Markin + Salesforce: Entscheidung jenseits von Journeys und Kampagnen

Übernimmt Einstein Next Best Action nicht bereits die Entscheidungsfindung?

Einstein Next Best Action ist die Empfehlungs-Engine von Salesforce: Sie liefert personalisierte Handlungsvorschläge basierend auf Regeln und KI-vorhergesagten Bewertungen, hauptsächlich für Vertriebs- und Service-Benutzer. Agentforce fügt autonome Ausführung hinzu und Marketing Cloud Next fügt agentische Kampagnenzusammenstellung hinzu, aber das Gesamtbild hängt von der Einführung von Data Cloud als Unifizierungs-Ebene ab. Markin erstellt eine rangierte, nach Umsatz bemessene Entscheidung pro Kunde, die diese Clouds konsumieren, ohne dass zuvor eine Data Cloud-Migration erforderlich ist.

Müssen wir Marketing Cloud ersetzen?

Nein. Orchestrierung und Lieferung bleiben in Salesforce. Markin entscheidet, welche Umsatzchance es wert ist, darauf zu reagieren, und gibt sie als Trigger für die richtige Journey oder Agent-Aufgabe zurück.

Wir haben bereits Data Cloud. Ist die Entscheidung nicht abgedeckt?

Data Cloud vereinheitlicht Profile und erstellt Zielgruppen. Das beantwortet die Frage, was wir über einen Kunden wissen. Die Auswahl, welche von mehreren möglichen kommerziellen Aktionen den höchsten inkrementellen Wert hat und dies gegenüber einer Kontrolle zu beweisen, ist eine andere Aufgabe.

Wie gelangt die Entscheidung zurück in Salesforce?

Als Feld im Datensatz oder als Ereignis, damit bestehende Journeys, Flows und Agenten-Konsolen es ohne neue Schnittstellen für das Team nutzen können.

Können Service- und Vertriebsteams dieselben Entscheidungen nutzen?

Ja. Eine eingestufte Umsatzchance ist kanalunabhängig. Dieselbe Entscheidung kann als Nachricht, In-Produkt-Angebot oder Aufforderung für einen Menschen geliefert werden, und jede Route wird gegen denselben holdout gemessen.

Ist dies ein langes Integrationsprojekt?

Der erste Einsatz zielt auf ein Umsatzthema und einen Aktivierungsweg ab. Die Anforderung ist ein zuverlässiger Kundenkontext und eine Ergebnis-Historie, nicht eine Re-Plattformierung.

Wie unterscheidet sich Markin vom decisioning oder der KI, die bereits in Salesforce enthalten ist?

Eine decisioning-Engine ordnet Aktionen ein, die ein Mensch bereits definiert hat, innerhalb der vorgegebenen Kampagnenoberfläche. Markin bildet die Hypothesen selbst, sei es marketing, product, pricing oder eine technische Anomalie, die growth zurückhält, bewertet diese, führt sie innerhalb Salesforce und deiner Produktoberflächen aus und liest jede einzelne gegen einen randomisierten holdout aus. Es verhält sich wie ein data science- und growth-Team, nicht wie ein Optimierer.

Testet Markin nur Nachrichten und Angebote?

Nein. Alles, was ein menschlicher growth scientist untersuchen würde, ist im scope enthalten: onboarding-Reibung, Feature adoption, pricing und packaging, Dunning und technische Gesundheitsprobleme wie eine Checkout error rate oder ein fehlerhafter Deeplink, der stillschweigend die Konversion tötet. Marketing ist eine von vier Hypothese-Domänen, nicht die Grenze.

Was ist the business case for adding Markin on top of Salesforce?

On the assumptions preloaded above, 5.0M customers at 30 a month, Eine kleine Bewegung im ARPU ist absolut gesehen eine große Zahl, da sie jeden Monat auf die gesamte installierte Basis angewendet wird und nicht nur auf eine Kampagne. Bei Markin-Implementierungen liegt der verifizierte Bereich auf behandelten Kohorten bei +17 % bis +35 % ARPU gegenüber einem randomisierten holdout. Es geht nicht um mehr Nachrichten: Es geht darum, die wertvollste Aktion pro Kunde zu finden, sie zu starten und sie vor der Skalierung gegenüber der Kontrolle zu beweisen.

Wie lange dauert es, bis es sich amortisiert?

Erste bewertete Umsatzchancen sind innerhalb von sechs Wochen im Test und das erste durch holdout verifizierte Ergebnis liegt innerhalb von 90 Tagen vor. Die Amortisation hängt von deiner Basis, Marge und den Programmkosten ab. Der Rechner auf dieser Seite berechnet sie anhand deiner eigenen Zahlen, nachdem der von BCG festgestellte Abzug von 20 % bis 40 % angewendet wurde, wenn Next Best Action Programme inkrementell getestet werden.