Füge next best action zu Journeys hinzu, die du bereits in Braze ausführst
Per-customer arbitration, geschrieben in die Canvases, die dein Team bereits bedient.
Die kurze Antwort
Next best action innerhalb von Braze bedeutet, dass Markin entscheidet, welche einzelne Aktion jeder Kunde erhalten soll, diese Entscheidung als Attribut in das Profil schreibt und deine bestehenden Canvases darauf verzweigen lässt. Braze behält Zustellung, Frequenzbegrenzung und Einwilligung. Markin liefert die Auswahl und liest sie gegen einen holdout aus.
Zuletzt überprüft 2026-09-10
Für wen dies gilt und wen es nicht erreichen darf
Berechtigt
- Kunden, die über mindestens einen Braze-Kanal mit gültiger Einwilligung erreichbar sind.
- Mindestens zwei konkurrierende Aktionen, die das Unternehmen tatsächlich bereit wäre zu senden.
- Ein Canvas oder eine Kampagne, die auf einem benutzerdefinierten Attribut verzweigen kann.
Ausgeschlossen
- Kunden unter einem aktiven Frequenzlimit oder einer Quiet-Hours-Regel. Dies wird von Braze erzwungen, nicht von Markin.
- Transaktionale und regulatorische Nachrichten, die niemals arbitriert werden dürfen.
- holdout-Mitglieder, die das bestehende Programm unverändert weiter erhalten.
Die Mindestdaten und woher sie normalerweise stammen
| Was benötigt wird | Übliche Quelle |
|---|---|
| Profile, Attribute und Abonnementstatus | Braze |
| Nachrichten-Exponierung und Engagement-Historie | Braze Currents in das warehouse |
| Umsatz, Plan- und Bestellhistorie | Warehouse oder Abrechnungssystem |
| Produktverhalten | Produktanalysen oder Ereignistabellen |
| Einwilligung und Identitätsauflösung | CDP, sofern vorhanden |
Schritt für Schritt
Wie die Entscheidung abläuft
- 01Dein Team
Aktionsset definieren
Liste die Aktionen auf, die bereits in Braze existieren, plus jene, die du durchführen würdest, wenn du einen Grund dazu hättest. Die Arbitrage ist nur sinnvoll, wenn die Alternativen real sind.
- 02Markin
Erwarte den erwarteten Wert pro Kunde pro Aktion
Jede Kandidatenaktion wird für jeden Kunden anhand des erwarteten inkrementellen Margins bewertet, nicht anhand der Klickwahrscheinlichkeit.
- 03Markin
Auf eine decision arbitrieren
Pro Kunde und Fenster gewinnt eine Aktion, wobei die unterlegenen Kandidaten und der Grund aufgezeichnet werden, damit die Auswahl später überprüft werden kann.
- 04Markin
Schreibe die Entscheidung in das Profil
Die gewählte action, ihr Grund und ihre decision ID werden als benutzerdefinierte Attribute in Braze geschrieben. Die Latenz ist dein Synchronisationsintervall.
- 05Dein Stack
Verzweige den Canvas auf dem Attribut
Bestehende Canvases fügen einen Branch pro Aktion hinzu. Vorlagen, Lokalisierung, Sendezeitoptimierung und Capping bleiben genau dort, wo sie sind.
- 06Markin
Exposition zurückgeben und den holdout lesen
Aktuelle Flows zeigen die Exposition zurück, die mit der Entscheidungs-ID verknüpft ist, sodass jede Aktion gegen die randomisierte Kontrolle statt gegen den letzten Monat gelesen wird.
Messung
Wie du weißt, ob es funktioniert hat
- Holdout
- Ein globaler randomisierter holdout, der weiterhin das bestehende Programm erhält, sodass die Auswertung eine Arbitrierung gegenüber dem business as usual ist.
- Fenster
- Acht bis zwölf Wochen. Kürzere Auswertungen erfassen Neuheiten, nicht den uplift.
- Primäres Ergebnis
- Inkrementeller Umsatz pro erreichbarem Kunden im Vergleich zum holdout.
Guardrails
- Abmelde- und Beschwerdequote.
- Nachrichtenvolumen pro Kunde, das nicht steigen sollte.
- Kannibalisierung von Aktionen, die bereits funktionierten.
- Anteil der Kunden, bei denen keine action die Wertgrenze überschreitet.
Nur zur Veranschaulichung
Ein ausgearbeitetes Beispiel
Illustrativer Aufbau einer ersten Bereitstellung, um zu zeigen, was wo entschieden wird.
| Erreichbare Kunden pro Woche | 600,000 |
|---|---|
| Kandidatenaktionen im Set | 7, plus 'keine Aktion' |
| Entschieden von Markin | Welches, für wen und warum |
| Entschieden von Braze | Wann es gesendet wird, auf welchem Kanal, unter welcher Obergrenze |
| Holdout | Zufällig ausgewählt, erhält das bestehende Programm |
| Lesen | Inkrementeller Umsatz pro erreichbarem Kunden über 12 Wochen |
Nichts an der Canvas-Bibliothek wird neu erstellt. Die Verzweigung ist die einzige strukturelle Änderung.
Auf den eigenen Zahlen ausführen
Die Arithmetik, ausgeschrieben
Die holdout size ist die Einschränkung, bei der sich die Leute irren, nicht das Modell. Für einen zweiseitigen test mit 95 % Konfidenz und 80 % power bei einer Umsatz pro Kunde-Metrik beträgt n pro Gruppe ungefähr 16 x (Standardabweichung / minimaler detektierbarer Effekt) zum Quadrat.
| Eingabe | Wert |
|---|---|
| Erreichbare Kunden pro Woche | 600,000 |
| Basisumsatz pro erreichbarem Kunden pro 12 Wochen | $18.00 |
| Standardabweichung dieser Zahl | 54,00 USD (dreimal der Mittelwert, typisch für schiefe Umsatzverteilungen) |
| Minimum detectable effect, der dich interessiert | 2 % von 18,00 USD = 0,36 USD |
| n pro Gruppe | 16 x (54 / 0,36)^2 = 16 x 22.500 = 360.000 |
| Impliziter holdout als Anteil der wöchentlich erreichbaren Basis | Machbar: 360.000 liegen gut innerhalb von 600.000, angesammelt über ein 12-Wochen-Fenster |
| Wenn du nur 50.000 Kunden pro Gruppe hattest | Der kleinste nachweisbare Effekt beträgt 54 x sqrt(16 / 50.000) = 0,97 USD oder 5,4 % |
Ein 2%iger Umsatz-Effekt auf dieser Basis erfordert über den Beobachtungszeitraum hinweg grob 360.000 Kunden pro Gruppe. Unter etwa 50.000 pro Gruppe ist alles unter einem 5%igen Effekt nicht von Rauschen zu unterscheiden, und das Programm wird nach einer Zahl beurteilt, die der test niemals hätte messen können.
Inputs sind veranschaulichend. Der Punkt, der sich überträgt, ist die Form: Umsatz-Verteilungen sind schief, daher ist die Standardabweichung groß und kleine holdouts können keine realistischen Effekte sehen.
Zeitachse
Wie lange es bis zu einem ersten gemessenen Ergebnis dauert
- 01Woche 1
Currents- und Data-Warehouse-Verbindung
Braze Currents liefert Nachrichten- und Engagement-Events in das Data Warehouse, und Profil- sowie Abonnementstatus werden zugeordnet. Es wird noch nichts zurückgeschrieben.
- 02Woche 2
Action set definiert mit dem lifecycle team
Jede bereits in Braze laufende Aktion wird aufgelistet, plus die Aktionen, die das Unternehmen aus gegebenem Anlass ausführen würde, plus eine explizite 'keine Aktion'.
- 03Woche 3 bis 4
Wertmodell und Arbitration
Jede Aktion wird pro Kunde nach erwarteter inkrementeller Marge bewertet, und die Arbitrierungsregel sowie ihr Audit-Trail werden vereinbart.
- 04Woche 5
Attribute write-back und ein Canvas branched
Decisions landen als benutzerdefinierte Attribute und ein einzelnes Canvas wird darauf verzweigt. Zuerst eine Journey, nicht die gesamte Bibliothek.
- 05Woche 6 bis 7
Rollout über die gesamte Canvas-Bibliothek
Verbleibende Canvases fügen den Branch hinzu, sobald das Zurückschreiben als stabil beobachtet wurde.
- 06Woche 13 bis 17
Erste kausale Lesart
Acht bis zwölf Wochen nach Festlegung des globalen holdout. Frühere Messungen bewerten die Neuheit.
Technische Details
Was gelesen und geschrieben wird, Feld für Feld
Braze
Lesen
- Benutzerprofile, benutzerdefinierte Attribute und Abonnementgruppen über die /users/export-Endpunkte
- Currents Event Streams: Nachrichtenversand, Öffnungen, Klicks, Konversionen, Abmeldungen
- Canvas- und Kampagnen-Metadaten für das Aktionsinventar
Geschrieben
- markin_next_best_action (String): der gewählte Aktionsschlüssel
- markin_decision_id (string): verknüpft die Exposure wieder mit der decision
- markin_decision_reason (string): warum diese action gewonnen hat, für die Überprüfung
- markin_decided_at (Zeit) und markin_holdout (boolean)
- Geschrieben über /users/track, gebündelt
Stündlich bis täglich schreiben für Journey-Verzweigungen; für Sendezeit- oder In-App-Entscheidungen stattdessen einen synchronen decision API call zur Renderzeit.
Snowflake oder dein Warehouse
Lesen
- Umsatz, Plan- und Bestellhistorie, verknüpft mit der Braze external_id
- Produktverhaltens-Events
- Currents-Tabellen für exposure
Geschrieben
- Decision- und exposure-Tabellen, indiziert nach markin_decision_id
Kontinuierliche Erfassung, täglicher decision-Batch.
Segment oder dein CDP
Lesen
- Identitätsauflösung und Einwilligungsstatus über alle Kanäle hinweg
Geschrieben
- Nichts. Die Identität bleibt dort, wo sie bereits existiert.
Nur Lesezugriff.
Aufwand
Was es von deinem Team verlangt
| Wer | Wie viel ihrer Zeit |
|---|---|
| Lifecycle- oder CRM-Manager | Das wichtigste Pendant: etwa einen Tag pro Woche für das Aktion set, den Branch und die Überprüfung der decisioning. |
| Data Engineer | Ungefähr 3 Tage in Woche 1 und 2 für Currents und den Warehouse-Zugang. |
| Marketing operations | Einen halben Tag, um das Branch-Pattern hinzuzufügen und zu bestätigen, dass das Capping nicht betroffen ist. |
| Analysen | Eine Sitzung, um die primäre Metrik und die Größe des holdout vor dem Launch zu vereinbaren. |
Was normalerweise schiefgeht
Arbitrierung nach der Propensity zur Öffnung
Die klickstärkste Nachricht ist selten die wertvollste. Die Rangfolge nach Engagement optimiert stillschweigend für billige Aktionen und flachen Umsatz.
Neuerstellung der Auslieferung innerhalb der decisioning Ebene
Braze handhabt bereits capping, quiet hours, Lokalisation und deliverability. Das zu duplizieren, schafft zwei sources of truth und ein Governance-Argument, das du verlieren wirst.
Keine „Nichts tun“-Option
Das Beste aus einem schlechten Set zu senden, ist immer noch ein schlechter Send. Schweigen muss die arbitration gewinnen können.
Verlust der Entscheidungs-ID
Wenn die Exponierung nicht mit der Entscheidung verknüpft werden kann, erstellt das Programm Berichte anstelle von Beweisen.
Fragen, die dieses Playbook beantwortet
- Wie füge ich next best action zu Braze hinzu?
- Kann Braze das beste Angebot pro Kunde entscheiden?
- Wie vermittle ich zwischen konkurrierenden Kampagnen in Braze?
- Was fügt eine decisioning Ebene zusätzlich zu Braze hinzu?
- Wie führe ich einen holdout über alle Braze-Canvases hinweg aus?
Häufig gestellte Fragen
- Macht Braze bereits next best action?
- Braze orchestriert Journeys hervorragend und kann Inhalte innerhalb dieser personalisieren. Was es nicht tut, ist jede konkurrierende Aktion pro Kunde auf der Grundlage der erwarteten Marge zu bewerten und sich für eine zu entscheiden. Diese decisioning Ebene sitzt über der Journey, weshalb die beiden koexistieren, anstatt zu konkurrieren.
- Wie schnell erreicht die Entscheidung Braze?
- Attribute write-back trifft zu deinem sync-Intervall ein, was sich für tägliche und wöchentliche Journeys eignet. Wo eine decision zum Zeitpunkt des Sendens oder der Bildschirmdarstellung getroffen werden muss, beantwortet Markin stattdessen einen decision API call zur render time.
- Müssen wir unsere Canvases ändern?
- Du fügst einen Branch hinzu, der das Entscheidungsattribut liest. Templates, Audiences, Capping, Lokalisierung und Sendezeitlogik bleiben wie sie sind.
- Was passiert, wenn Markin keine Aktion zurückgibt?
- Die Arbeitsfläche nimmt ihren Standardpfad, der normalerweise darin besteht, nichts zu senden. Die Möglichkeit, sich gegen den Kontakt zu entscheiden, ist ein großer Teil dessen, woher die Marge kommt.
- Wie beweisen wir, dass es funktioniert hat?
- Ein randomisierter holdout erhält das vorherige Programm über das gesamte Messfenster hinweg, und die exposure kehrt über Currents, die an die decision ID gekoppelt sind, zu Markin zurück. Die Auswertung ist ein Vergleich zwischen zwei gleichzeitig laufenden Gruppen, niemals zwischen zwei Zeiträumen.
Wo dies anknüpft
- PlaybookFühre ein retention Angebot vor der Verlängerung aus, ohne Kunden zu bezahlen, die ohnehin geblieben wärenPre-renewal save offers auf Stripe, nach Risiko statt nach Listenmitgliedschaft dimensioniert.
- PlaybookEin zweites Produkt cross-sell, ohne den Plan zu kannibalisieren, den der Kunde bereits bezahltAngebote für Zweitprodukte, bewertet nach inkrementellem Gewinn, nicht nach der attach rate.
- PlaybookWin-back abgewanderter Kunden mit einem Ruhezeitfenster anstelle einer RabattstaffelReaktivierung zeitlich abgestimmt auf die Rückkehr der Kaufabsicht, nicht auf Tage seit der letzten Bestellung.
- LösungNext-Best ActionNext-Best Action für Wachstums-Teams in Unternehmen
- LösungKundenentscheidungsfindungDie decision layer zwischen deinen Kundendaten und deinen channels
- VergleichBraze Decisioning Studio vs. Markin: Wer schreibt die ListeBraze wählt die beste Nachricht innerhalb von Canvas. Markin wählt die Umsatzchance über Marketing, Produkt und Preisgestaltung hinweg und beweist sie anhand eines holdout.