COMPARE/Markin y su stack tecnológico
+Markin + Hightouch: datos del almacén, decisiones y activación
+17-35% ARPU frente a holdoutRango observado en las implementaciones de Markin, medido en cohortes tratadas.
Hightouch es una CDP componible y una capa de activación: modela audiencias sobre tu almacén y las sincroniza con destinos posteriores sin copiar los datos. Markin utiliza ese mismo almacén para decidir qué oportunidad comercial vale la pena aprovechar por cliente, y permite que la ruta de activación permanezca exactamente donde está.
En resumen
- Hightouch: How do we get this warehouse data into the tools that need it? Output: Synced audiences, profiles and traits in downstream destinations.
- Markin, the decision + execution layer: Which opportunity is worth acting on for this customer, and what is it worth? Output: A decision per customer, materialised back into the warehouse for activation.
- Una audiencia es una regla sobre el almacén. No estima el efecto incremental de actuar sobre ella.
- A composable stack already made the right architectural choice: the warehouse is the source of truth.
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
1.5M
customers at $28 ARPU / month
Ingresos direccionables
$241.9M
al año, base alcanzable
Mejora verificada de ARPU
+17% a +35% ARPU
en cohortes tratadas, contra el holdout
Lo que eso vale
$41.1M – $84.7M
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
Hightouch
Un CDP componible construido sobre el almacén: modelado de audiencia, resolución de identidad y sincronizaciones reverse-ETL que envían datos del cliente desde el almacén a destinos de marketing, ventas y soporte.
02
Markin, la capa de decisión + ejecución
Una capa que lee el mismo almacén de datos y produce decisiones comerciales clasificadas y dimensionadas por cliente, con una elección de tratamiento, un grupo de control y un resultado incremental medido.
Paralelamente
Las diferencias que cambian los resultados.
| Dimensión | Hightouch | Markin, la capa de decisión + ejecución |
|---|---|---|
| Pregunta que responde | ¿Cómo introducimos estos datos del almacén en las herramientas que los necesitan? | ¿Qué oportunidad merece ser actuada para este cliente y cuánto vale? |
| Entrada principal | Tablas y modelos de almacén, definiciones de audiencia, mapeos de destino. | Contexto de almacén, historial de resultados, márgenes, costes y limitaciones de contacto. |
| Salida principal | Audiencias, perfiles y rasgos sincronizados en destinos posteriores. | Una decisión por cliente, materializada de nuevo en el almacén para su activación. |
| Propietario habitual | Ingeniería de datos y operaciones de marketing. | Crecimiento y ciencia de datos. |
| Cómo se mide | Fiabilidad y latencia de la sincronización, cobertura de la audiencia, tasas de coincidencia de destino. | 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 Hightouch 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 una pila composable aún deja abierto
Una vez que el almacén es la fuente de la verdad y las sincronizaciones son fiables, el cuello de botella se traslada río arriba de la activación: alguien todavía tiene que decidir cuál de las muchas audiencias posibles merece la atención del cliente esta semana, y si movió algo.
- Una audiencia es una regla sobre el almacén. No estima el efecto incremental de actuar sobre ella.
- Múltiples modelos pueden calificar al mismo cliente a la vez, y la prioridad se resuelve por orden en lugar de por el valor esperado.
- Nada impone holdouts por defecto, por lo que el efecto incremental debe reconstruirse a posteriori.
- La generación de hipótesis sigue siendo manual: el número de ideas probadas está limitado por el tiempo del analista.
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 Hightouch decide, y dónde se detiene.
Hightouch AI Decisioning es lo más cercano en esta lista a una verdadera capa de decisioning: los agentes de aprendizaje por refuerzo eligen el mensaje, el canal y el momento por usuario. Sus límites documentados son lo que lo separa de la decisioning de ingresos, selecciona entre mensajes que preapruebas, y necesita la plataforma de otra persona para enviarlos.
Productos referenciados: Toma de decisiones de IA (AID), Plataforma de datos y IA del cliente
Lo que optimiza
La toma de decisiones de IA utiliza el aprendizaje por refuerzo y los agentes de IA para elegir automáticamente el mejor contenido, oferta, canal y momento.
Página del proveedorHightouch, Qué es AI Decisioning (Febrero de 2026)Un agente combina una audiencia, objetivos y mensajes; Markin aOS aprende entonces qué mensaje, canal y momento funcionan mejor para cada persona, equilibrando la exploración y la explotación.
Documentación del proveedorDocumentación de Hightouch, Descripción general de AI Decisioning
Límites documentados
Hightouch documenta que los agentes operan completamente dentro de los inputs y reglas que defines: no crean contenido nuevo ni actúan fuera de tu configuración.
Documentación del proveedorDocumentación de Hightouch, AgentesAID no envía. Requiere al menos un destino de entrega conectado, Salesforce Marketing Cloud, Braze o Iterable, por lo que su alcance está limitado por los canales que admita esa plataforma.
Documentación del proveedorDocumentación de Hightouch, Descripción general de AI DecisioningLa toma de decisiones de IA requiere la configuración del espacio de trabajo por parte de los equipos de datos antes de que los especialistas en marketing puedan crear agentes.
Documentación del proveedorDocumentación de Hightouch, Descripción general de AI Decisioning
Lo que la evidencia realmente dice
Hightouch publica métricas de lift como una capacidad de producto dentro de su panel de Insights, pero no aparece ningún porcentaje de uplift agregado para AID en sus páginas públicas.
Página del proveedorHightouch, página de la plataforma AI Decisioning
Dónde Markin es diferente.
Primero la Oportunidad, después el mensaje
AID optimiza entre mensajes que ya existen. Markin comienza un paso antes: genera y dimensiona la oportunidad de ingresos, luego decide si algún tratamiento supera el listón. La selección de mensajes es el último paso, no todo el trabajo.
Economía en la función objetivo
Markin clasifica en función del ingreso incremental esperado neto del margen, el coste del descuento y el coste de contacto. Las recompensas definidas como engagement optimizarán felizmente hacia conversiones baratas que habrían ocurrido de todos modos.
Sin dependencia de la plataforma de entrega
La decisión de Markin se escribe donde sea necesario, una plataforma de engagement, el data warehouse, un servicio de atención al cliente, una superficie de producto, en lugar de requerir que existan primero Braze, Iterable o SFMC.
Arquitectura
Cómo funcionan los dos juntos
El almacén como sustrato compartido
Markin lee las mismas tablas modeladas desde las que Hightouch activa. No se copian datos en un store de perfiles separado y no se crea un segundo grafo de identidad.
Decisión registrada en el almacén
Markin materializa decisiones clasificadas y dimensionadas, y la asignación de grupos de control como tablas en el data warehouse, para que sean consultables, auditables y versionadas junto con todo lo demás.
La activación se mantiene en Hightouch
Esas tablas de decisión se convierten en la fuente para las sincronizaciones con correos electrónicos, SMS, anuncios, interfaces de productos o herramientas de soporte. La arquitectura de activación no cambia.
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 Hightouch 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.
Una pila composable ya tomó la decisión arquitectónica correcta: el data warehouse es la fuente de verdad. Markin añade la capa que convierte esa verdad en decisiones comerciales clasificadas, y las vuelve a escribir en el data warehouse para que la activación continúe a través de las sincronizaciones en las que ya confías.
Sin segunda fuente de verdad
Las decisiones son tablas de almacén. Cualquiera puede inspeccionar por qué un cliente recibió un tratamiento, y finanzas puede conciliar los números con los mismos datos.
La experimentación está integrada
La asignación a grupos de control es parte de la decisión, no un añadido de última hora antes de una QBR.
Hipótesis a la velocidad de los datos
La capa genera y dimensiona oportunidades candidatas continuamente, por lo que el backlog no se limita a lo que un analista tuvo tiempo de escribir en este sprint.
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 Hightouch | 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 es una herramienta reverse-ETL y no sincroniza datos con destinos.
- Markin no reemplaza el modelado de almacenes de datos, la resolución de identidad o la gestión de audiencias.
- Markin no requiere que los datos salgan de la arquitectura de tu data warehouse elegida.
- Markin no posee la entrega de canal en ninguna herramienta downstream.
- Markin no se sitúa junto a Hightouch 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 frente a una configuración nativa de almacén
Precargado para un equipo con madurez de datos que utiliza Hightouch sobre el data warehouse: buen alcance, costo de programa ajustado y una plataforma de envío ya implementada. El reinforcement learning optimiza dentro de las acciones y reglas que defines; la cifra siguiente es lo que vale la pena generar y dimensionar esas oportunidades en primer lugar.
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
$3.3M
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
$8.5M
What a before/after dashboard would claim, with no control group.
Mejora verificada
$5.9M
What survives a holdout in the central case.
Rentabilidad del coste del programa
5.4×
Amortización
3 mo
Si el 20-40% no hace nada
Lo que se necesita para probarlo
Para detectar un 3.5% de mejora en el ARPU, necesita aproximadamente 29K clientes en el grupo de control, aproximadamente 4.1% de tu base direccionable, leído durante al menos 8 weeks, para que la novedad no se confunda con el efecto.
Base direccionable
720K
Ingresos en riesgo por la baja
$118.1M
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 Hightouch. 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.
- Su almacén aún no contiene datos fiables de resultados, por lo que ninguna decisión puede ser evaluada.
- La activación es el cuello de botella en lugar de la priorización, resuelva primero las sincronizaciones.
- Estás buscando reverse-ETL. Markin no mueve datos a destinos; para eso está tu capa de activación.
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.
¿En qué se diferencia Markin de Hightouch AI Decisioning?
Hightouch AI Decisioning utiliza aprendizaje por refuerzo para elegir el mejor mensaje, canal y momento por usuario. Su propia documentación señala que los agentes operan completamente dentro de los datos de entrada y las reglas que defines, que la entrega requiere un destino conectado de Braze, Iterable o Salesforce Marketing Cloud, y que los equipos de datos deben configurar el espacio de trabajo primero. Markin comienza un paso antes: genera y dimensiona la oportunidad de ingresos, clasifica las opciones según el margen incremental esperado y no depende de una plataforma de envío de terceros.
¿Tenemos que reemplazar Hightouch?
No. La activación se queda donde está. Markin escribe sus decisiones de vuelta al data warehouse y esas tablas se convierten en la fuente para tus sincronizaciones existentes.
Hightouch también ofrece AI Decisioning. ¿En qué se diferencia?
Coinciden en ambición y vale la pena evaluarlas una al lado de la otra. AI Decisioning optimiza el contenido, la oferta, el canal y el momento de las campañas individuales. El énfasis de Markin está upstream de eso: generar y dimensionar oportunidades de ingresos en toda la base de clientes y clasificar cuáles merecen ser actuadas en absoluto. Una página de comparación directa está en camino; mientras tanto, la respuesta honesta es que el ajuste correcto depende de si tu cuello de botella es la optimización de mensajes o la priorización de oportunidades.
¿Markin copia nuestros datos?
No. Lee las tablas modeladas in situ y escribe las decisiones de vuelta como tablas. El data warehouse sigue siendo la fuente de verdad.
Quién mantiene los modelos?
Tu equipo de datos sigue siendo el dueño de los modelos del data warehouse. Markin los consume y añade la capa de decisioning y experiment encima, con la lógica visible en lugar de oculta en una caja negra.
¿En qué se diferencia Markin del decisioning o AI que ya están dentro de Hightouch?
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 Hightouch 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 Hightouch?
On the assumptions preloaded above, 1.5M customers at 28 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.
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.
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.