COMPARE/Markin vs RetentionX
RetentionX vs Markin: customer intelligence vs. bewährte Umsatzentscheidungen
+ 17–35 % ARPU gegenüber holdoutBeobachteter Bereich über Markin-Deployments hinweg, gemessen an behandelten Kohorten.
RetentionX ist customer intelligence für commerce brands: LTV und Kohorten-analytics, identity resolution, attribution und regelbasierte Audiences, synchronisiert mit Klaviyo, Meta oder Google. Markin ist eine growth-science Ebene für große B2C-Basen: Es bildet und dimensioniert seine eigenen Umsatz Hypothesen, wählt eine Aktion pro Kunde, führt sie über deinen Stack aus und beweist das Ergebnis gegen einen randomisierten holdout.
Kurz gesagt
- RetentionX: Who are my customers worth, and which segment should receive which flow? Output: Reports, predictive scores and audiences pushed into email, SMS and ad tools.
- Markin: Which opportunity is worth acting on, for whom, and what did it actually return? Output: A ranked, sized action per customer, executed through the systems you already run.
- Segmente werden durch Regeln definiert, die eine Person geschrieben hat, und werden aktualisiert, wenn jemand Zeit hat.
- Markin reads the same evidence, proposes what to do about it, prices the action, runs it against a holdout and retires what does not beat control.
Zuletzt aktualisiert: . Behauptungen über andere Anbieter verweisen auf die Quelle, aus der sie stammen.
Die kurze AntwortZuletzt aktualisiert: September 2026
Beide versprechen growth aus Kundendaten, aber sie stoppen an unterschiedlichen Punkten. RetentionX zeigt, was passiert, und schiebt das Segment in einen von jemandem entworfenen Flow. Markin entscheidet, welche Umsatzchance für jeden Kunden existieren sollte, was sie wert ist und ob sie tatsächlich Umsatz verursacht hat.
01
RetentionX
Customer intelligence und automation für commerce brands: LTV, Kohorten, RFM, Produkt- und attribution reporting, serverseitiges Tracking und audience- oder Merchandising-automation, mit starkem Shopify-Footprint.
Wähle es, wenn ein commerce-Team einen zentralen Ort für LTV, churn risk und attribution benötigt und Segmente automatisch in Klaviyo, Meta oder Google pushen möchte.
- Commerce customer intelligence
- Regel- und Score-basierte Audiences
- Synchronisiert mit deinen Ad- und E-Mail-Tools
02
Markin
Ein autonomes growth-science-Team für große B2C-Basen. Es untersucht, warum der Umsatz pro Kunde stagniert, dimensioniert eigene hypotheses, wählt eine action pro Kunde inklusive hold, startet sie über deine bestehenden Systeme und liest sie gegen eine Kontrollgruppe aus.
Wähle es, wenn die Einschränkung darin besteht, wie viele gute Umsatzhypothesen getestet und bewiesen werden, nicht wie die Daten gemeldet werden.
- Schreibt eigene Hypothesen.
- Holdout bei jeder Entscheidung
- Läuft in deinem Stack
Zeile für Zeile
Dieselben zehn Fragen, für beide beantwortet.
| Dimension | Markin | RetentionX |
|---|---|---|
| Was es ist | Ein autonomes Growth-Science-Team: Es untersucht, warum der Umsatz pro Kunde stagniert, und handelt nach dem, was es findet. | Eine customer intelligence und automation Plattform für commerce brands, aufgebaut auf reporting und audience activation. |
| Was es entscheidet | Welche Umsatzchance diese Woche für jeden Kunden bestehen sollte, was sie wert ist und wann die richtige Antwort ist, nichts zu tun. | Welche Kunden gehören basierend auf Scores und Regeln, die ein Mensch konfiguriert, zu einem Segment oder Flow? |
| Woher Hypothesen kommen | Von Markin aus Kunden-, Produkt-, Preis- und technischen Gesundheitsdaten generiert und bewertet, bevor etwas implementiert wird. | Geschrieben vom growth- oder CRM-Team auf Basis der Reports, die die Plattform bereitstellt. |
| Wie eine Hypothese bewertet wird | In Geld bemessen auf der berechtigten Population, gefiltert nach statistischer Aussagekraft, dann durch einen randomisierten holdout verworfen oder beibehalten. | Beurteilt vom Team, das Kohorten-, LTV- und attribution reports liest, und dann nach der Kampagnenleistung. |
| Handlungsspielraum | Marketing-, Produkt-, Preis- und technische Gesundheits-Hypothesen, die in einer Warteschlange gegeneinander abgewogen werden. | Commerce Marketing-Oberflächen: E-Mail- und SMS audiences, Ad-Plattformen, On-Site-Merchandising. |
| Welche Modelle die Arbeit leisten | Ein 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. | Prädiktive Scores wie churn risk, nächste Bestellung und lifetime value, angewendet auf die Segmentierung. |
| Womit die Kosten skalieren | Getroffene Entscheidungen und nachgewiesener Umsatz, keine verbrannten Tokens. Die kundenbezogene Entscheidungsfindung wird von den kostengünstigen Layern konzeptionell gehandhabt. | Plantiers, die mit der Größe des Stores und der Feature-Tiefe skalieren, beginnend mit Einstiegspreisen für commerce. |
| Wie die Arbeit den Kunden erreicht | In die Systeme, die du bereits verwendest, zurückgeschrieben, als Attribute, Ereignisse oder API-Aufrufe. Markin fügt keine neue kundenorientierte Oberfläche hinzu. | Audience- und Event-Synchronisierungen mit Klaviyo, Meta, Google, TikTok und Ähnlichem, plus automatische Produktsortierung. |
| Wie der Impact bewiesen wird | Ein randomisierter holdout bei jeder Entscheidung. Die gemeldete Zahl ist der inkrementelle Umsatz und ARPU, nicht zugeschriebene Conversions. | Multi-touch und Plattform-attribution mit Kohorten- und profit reporting, anstatt randomisierter Kontrolle. |
| Wo die Daten liegen | Liest Kontext dort, wo er bereits vorhanden ist: Data Warehouse, CDP, Produkt- und Abrechnungssysteme. Kein neues System of Record. | Ein commerce-zentriertes Datenmodell, das auf Shop-, Bestell-, Session- und Ad-Plattformdaten basiert. |
| Governance und Kontrolle | Jede Aktion beinhaltet ihre Hypothese, ihren erwarteten Wert, ihre Leitplanken und ihre control group, überprüfbar vor dem Start. | Berichts- und Segmentkonfiguration, tracking setup und Zugriffsrechte. |
| Time to a verified number | Ein Umsatzthema, ein Kanal, ein holdout: eine verteidigbare inkrementelle Zahl innerhalb von 90 Tagen. | Schneller erster Insight, sobald die historischen Bestelldaten synchronisiert sind. |
| Beste Passung | Große B2C-Basen, bei denen die Einschränkung darin besteht, wie viele gute Hypothesen getestet werden, nicht wie viele Nachrichten gesendet werden. | Commerce brands, die customer intelligence und audience automation in einem Tool benötigen. |
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 ausführenDer ungelöste Teil
Was ein Score noch unentschieden lässt
Ein churn score, eine LTV band und ein attribution report beschreiben die Basis. Nichts davon entscheidet, ob dieser Kunde ein Angebot wert ist, was dieses Angebot an Marge kostet oder ob der Umsatz sowieso zustande gekommen wäre.
- Segmente werden durch Regeln definiert, die eine Person geschrieben hat, und werden aktualisiert, wenn jemand Zeit hat.
- Nichts vermittelt zwischen einem Rabatt, einer Produktkorrektur und Stillschweigen.
- Attribution schreibt Kampagnen zu; sie isoliert nicht incremental revenue.
- Ergebnisse außerhalb des Marketings haben keinen Eigentümer und keinen Weg zur action.
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 | With retentionx alone | Mit Markin |
|---|---|---|
| Beachte, dass der Umsatz pro Kunde in einem Segment driftet | Jemand 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 passiert | Ein 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 werden | Ein 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 verdienen | Priorisiert 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 Kunden | Segment-Regeln und Kampagnenkalender entscheiden, aktualisiert, wenn jemand Zeit hat. | Pro Kunde, pro Moment, gegenüber allem anderen ausgewählt, das um diesen Kunden konkurriert. |
| Tatsächlich starten | Ein 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 hat | Wenn überhaupt, gegen Nicht-Qualifikanten oder einen globalen holdout gemeldet. | Jede Entscheidung beinhaltet eine randomisierte control group; der uplift wird dagegen gelesen. |
| Eliminiere, was nicht funktioniert | Programme überleben, weil niemand dafür verantwortlich ist, sie einzustellen. | Wenn der Control nicht geschlagen wird, wird das Programm automatisch beendet. |
| All dies nächste Woche wiederholen | Kapazitätsgebunden: vier bis acht Tests pro Quartal. | Hunderte von Hypothesen gleichzeitig, kontinuierlich, in Bearbeitung. |
Ehrliche Einschätzung
Was RetentionX 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.
Commerce Analytics Tiefe
Für einen Shop, der Kohorten-, RFM-, Produkt- und profit reporting an einem Ort benötigt, deckt RetentionX Bereiche ab, die Markin nicht versucht abzudecken. Markin schlägt actions vor und beweist sie; es ist keine Self-Service-Reporting-Suite für ein Merchandising-Team.
Identitäts- und Tracking-Infrastruktur
Server-side tracking, cross-device resolution und conversion APIs in Ad-Plattformen sind wirklich nützliche Arbeit, und sie sind eine Voraussetzung für jeden, der über commerce Umsatz nachdenkt.
Time to value für eine kleinere Basis
Ein angebundener Shop kann innerhalb von Stunden live gehen. Markin benötigt eine ausreichend große Basis für randomisierte holdouts, um statistische Aussagekraft zu erreichen, weshalb es sich für Basen im Millionenbereich statt für einen wachsenden Shop eignet.
Wo Markin passt
Kein Ersatz. Ein Growth-Science-Team obenauf.
RetentionX beschreibt weiterhin die Basis und verschiebt Audiences. Markin liest dieselben Beweise, schlägt vor, was dagegen zu tun ist, bepreist die Aktion, führt sie gegen einen holdout aus und stellt ein, was die Kontrolle nicht übertrifft.
Arbitrage pro Kunde
Jede berechtigte action konkurriert um denselben Kunden, einschließlich nichts zu tun.
Dimensioniert, bevor es ausgeliefert wird
Die erwartete Marge, nicht die Überzeugung, entscheidet, welche Hypothese als Nächstes ausgeführt wird.
Proof, keine attribution
Eine randomisierte Kontrollgruppe bei jeder decision macht die gemeldete Zahl fundiert.
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.
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.
BCG berichtet, dass Organisationen, die eine rigorose Inkrementalitätstestung einführen, typischerweise feststellen, dass 20% bis 40% ihrer aktiven Next Best Action-Programme einen marginalen bis negativen Lift liefern.
Unabhängige ForschungBCG, Wie sich die Messung bei Next Best Action entwickelt (2026)Dieselbe Untersuchung weist auf Neuheitseffekte hin; neue Programme zeigen überhöhte frühe Ergebnisse und es werden 8 bis 12 Wochen empfohlen, bevor Schlussfolgerungen gezogen werden.
Unabhängige ForschungBCG, Wie sich die Messung bei Next Best Action entwickelt (2026)Globale holdout- und programmbezogene ROI-Messungen überschätzen oft die Auswirkungen durch Halo-Effekte, Pull-Forward-Effekte und Experiment-Kontamination.
Unabhängige ForschungBCG, Wie sich die Messung bei Next Best Action entwickelt (2026)
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.
Wochen 0–2
Lese den Kontext, den du bereits hast
Markin verbindet sich mit den Daten und Kanälen, die du heute betreibst, retentionx inklusive. Keine Migration, kein Replatforming, keine neue Quelle der Wahrheit.
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.
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
- Die Basis geht in die Millionen und die Beschränkung ist der Entscheidung-throughput, nicht das reporting.
- Umsatz Ursachen liegen auch außerhalb des marketing: pricing, Produkt Reibung, Abrechnung oder technische Gesundheit.
- Jeder beanspruchte Euro muss einen randomisierten holdout überstehen, kein attribution model.
- actions müssen pro Kunde entschieden werden, einschließlich der decision, stumm zu bleiben.
- Kontext lebt in einem Warehouse und Abrechnungssystemen, nicht nur in einer commerce Plattform.
Auswählen RetentionX allein if
- Du betreibst einen Commerce Store und benötigst zuerst LTV-, Kohorten- und Attributions-Berichterstattung.
- Das Team möchte Self-Serve-Dashboards mehr als autonome Entscheidungen.
- Tracking und identity resolution sind die aktuelle Lücke.
- Die Synchronisierung von Segmenten mit Klaviyo und Ad-Plattformen ist die Hauptaufgabe.
- Die Kundenbasis ist zu klein, damit holdouts signifikant werden.
Wann du Markin nicht brauchst.
- Du benötigst Self-Service Commerce-Berichterstattung und Produkt-Level Dashboards: das ist das Terrain von RetentionX.
- Der Store ist klein und ein holdout würde niemals Signifikanz erreichen.
- Tracking und identity resolution fehlen und müssen zuerst gelöst werden.
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.
Fragen, die Käufer stellen.
Ist Markin eine RetentionX-Alternative?
Nicht wirklich. RetentionX ist customer intelligence und audience automation für commerce brands; Markin ist eine decision layer für große B2C-Basen. Teams, die über regelbasierte Segmente hinauswachsen und proven incremental revenue benötigen, wechseln zu einer decisioning layer, anstatt reporting tools auszutauschen.
Was macht RetentionX besser?
Commerce-natives reporting, LTV und Kohortenanalyse, serverseitiges Tracking und Identitätsauflösung sowie schnelle audience syncs in Klaviyo, Meta und Google für einen Shop, der ein einziges Tool möchte.
Können wir beides nutzen?
Ja. RetentionX kann weiterhin die Commerce-Berichterstattung und Aktivierungs-Ebene bleiben, während Markin entscheidet, welche Umsatzchance pro Kunde verfolgt werden sollte, und diese gegen einen holdout misst.
Warum ist attribution nicht genug?
Attribution verteilt Gutschriften unter Touchpoints, die exponiert waren. Sie kann dir nicht sagen, was ohne die action passiert wäre. Nur eine randomisierte Kontrollgruppe beantwortet das, weshalb Markin bei jeder decision eine holdout.
Benötigt Markin eine commerce Plattform?
Nein. Es liest Kontext dort, wo er bereits lebt – Warehouse, CDP, Produkt- und Abrechnungssysteme – und schreibt die gewählte action in die Tools zurück, die du bereits nutzt.
Wie unterscheidet sich Markin vom decisioning oder der KI, die bereits in retentionx 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 retentionx 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 retentionx?
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.
Next best action marketing: was es ist und wie es 2026 funktioniert
Next best action marketing erklärt: wie es funktioniert, reale B2C-Beispiele, wie es sich von Segmentkampagnen und marketing automation unterscheidet und was es auf einer Basis von 2 Mio. wert ist.
Wie man den ARPU steigert: ein Framework für B2C-Unternehmen
Wie man den ARPU in einem großen B2C-Unternehmen steigert: die fünf Hebel, die den ARPU (durchschnittlicher Umsatz pro Nutzer) tatsächlich bewegen, und das dahinterstehende Betriebsmodell.
Opportunity Feed, jetzt mit Hypothesen-Herkunft
Jede Kandidatenaktion im Markin Opportunity Feed trägt nun das Signal, das Segment und das frühere Experiment, denen sie entstammt. Ein Klick zum Prüfen oder Ausliefern.