COMPARE/Markin y su stack tecnológico
+Markin + Braze: de los datos del cliente a las acciones de retención priorizadas
+17-35% ARPU frente a holdoutRango observado en las implementaciones de Markin, medido en cohortes tratadas.
Braze es una plataforma de customer engagement: journeys de Canvas, entrega multicanal y personalización de mensajes. Markin se sitúa antes y decide qué oportunidad comercial vale la pena activar para cada cliente, y cuánto vale. La decisión se toma en Markin; el mensaje sigue siendo creado, personalizado y entregado por Braze.
En resumen
- Braze: How do we build, personalise and deliver this journey across channels? Output: Delivered messages, journey state and engagement reporting.
- Markin, the decision + execution layer: Which opportunity justifies contact for this customer, and which treatment wins? Output: A ranked, sized decision per customer, including hold, pushed into Braze as the entry signal.
- Un cliente puede calificar para varios Canvases en la misma semana. La prioridad se resuelve mediante límites de frecuencia y reglas de elegibilidad, no por valor esperado.
- It decides which of the things you could send is the one that adds revenue, then hands that decision to Braze to execute.
Última actualización: . Las afirmaciones sobre otros proveedores se enlazan a la fuente de la que provienen.
Lo que está en juego
Una capa de decision no es una línea de partida de herramientas. Mueve el ARPU en toda la base, cada mes.
Base instalada
4.0M
customers at $18 ARPU / month
Ingresos direccionables
$535.7M
al año, base alcanzable
Mejora verificada de ARPU
+17% a +35% ARPU
en cohortes tratadas, contra el holdout
Lo que eso vale
$91.1M – $187.5M
ingresos incrementales por año
Medido en cohortes tratadas frente a un holdout aleatorio, leído durante una ventana de medición completa en lugar de las primeras semanas. Rango anonimizado en implementaciones de Markin en grandes bases B2C; su propio holdout es el número que decide. Las cifras anteriores aplican ese rango a la cuota alcanzable de la base según las suposiciones de esta página; son aritméticas, no una previsión para tu negocio.
Ejecútalo con tus propios númerosWhat your stack does today.
01
Braze
Una plataforma de engagement del cliente para diseñar y entregar journeys omnicanal, email, push, in-app, SMS y web, con orquestación de Canvas, personalización Liquid y analíticas de entrega.
02
Markin, la capa de decisión + ejecución
Una capa que clasifica las oportunidades comerciales por cliente, dimensiona los ingresos en juego, selecciona el tratamiento con el mayor valor incremental esperado y decide cuándo no contactar en absoluto.
Paralelamente
Las diferencias que cambian los resultados.
| Dimensión | Braze | Markin, la capa de decisión + ejecución |
|---|---|---|
| Pregunta que responde | ¿Cómo construimos, personalizamos y entregamos este recorrido a través de los canales? | ¿Qué oportunidad justifica el contacto con este cliente y qué tratamiento gana? |
| Entrada principal | Audiencias y atributos de usuario, eventos personalizados, lógica de viaje, plantillas de contenido. | Contexto del cliente, resultados, historial de contactos, márgenes, restricciones, resultados de experimentos anteriores. |
| Salida principal | Mensajes entregados, estado del journey e informes de engagement. | Una decisión clasificada y dimensionada por cliente, incluyendo hold, enviada a Braze como la señal de entrada. |
| Propietario habitual | CRM y marketing de ciclo de vida. | Crecimiento, ciencia de datos y liderazgo de ingresos. |
| Cómo se mide | Entregabilidad, tasa de apertura y clic, conversión atribuida al Canvas. | Ingresos incrementales y ARPU frente a un holdout. |
Job to be done
El mismo trabajo, con un throughput diferente.
Nada de lo siguiente necesita una herramienta que no exista. Necesita que el trabajo se realice de forma continua en lugar de una vez al trimestre, y que se demuestre con un holdout en lugar de discutirse.
| Job to be done | With Braze alone | Con Markin |
|---|---|---|
| Observa que los ingresos por cliente están cambiando en un segmento. | Alguien lo detecta en una revisión de panel, semanas después de que comenzara. | Detectado como señal el día que la desviación elimina el ruido, con el segmento ya dimensionado. |
| Explicar por qué está ocurriendo | Un analista es retirado de la hoja de ruta para una investigación de dos semanas. | Una investigación se ejecuta automáticamente y devuelve los impulsores con su evidencia. |
| Genera hipótesis dignas de testing | Un taller produce el puñado de ideas que se le ocurrieron a la sala. | Las hipótesis se redactan continuamente en marketing, producto, precios y salud técnica. |
| Decide qué hipótesis merecen presupuesto | Priorizado por antigüedad e intuición, sin un tamaño asociado. | Cada una se dimensiona en ingresos y se clasifica antes de que se construya nada. |
| Elige la Next Best Action para un cliente | Las reglas de Segment y los calendarios de campañas deciden, actualizándose cuando alguien tiene tiempo. | Elegido por cliente, por momento, frente a todo lo demás que compite por ese cliente. |
| Lánzalo de verdad | Un ticket para el equipo de ciclo de vida, luego un espacio en el calendario del próximo mes. | Ejecutado dentro de los sistemas que ya utiliza, sin necesidad de adoptar un nuevo canal. |
| Demuestra que causó los ingresos | Reportado contra no-cualificadores o un holdout global, si acaso. | Cada decisión lleva un control group aleatorio; el uplift se lee en comparación con este. |
| Eliminar lo que no funciona | Los programas sobreviven porque nadie se encarga de retirarlos. | No superar el control retira el programa automáticamente. |
| Haz todo de nuevo la próxima semana | Limitado por capacidad: de cuatro a ocho tests por trimestre. | Cientos de hipótesis en curso en paralelo, continuamente. |
La parte sin resolver
Lo que permanece sin resolver cuando Braze funciona bien
Una configuración madura de Braze suele tener más Canvases de los que la base de clientes puede absorber. La plataforma entrega todo lo que se le pide; decidir qué merece ser pedido es un trabajo aparte, y normalmente se hace en reuniones de planificación y hojas de cálculo.
- Un cliente puede calificar para varios Canvases en la misma semana. La prioridad se resuelve mediante límites de frecuencia y reglas de elegibilidad, no por valor esperado.
- Los informes de campaña son por Canvas. Nada suma el efecto de todo lo que un cliente recibió en una sola cifra de ingresos.
- No hay una decisión explícita de dejar a un cliente en paz cuando ningún mensaje tiene un valor esperado positivo.
- Las nuevas hipótesis llegan a la velocidad a la que el equipo de lifecycle puede redactar informes, no a la velocidad a la que cambian los datos.
La diferencia real
Markin no es otro motor de decisión.
Markin no es un motor de decisioning. Un motor de decisioning clasifica las acciones que un humano ya definió. Markin funciona como un equipo de data science y growth: forma sus propias hipótesis sobre por qué el ARPU está estancado, ya sea por marketing, producto, precios o técnico, las dimensiona, las ejecuta dentro de los sistemas que ya gestionas, y lee cada una frente a un holdout.
| Un motor de decisiones | Markin | |
|---|---|---|
| De dónde proviene la hipótesis | Un humano lo redacta. El motor elige entre opciones que alguien ya aprobó. | Markin lo redacta. Lee la base, encuentra dónde se están perdiendo ingresos o no se están reclamando, y escribe la hipótesis. |
| Lo que tiene permitido cuestionar | Mensaje, oferta, canal, momento, dentro de la superficie de campaña que se le asignó. | Cualquier cosa que mueva el ARPU: fricción en la incorporación, precios y paquetes, una característica que nadie adopta, un pico de fallos de pago, un enlace profundo roto. |
| Quién realiza el análisis | Sus analistas, antes y después. El motor optimiza; no investiga. | Markin realiza el análisis. La estimación de tamaño, la definición de segmentos, el diseño de experimentos y la lectura se automatizan de principio a fin. |
| Donde se detiene | En la recomendación. Alguien todavía tiene que construirla y lanzarla. | Se lanza. Markin se ejecuta dentro de sus plataformas existentes y superficies de producto, luego cierra el ciclo del resultado. |
| Throughput | Tantas hipótesis como tu hoja de ruta tenga espacio, típicamente un puñado por trimestre. | Cientos en paralelo, cada uno con un grupo de control. |
| Qué pasa cuando se equivoca | El programa sigue ejecutándose hasta que alguien lo revisa. | Se retira automáticamente. No lograr superar al control es un resultado normal y económico. |
Un motor de decisioning elige la mejor acción de una lista que tú escribiste. Markin escribe la lista y la ejecuta en tu pila.
Espacio de hipótesis
Todo lo que un científico de crecimiento humano analizaría.
La mayoría de los problemas de crecimiento no son problemas de mensajes. Markin no se limita a la superficie de la campaña: si algo está frenando el ARPU, entra dentro de su alcance y se prueba de la misma manera.
Marketing
La superficie clásica, pero elegida por cliente en lugar de por segmento, y siempre contra un holdout.
- Qué oferta vale la pena hacer a este cliente específico
- Canal y momento elegidos por persona, no por campaña
- Presión de contacto y fatiga arbitradas en todos los programas
- Economía de recuperación: quién merece un descuento y quién no
Producto
Donde el cliente experimenta realmente el valor, y donde ocurre la mayor parte de la pérdida de ingresos silenciosa.
- Pasos de incorporación que hacen perder clientes antes del primer valor
- Una funcionalidad con alta correlación de retención que la mitad de la base nunca descubre.
- Ubicación del Paywall y del mensaje de mejora
- Superficies dentro del producto utilizadas como grupo de tratamiento, no solo email y push
Comercial
Precios, empaquetado y la forma de la oferta misma, probados en lugar de discutidos.
- Estructura de plan y paquetes por cohorte
- Profundidad del descuento frente al margen, no solo frente a la conversión
- Modalidad anual vs. mensual por cliente
- Secuencias de cobro y recuperación de baja involuntaria
Salud técnica
Anomalías que nadie le pidió que buscara. Esta es la categoría que ningún motor de decisión cubre.
- Una tasa de error en la compra que aumentó en un dispositivo y una región.
- Fallos de pago concentrados en un único emisor o método
- Un deeplink roto que mata silenciosamente un recorrido de alto valor
- Latencia o degradación de la entrega que reduce la conversión antes de que lo haga cualquier mensaje
Piensa en Markin como un equipo de data science y growth que nunca duerme: investiga, formula hipótesis, las implementa en tu propio stack y demuestra cada una frente a un grupo de control, a un volumen que ningún equipo humano puede alcanzar.
Su capa de decisioning
Qué Braze decide, y dónde se detiene.
Braze sí tiene una capa de decisioning, y es una real. Selecciona contenido, canal y momento por individuo, dentro de Canvas, a través de los canales que Braze envía. Ese es un alcance diferente al de decidir qué oportunidad comercial vale la pena perseguir en primer lugar.
Productos referenciados: BrazeAI™, Sage AI by Braze, BrazeAI Decisioning Studio™, Intelligence Suite
Lo que optimiza
BrazeAI se presenta como un conjunto de herramientas de marketing e IA de personalización integradas en la plataforma Braze, con Sage AI como el nombre colectivo para las capacidades integradas en los flujos de datos de Braze y el stack de ejecución.
Página del proveedorBraze, página de producto de BrazeAIBrazeAI Decisioning Studio™ está posicionado para potenciar la toma de decisiones autónoma e individualizada para estrategias de customer engagement, y estuvo disponible a través de Google Cloud Marketplace en diciembre de 2025.
Página del proveedorBraze, BrazeAI Decisioning Studio a través de Google Cloud Marketplace (dic. 2025)La Intelligence Suite está documentada como una forma de automatizar la toma de decisiones a partir de insights basados en datos dentro de Braze.
Documentación del proveedorBraze Learning, Automatice el decisioning con Intelligence Suite
Límites documentados
El decisioning opera a través de Canvas. Optimiza los mensajes que el propio Braze envía; no es una capa de arbitraje sobre canales y puntos de contacto fuera del ámbito de Braze.
Página del proveedorBraze, página de producto de BrazeAILa unidad de optimización es el contenido, el canal y el tiempo de envío dentro de un recorrido, no los ingresos en juego detrás del recorrido, su margen o si el recorrido debería ejecutarse en absoluto.
Página del proveedorBraze, página de producto de BrazeAI
Lo que la evidencia realmente dice
La única investigación de rendimiento cuantificada para Decisioning Studio es un estudio de Total Economic Impact™ realizado por Forrester Consulting y encargado por Braze (mayo de 2026). Las cifras se encuentran detrás de un formulario de registro y el estudio está financiado por el proveedor en lugar de ser una investigación independiente de Forrester.
Vendor-commissionedForrester TEI, encargado por Braze (mayo de 2026)El anuncio de investigación de Braze de abril de 2026 hace referencia al mismo estudio TEI y a un informe encargado adicional; no se publica ninguna evaluación comparativa independiente de la mejora de Decisioning Studio.
Página del proveedorAnuncio de investigación de Braze (abril de 2026)
Dónde Markin es diferente.
Decide en todo el conjunto de activos, no en un solo canal
Markin arbitra entre todo lo que un cliente podría recibir esta semana (trayectos de Braze, contacto de servicio, ubicaciones in-product, alcance de campo o atención) y elige uno. Braze optimiza lo que envía; Markin decide si Braze debe ser quien lo envíe.
Optimiza los ingresos, no la interacción
Decisioning Studio clasifica por probabilidad de engagement. Markin clasifica por ingresos incrementales esperados netos de margen y costo de contacto, razón por la cual la retención es un resultado legítimo.
Medido contra holdout, por defecto
Cada decisión de Markin lleva un control group e informa el ARPU incremental en comparación con este, en lugar de la conversión atribuida a un Canvas.
Arquitectura
Cómo funcionan los dos juntos
Contexto en
Markin lee el contexto del cliente donde ya reside: sistemas de data warehouse, CDP, producto y facturación, además del historial de resultados. Las exportaciones de Braze de eventos de engagement y entrega pueden ser parte de ese contexto.
Decisión
Markin genera y dimensiona oportunidades de ingresos, las clasifica por cliente, elige un tratamiento y asigna un grupo de control. El resultado es una decisión por cliente, con un valor esperado asociado.
Activación de nuevo en Braze
La decisión elegida se escribe de nuevo como atributos de usuario o un evento disparado, de modo que un Canvas existente la recoge y la entrega. El contenido, la gobernanza del canal y la lógica del tiempo de envío permanecen en Braze.
El último paso es la ejecución, no un traspaso. Markin no envía por correo electrónico una recomendación a alguien que luego tiene que construirla: lanza el tratamiento dentro de Braze y tus superficies de producto directamente, con el holdout adjunto, y lee el resultado por sí mismo.
El loop
La ejecución es un paso en el ciclo, no un traspaso.
- 01
Observar
Markin lee continuamente las señales de comportamiento, transaccionales y de producto que ya recopilas.
- 02
Formular hipótesis
Escribe la hipótesis por sí misma, de marketing, producto, comercial o técnica, y establece la dirección esperada.
- 03
Tamaño
Cada oportunidad se clasifica por valor esperado, por lo que la cola se ordena por dinero en lugar de por opinión.
- 04
Diseño
Segment, tratamiento, guardrails y un holdout aleatorizado se establecen antes de cualquier lanzamiento.
- 05
Ejecutar
Se lanza dentro de los sistemas que ya utilizas, tu plataforma de 'engagement', tus superficies de producto, tus API. Nada espera en una cola de compilación.
- 06
Leer
Los resultados se miden contra el holdout durante una ventana completa, para que la novedad no se confunda con el efecto.
- 07
Escalar o retirar
Lo que supera al control se escala en toda la base. Lo que no, se desactiva automáticamente.
Dónde encaja Markin
No es un reemplazo. Un equipo de ciencia del crecimiento además.
Markin no envía mensajes. Decide cuál de las cosas que podría enviar es la que añade ingresos, y luego entrega esa decisión a Braze para que la ejecute. El ciclo de vida mantiene sus plantillas, sus controles de marca y su experiencia en canales; lo que cambia es la entrada que desencadena el recorrido.
La entrada en el canvas se convierte en una decisión, no en una regla.
En lugar de un segmento de elegibilidad, la señal de entrada es una oportunidad clasificada con un valor esperado, por lo que la acción de mayor valor capta la atención del cliente esa semana.
El presupuesto de contacto se asigna, no se limita
Los límites de frecuencia detienen el exceso de mensajes. La decisioning va más allá: gasta cada contacto en la oportunidad con el mejor retorno esperado, y mantiene cuando ninguno supera el umbral.
Medido contra control, no atribuido
Cada decisión lleva un holdout, por lo que el número presentado son los ingresos incrementales en lugar de las conversiones acreditadas a un envío.
Por qué Markin gana
Más potente que cualquier cosa en esta página.
Cada herramienta con la que se compara Markin fue construida para un trabajo que se detiene antes de que se muevan los ingresos: entregar el mensaje, unificar los datos, puntuar el lead. Markin fue construida para un solo resultado, el growth del ARPU, y posee todo el ciclo que lleva a ello: investigar, generar hipótesis, lanzar, medir y escalar, a través de marketing, producto, precios y salud técnica.
Aprendizaje ultra-rápido, por diseño
Markin Growth Science ejecuta el ciclo completo de observar, generar hipótesis, experimentar y leer en días, con cientos de experimentos respaldados por holdout en paralelo. El sistema acumula aprendizaje a un ritmo que ningún equipo humano, y ninguna herramienta de campaña, puede igualar.
Growth operations, hechas eficientes
El dimensionamiento, el diseño de segmentos, la construcción, el lanzamiento y la medición solían ser cuatro equipos y un sprint. En Markin son un solo sistema, por lo que la misma growth operation ejecuta más acciones de ingresos con una fracción del coste de coordinación.
Un resultado: ARPU
Cada hipótesis se dimensiona en ingresos esperados por cliente, cada acción se juzga contra un holdout aleatorio, y todo lo que supera al control se escala automáticamente en toda la base. Nada más en esta página se mide de esa manera.
Si el objetivo es hacer crecer el ARPU a través del aprendizaje ultrarrápido y ejecutar las growth operations de manera más eficiente, la elección es Markin.
Modelo operativo
La limitación no son las ideas. Es cuántas puedes testar.
| Today, with Braze | Con Markin por encima | |
|---|---|---|
| Hipótesis de ingresos probadas por trimestre | 4 a 8, lo que sea que la hoja de ruta tuviera espacio para | Cientos, generadas y ejecutadas en paralelo |
| Sobre qué se puede elaborar una hipótesis | Mensajes, ofertas y audiencias, la superficie de la campaña | Marketing, producto, precios y salud técnica por igual |
| De la decisión a la puesta en marcha en el canal | Un ticket, una cola de construcción, una ventana de lanzamiento. | Markin lo lanza en tus plataformas existentes por sí mismo |
| Tiempo desde la idea hasta un resultado en el que confíes | De 6 a 10 semanas de análisis, construcción y presentación de resultados | Días, porque el dimensionamiento y el diseño están automatizados |
| Proporción de decisiones con un grupo de control | Los programas insignia, cuando hay tiempo | Cada decisión, por defecto |
| Cobertura de la base | Segmentos principales y los clientes captados por una regla | Una decisión por cliente, en toda la base |
| Coste de probar la hipótesis número 500 | Otro analista, otro trimestre | Efectivamente cero |
| A qué dedica su tiempo el equipo | Extracción de datos, creación de listas, conciliación de informes | Criterio: limitaciones, economía, qué escalar |
Markin no reemplaza a tu equipo de data science. Elimina el techo de cuánto de la base puede actuar ese equipo y con qué rapidez descubre si funcionó.
Lo que Markin no reemplaza.
Para ser explícitos sobre el alcance, porque compras preguntará:
- Markin no envía correos electrónicos, notificaciones push, SMS o mensajes dentro de la aplicación. La entrega se mantiene en Braze.
- Markin no gestiona plantillas, controles de marca o credenciales de canal.
- Markin no es un sistema de registro para el consentimiento o las preferencias de comunicación.
- Markin no reemplaza la orquestación de Canvas; suministra la señal que inicia la correcta.
- Markin no se sitúa junto a Braze haciendo sugerencias. Lo impulsa, la acción se lanza allí, en el sistema que tu equipo ya conoce, y el resultado vuelve al bucle.
Estándar de evidencia
La mayoría de esta categoría informa su propio crecimiento.
Ninguno de los principales proveedores de Engagement, CDP o personalización publica una cifra de incremento verificada independientemente para su producto de decisión. Donde existen cifras, provienen de estudios encargados por proveedores o de estudios de caso de un solo cliente sin metodología de holdout divulgada. La investigación pública más rigurosa en la categoría no es halagadora para nadie, incluidos nosotros, y es exactamente por eso que construimos basándonos en ella.
BCG informa de que cuando las organizaciones adoptan pruebas rigurosas de incrementalidad, suelen encontrar que entre el 20% y el 40% de sus programas Next Best Action activos ofrecen un impacto marginal o negativo.
Investigación independienteBCG, Cómo está evolucionando la medición en Next Best Action (2026)La misma investigación advierte de los efectos de novedad, los programas nuevos muestran resultados iniciales inflados y recomienda esperar de 8 a 12 semanas antes de extraer conclusiones.
Investigación independienteBCG, Cómo está evolucionando la medición en Next Best Action (2026)Las mediciones de ROI a nivel de programa con holdout global a menudo sobreestiman el impacto a través de efectos de halo, efectos de anticipación y contaminación de experimentos.
Investigación independienteBCG, Cómo está evolucionando la medición en Next Best Action (2026)
Cómo Markin se lo exige a sí misma
- Cada decisión que toma Markin lleva un control group. El uplift se reporta contra ese holdout, no contra los clientes que no calificaron.
- Los resultados se leen durante una ventana de medición completa en lugar de en las primeras semanas, para que la novedad no se confunda con el efecto.
- Los programas que no superan el control se retiran automáticamente. Eliminar las decisiones que no compensan forma parte del ciclo, no de una revisión anual.
- La única cifra que citamos sobre nosotros es un rango, no un promedio: del +17 % al +35 % de ARPU en cohorts tratados frente a un holdout aleatorizado, en implementaciones de Markin en grandes bases B2C. No publicamos ningún benchmark de la industria, porque no pudimos obtener uno que estuviéramos dispuestos a defender. Su holdout es el número que importa.
Calcula el tamaño tú mismo
Dimensiona la capa de decisioning sobre tu programa de Braze
Precargado para un negocio de suscripción de consumo que ejecuta Braze a escala: alto alcance, contacto frecuente, un equipo de mensajería maduro. Braze optimiza los mensajes que envía. La cifra a continuación es el margen incremental disponible al decidir qué vale la pena enviar, incluida la decisión de no contactar, medido contra un holdout en lugar de atribuido a un Canvas.
Tu base
Cuentas que generaron ingresos en los últimos 30 días. No usuarios registrados.
Ingresos recurrentes más no recurrentes divididos por el número de clientes activos.
Margen de la siguiente unidad vendida, no margen combinado de la empresa.
Su programa hoy
Con consentimiento, sin fatiga, localizable en al menos un canal.
Ingresos perdidos por cancelaciones cada mes, como parte de la base.
La apuesta
Licencias, datos, incentivos y las personas que lo gestionan.
Antes de cualquier recorte de incrementalidad. 2-4% es una suposición de planificación defendible.
Impacto anual verificado
$6.7M
Margen bruto incremental neto en el caso central, después del coste del programa y después de la parte de programas de decisión que la investigación independiente encuentra que no ofrecen un aumento real.
Uplift informado
$16.1M
What a before/after dashboard would claim, with no control group.
Mejora verificada
$11.2M
What survives a holdout in the central case.
Rentabilidad del coste del programa
6.6×
Amortización
2 mo
Si el 20-40% no hace nada
Lo que se necesita para probarlo
Para detectar un 3% de mejora en el ARPU, necesita aproximadamente 40K clientes en el grupo de control, aproximadamente 1.6% de tu base direccionable, leído durante al menos 8 weeks, para que la novedad no se confunda con el efecto.
Base direccionable
2.5M
Ingresos en riesgo por la baja
$279.2M
Annualised, at the current monthly rate.
Tiempo de valor
90 días para un número que sobrevivió a un holdout.
Sin replataformado, sin migración de datos, sin reconstrucción de los canales que ya gestionas. Si las primeras cohortes no superan el control, nada escala y habrás perdido un trimestre, no una hoja de ruta.
Semanas 0-2
Leer el contexto que ya tiene
Markin se conecta a los datos y los canales que usas hoy, incluyendo Braze. Sin migración, sin replatform, sin nueva fuente de verdad.
Semanas 3-6
Primeras oportunidades dimensionadas en test
Las Oportunidades se clasifican por valor esperado, los tratamientos se eligen por cliente y las primeras cohortes entran en funcionamiento con un holdout aleatorizado adjunto.
Semanas 7-12
Primeros ingresos incrementales verificados
Los resultados se leen durante una ventana de medición completa. Lo que supera el control escala; lo que no, se retira. Nada escala con un número que no haya sobrevivido a un holdout.
Cuando no necesitas Markin.
- Ejecuta un puñado de journeys de ciclo de vida y el equipo aún puede razonar sobre la prioridad en una sola reunión.
- Tus datos de clientes aún no son lo suficientemente fiables como para dimensionar oportunidades: primero arregla la ingesta y la identidad.
- Quieres una forma más barata de enviar mensajes. Esta capa no reemplaza una plataforma de engagement y no reduce su coste.
Verlo en el producto
Véalo decidir, experimentar y ejecutar, antes de hablar con nadie.
Un recorrido guiado por el workspace de Markin sobre un cliente demo, sin llamada de ventas, sin configuración.
Preguntas que hacen los compradores.
¿Braze ya tiene AI decisioning?
Sí. BrazeAI Decisioning Studio™ selecciona el contenido, el canal y el momento por individuo dentro de Canvas, y Sage AI impulsa características predictivas y generativas en toda la plataforma. Su alcance son los mensajes que envía Braze. No dimensiona la oportunidad de ingresos detrás de un journey, no arbitra contra puntos de contacto fuera de Braze, ni decide que ningún contacto es la mejor opción. La única investigación de rendimiento publicada es un estudio de Impacto Económico Total de Forrester encargado por Braze (mayo de 2026).
¿Tenemos que reemplazar Braze?
No. Braze sigue siendo la capa de ejecución. Markin decide qué oportunidad merece un mensaje y pasa esa decisión a Braze, que lo construye y entrega exactamente como lo hace hoy.
¿Cómo llega la decisión a Braze?
Como atributos de cliente o eventos disparados en el perfil, para que los Canvases existentes puedan utilizarlos. La superficie de integración es la misma que tu equipo ya utiliza para cualquier otra señal upstream.
¿Esto añade otra herramienta de creación de audiencia?
No. Markin produce oportunidades clasificadas y dimensionadas por cliente en lugar de segmentos. La construcción de audiencias para campañas de broadcast y de marca se mantiene donde está.
Quién es el propietario del resultado, marketing o datos?
Ambos, deliberadamente. Data science es dueño de los modelos y del diseño del experimento; lifecycle es dueño de los tratamientos y del canal. La capa de decisioning es el contrato compartido entre ellos.
¿Cómo son los primeros noventa días?
Un tema de ingresos, un canal, un holdout real. El objetivo del primer trimestre es un número incremental defendible, no una cobertura completa del mapa de experiencia del cliente.
¿En qué se diferencia Markin del decisioning o AI que ya están dentro de Braze?
Un decisioning engine clasifica las acciones que un humano ya definió, dentro de la superficie de campaña que se le proporcionó. Markin forma las hipótesis por sí mismo, ya sean de marketing, producto, precios o una anomalía técnica que frene el growth, las dimensiona, las ejecuta dentro de Braze y tus superficies de producto, y lee cada una frente a un holdout aleatorio. Se comporta como un equipo de data science y growth, no como un optimizador.
¿Markin solo prueba mensajes y ofertas?
No. Todo lo que un científico de growth humano investigaría está dentro del alcance: fricción en el onboarding, adopción de características, precios y paquetes, gestión de cobros, y problemas de salud técnica como una tasa de error en el proceso de compra o un deeplink roto que mata silenciosamente la conversión. El marketing es uno de los cuatro dominios de hipótesis, no el límite.
¿Qué es the business case for adding Markin on top of Braze?
On the assumptions preloaded above, 4.0M customers at 18 a month, un pequeño movimiento en ARPU es un número grande en términos absolutos, porque se aplica a toda la base instalada cada mes en lugar de a una campaña. En los despliegues de Markin, el rango verificado en cohorts tratados es de +17 % a +35 % ARPU frente a un holdout aleatorio. El objetivo no son más mensajes: es encontrar la acción de mayor valor por cliente, lanzarla y probarla frente al control antes de que escale.
¿Cuánto tiempo tarda en rentabilizarse?
Las primeras oportunidades dimensionadas están en test en seis semanas y el primer resultado verificado por holdout aterriza en 90 días. El retorno de la inversión depende de tu base, margen y coste del programa; la calculadora en esta página lo computa a partir de tus propios números, después de aplicar el recorte del 20 % al 40 % que BCG encuentra cuando los programas de Next Best Action se prueban incrementalmente.
Leer a continuación
Lectura de fondo sobre cómo funciona la Next Best Action decisioning, de las guías detrás de esta comparación.
Marketing de Next Best Action: qué es y cómo funciona en 2026
Marketing de Next Best Action explicado: cómo funciona, ejemplos reales B2C, cómo se diferencia de las campañas de segmento y del marketing automation, y cuánto vale en una base de 2M.
Toma de decisiones continua: de calendarios de campañas a 1:1 always-on
El decisioning continuo reemplaza el calendario de promociones semanal con un bucle que envía cientos de experimentos pequeños y causales por semana contra un holdout preservado. Una migración de 90 días.
Feed de oportunidades, ahora con procedencia de hipótesis.
Cada acción candidata en el Feed de Oportunidades de Markin ahora lleva la señal, el segmento y el experimento anterior de los que desciende. Un clic para auditar o enviar.
Comparaciones relacionadas