Markin und Ihr Data-Science-Team

Ersetzt Markin mein Data Science-Team?

Nein, und ein Team, das versuchen würde, Markin ohne Data Scientists zu betreiben, würde weniger davon haben. Markin eliminiert die manuelle Entscheidungsfindung: das händische Größen von Candidates, das Exportieren von Segmenten, das Verdrahten von holdouts, das Abgleichen von Auswertungen. Die knappe Fähigkeit, zu wissen, was optimiert, was eingeschränkt werden soll und was eine kausale Lesart tatsächlich beweist, wird wertvoller, nicht weniger wertvoll.

Wer besitzt die Modelle?

Das tust du. Markin verwendet die Features, Propensität und uplift-Modelle, die dein Team bereits pflegt, zusammen mit seiner eigenen Dimensionierung der Umsatzchancen, und jede Entscheidung ist nachvollziehbar bis zu den Eingaben, die sie erzeugt haben. Dein Team kann jedes Modell im Kreislauf prüfen, überschreiben oder ersetzen.

Können wir unsere eigenen Uplift-Modelle einbringen?

Ja. Bringe Scores aus dem Warehouse oder liefere sie live; Markin kombiniert sie mit Marge, Kontaktkosten und Berechtigung, um eine Aktion pro Kunde auszuwählen. Wo du kein Modell hast, füllt Markin's eigene Dimensionierung die Lücke, bis du eines hast.

Wie unterscheidet sich dies von der Bereitstellung unserer Modelle in einem Kampagnen-Tool?

Ein Kampagnen-Tool verwendet einen Score, um eine Liste zu erstellen. Eine decision Ebene vergleicht jede Kandidatenaktion für einen Kunden hinsichtlich des erwarteten Wertes, wendet Einschränkungen an, wählt eine aus oder hält sie zurück, und fügt eine control group hinzu. Das Ergebnis ist eine Entscheidung mit Evidenz, keine Zielgruppe.

Woher wissen wir, dass der uplift vom decision layer und nicht von den Modellen kam?

Du musst sie nicht trennen, und der holdout kümmert sich nicht darum: behandelte und zurückgehaltene Kohorten unterscheiden sich nur darin, ob eine kundenbezogene Entscheidung im selben Zeitraum mit denselben Modellen und derselben Saisonalität getroffen wurde. Deshalb ist der von uns angegebene verifizierte Bereich Post-holdout statt Pre/Post.

Wie unterscheidet sich Markin vom decisioning oder der KI, die bereits in your data science team 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 your data science team 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 your data science team?

On the assumptions preloaded above, 4.0M customers at 19 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.