What is the difference between customer decisioning and a CDP?

A CDP unifies customer data and distributes it. Decisioning consumes that data and chooses what to do with it. They are complementary and sit at different points: a CDP answers 'who is this customer', decisioning answers 'which action is worth taking for them'. Owning a CDP does not give you a decision layer, and a decision layer does not require you to replace your CDP.

Is decisioning the same as next best action?

Next best action is the output; decisioning is the process that produces it. A next-best-action programme that ranks by propensity to click is decisioning with a weak objective function. Ranking by expected incremental revenue, net of margin and contact cost, is what makes the output worth acting on.

Can my engagement platform's AI do this?

Partly. Engagement-platform AI is genuinely good at choosing channel, timing and creative for a message it was asked to send. What it does not do is question whether the message should exist, compare it against a pricing change or a product fix, or author the hypothesis in the first place. Those live upstream of the channel.

How long does it take to see a result from decisioning?

First decisions can be live within weeks, but a result you should trust needs a full measurement window against a randomised holdout, which for most B2C businesses means 8 to 12 weeks from the first live cohort. Anything faster is a read on novelty rather than on effect.

Is Markin a replacement for Braze?

No. Braze is an engagement platform: it builds, personalises and delivers journeys, and BrazeAI Decisioning Studio chooses the best message, channel and timing inside them. Markin sits above that. It decides which commercial opportunity is worth pursuing for each customer in the first place, including opportunities that are not messages at all, such as a pricing change, an onboarding fix or a payment failure. When the answer is a message, Markin launches it through Braze.

How is Markin different from AI decisioning inside an engagement platform?

AI decisioning selects between actions a marketer already created, inside the channels that platform owns. Markin authors the hypotheses itself and is not limited to the campaign surface: marketing, product, pricing and technical health are all in scope. It then executes inside the systems already in place and reads every decision against a randomised holdout, which is how a data science team works rather than how an optimiser works.

No. A CDP unifies and distributes customer data. Markin consumes that data and decides what to do with it. Markin has no ambition to be your source of truth, and it does not require you to replace one. If a CDP or a warehouse already holds customer context, Markin reads from it.

Does Markin replace my data science or growth team?

No. Markin removes the arithmetic constraint on how many hypotheses can be tested, not the judgement about which constraints, economics and risks matter. Teams using Markin move from producing analyses to setting guardrails, interpreting results and deciding what gets scaled.

RESOURCES/Guía

Toma de decisiones del cliente: qué es y qué aún no hace

La toma de decisiones del cliente es la práctica de elegir, para cada cliente individual, qué acción vale la pena tomar a continuación y cuánto vale. Se sitúa entre los datos del cliente y los canales de entrega, clasificando las Candidate actions por el valor esperado en lugar de por el calendario de la campaña. Responde qué hacer, no cómo enviarlo.

Romà Llambés, Co-fundador, Markin

Actualizado 4 August 2026 · 9 min de lectura

Solicitar demo

Definition

Toma de decisiones del cliente

Elegir, por cliente individual, qué acción tiene el valor esperado más alto, luego arbitrar esa elección contra todas las demás acciones que compiten por el mismo cliente, antes de que cualquier canal la ejecute.

El problema para el que se inventó el decisioning

Una gran empresa B2C no sufre por la escasez de cosas que podría hacerle a un cliente. Sufre lo contrario. Veinte programas están activos, un cliente califica para seis de ellos en la misma semana, y el desempate se decide por un límite de frecuencia en lugar de por cuál añade más ingresos. El decisioning existe porque la elegibilidad no es lo mismo que la prioridad.

Los informes de campaña son por programa, por lo que nada le indica el efecto de todo lo que recibió un cliente.
Las reglas de elegibilidad responden a '¿podemos contactar a esta persona?', nunca a '¿deberíamos hacerlo?'.
No hacer nada rara vez es una salida disponible, incluso cuando es la rentable.
La prioridad la resuelve quien construyó su programa primero.

Las cuatro cosas que una capa de decisioning tiene que hacer.

Los proveedores difieren enormemente en cuántas de estas características realmente poseen. La palabra 'decisioning' se usa para productos que solo realizan la tercera.

01
1. Reunir contexto
Lee el historial de comportamiento, transacciones, producto y servicio del individuo, desde donde ya reside. Una capa de decisioning consume el contexto; no intenta convertirse en el sistema de registro para ello.
02
2. Enumerar Candidate actions
Construye el conjunto de cosas que legítimamente podrían ocurrir a este cliente ahora mismo, incluyendo el hold. Aquí es donde la mayoría de los productos dejan de ser interesantes: el conjunto de acciones candidatas es lo que un growth marketer creó en la herramienta de campaña.
03
3. Clasificar por valor esperado
Califica a cada candidata por los ingresos incrementales esperados, netos del margen, el coste de contacto y la fatiga. El ranking por probabilidad de engagement es un objetivo diferente y más débil, y sistemáticamente contacta en exceso a personas que iban a convertir de todos modos.
04
4. Arbitrar y confirmar
Una decisión por cliente por ventana, escrita de nuevo en el canal que la ejecutará, con un grupo de control adjunto para que la decisión pueda ser juzgada posteriormente.

Dónde se sitúa el decisioning en relación con los sistemas adyacentes

Capa	Pregunta que responde	Salida principal
CDP o data warehouse	Quién es este cliente, en una vista consistente?	Perfiles y audiencias unificados
Capa de decisión	Qué acción merece la pena emprender para este cliente, ¿y qué valor tiene?	Una decisión clasificada y dimensionada por cliente, incluyendo hold
Plataforma de engagement	¿Cómo se entrega esto, en qué canal, con qué creatividad?	Mensajes entregados y estado del journey
Plataforma de Experimentación	¿La versión A superó a la versión B en esta superficie?	Un veredicto sobre una prueba de variante específica.

Lo que la evidencia realmente respalda

Decisioning es una práctica bien establecida, pero las cifras de uplift asociadas a ella en el material del proveedor suelen ser atribuidas en lugar de medidas contra un control group. La brecha entre ambas es el número más útil en esta categoría.

Cuando los programas de Next Best Action se prueban en cuanto a su incrementalidad, una parte significativa del aumento reportado no sobrevive: BCG descubre que entre el 20% y el 40% del uplift medido desaparece una vez que se aplica un control aleatorio.
Investigación independienteBCG, incrementalidad en programas de personalización (2026)
La IA de las plataformas de engagement posiciona su decisioning en torno a la elección de contenido, canal y momento para un cliente dentro de los journeys que la propia plataforma entrega, lo que es un alcance más limitado que elegir qué oportunidad vale la pena perseguir.
Página del proveedorBraze, página de producto de BrazeAI

Diagnostica tu propia stack en una tarde

Nada de esto necesita un proveedor. Elige una semana y un segmento de tu base, y responde esto desde tus propios sistemas.

Para una muestra aleatoria de 50 clientes, enumere todo lo que recibieron la semana pasada. Cuente cuántos fueron arbitrados entre sí en lugar de enviados de forma independiente.
Encuentra la decisión más reciente donde la respuesta correcta fue 'no contactar a nadie'. Si no existe, tu sistema no puede producir ese resultado.
Toma tu programa de mejor rendimiento y pregunta quién tiene el grupo de control. Si la respuesta es nadie, el lift reportado es attribution, no incrementality.
Cuenta las hipótesis testadas el último trimestre. Divide por el número de problemas de ingresos distintos que sabes que tienes.
Pregunta qué sucede con un programa que tiene un rendimiento inferior. ¿Retiro automático, o una revisión trimestral para la que nadie tiene tiempo?

Cuando no necesitas una capa de decisioning

Menos de aproximadamente 100.000 clientes activos: el problema de la arbitraje es lo suficientemente pequeño como para que un buen analista y una hoja de ruta priorizada superen a cualquier sistema.
Un solo producto con un solo precio y un momento de ciclo de vida significativo. No hay suficiente conjunto de Candidate actions para arbitrar.
Sin datos fiables sobre los resultados. La toma de decisiones se clasifica por valor esperado, y el valor esperado necesita historial para tener algún valor.
Crecimiento impulsado por la adquisición donde la limitación son los nuevos clientes, no los ingresos por cliente existente.

Markin es un equipo autónomo de growth-science para grandes empresas B2C. Investiga por qué el ingreso por cliente está estancado, forma sus propias hipótesis en marketing, producto, precios y salud técnica, elige la Next Best Action para cada cliente, la lanza a través de los sistemas que la empresa ya gestiona, y prueba cada una frente a un holdout aleatorizado.

Las herramientas de toma de decisiones eligen entre las acciones que tu equipo ya ha desarrollado. Markin decide qué construir.

Preguntas que hace la gente

¿Cuál es la diferencia entre la toma de decisiones del cliente y un CDP?: Un CDP unifica los datos de los clientes y los distribuye. El decisioning consume esos datos y elige qué hacer con ellos. Son complementarios y se sitúan en puntos diferentes: un CDP responde a 'quién es este cliente', el decisioning responde a 'qué acción vale la pena tomar para él'. Ser propietario de un CDP no te proporciona una capa de decision, y una capa de decision no requiere que reemplaces tu CDP.
¿La toma de decisiones es lo mismo que la Next Best Action?: Next Best Action es el resultado; decisioning es el proceso que lo produce. Un programa de Next Best Action que clasifica por propensión a hacer clic es decisioning con una función objetivo débil. Clasificar por ingresos incrementales esperados, netos del margen y el costo de contacto, es lo que hace que valga la pena actuar sobre el resultado.
¿Puede la IA de mi plataforma de interacción hacer esto?: Parcialmente. La AI de la plataforma de engagement es realmente buena para elegir el canal, el momento y la creatividad para un mensaje que se le pidió enviar. Lo que no hace es cuestionar si el mensaje debería existir, compararlo con un cambio de precio o una solución de producto, o ser el autor de la hipótesis en primer lugar. Esos viven upstream del canal.
¿Cuánto tiempo se tarda en ver un resultado de la toma de decisiones?: Las primeras decisiones pueden estar en vivo en semanas, pero un resultado en el que debas confiar requiere una ventana de medición completa contra un holdout aleatorio, lo que para la mayoría de las empresas B2C significa de 8 a 12 semanas desde la primera cohorte en vivo. Cualquier cosa más rápida es una lectura de novedad más que de efecto.

Comparar

Cómo esto se compara con las categorías que ya compras.

Neutral, side by side reads on where the decision layer sits next to the tools in your stack.

Todas las comparaciones

Seguir leyendo

Toma de decisiones del cliente vs. CDP

El límite arquitectónico, lado a lado.

Arquitectura de referencia para una capa de decisioning

Dónde se sitúa y qué nunca debe poseer.

Cómo evaluar una plataforma de toma de decisiones

Doce preguntas y las respuestas que deberían preocuparte.

Cómo Markin mide la incrementalidad

El diseño del holdout detrás de cada número.

Vocabulario

Los términos en los que se basa esta guía.

Each one is defined on its own page, precisely enough to quote.

Glosario completo