COMPARE/Markin y su stack tecnológico
+Markin + MoEngage: decisiones de ingresos antes del push
+17-35% ARPU frente a holdoutRango observado en las implementaciones de Markin, medido en cohortes tratadas.
MoEngage es una plataforma de interacción impulsada por insights: analítica, segmentación y orquestación cross-channel a través de push, in-app, correo electrónico y SMS, con Sherpa AI optimizando el contenido y la programación. Markin se sitúa antes, decidiendo qué oportunidad de ingresos merece la pena activar por cliente y cuál es su valor. MoEngage sigue realizando la entrega.
En resumen
- MoEngage: How do we reach this segment across mobile channels, with which message and when? Output: Delivered messages, flow state and engagement analytics.
- 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 MoEngage.
- La optimización del contenido y del momento de envío mejora un mensaje que alguien ya decidió enviar.
- It decides which of the many things you could send is worth sending to each customer, and hands that decision to MoEngage to deliver through the flows you already maintain.
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
6.0M
customers at $9 ARPU / month
Ingresos direccionables
$440.6M
al año, base alcanzable
Mejora verificada de ARPU
+17% a +35% ARPU
en cohortes tratadas, contra el holdout
Lo que eso vale
$74.9M – $154.2M
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
MoEngage
Una plataforma de engagement de clientes que combina análisis de comportamiento, segmentación y orquestación omnicanal a través de push, in-app, correo electrónico, SMS y web, con contenido y timing asistidos por IA.
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 el tratamiento y decide cuándo guardar silencio.
Paralelamente
Las diferencias que cambian los resultados.
| Dimensión | MoEngage | Markin, la capa de decisión + ejecución |
|---|---|---|
| Pregunta que responde | ¿Cómo llegamos a este segmento a través de canales móviles, con qué mensaje y cuándo? | ¿Qué oportunidad justifica el contacto con este cliente, y qué valor tiene? |
| Entrada principal | Eventos y atributos de usuario, segmentos, definiciones de campaña y flujo, contenido. | Contexto del cliente, resultados, márgenes, historial de contacto, restricciones, resultados de experimentos anteriores. |
| Salida principal | Mensajes entregados, estado del flujo y analíticas de engagement. | Una decisión clasificada y dimensionada por cliente, incluyendo hold, escrita en MoEngage. |
| Propietario habitual | Lifecycle, CRM y mobile growth marketing. | Crecimiento, ciencia de datos y liderazgo de ingresos. |
| Cómo se mide | Tasas de apertura, clic y conversión, uplift a nivel de campaña. | 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 MoEngage 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 MoEngage funciona bien?
Los canales móviles son económicos, por lo que los programas tienden a expandirse hasta que la base está saturada. El contacto barato oculta el coste real: opt-outs, fatiga e ingresos que habrían llegado de todos modos y se cuentan como una victoria.
- La optimización del contenido y del momento de envío mejora un mensaje que alguien ya decidió enviar.
- Nada le pone precio al contacto: un push que vale dos céntimos de margen sigue ocupando el único espacio que un cliente tolerará hoy.
- Los flujos concurrentes se resuelven mediante límites y reglas de elegibilidad en lugar de por el valor esperado.
- Los informes de campaña cuentan las conversiones después de un envío; no separan los ingresos incrementales de la demanda que ya existía.
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 MoEngage decide, y dónde se detiene.
MoEngage combina la analítica con la orquestación cross-channel y una capa de AI, Sherpa, que optimiza el contenido del mensaje, la programación y las recomendaciones. El objetivo que se le asigna es la interacción y la conversión dentro de las campañas de MoEngage, no el margen incremental en toda la base de clientes.
Productos referenciados: Sherpa AI, Smart Recommendations, Sherpa Content Optimization
Lo que optimiza
Sherpa AI se presenta como una combinación de IA predictiva y generativa que maximiza el engagement de la campaña al predecir y enviar el mensaje correcto en el momento adecuado.
Página del proveedorMoEngage, AI capabilities pageMoEngage documenta casos de uso de recomendación como combinaciones de sus propias funcionalidades de Recommendation y Web Personalization, utilizadas para aumentar el tamaño promedio del carrito dentro de las campañas de MoEngage.
Documentación del proveedorMoEngage Help, Recommend products to increase cart size
Límites documentados
El objetivo establecido es el engagement de la campaña y mayores conversiones, no los ingresos incrementales netos del margen y el coste de contacto, por lo que el suprimir un contacto no es un resultado por el que se recompense al optimizador.
Página del proveedorMoEngage, AI capabilities pageLa optimización y la personalización operan sobre los propios canales y objetos de campaña de MoEngage, por lo que los puntos de contacto que MoEngage no entrega quedan fuera de la decisión.
Documentación del proveedorMoEngage Help, Recommendations and Web Personalization
Lo que la evidencia realmente dice
MoEngage fue nombrado Strong Performer en The Forrester Wave™: Cross-Channel Marketing Hubs, Q1 2023, una evaluación independiente de la orquestación cross-channel en lugar del decisioning de ingresos.
Informe del analistaForrester Wave™, Centros de marketing omnicanal T1 2023MoEngage también ha sido incluido por Gartner en el Magic Quadrant™ for Multichannel Marketing Hubs, nuevamente una categoría definida por la orquestación y la entrega en lugar de por el ingreso incremental.
Informe del analistaMoEngage, Gartner Magic Quadrant™ para centros de marketing multicanal
Dónde Markin es diferente.
Optimiza los ingresos, no la interacción
Sherpa maximiza la probabilidad de que un mensaje funcione. Markin decide si vale la pena enviar el mensaje, clasificado por el margen incremental esperado, con hold como un resultado legítimo.
Hipótesis más allá de la superficie de la campaña
La fricción del onboarding, los cambios en los planes y precios, y los problemas de salud técnica están dentro del alcance de Markin, no solo el contenido, el momento y las recomendaciones.
ARPU verificado con holdout
Cada decisión lleva un grupo de control, por lo que el growth se reporta como ARPU incremental en lugar de como conversión atribuida a una campaña.
Arquitectura
Cómo funcionan los dos juntos
Contexto en
Markin lee el contexto del almacén de datos, los sistemas de facturación y producto, además del historial de interacción y envío de MoEngage.
Decisión
Las oportunidades se generan y se dimensionan, se clasifican por cliente según el margen incremental esperado, se elige un tratamiento y se asigna un grupo de control.
Activación de nuevo en MoEngage
La decisión se registra como un atributo de usuario o un evento personalizado, de modo que los flujos y campañas existentes la recogen. Los límites de canal, las horas de silencio y el consentimiento permanecen en MoEngage.
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 MoEngage 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 notificaciones push. Decide cuál de las muchas cosas que podrías enviar merece la pena enviar a cada cliente, y entrega esa decisión a MoEngage para que la distribuya a través de los flujos que ya mantienes.
El silencio se convierte en una decisión que puedes medir
El hold se clasifica contra cada tratamiento, por lo que la fatiga y el coste de opt-out entran en la economía en lugar de ser descubiertos más tarde.
Una decisión por cliente, por momento
Los flujos concurrentes dejan de competir: la acción de mayor valor esperado gana el espacio, independientemente del equipo que la haya creado.
Analiza por ingresos, no por aperturas
Cada decisión lleva un holdout, por lo que el número que llega a la junta es ARPU incremental.
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 MoEngage | 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 la orquestación, infraestructura de push o entrega de canales de MoEngage.
- Markin no es propietario del consentimiento, los límites de frecuencia o los periodos de inactividad.
- Markin no reemplaza la analítica de producto ni la instrumentación de eventos.
- Markin no asume el contenido de la campaña ni la producción creativa.
- Markin no se sitúa junto a MoEngage 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 MoEngage
Preconfigurado para un negocio de consumo mobile-first que utiliza MoEngage a escala: muy alto alcance, canales económicos, contacto frecuente. Cuando el contacto es económico, el error costoso es contactar a todos. La figura siguiente muestra el margen incremental al decidir qué debe recibir cada cliente y a quién se debe dejar en paz.
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
$6.2M
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
$14.1M
What a before/after dashboard would claim, with no control group.
Mejora verificada
$9.9M
What survives a holdout in the central case.
Rentabilidad del coste del programa
7.9×
Amortización
2 mo
Si el 20-40% no hace nada
Lo que se necesita para probarlo
Para detectar un 3.2% de mejora en el ARPU, necesita aproximadamente 35K clientes en el grupo de control, aproximadamente 0.9% de tu base direccionable, leído durante al menos 8 weeks, para que la novedad no se confunda con el efecto.
Base direccionable
4.1M
Ingresos en riesgo por la baja
$251.0M
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 MoEngage. 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 MoEngage
La mayoría de las búsquedas de alternativas a MoEngage provienen de equipos cuya mensajería funciona, pero cuyo aprendizaje de ingresos es lento. Vale la pena separar las plataformas que reemplazan a MoEngage de la capa que se asienta sobre ella.
| Alternativa | Qué es | Mejor para | Ten cuidado |
|---|---|---|---|
| Braze | Plataforma de engagement cross-channel con journeys de Canvas y sus propias funcionalidades de decisioning. | Aplicaciones de consumo globales que necesitan una cobertura de canal profunda y un ecosistema de socios maduro. | La optimización ocurre dentro de los journeys que aún tienes que diseñar. |
| Iterable | Plataforma de marketing de lifecycle con la layer de inteligencia Nova. | Programas de lifecycle gestionados por marketing en retail, streaming y viajes. | Los resultados de AI están limitados a los propios segmentos y journeys de Iterable. |
| Optimove | Plataforma de marketing CRM construida alrededor de la orquestación de journeys centrada en el cliente. | Equipos de Gaming, betting y retail con gran segmentación y volumen de campañas. | Fuerte en la arbitraje entre campañas, pero limitado por las campañas que defines. |
| Airship | Plataforma de engagement mobile-first y experiencia de aplicación. | Equipos cuyo problema de growth es el onboarding de la aplicación, las notificaciones push y las superficies in-app. | Alcance más estrecho fuera de la aplicación. |
| Markin | Capa de growth agentic que genera, valora y prueba hipótesis de ingresos por encima de tu stack existente. | Equipos B2C de empresas que quieren más experimentos verificados al mes y un ARPU más alto. | Decide y mide; MoEngage o un equivalente sigue entregando el mensaje. |
Cuando no necesitas Markin.
- No puedes conectar el engagement con un resultado de ingresos, por lo que las decisiones no pueden valorarse.
- Tu programa es un puñado de mensajes transaccionales sin opción comercial que tomar.
- Quieres una plataforma de engagement en lugar de una decision layer encima de una.
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.
¿Sherpa AI no optimiza ya nuestras campañas?
Sherpa optimiza el contenido, la temporalización y las recomendaciones de las campañas que tu equipo definió, con un objetivo de engagement. Markin decide qué oportunidad comercial merece una campaña, la dimensiona en términos de margen, la arbitra frente a todo lo demás que el cliente podría recibir, y la analiza frente a un holdout aleatorio.
¿Tenemos que reemplazar MoEngage?
No. MoEngage sigue siendo la capa de analítica y entrega. Markin proporciona la decisión que sus flujos ejecutan.
¿Cómo llega la decisión a MoEngage?
Como un atributo del usuario que lleva la acción elegida y su vencimiento, o como un evento personalizado que activa un flujo existente.
¿Significa esto enviar menos mensajes?
A menudo sí, al menos al principio. Cuando un contacto no tiene un valor esperado positivo, la decisión es retenerlo. El volumen no es el objetivo; el ARPU incremental sí lo es.
¿Cómo son los primeros noventa días?
Un tema de ingresos, una ruta de activación en MoEngage, un holdout real y un número que sobrevive a una ventana de medición completa.
¿En qué se diferencia Markin del decisioning o AI que ya están dentro de MoEngage?
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 MoEngage 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 MoEngage?
On the assumptions preloaded above, 6.0M customers at 9 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.