YuppTV+18%
nomadTravel / eSIM
Cómo Nomad convierte las señales del cliente en growth en docenas de mercados
+22%
ARPU · medido frente a un holdout aleatorio
En resumen
Nomad vende planes de datos eSIM en docenas de países, donde cada viajero tiene un viaje, dispositivo y sensibilidad al precio diferentes. Markin ahora decide la next best action para cada cliente y la lanza a través de la pila existente de Nomad, aumentando el ARPU en un 22 % en las cohortes tratadas frente a un holdout aleatorio.
Resultados
Cada decisión lleva un control group+22%
ARPU en cohortes tratadas
vs holdout aleatorio, ventana de medición completa
+34%
Tasa de compra repetida
viajeros que compran un segundo plan en 90 días
11×
Experimentos en vivo por mes
en comparación con el calendario de campañas pre-Markin
Rango anonimizado en despliegues de Markin en grandes bases B2C, leído durante una ventana de medición completa. No es un benchmark de la industria ni un pronóstico para tu base.
De un vistazo
- Sector
- Conectividad Travel / eSIM
- Mercados
- Docenas, vendidas en moneda local
- Base
- Millones de viajeros, la mayoría compradores de un solo viaje
- Acciones en vivo
- Cross-sell, win-back, momento de recarga, pruebas de precios
- Stack
- Warehouse, CDP, Braze, app SDK, Stripe
- Primer uplift medido
- Semana 6
El desafío
El growth de Nomad estaba limitado por la naturaleza del producto: la mayoría de los viajeros compran una vez, para un viaje, y desaparecen. La pregunta sobre los ingresos nunca fue 'a quién enviamos un correo electrónico', sino 'cuál de las docenas de combinaciones de plan, precio y momento vale la pena mostrar a este viajero específico antes de que se le acaben los datos'.
Un calendario de campañas no podría responder a eso. Los segmentos se construían por mercado y se reconstruían cada trimestre, las ofertas eran las mismas para una escapada de dos días a la ciudad y para una reubicación de tres meses, y el equipo no tenía forma de saber si un impulso de recarga había generado ingresos o simplemente había cosechado una compra que iba a ocurrir de todos modos.
Contratar personal para salir de la situación tampoco era realista: el trabajo analítico necesario para mantener docenas de mercados optimizados individualmente requiere un equipo completo de data science, de forma permanente.
Lo que hizo Markin
Data and context, intelligence, action01 / Datos y contexto
Contexto del viaje, no solo un registro de cliente
Markin lee el almacén, el CDP y los eventos de la aplicación de Nomad in situ y construye un perfil por viajero: destino, dispositivo, tamaño del plan, curva de consumo, comportamiento de roaming y el precio local de las alternativas. No se copian datos a un nuevo sistema.
02 / Inteligencia
Hipótesis que el equipo nunca tuvo tiempo de escribir
La intelligence layer de Markin saca a la luz oportunidades de ingresos por sí misma, las dimensiona y las convierte en acciones candidatas: quién está a punto de quedarse sin datos, quién está extendiendo un viaje, qué mercado tolera un plan más grande, dónde un descuento solo canibaliza una compra que ya se estaba gestando.
03 / Acción
Ejecución 1:1 dentro del propio stack de Nomad
Las acciones aprobadas se lanzan a través de Braze, la aplicación y el propio checkout de Nomad, cada una con un holdout aleatorizado adjunto. Las acciones que no superan su control se retiran automáticamente en lugar de permanecer en un calendario.
Experimentos ejecutados
Hypothesis to measured lift| Hipótesis | Segment | Acción | Canal | Uplift medido |
|---|---|---|---|---|
| Los usuarios intensivos alcanzan su límite antes de que termine el viaje y churn a una SIM local | Viajeros con un 70 % de consumo y 3+ días restantes | Oferta de top-up dimensionada al viaje restante, no un paquete fijo | Push + in-app | +19 % de ingresos por recargas |
| Los itinerarios de varios países están mal cubiertos por planes de un solo país | Reservas con conexiones en 2+ regiones | Plan regional posicionado en el momento de la compra y en el primer cruce de frontera | Caja + correo electrónico | +12 % AOV |
| Los viajeros anteriores regresan en un ciclo estacional que no estamos anticipando | Compradores inactivos con un patrón de viajes repetitivos | Win-back programado según su propio ritmo de viaje, sin descuento | Email + audiencia de pago | +34 % de tasa de repetición |
| Descontar nuevos mercados genera un volumen que habríamos ganado de todos modos | Compradores primerizos en mercados de alta intención | Retener la promoción, mantener el precio, medir contra el control | Caja | Margen preservado, sin pérdida de volumen |
Cómo se implementó
Semana 0
Conectar, no migrar
Warehouse, CDP, Braze y eventos de aplicación conectados en modo de solo lectura. Primer feed de oportunidad generado a partir del comportamiento histórico.
Semana 2
Primer motion en vivo
El timing del top-up se lanza en tres mercados con un holdout aleatorio en cada decisión.
Semana 6
Primer uplift legible
Los ingresos de top-up aumentan un +19 % frente al holdout. Se retiran dos hipótesis por no superar su holdout.
Semana 12
Escalado a toda la huella
Cuatro motions en funcionamiento en todos los mercados, con el equipo de growth revisando decisions en lugar de construir campañas.
En sus palabras
“Markin ejecuta el ciclo de vida 1:1 en docenas de mercados. Es el equipo de growth que nunca pudimos contratar.”
Growth Lead, Nomad
La stack con la que trabajó Markin
No migration, no new system of recordPreguntas que hacen los compradores sobre este caso
¿Por qué un negocio de eSIM necesita decisioning en lugar de más campañas?
Porque la pregunta de los ingresos es por viajero, no por segmento. Un viaje de dos días a una ciudad y una reubicación de tres meses necesitan planes, precios y tiempos diferentes, y ningún calendario de campaña puede manejar docenas de mercados con esa resolución.
How was the Nomad result measured?
Cada decision lleva asociada un holdout aleatorizado. El uplift citado es la diferencia entre la cohorte tratada y ese grupo de control durante una ventana de medición completa, no una comparación de antes y después.
¿Tuvieron que mover sus datos a Markin?
No. Markin lee del data warehouse, CDP y eventos de producto ya existentes. Nada se copia a un nuevo sistema y nada está bloqueado.
¿Qué equipo lo gestionó día a día?
El equipo de growth existente. Markin realiza el trabajo analítico, un equipo de travel de ese tamaño necesitaría un pod dedicado de data science para producir, y enruta cada acción a las herramientas que ya operan.
¿Cuánto tiempo hasta el primer uplift medible?
Un primer movimiento se activa en unos 30 días y el primer resultado estadísticamente legible llega en las seis semanas siguientes. El impacto escalado suele leerse a los 90 días.
