Der Markin ROI Report für Enterprise Growth TeamsJetzt lesen
MARKIN

COMPARE/Markin vs. Claude mit MCP

MarkinvsClaude logoClaude

vs Claude mit MCP: starke reasoning, keine control group

+ 17–35 % ARPU gegenüber holdoutBeobachteter Bereich über Markin-Deployments hinweg, gemessen an behandelten Kohorten.

Claude mit MCP ist die stärkste allgemeine Option für die Langzeitkontextanalyse deines Data Warehouse, und MCP ist Anthropic's eigenes Protokoll. Markin ist eine andere Ebene: versionierte growth Skills, die Hypothesen in Geld bewerten, randomisierte holdouts durchführen und Arbeit über günstige Modelle und klassisches machine learning leiten, damit Entscheidungen pro Kunde erschwinglich bleiben.

Demo buchenUmsatz-Entdeckung

Kurz gesagt

  • Claude with MCP: What is really going on in this data, and what would a careful analyst conclude? Output: Analysis, code and reasoned recommendations.
  • Markin: Which action is worth taking for this customer, and what did it return? Output: A sized action per customer, executed and measured.
  • Eine fundierte Antwort pro Untersuchung, versus Hunderte von bewerteten Candidate actions pro Quartal.
  • Markin industrialises the ordinary ones: it runs the loop continuously and reserves expensive reasoning for the steps where language genuinely changes the outcome.

Zuletzt aktualisiert: . Behauptungen über andere Anbieter verweisen auf die Quelle, aus der sie stammen.

Die kurze AntwortZuletzt aktualisiert: August 2026

Wenn wir einen Assistenten für einen Analysten auswählen müssten, um mit Tools unübersichtliche Daten zu analysieren, wäre es eine knappe Entscheidung, und Claude wäre unter den letzten beiden. Das ist immer noch Analyse. Die Aufgabe von Markin beginnt, wenn jemand entscheiden muss, was jeder Kunde diese Woche erhält und anschließend beweisen muss, dass es sich gelohnt hat.

01

Claude mit MCP

Anthropic's Assistant mit MCP-Servern über deinem Warehouse, Code und Dokumenten. Langer Kontext, sorgfältige Tool-Nutzung, stark in mehrstufigem Reasoning mit unbekannten Daten.

Wähle es, wenn die Arbeit eine tiefgehende, explorative Analyse ist, die ein sorgfältiger Analyst sonst manuell durchführen würde.

  • Langfristige Argumentation
  • MCP ist Anthropic's Protokoll
  • Pro-Token-Preise

02

Markin

Ein autonomes growth-science team: Hypothesen generiert, dimensioniert, in deinen Stack gestartet und kontinuierlich gegen eine control group gelesen.

Wähle es, wenn die Einschränkung darin besteht, wie viele Hypothesen bewiesen werden, und nicht, wie gut eine analysiert wird.

  • Kontinuierlicher Kreislauf
  • holdout bei jeder Aktion
  • Gerouteter Modell-Stack

Zeile für Zeile

Dieselben zehn Fragen, für beide beantwortet.

Markin im Vergleich mit Claude mit MCP über zehn Dimensionen hinweg
DimensionMarkinClaude mit MCP
Was es istEin autonomes Growth-Science-Team: Es untersucht, warum der Umsatz pro Kunde stagniert, und handelt nach dem, was es findet.Ein Frontier-Assistent mit erstklassiger MCP-Tool-Nutzung über deine Systeme hinweg.
Was es entscheidetWelche Umsatzchance diese Woche für jeden Kunden bestehen sollte, was sie wert ist und wann die richtige Antwort ist, nichts zu tun.Was der Person in der Sitzung zu empfehlen ist. Der Mensch ist für jede nachfolgende Entscheidung verantwortlich.
Woher Hypothesen kommenVon Markin aus Kunden-, Produkt-, Preis- und technischen Gesundheitsdaten generiert und bewertet, bevor etwas implementiert wird.Wird in der Session oft sehr gut begründet, aber ohne Größenbestimmung oder Erinnerung über Sessions hinweg.
Wie eine Hypothese bewertet wirdIn Geld bemessen auf der berechtigten Population, gefiltert nach statistischer Aussagekraft, dann durch einen randomisierten holdout verworfen oder beibehalten.Eher argumentiert als getestet. Keine berechtigte Population, kein erwarteter Wert, keine Leistungsschwelle.
HandlungsspielraumMarketing-, Produkt-, Preis- und technische Gesundheits-Hypothesen, die in einer Warteschlange gegeneinander abgewogen werden.Analyse-, Code- und Dokumentationsarbeit über alle verbundenen Tools hinweg.
Welche Modelle die Arbeit leistenEin gerouteter Mix: Frontier-Sprachmodelle zum Schreiben und Erklären, kleine, kostengünstige Modelle für die Volumenklassifizierung sowie klassisches ML und Deep Learning, Uplift, Survival, Zeitreihen, Embeddings für die Zahlen.Ein Frontier Model, das jeden Schritt ausführt, einschließlich derer, die ein Gradient-Boosted Tree besser ausführt.
Womit die Kosten skalierenGetroffene Entscheidungen und nachgewiesener Umsatz, keine verbrannten Tokens. Die kundenbezogene Entscheidungsfindung wird von den kostengünstigen Layern konzeptionell gehandhabt.Tokens und langer Kontext sind teurer Kontext. Kosten steigen mit der Tiefe der Analyse, nicht mit dem Umsatz.
Wie die Arbeit den Kunden erreichtIn die Systeme, die du bereits verwendest, zurückgeschrieben, als Attribute, Ereignisse oder API-Aufrufe. Markin fügt keine neue kundenorientierte Oberfläche hinzu.Ein Mensch übernimmt die Schlussfolgerung in das Ausführungssystem.
Wie der Impact bewiesen wirdEin randomisierter holdout bei jeder Entscheidung. Die gemeldete Zahl ist der inkrementelle Umsatz und ARPU, nicht zugeschriebene Conversions.Keine integriert. Was auch immer das Team danach einrichtet.
Wo die Daten liegenLiest Kontext dort, wo er bereits vorhanden ist: Data Warehouse, CDP, Produkt- und Abrechnungssysteme. Kein neues System of Record.Live-Lesevorgänge über von dir gehostete MCP-Server.
Governance und KontrolleJede Aktion beinhaltet ihre Hypothese, ihren erwarteten Wert, ihre Leitplanken und ihre control group, überprüfbar vor dem Start.Tool-Scoping und Workspace-Richtlinie. Kein Experiment-Datensatz.
Time to a verified numberEin Umsatzthema, ein Kanal, ein holdout: eine verteidigbare inkrementelle Zahl innerhalb von 90 Tagen.Eine exzellente Analyse an einem Nachmittag. Eine verifizierte Zahl, noch nicht.
Beste PassungGroße B2C-Basen, bei denen die Einschränkung darin besteht, wie viele gute Hypothesen getestet werden, nicht wie viele Nachrichten gesendet werden.Analysten, die tiefe, einmalige Untersuchungen durchführen.

Was auf dem Spiel steht

Eine decision layer ist kein Einzelposten im Werkzeugkasten. Sie steigert den ARPU der gesamten Basis, jeden Monat.

Installierte Basis

2.0M

customers at $24 ARPU / month

Ansprechbarer Umsatz

$259.2M

pro Jahr, erreichbare Basis

Verifizierte ARPU-Steigerung

+ 17 % bis + 35 % ARPU

bei behandelten Kohorten, gegen holdout

Was das wert ist

$44.1M – $90.7M

Inkrementeller Umsatz pro Jahr

Gemessen an behandelten Kohorten gegen einen randomisierten holdout, über ein vollständiges Messfenster hinweg gelesen und nicht nur über die ersten Wochen. Anonymisierter Bereich über Markin-Implementierungen in großen B2C-Basen; Ihr eigener holdout ist die entscheidende Zahl. Die obigen Zahlen wenden diesen Bereich auf den erreichbaren Anteil der Basis auf Grundlage der Annahmen dieser Seite an; sie sind arithmetisch, keine Prognose für dein Unternehmen.

Auf den eigenen Zahlen ausführen

Der ungelöste Teil

Die Qualität der Argumentation ist nicht die bindende Einschränkung

Die meisten growth Programme scheitern nicht, weil die Analyse oberflächlich war. Sie scheitern, weil gute Analysen einmal pro Quartal eintreffen, nie gegen Alternativen abgewogen werden und durch dasselbe Attributionsmodell validiert werden, das das Problem verursacht hat.

  • Eine fundierte Antwort pro Untersuchung, versus Hunderte von bewerteten Candidate actions pro Quartal.
  • Nichts wird übernommen: Was versucht und fehlgeschlagen ist, ist beim nächsten Mal nicht im Kontext.
  • Tiefe kostet Kontext, und Kontext kostet Geld, daher bleibt die Analyse gelegentlich.
  • Kein holdout, daher sehen eine überzeugende Schlussfolgerung und eine bewiesene identisch aus.

Hypothesenraum

Alles, was ein menschlicher Wachstumswissenschaftler betrachten würde.

Die meisten Wachstumsprobleme sind keine Kommunikationsprobleme. Markin ist nicht auf die Kampagnenoberfläche beschränkt: Wenn etwas ARPU zurückhält, ist es im Umfang und wird auf die gleiche Weise getestet.

Marketing

Die klassische Oberfläche, aber kundenspezifisch statt segmentbasiert gewählt und immer gegen einen holdout.

  • Welches Angebot dieser spezifische Kunde wert ist
  • Kanal und Zeitpunkt pro Person, nicht pro Kampagne gewählt
  • Kontaktdruck und Ermüdung, die über jedes Programm hinweg ausgeglichen werden
  • Win-back-Ökonomie: Wer einen Rabatt wert ist und wer nicht

Produkt

Wo der Kunde tatsächlich den Wert erlebt und wo der größte stille Umsatzverlust auftritt.

  • Onboarding-Schritte, die Kunden vor dem ersten Wert verlieren
  • Ein Feature mit hoher Retentionskorrelation, das die Hälfte der Basis nie entdeckt.
  • Platzierung von Paywall und Upgrade-Prompt
  • In-Produkt-Oberflächen als Behandlungsarm verwendet, nicht nur E-Mail und Push

Kommerziell

Preisgestaltung, Paketierung und die Form des Angebots selbst, getestet statt diskutiert.

  • Plan- und Bündelstruktur nach Kohorte
  • Rabatt-Tiefe gegenüber Marge, nicht nur gegenüber Konversion
  • Jährliche versus monatliche Rahmengebung pro Kunde
  • Mahn- und unfreiwillige Churn-Recovery-Sequenzen

Technische Gesundheit

Anomalien, nach denen niemand suchen sollte. Dies ist die Kategorie, die keine Entscheidungsengine abdeckt.

  • Eine gestiegene Fehlerquote beim Checkout auf einem Gerät und in einer Region.
  • Zahlungsausfälle konzentriert auf einen einzigen Emittenten oder eine einzelne Methode
  • Ein defekter Deeplink, der unbemerkt eine hochwertige Customer Journey beeinträchtigt
  • Latenz- oder Zustellungsbeeinträchtigung, die die Konversion vor jeder Nachricht beeinträchtigt

Stell dir Markin als ein data science und growth team vor, das niemals schläft: Es untersucht, bildet Hypothesen, implementiert sie in deinem eigenen Stack und beweist jede einzelne gegen eine Kontrollgruppe, in einem Umfang, den kein menschliches Team erreichen kann.

Job to be done

Dieselbe Arbeit, bei einem anderen Durchsatz.

Nichts von dem Folgenden benötigt ein Tool, das es nicht gibt. Es muss die Arbeit kontinuierlich statt nur einmal im Quartal erfolgen und gegen einen holdout bewiesen statt diskutiert werden.

Job to be done, verglichen zwischen With claude with mcp alone and Mit Markin
Job to be doneWith claude with mcp aloneMit Markin
Beachte, dass der Umsatz pro Kunde in einem Segment driftetJemand entdeckt es bei einer Dashboard-Überprüfung, Wochen nachdem es begonnen hat.Als Signal erkannt an dem Tag, an dem der Drift das Rauschen beseitigt, wobei das Segment bereits dimensioniert ist.
Erkläre, warum es passiertEin Analyst wird für eine zweiwöchige Untersuchung von der Roadmap abgezogen.Eine Untersuchung läuft automatisch ab und liefert die Treiber mit ihren Beweisen.
Hypothesen entwickeln, die es wert sind, getestet zu werdenEin Workshop liefert die wenigen Ideen, die dem Raum zufällig einfielen.Hypothesen werden kontinuierlich über marketing, product, pricing und den technischen Zustand geschrieben.
Entscheide, welche Hypothesen Budget verdienenPriorisiert nach Seniorität und Bauchgefühl, ohne Größenangabe.Jede einzelne wird nach Umsatz bewertet und eingestuft, bevor irgendetwas gebaut wird.
Wähle die Next Best Action für einen KundenSegment-Regeln und Kampagnenkalender entscheiden, aktualisiert, wenn jemand Zeit hat.Pro Kunde, pro Moment, gegenüber allem anderen ausgewählt, das um diesen Kunden konkurriert.
Tatsächlich startenEin Ticket für das Lifecycle-Team, dann ein Slot im Kalender des nächsten Monats.Ausgeführt in den Systemen, die du bereits betreibst, ohne einen neuen Kanal einzuführen.
Beweisen, dass es den Umsatz verursacht hatWenn überhaupt, gegen Nicht-Qualifikanten oder einen globalen holdout gemeldet.Jede Entscheidung beinhaltet eine randomisierte control group; der uplift wird dagegen gelesen.
Eliminiere, was nicht funktioniertProgramme überleben, weil niemand dafür verantwortlich ist, sie einzustellen.Wenn der Control nicht geschlagen wird, wird das Programm automatisch beendet.
All dies nächste Woche wiederholenKapazitätsgebunden: vier bis acht Tests pro Quartal.Hunderte von Hypothesen gleichzeitig, kontinuierlich, in Bearbeitung.

Ehrliche Einschätzung

Was Claude mit MCP leistet Besseres.

Ein Vergleich, der nur eine Seite schmeichelt, ist nicht lesenswert. Dies sind die Fälle, in denen wir dir sagen würden, du sollst bleiben, wo du bist.

  • Claude argumentiert besser über unbekannte Daten als jede Skill-Bibliothek

    Gib ihm ein Schema, das es noch nie gesehen hat, und eine vage Frage, und es wird wirklich gute Arbeit leisten. Markin ist von Natur aus eng gefasst und hätte dafür schlichtweg keine Kompetenz.

  • MCP ist Anthropic's Protokoll und ihre Tool-Nutzung zeigt es

    Die Orchestrierung von mehrstufigen Tools ist dort zuverlässiger als bei den meisten Alternativen. Wir würden das lieber offen sagen, als so zu tun, als wäre es anders.

  • Für eine schwierige Frage ist es billiger als jede Plattform

    Eine einzige tiefe Untersuchung kostet ein paar Dollar an Token. Nichts, was wir verkaufen, kann damit konkurrieren, und nichts sollte es.

Wo Markin passt

Kein Ersatz. Ein Growth-Science-Team obenauf.

Nutze Claude für die schwierigen Fragen. Markin industrialisiert die gewöhnlichen: Es führt den Loop kontinuierlich aus und reserviert aufwendiges Reasoning für die Schritte, in denen Sprache das Outcome wirklich verändert.

Versionierte Fähigkeiten

Erkennung, Dimensionierung, Design, Auswertung und Arbitration, jeweils mit eigenen Evaluierungen.

Modell-Routing nach Aufgabe

Günstige Modelle für Volumen, Frontier-Modelle für Sprache, trainierte Modelle für Prognosen.

Jede Aktion hat eine Kontrolle

Inkrementeller ARPU, gemessen, nicht diskutiert.

Erkunden Umsatz-Entdeckung

Warum Markin gewinnt

Mächtiger als alles auf dieser Seite.

Jedes Tool, mit dem Markin verglichen wird, wurde für eine Aufgabe entwickelt, die endet, bevor sich der Umsatz bewegt: die Nachricht übermitteln, die Daten vereinheitlichen, den Lead bewerten. Markin wurde für ein Ergebnis entwickelt, den ARPU zu steigern, und es besitzt den vollständigen Kreislauf, der dorthin führt: untersuchen, Hypothese aufstellen, starten, messen und skalieren, über marketing, Produkt, Preisgestaltung und technische Gesundheit hinweg.

Ultraschnelles Lernen, by design

Markin Growth Science durchläuft den gesamten Zyklus aus Beobachtung, Hypothese, Experiment und Auswertung in Tagen, mit Hunderten von holdout-gestützten Experimenten parallel. Das System steigert das Lernen in einem Tempo, das kein menschliches Team und kein Kampagnentool erreichen kann.

growth operations, effizient gestaltet

Sizing, Segment Design, Build, Launch und Measurement waren früher vier Teams und ein Sprint. In Markin sind sie ein System, sodass die gleiche growth operation mehr Umsatzaktionen mit einem Bruchteil der Koordinationskosten liefert.

Ein Ergebnis: ARPU

Jede Hypothese wird im erwarteten Umsatz pro Kunde bemessen, jede Aktion wird gegen einen randomisierten holdout beurteilt, und alles, was die Kontrolle schlägt, skaliert automatisch über die Basis. Nichts anderes auf dieser Seite wird auf diese Weise gemessen.

Wenn das Ziel darin besteht, den ARPU durch extrem schnelles Lernen zu steigern und growth operations effizienter zu gestalten, ist Markin die Wahl.

Demo buchen

Evidenzstandard

Der größte Teil dieser Kategorie meldet ihren eigenen Lift.

Keiner der großen Anbieter von Engagement, CDP oder Personalisierung veröffentlicht eine unabhängig überprüfte Uplift-Zahl für sein Entscheidungsfindungsprodukt. Wo Zahlen existieren, stammen sie aus von Anbietern in Auftrag gegebenen Studien oder Fallstudien einzelner Kunden ohne offengelegte holdout-Methodik. Die strengste öffentliche Forschung in dieser Kategorie ist für niemanden schmeichelhaft, uns eingeschlossen, genau deshalb bauen wir darauf auf.

Wie Markin sich daran hält

  • Jede Entscheidung, die Markin trifft, beinhaltet eine control group. Der uplift wird gegen diesen holdout gemeldet, nicht gegen Kunden, die sich nicht qualifiziert haben.
  • Die Ergebnisse werden über ein vollständiges Messfenster und nicht in den ersten Wochen abgelesen, sodass Neuheit nicht mit Wirkung verwechselt wird.
  • Programme, die den Kontrollwert nicht übertreffen, werden automatisch eingestellt. Das Beenden von Entscheidungen, die sich nicht auszahlen, ist Teil des Regelkreises, nicht einer jährlichen Überprüfung.
  • Die einzige Zahl, die wir über uns selbst nennen, ist eine Spanne, keine Durchschnittszahl: +17% bis +35% ARPU bei behandelten Kohorten im Vergleich zu einem randomisierten holdout, über Markin-Implementierungen in großen B2C-Basen hinweg. Wir veröffentlichen keine Branchen-Benchmarks, weil wir keine finden konnten, die wir bereit wären zu verteidigen. Ihr holdout ist die Zahl, die zählt.

Time to value

90 Tage bis zu einer Zahl, die einen holdout überlebt hat.

Kein Replatforming, keine Datenmigration, kein Neuaufbau der Kanäle, die du bereits betreibst. Wenn die ersten Kohorten die Kontrolle nicht übertreffen, skaliert nichts und du hast ein Quartal verloren, keine Roadmap.

  1. Wochen 0–2

    Lese den Kontext, den du bereits hast

    Markin verbindet sich mit den Daten und Kanälen, die du heute betreibst, claude with mcp inklusive. Keine Migration, kein Replatforming, keine neue Quelle der Wahrheit.

  2. Wochen 3–6

    Erste bezifferte Chancen im Test

    Opportunities werden nach erwartetem Wert geordnet, Behandlungen pro Kunde ausgewählt, und die ersten Kohorten gehen mit einem zugehörigen randomisierten holdout live.

  3. Wochen 7–12

    Erster verifizierter inkrementeller Umsatz

    Die Ergebnisse werden über ein vollständiges Messfenster abgelesen. Was die Kontrolle schlägt, wird skaliert; was nicht, wird eingestellt. Nichts skaliert auf einer Zahl, die keinen holdout überlebt hat.

Welche du auswählen solltest.

Wähle Markin, wenn

  • Das Ergebnis muss eine Entscheidung pro Kunde sein, kein Dokument.
  • Jeder behauptete Erfolg benötigt eine randomisierte control group.
  • Hypothesen müssen nach ihrem erwarteten Wert über marketing, product und pricing hinweg eingestuft werden.
  • Kundenindividuelle Argumentation muss wöchentlich auf Millionen von Datensätzen laufen.
  • Die Methode muss über Quartale und Teams hinweg reproduzierbar sein.

Auswählen Claude mit MCP if

  • Die Arbeit ist eine tiefgehende, einmalige Analyse.
  • Deine Analysten wünschen sich Hebelwirkung, nicht Autonomie.
  • Das Datenmodell ist unbekannt und muss vor allem anderen interpretiert werden.
  • Du führst noch keine kontrollierten Experimente durch.

Wann du Markin nicht brauchst.

  • Du brauchst einen Analysten-Assistenten, keine autonome Schleife.
  • Die Basis ist zu klein für kontrollierte Messungen.
  • Jede Behandlung erfordert vor der Einführung eine individuelle rechtliche Prüfung.

Im Produkt ansehen

Sehen Sie, wie es entscheidet, experimentiert und ausführt, bevor Sie mit jemandem sprechen.

Eine geführte Tour durch den Markin-Workspace an einem Demo-Kunden, ohne Verkaufsgespräch, ohne Setup.

Demo entdeckenOder vereinbaren Sie eine Demo mit dem Team

Fragen, die Käufer stellen.

Könnten wir Markin mit Claude und ein paar MCP-Servern replizieren?

Du kannst die Demo replizieren, nicht aber die economics oder die discipline. Die Lücken zeigen sich in Form von Kosten pro Kunde, dem Fehlen von Sizing- und Power-Checks und der fehlenden control group, die ein Ergebnis absicherbar macht.

Was macht Claude besser?

Offenes Denken über unbekannte Daten, Long-Context-Arbeit und zuverlässige mehrstufige Tool-Nutzung. Für eine einzelne schwierige Untersuchung ist es die bessere und günstigere Wahl.

Verwendet Markin Claude?

Wo ein Frontier-Modell das richtige Instrument ist, leiten wir auf dasjenige um, das bei diesem Schritt die beste Leistung erbringt. Die meisten kundenbezogenen Arbeiten erreichen nie ein Frontier-Modell, da Propensität, Uplift und Anomalieerkennung von trainierten Modellen durchgeführt werden.

Wie bewertest du Hypothesen anders?

Jeder Kandidat erhält eine berechtigte Population, einen erwarteten Wert abzüglich Marge und Kontaktkosten sowie eine Leistungskontrolle. Was den Schwellenwert überschreitet, läuft mit einem randomisierten holdout, und was verliert, wird eingestellt, anstatt stillschweigend beibehalten zu werden.

Wie unterscheidet sich Markin vom decisioning oder der KI, die bereits in claude with mcp 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 claude with mcp 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 claude with mcp?

On a large B2C base, 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.

Als Nächstes lesen

Hintergrundlektüre darüber, wie next best action decisioning funktioniert, aus den Anleitungen hinter diesem Vergleich.