nomadTravel / eSIM

Wie Nomad Kundensignale in growth in Dutzenden von Märkten verwandelt

+22%

ARPU · gemessen an einem randomisierten holdout

Kurz gesagt

Nomad verkauft eSIM-Datentarife in Dutzenden von Ländern, wo jeder Reisende eine andere Reise, ein anderes Gerät und eine andere Preissensibilität hat. Markin entscheidet nun die Next Best Action für jeden Kunden und startet sie über den bestehenden Stack von Nomad, wodurch der ARPU bei behandelten Kohorten gegenüber einem randomisierten holdout um 22 % steigt.

Ergebnisse

Jede Entscheidung beinhaltet eine control group

+22%

ARPU auf behandelten Kohorten

vs. randomisierten holdout, volles Messfenster

+34%

Wiederholte Kauffrequenz

Reisende, die innerhalb von 90 Tagen einen zweiten Tarif kaufen

11×

Experimente pro Monat live

im Vergleich zum Markin-Kampagnenkalender vor Markin

Anonymisierter Bereich über Markin-Implementierungen in großen B2C-Basen, gemessen über ein vollständiges Messfenster. Es ist keine Branchenbenchmark und keine Prognose für deine Basis.

Auf einen Blick

Branche: Travel connectivity / eSIM
Märkte: Dutzende, in lokaler Währung verkauft
Basis: Millionen von Reisenden, meist Einmalkäufer
Bewegungen live: Cross-sell, win-back, top-up timing, price testing
Stack: Warehouse, CDP, Braze, App SDK, Stripe
Erster gemessener uplift: Woche 6

Die Herausforderung

Das growth von Nomad wurde durch die Form des Produkts begrenzt: Die meisten Reisenden kaufen einmal, für eine Reise, und verschwinden. Die Umsatzfrage war nie 'wem schreiben wir eine E-Mail', sondern 'welche von Dutzenden von Plan-, Preis- und Zeitpunktkombinationen sollten wir diesem spezifischen Reisenden zeigen, bevor seine Daten ablaufen'.

Ein Kampagnenkalender konnte das nicht beantworten. Segmente wurden nach Markt erstellt und jedes Quartal neu aufgebaut, Angebote waren für einen zweitägigen Kurztrip und einen dreimonatigen Umzug gleich, und das Team hatte keine Möglichkeit zu sagen, ob ein top-up Push Umsatz generiert oder lediglich einen Kauf geerntet hatte, der sowieso stattgefunden hätte.

Personal aufzustocken, um dies zu bewältigen, war ebenfalls nicht realistisch: Die analytische Arbeit, die erforderlich ist, um Dutzende von Märkten einzeln zu optimieren, ist dauerhaft ein vollständiges data-science-Pod.

Was Markin getan hat

Data and context, intelligence, action

01 / Data & context

Reisekontext, nicht nur ein Kundendatensatz

Markin liest Nomad's Warehouse, CDP- und App-Ereignisse und erstellt ein Bild pro Reisendem: Ziel, Gerät, Planumfang, Verbrauchskurve, Roaming-Verhalten und der lokale Preis von Alternativen. Es werden keine Daten in ein neues System kopiert.

02 / Intelligenz

Hypothesen, für die das Team nie Zeit hatte, sie zu schreiben

Die intelligence layer identifiziert Umsatzchancen eigenständig, bewertet sie und wandelt sie in Kandidatenaktionen um: Wer hat bald keine Daten mehr, wer verlängert eine Reise, welcher Markt toleriert einen größeren Tarif, wo ein Rabatt einen ohnehin bevorstehenden Kauf nur kannibalisiert.

03 / Aktion

1:1 execution innerhalb des eigenen Stacks von Nomad

Genehmigte Aktionen starten über Braze, die App und den eigenen Checkout von Nomad, jede mit einem angeschlossenen randomisierten holdout. Aktionen, die ihren control nicht übertreffen, werden automatisch deaktiviert, anstatt in einem Kalender weiterzuleben.

Durchgeführte Experimente

Hypothesis to measured lift

Hypothese	Segment	Aktion	Kanal	Gemessener uplift
Power-User erreichen ihr Limit vor Reiseende und churn zu einer lokalen SIM-Karte	Reisende mit 70 % Verbrauch und noch 3+ Tagen Restzeit	Top-up-Angebot, das auf die verbleibende Reise zugeschnitten ist, nicht auf ein festes Paket	Push + In-App	+19 % top-up Umsatz
Länderübergreifende Reiserouten werden durch länderspezifische Tarife unzureichend bedient	Buchungen mit Verbindungen in 2+ Regionen	Regionaler Plan beim Kauf und beim ersten Grenzübertritt positioniert	Checkout + E-Mail	+12 % AOV
Vergangene Reisende kehren in einem saisonalen Zyklus zurück, den wir nicht antizipieren	Abgewanderte Käufer mit wiederkehrendem Reisemuster	Win-back abgestimmt auf den eigenen Reise-Rhythmus, kein Rabatt	E-Mail + bezahlte Zielgruppe	+34 % Wiederkaufsrate
Das Discounting neuer Märkte kauft volumen, das wir sowieso gewonnen hätten	Erstkäufer in Märkten mit hoher Absicht	Promo zurückhalten, Preis beibehalten, gegen Kontrollgruppe messen	Checkout	Marge erhalten, kein Volumenverlust

Wie es ausgerollt wurde

Woche 0
Verbinden, nicht migrieren
Warehouse, CDP, Braze und App-Events read-only verbunden. Erster Umsatzchance-Feed aus historischem Verhalten generiert.
Woche 2
Erste motion live
Top-up-Timing geht in drei Märkten mit einem randomisierten holdout bei jeder Entscheidung live.
Woche 6
Erster lesbarer uplift
Top-up-Umsatz zeigt +19 % im Vergleich zum holdout. Zwei Hypothesen werden zurückgezogen, da sie ihren holdout nicht übertroffen haben.
Woche 12
Auf die gesamte Fläche skaliert
Vier motions laufen in jedem Markt, wobei das growth-Team Entscheidungen überprüft, anstatt Kampagnen zu erstellen.

Mit ihren Worten

“Markin betreibt 1:1 Lifecycle über Dutzende von Märkten hinweg. Es ist das Wachstumsteam, das wir nie einstellen konnten.”

Growth Lead, Nomad

Der Stack, mit dem Markin gearbeitet hat

No migration, no new system of record

Fragen, die Käufer zu diesem Fall stellen

Warum benötigt ein eSIM-Geschäft decisioning anstelle von mehr Kampagnen?

Weil die Umsatzfrage pro Reisendem und nicht pro Segment gestellt wird. Ein zweitägiger Städtetrip und eine dreimonatige Umsiedlung erfordern unterschiedliche Pläne, Preise und Zeitabläufe, und kein Kampagnenkalender kann Dutzende von Märkten in dieser Auflösung abbilden.

How was the Nomad result measured?

Jede Entscheidung beinhaltet eine randomisierte holdout-Gruppe. Der angegebene uplift ist die Differenz zwischen der behandelten Kohorte und dieser Kontrollgruppe über ein vollständiges Messfenster, nicht ein Vorher-Nachher-Vergleich.

Mussten sie ihre Daten zu Markin verschieben?

Nein. Markin liest aus dem Warehouse, CDP und den bereits vorhandenen product events. Nichts wird in ein neues System kopiert und nichts ist eingeschlossen.

Welches Team hat es täglich geleitet?

Das bestehende growth-Team. Markin übernimmt die analytische Arbeit, ein travel Team dieser Größe bräuchte einen dedizierten data-science-Pod, um dies zu produzieren, und leitet jede Aktion in die Tools, die sie bereits verwenden.

Wie lange dauert es, bis der erste messbare uplift eintritt?

Eine erste Motion geht in etwa 30 Tagen live und das erste statistisch lesbare Ergebnis liegt innerhalb der folgenden sechs Wochen vor. Skalierter impact ist typischerweise nach 90 Tagen ablesbar.