est une boucle de feedback. Le revenu est le signal.
Pendant ce temps, les chiffres à l’échelle du jeu disaient que ce n’était pas seulement un problème d’acquisition. L’ARPDAU a chuté de 30 %, l’IAP par utilisateur était en baisse de 33 %, le revenu publicitaire par utilisateur en baisse de 25 %. Le revenu par utilisateur actif s’affaiblissait sur toute la base de joueurs.
Le mix de revenu avait bougé aussi. La semaine 1, c’était 85 % d’IAP. À la semaine 6, c’était un partage à peu près égal entre IAP et revenu publicitaire, ce qui voulait dire que l’AOV dépendait désormais autant des eCPM publicitaires que du comportement d’achat.
Le seul chiffre qui a tenu
Le coût par achat. Pendant que CPI, conversion et AOV bougeaient tous indépendamment, le CPP captait à la fois le coût d’acquisition et la conversion dans un seul chiffre.
Chaque semaine où le CPP restait sous les 30 £, le D0 dépassait 20 %. Chaque semaine où ce n’était pas le cas, le D0 ratait.
Si vous suivez un seul chiffre au quotidien, celui-là est un bon candidat. N’attendez juste pas qu’il vous dise laquelle des trois variables a bougé, c’est à ça que sert la décomposition. Sur un autre compte, quand j’ai classé 38 campagnes des deux façons, la valeur D0 a mieux prédit le ROAS D28 que le coût par achat.
Limites des données
Les chiffres hebdomadaires sont arrondis, proviennent d’un seul compte, avec la conversion mesurée à D1 et le revenu à D0.