SOLUTION/Revenue Discovery
Finde die ARPU, die dein Team noch nicht gefunden hat.
Markin untersucht jedes Signal des Kunden, bewertet jede Umsatzchance und wandelt die stärksten Hypothesen in messbare Experimente um.
Was revenue discovery sieht mit Markin so aus.
Die gesamte Basis durchsuchen
Agenten scannen jeden Kunden-, Transaktions- und Produkt-Event auf Anomalien und unerklärliches Verhalten, nicht nur Kohorten, die ein Analyst bereits definiert hat.
Hypothesen, nicht Dashboards
Für jedes Signal generieren Agenten mehrere Erklärungen, untersuchen sie mit internen Daten und externem Kontext und ordnen sie nach dem erwarteten ARPU.
Gegen eine Kontrollgruppe beweisen
Kandidatenaktionen werden nach Marge bemessen, gegen control groups getestet und erst skaliert, wenn der kausale Effekt bestätigt ist.
Umsatzchancen-Intelligenz
Die Segmente, auf die dein Team heute reagieren sollte.
Markin zeigt live Opportunities an, bewertet, dimensioniert und bepreist in ARR, sodass die Wachstumsarbeit bei den Konten beginnt, die die Zahl tatsächlich bewegen.
eSIM-Käufer mit abweichender Reisedauer
Kunden, die 7-Tages-Pläne buchen, während sie Flüge >14 Tage im Voraus buchen, clustern. Hypothese: Unkenntnis des Langzeitplans oder des Wettbewerbsbenchmarks. Uplift bei maßgeschneidertem Gegenangebot: +1,9 Mio. € ARR.
Reichweite
12.3K Nutzer
Auf dem Spiel
€1.9M ARR
Mikro-Kohorte von Premium-Jahreskunden, 21d inaktiv
Keine Lebenszyklusphase hat sie markiert. Eine Untersuchung deutet auf eine bestimmte Geräte-×-Inhaltskombination hin, die unterdurchschnittlich abschneidet.
Reichweite
6.400 Nutzer
Auf dem Spiel
€820K ARR
Familienkonten auf Einzelplänen
Nutzungsmuster entspricht einem Mehr-Linien-Haushalt. Externer Benchmark: Wettbewerber bietet Familienpaket zum gleichen Preis an.
Reichweite
9.100 Nutzer
Auf dem Spiel
€1.1M ARR
Käufer mit hohem LTV, die in Kategorien mit starkem Wettbewerb stöbern
Externes Signal + On-Site-Verhalten: Wahrscheinlicher churn in den nächsten 30 Tagen, wenn unbehandelt.
Reichweite
4.8K Nutzer
Auf dem Spiel
€540K ARR
Wie es funktioniert
Daten. Intelligenz. Aktion.
Derselbe dreischichtige Loop, der jede Markin motion antreibt, abgestimmt auf revenue discovery.
01
Das Signal erkennen
Agenten decken Anomalien und unerklärliches Verhalten in der gesamten Basis auf: eine Dauer, die nicht zum Kunden passt, ein Rückgang in einer spezifischen Mikro-Kohorte, ein Muster, das keine Journey abdeckt.
02
Hypothesen generieren und untersuchen
Es werden mehrere Erklärungen vorgeschlagen und anhand von Transaktions-, Verhaltens-, Support- und Betriebsdaten getestet. Agenten können externen Kontext abrufen: Konkurrenzangebote, lokale Preise, Marktbedingungen, Produktalternativen.
03
Größe bestimmen, handeln, lernen
Jede Opportunity wird nach inkrementeller Marge bemessen. Candidate interventions (einige außerhalb des aktuellen CRM) werden gegen eine Kontrolle getestet. Validierte Entdeckungen werden zu wiederverwendbaren Wachstumsbewegungen.
Der tatsächliche Unterschied
Markin ist keine weitere Decisioning Engine.
Markin ist keine decisioning Engine. Eine decisioning Engine ordnet Aktionen ein, die ein Mensch bereits definiert hat. Markin arbeitet wie ein data science und growth Team: Es bildet eigene Hypothesen darüber, warum der ARPU stagniert, sei es marketing-, produkt-, preis- oder technisch bedingt, dimensioniert sie, führt sie in den Systemen aus, die du bereits verwendest, und liest jede einzelne gegen einen holdout aus.
| Eine Decisioning Engine | Markin | |
|---|---|---|
| Woher die Hypothese kommt | Ein Mensch verfasst es. Die Engine wählt zwischen Optionen, die jemand bereits genehmigt hat. | Markin erstellt sie. Es liest die Basis, findet, wo Umsatz verloren geht oder ungenutzt bleibt, und schreibt die Hypothese selbst. |
| Was es hinterfragen darf | Nachricht, Angebot, Kanal, Zeitpunkt, innerhalb der vorgegebenen Kampagnenoberfläche. | Alles, was den ARPU beeinflusst: Onboarding-Reibung, Preise und Pakete, eine Funktion, die niemand annimmt, ein Zahlungsausfall-Spike, ein defekter Deeplink. |
| Wer führt die Analyse durch? | Deine Analysten, vorher und nachher. Die Engine optimiert; sie untersucht nicht. | Markin übernimmt die Analyse. Dimensionierung, Segmentdefinition, Experimentdesign und Auswertung werden End-to-End automatisiert. |
| Wo es aufhört | Bei der Empfehlung. Jemand muss es immer noch bauen und starten. | Es startet. Markin führt innerhalb deiner bestehenden Plattformen und Produktoberflächen aus und schließt dann den Kreislauf des Ergebnisses. |
| Throughput | So viele Hypothesen, wie Ihr Fahrplan zulässt, typischerweise eine Handvoll pro Quartal. | Hunderte parallel, jede mit einer control group. |
| Was passiert, wenn es falsch ist | Das Programm läuft weiter, bis es jemand überprüft. | Es wird automatisch zurückgezogen. Den Control nicht zu übertreffen ist ein normales, kostengünstiges Ergebnis. |
Eine decisioning-Engine wählt die beste Aktion aus einer von dir geschriebenen Liste. Markin schreibt die Liste und führt sie in deinem Stack 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.
1:1 Ausführung
Eine Entscheidung pro Kunde. Eine Botschaft. Ein Moment.
Jede Zeile ist eine Live-Entscheidung, die Markin in dein CRM, deine App oder dein Contact Center liefert, ohne Segment-Builder, ohne Regelbäume.
Cluster · eSIM Langzeitaufenthalt
12.3K Nutzer · +€1.9M ARR
“Verlängere auf 30 Tage für 4 € mehr, passend zu deiner Reise”
In-App + E-Mail
T+1 nach 7 Tagen Aktivierung
Auf die Reise abgestimmter Plan
Kohorte · Stiller Premiumkunde
6.400 Nutzer · +820.000 € ARR
“Neue Veröffentlichungen, die für Ihr Gerät ausgewählt wurden, erste Folge freigeschaltet”
Push
Prime-time
Content-Freischaltung
Segment · Familienzugehörigkeit
9.100 Nutzer · +1,1 Mio. € ARR
“Füge eine Leitung für 5 € hinzu, behalte deine Daten gepoolt”
SMS
Wochenende
Familien-Bundle
Kohorte · Substitutionsrisiko
4.8K Nutzer · +540K € ARR
“Für dich reserviert, Preisanpassung für 72h”
Jetzt
Preisanpassung
Gemessene Auswirkung
Die Zahlen revenue discovery Teams sehen mit Markin.
€8.4M
ARR-Chancen pro Quartal ermittelt
60%+
außerhalb bestehender Kampagnen
24/7
Untersuchungsschleife
Markin fand Umsatz, von dem wir nicht wussten, dass wir ihn hatten, Muster, die kein Analyst abgefragt hatte, in ARR bewertet und gegen einen holdout getestet. Das ist der Teil, den wir selbst nicht aufbauen konnten.
Chief Growth Officer
Globales Abonnementgeschäft für Verbraucher
Im Produkt
Umsatz-Entdeckung, im Verhältnis 1:1 laufend.
Drei konkrete Entscheidungen, die Markin für liefert revenue discovery, auf den Oberflächen, die du bereits nutzt.
Churn risk · 30d
0.80
Discovery
Anomalie zur Hypothese
Jedes ungeklärte Muster wird zu einer Reihe von rangierten, bewerteten Hypothesen, die Agenten testen können.
Ranking abgleichen · pro Benutzer
Externer Kontext
Den Markt lesen
Agenten ziehen Konkurrenzangebote, lokale Preise und Produktalternativen heran, um zu erklären, was interne Daten allein nicht können.
Nächstbestes Angebot · pro Nutzer bewertet
Einheitsökonomie
Größe, bevor du handelst
Jede Candidate intervention wird vor der Anzeige an den Kunden gegen Marge und Anreizkosten kalkuliert.
Der Loop
Ausführung ist ein Schritt in der Schleife, keine Übergabe.
- 01
Beobachten
Markin liest die Verhaltens-, Transaktions- und Produktsignale, die du bereits kontinuierlich sammelst.
- 02
Hypothese aufstellen
Es schreibt die Hypothese selbst, ob marketing, Produkt, kommerziell oder technisch, und gibt die erwartete Richtung an.
- 03
Größe
Jede Opportunity wird nach dem erwarteten Wert geordnet, sodass die Warteschlange nach Geld statt nach Meinung sortiert ist.
- 04
Design
Segment, Treatment, Guardrails und ein randomisierter holdout werden festgelegt, bevor etwas ausgeliefert wird.
- 05
Ausführen
Es startet innerhalb der Systeme, die du bereits nutzt, deiner Engagement-Plattform, deinen Produktoberflächen, deinen APIs. Nichts wartet in einer Build-Warteschlange.
- 06
Lesen
Die Ergebnisse werden über ein vollständiges Zeitfenster hinweg gegen den holdout gemessen, sodass Neuheit nicht mit Wirkung verwechselt wird.
- 07
Skalieren oder einstellen
Was Control schlägt, wird auf die gesamte Basis skaliert. Was nicht, wird automatisch abgeschaltet.
Im Vergleich zu
Wie sich dies von dem unterscheidet, was du bereits ausführst.
- Markin vs. Salesforce Einstein und Agentforce: Entscheidungen vs. WorkflowsEinstein bewertet und Agentforce automatisiert die Arbeit innerhalb von Salesforce. Markin entscheidet, welche Umsatz-Hypothese es wert ist, getestet zu werden, und beweist dies gegenüber einem holdout.
- Markin vs. Eigenentwicklung: Was ein Team realistischerweise liefern kannEine decision layer intern aufzubauen ist möglich und manchmal richtig. Ein ehrlicher Vergleich von Durchsatz, Kosten, Besitz und Zeit bis zu einer verifizierten Zahl.
- vs. einem LLM mit MCP: Fragen stellen ist kein Growth-ManagementDas Verbinden eines LLM mit deinem Data Warehouse über MCP beantwortet Fragen gut. Vergleiche Kosten, Skills, Hypothesenbewertung und Modellauswahl mit Markin.
- Experimente vs. kontinuierliche EntscheidungsfindungA/B-Tests beweisen, welche Variation bei einer Metrik gewinnt. Kontinuierliche Entscheidungen werden in jedem Zyklus für jeden Kunden mit einem holdout getroffen. Warum Testen nicht Entscheiden ist.
- Kampagnenkalender vs. kontinuierliche EntscheidungsfindungEin Kalender plant, wer wann was bekommt. Kontinuierliche Entscheidungsfindung bewertet jeden Kunden jeden Tag. Was sich operativ ändert und was es wert ist.
- Markin + Optimove: entscheiden, was überhaupt eine Kampagne verdientOptimove orchestriert und priorisiert retention-Kampagnen. Markin entscheidet, welche Umsatzchance eine solche verdient, bemisst sie und beweist sie gegen einen holdout.
FAQ
Wie unterscheidet sich revenue discovery von einem Kampagnen-Tool oder CRM?
Markin ist weder ein Kanal noch eine Regel-Engine, und es ist keine decisioning-Engine, die Aktionen bewertet, die du bereits geschrieben hast. Es übernimmt die Arbeit eines growth data science Teams: Es bildet eigene Hypothesen, ob marketing, Produkt, Preisgestaltung oder eine technische Anomalie das growth zurückhalten, bewertet diese, startet sie in deinem bestehenden CRM, Produkt-Oberflächen oder Contact Center und liest jede einzelne gegenüber einer control group.
Welche Modelle stecken hinter Markin?
Ein Stack aus proprietären Deep-Learning- und kausalen Modellen (Propensity, uplift, Survival, Sequence, Embeddings), orchestriert von Reasoning Agents. Die richtige Methode wird pro decision ausgewählt und kontinuierlich auf deinen Daten neu trainiert.
Müssen wir unsere Daten verschieben?
Nein. Markin liest aus deinem Warehouse, Produkt-Events, CRM und operativen Systemen, die in place sind. Nichts wird kopiert, nichts wird eingeschlossen.
Wie wird der Impact gemessen?
Jede Entscheidung läuft gegen eine control group. Der Impact wird als inkrementeller ARPU, Umsatz und Marge gemeldet, nicht als Öffnungen, Klicks oder Engagement-Proxies.
Kann Markin entscheiden, nichts zu tun?
Ja. Wenn keine Intervention einen positiven Erwartungswert hat, hält Markin zurück. Stille ist eine gültige, auditierbare Entscheidung.
Was ist mit Datensicherheit und Compliance?
SOC 2, ISO 27001, ISO 42001 und DSGVO-konform. Least-Privilege-Zugriff, tenant-spezifische Verschlüsselung, Audit-Logs für jede Entscheidung und jeden Befund.
Forschung
Weiterführende Lektüre
The research behind how Markin picks, launches and measures each decision.
- Lies den Leitfaden
Playbooks
Mahnwesen best practices: fehlgeschlagene Zahlungen zurückgewinnen, bevor sie zu churn werden
Fehlgeschlagene Zahlungen machen 20 bis 40 Prozent des gesamten churn aus und sind am günstigsten zu beheben. Wiederhole nach Ablehnungscode und aktualisiere Karten, bevor sie fehlschlagen.
- Lies den Leitfaden
Playbooks
Wie man den ARPU im Telekommunikationsbereich steigert
Mediane Postpaid-Betreiber steigern ARPU um 1,9 Prozent pro Jahr, das oberste Quintil um 6,7 Prozent. Die fünf Hebel hinter dem Gap und wie man jeden misst.
- Lies den Leitfaden
Forschung
ARPU benchmarks nach Industrie 2026: Median vs. Top-Quintil
ARPU benchmarks nach Industrie für 2026: monatliche ARPU-Niveaus und growth rates im Median und Top-Quintil in neun B2C-Kategorien, mit der Methode.
- Lies den Leitfaden
Leitfäden
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.
Vokabular
Die Bedingungen hinter dieser Seite.
The vocabulary this solution runs on, defined term by term.
- SignalA signal is an observed change in customer behaviour, product state, payment health or market context that carries information…
- UmsatzchanceA revenue opportunity is a named, sized and addressable gap between what a customer segment is worth today and what it could be…
- Umsatz pro verfügbarem KundenRevenue per available customer spreads revenue across everyone reachable, including dormant and non-paying users, rather than…
- InkrementalitätIncrementality is the portion of an outcome that would not have happened without the action.
- Statistische PowerStatistical power is the probability that a test detects an effect of a given size when that effect is real.
- Sequential testingSequential testing allows results to be monitored continuously and stopped early without inflating false positives, using…
Siehe revenue discovery auf deinen Daten laufen.
Eine 30-minütige Demo, dieselben Agenten, dieselben Entscheidungen, dieselbe 1:1-Ausführung.