COMPARE/Markin y su stack tecnológico
+Markin + Iterable: decidiendo qué recorrido vale la pena ejecutar
+17-35% ARPU frente a holdoutRango observado en las implementaciones de Markin, medido en cohortes tratadas.
Iterable es una plataforma de engagement cross-channel: recorridos, segmentación y entrega a través de correo electrónico, notificaciones push, SMS e in-app, con Nova añadiendo inteligencia dentro de esos recorridos. Markin se sitúa antes y decide qué oportunidad comercial vale la pena activar por cliente, y cuánto vale. Iterable aún construye y envía.
En resumen
- Iterable: How do we build, personalise and deliver this journey? Output: Delivered messages, journey state and engagement reporting.
- Markin, the decision + execution layer: Which opportunity justifies contact for this customer, and what is it worth? Output: A ranked, sized decision per customer, including hold, written into Iterable.
- Los criterios de entrada de un recorrido codifican una decisión que una persona ya tomó; no estiman su efecto incremental.
- It decides which commercial opportunity is worth pursuing per customer and hands that decision to Iterable to execute in the journeys you already run.
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
2.5M
customers at $16 ARPU / month
Ingresos direccionables
$288.0M
al año, base alcanzable
Mejora verificada de ARPU
+17% a +35% ARPU
en cohortes tratadas, contra el holdout
Lo que eso vale
$49.0M – $100.8M
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
Iterable
Una plataforma de engagement omnicanal: creación de journeys, segmentación, catálogos y entrega a través de correo electrónico, push, SMS, in-app y web, con asistencia de IA dentro de esos journeys.
02
Markin, la capa de decisión + ejecución
Una capa que genera y dimensiona oportunidades de ingresos por cliente, las clasifica por margen incremental esperado, selecciona un tratamiento y decide cuándo hold.
Paralelamente
Las diferencias que cambian los resultados.
| Dimensión | Iterable | Markin, la capa de decisión + ejecución |
|---|---|---|
| Pregunta que responde | ¿Cómo construimos, personalizamos y entregamos este recorrido? | ¿Qué oportunidad justifica el contacto con este cliente, y qué valor tiene? |
| Entrada principal | Campos de usuario y eventos, segmentos, lógica de journey, catálogos y plantillas. | Contexto del cliente, resultados, márgenes, historial de contacto, 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, escrita en Iterable. |
| Propietario habitual | Lifecycle y growth marketing. | Crecimiento, ciencia de datos y liderazgo de ingresos. |
| Cómo se mide | Capacidad de entrega, engagement y conversión atribuidos al journey. | Ingresos incrementales y ARPU frente a un holdout aleatorio. |
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 Iterable 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
¿Qué sigue sin resolverse cuando Iterable funciona bien?
Iterable hace que sea rápido construir y entregar recorridos. La restricción se mueve hacia arriba: qué recorridos merecen existir, para quién y cuánto vale realmente cada uno en margen.
- Los criterios de entrada de un recorrido codifican una decisión que una persona ya tomó; no estiman su efecto incremental.
- Las etiquetas de engagement, como la afinidad de marca, clasifican la relevancia, no los ingresos en juego detrás de un contacto.
- Un cliente puede calificar para varios journeys a la vez; la prioridad se resuelve mediante topes y reglas, no por el valor esperado.
- El número de hipótesis testeadas por trimestre está limitado por cuántos briefs puede escribir el equipo de lifecycle.
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 Iterable decide, y dónde se detiene.
Iterable tiene una capa de inteligencia, Nova, que incorpora la decisioning en los recorridos, además de etiquetado por IA como Brand Affinity. Esas salidas están diseñadas para ser utilizadas dentro de los propios segmentos, recorridos y campañas de Iterable, que es precisamente donde son fuertes y donde termina su alcance.
Productos referenciados: Nova Intelligence, Nova Decisioning, Brand Affinity™
Lo que optimiza
Iterable posiciona a Nova como la intelligence layer de su plataforma, automatizando el decision loop para que los equipos puedan convertir la intención estratégica en acción dentro del producto.
Página del proveedorPágina del producto de IA de IterableBrand Affinity utiliza Iterable AI para etiquetar usuarios por engagement histórico, para su uso en segmentación, campañas, journeys, data feeds y colecciones de catálogo.
Documentación del proveedorSoporte de Iterable, Brand Affinity
Límites documentados
Los resultados de la IA se documentan para su uso dentro de los propios constructos de Iterable, la segmentación, las campañas, los journeys, las fuentes de datos y las colecciones de Catálogo, por lo que la superficie de decisioning es el patrimonio de Iterable.
Documentación del proveedorSoporte de Iterable, Brand AffinityEl enfoque es la automatización de la decision para los flujos de trabajo del marketer, decisiones de journey más rápidas y mejores, en lugar de generar y valorar oportunidades comerciales en toda la empresa.
Página del proveedorPágina del producto de IA de Iterable
Lo que la evidencia realmente dice
El caso económico publicado de Iterable es un estudio de Total Economic Impact™ realizado por Forrester Consulting y encargado por Iterable, no una evaluación comparativa independiente de Nova.
Vendor-commissionedForrester TEI de Iterable, encargado por Iterable
Dónde Markin es diferente.
Decide antes de que exista el journey
Nova mejora las decisiones dentro de un journey que alguien diseñó. Markin propone y dimensiona la oportunidad que justifica un journey, o un cambio de precio, o una solución de producto, antes de que se construya nada de esto.
Clasificado por margen incremental
Las etiquetas de engagement clasifican la relevancia. Markin clasifica los ingresos incrementales esperados netos de margen y coste de contacto, por lo que no contactar puede ser una victoria.
Holdout en cada decisión
Los resultados se analizan frente a un grupo de control aleatorio por decisión, no como conversión atribuida a una campaña.
Arquitectura
Cómo funcionan los dos juntos
Contexto en
Markin lee el contexto del cliente del almacén de datos, los sistemas de facturación y producto, además del historial de envío y de interacción de Iterable.
Decisión
Las oportunidades se generan, se dimensionan y se clasifican por cliente, se elige un tratamiento y se asigna un grupo de control, con el valor esperado adjunto.
Activación de nuevo en Iterable
La decision se escribe como un campo de usuario o un evento personalizado, de modo que un journey existente la selecciona y la envía. El contenido, los canales y el consentimiento permanecen en Iterable.
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 Iterable 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 construye recorridos y no reemplaza la plataforma de envío. Decide qué oportunidad comercial vale la pena perseguir por cliente y entrega esa decisión a Iterable para que la ejecute en los recorridos que tú ya tienes.
Upstream del journey, no dentro de él
La oportunidad se genera y dimensiona antes de que se haga un brief para un journey, por lo que la hoja de ruta deja de ser el límite de lo que se puede testear.
Arbitrado en toda la propiedad
Un journey de Iterable compite con un contacto de servicio, una ubicación en el producto o el silencio, en una sola escala: el margen incremental esperado.
Verificado contra control
Cada decisión lleva un holdout, por lo que lo que escala es lo que superó al grupo de control durante una ventana de medición completa.
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 Iterable | 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 reemplaza los journeys, plantillas, catálogos o envíos de Iterable.
- Markin no es propietario del consentimiento, los límites de frecuencia o la gobernanza de canales.
- Markin no es una customer data platform ni un sistema de registro.
- Markin no asume la producción creativa ni la gestión de contenidos.
- Markin no se sitúa junto a Iterable 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 Iterable
Preconfigurado para un negocio de consumo growth-led que ejecuta viajes de Iterable a escala. La propia capa de inteligencia de Iterable decide dentro del viaje. La figura siguiente muestra el margen incremental disponible al decidir qué oportunidad merece un viaje y cuánto vale, medido frente a un holdout.
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
$8.6M
What a before/after dashboard would claim, with no control group.
Mejora verificada
$6.0M
What survives a holdout in the central case.
Rentabilidad del coste del programa
4.5×
Amortización
3 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 2.7% de tu base direccionable, leído durante al menos 8 weeks, para que la novedad no se confunda con el efecto.
Base direccionable
1.5M
Ingresos en riesgo por la baja
$147.0M
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 Iterable. 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.
Principales alternativas a Iterable
Los compradores que buscan alternativas a Iterable suelen sopesar dos movimientos diferentes: cambiar la plataforma de lifecycle o añadir una capa de decisioning por encima. Esto es en lo que cada opción preseleccionada es realmente buena.
| Alternativa | Qué es | Mejor para | Ten cuidado |
|---|---|---|---|
| Braze | Plataforma de engagement cross-channel con journeys de Canvas y funcionalidades nativas de decisioning. | Productos de consumo con gran dependencia de móviles que necesitan amplitud de canales e integraciones. | La optimización está limitada por los journeys que tu equipo diseña. |
| Klaviyo | Plataforma de lifecycle para retail y ecommerce con sólidos modelos de datos de storefront. | Marcas de comercio Direct-to-consumer donde la tienda es la fuente de datos principal. | Menos adecuado para programas de ARPU de suscripción o tipo telco. |
| MoEngage | Plataforma de engagement basada en insights con optimización de Sherpa AI. | Bases móviles de alto volumen en retail, fintech y medios. | La optimización se basa en el canal y el momento, más que en el margen. |
| Optimove | Plataforma de marketing CRM construida alrededor de la orquestación centrada en el cliente y la arbitraje de campañas. | Equipos de Gaming, betting y retail que ejecutan muchas campañas concurrentes. | Arbitra entre campañas que ya definiste. |
| Markin | Capa de growth agentic que genera, valora y prueba hipótesis de ingresos sobre la plataforma con la que ya envías. | Equipos B2C de empresas cuya limitación es la velocidad de aprendizaje y el ARPU, en lugar de la entrega. | No es una plataforma de mensajería. Iterable se mantiene como la ruta de activación. |
Cuando no necesitas Markin.
- No tienes datos de ingresos o resultados para analizar las decisiones.
- Tu programa es puramente mensajería transaccional sin opción comercial que tomar.
- Buscas reemplazar tu plataforma de engagement en lugar de tomar mejores decisiones dentro de ella.
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.
¿Nova de Iterable no hace ya decisioning?
Nova incorpora el decisioning en los journeys de Iterable y su AI etiqueta a los usuarios para la segmentación y las campañas. Eso es decisioning dentro de la plataforma de envío. Markin decide qué oportunidad comercial vale un journey en primer lugar, le pone precio en términos de margen, lo arbitra frente a los puntos de contacto que no son de Iterable y lo mide frente a un holdout aleatorio.
¿Tenemos que reemplazar Iterable?
No. Iterable sigue siendo la capa de viaje y entrega. Markin proporciona la decisión que sus viajes ejecutan.
¿Cómo llega la decisión a Iterable?
Como un campo de usuario que lleva la acción elegida y su vencimiento, o como un evento personalizado que activa la entrada a un Journey.
¿En qué se diferencia esto de Brand Affinity?
Brand Affinity etiqueta a un cliente por su engagement histórico. Markin estima el valor de una acción específica para ese cliente en margen incremental y elige entre acciones, incluyendo no hacer nada.
¿Cómo son los primeros noventa días?
Un tema de ingresos, una ruta de activación en Iterable, un holdout real y un número incremental defendible al final del trimestre.
¿En qué se diferencia Markin del decisioning o AI que ya están dentro de Iterable?
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 Iterable 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 Iterable?
On the assumptions preloaded above, 2.5M customers at 16 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.
Cómo aumentar el ARPU: un marco para empresas B2C
Cómo aumentar el ARPU en un gran negocio B2C: las cinco palancas que realmente mueven los ingresos medios por usuario, y el modelo operativo que las sustenta.
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