What is the single most important question to ask a decisioning vendor?

Who writes the candidate actions. If the honest answer is that your team configures them and the system only ranks them, the product's ceiling is the imagination and capacity of your team. Everything else, models, real-time APIs, channel coverage, is downstream of that limit.

How much should a decisioning pilot cost?

The number that matters is not the fee but the ratio between the fee and the incremental margin the pilot has to produce to justify itself. Write that threshold down before the pilot starts and express it in incremental revenue against a holdout, not in engagement metrics.

Should we build this in-house?

Building the ranking is the easy part and most good data science teams can do it. The parts that consume years are activation into every channel, guardrail management, automated experiment design and readout, and keeping it all running when the schema changes. Evaluate the build against those, not against the model.

Do we need a CDP before we buy decisioning?

No. A decision layer needs access to reliable customer context, which can come from a warehouse, a CDP, or a mixture. Requiring a CDP first is a sequencing preference, not a technical dependency, and it delays the revenue case by a year in most organisations.

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

Cómo evaluar una plataforma de toma de decisiones

Evaluar una plataforma de decisioning se reduce a cuatro cosas: quién es el autor de las acciones candidatas, qué objetivo optimiza el ranking, si el sistema puede ejecutarse sin un paso de construcción humana y si cada decisión lleva un control group. Un producto que falla en cualquiera de los cuatro es un motor de reglas con un modelo adjunto.

Román Via-Dufresne, Co-fundador, Markin

Actualizado 4 August 2026 · 11 min de lectura

Solicitar demo

Por qué las demos son un mal instrumento de evaluación

Cada demo de decisioning tiene el mismo aspecto: un perfil de cliente, una lista clasificada, un número seguro junto a cada fila. Las diferencias que importan no son visibles en esa pantalla. Aparecen tres meses después, cuando alguien pregunta de dónde salieron las acciones candidatas, por qué el ganador fue el de mayor probabilidad de clic, y quién está manteniendo el control group.

Una lista clasificada no demuestra nada sobre cómo se armó la lista.
Los objetivos de engagement se ven excelentes en una demo y contactan excesivamente a personas que se habrían convertido de todos modos.
“Tiempo real” suele describir la API, no la decisión.
El uplift en la diapositiva casi siempre se atribuye, no se mide contra un holdout.

Doce preguntas, y las respuestas que deberían preocuparle

Pregunta esto en el orden siguiente. Los primeros cuatro son descalificatorios; el resto son trade-offs con los que puedes vivir una vez que los conoces.

Pregunta	La respuesta que debería preocuparte	Qué es un buen resultado
Quién escribe las Candidate actions?	"Tu equipo las configura en la UI."	El sistema propone acciones en las que no habías pensado y puede explicar la evidencia detrás de cada una.
¿Qué optimiza el ranking?	Propensión a abrir, hacer clic o convertir.	Ingresos incrementales esperados, netos de margen, coste de contacto y fatiga.
¿Puede decidir no hacer nada?	Hold es una regla de supresión que tú configuras.	La retención (hold) es una acción candidata de primera clase que gana en valor esperado, de forma rutinaria.
Quién lanza la acción ganadora?	Exporta una recomendación; tu equipo la construye.	La plataforma se ejecuta dentro de los sistemas que ya utiliza, sin una cola de compilación.
¿Dónde reside el control group?	“Puedes configurar uno por campaña.”	holdout aleatorio adjunto a cada decisión por defecto, no por campaña.
¿Qué está dentro del alcance más allá de la mensajería?	Mensaje, oferta, canal, momento.	Precios, empaquetado, onboarding, superficies en el producto y anomalías técnicas también.
¿Cuántas hipótesis pueden ejecutarse en paralelo?	Un número limitado por puestos o por slots de campaña.	Limitado por la base y por el poder estadístico, no por la capacidad humana.
¿Qué le sucede a un programa perdedor?	Aparece en una revisión trimestral.	Se retira automáticamente cuando no logra superar al control.
¿Cómo se informa el uplift?	Conversiones atribuidas al journey.	Ingresos incrementales frente a un holdout aleatorio, durante una ventana completa.
¿Qué datos necesita poseer?	Una migración completa a su store de perfiles.	Lee su data warehouse o CDP y solo posee el registro de decisiones.
¿Cómo se expresan las barreras de seguridad?	Solo límites de frecuencia.	Márgenes mínimos, economía de contacto, restricciones de marca y legales, elegibilidad por segmento.
¿Qué prueba el piloto?	Métricas de engagement en un segmento seleccionado manualmente.	Un número de ingresos verificado por holdout en un segmento que tú elegiste.

Dos cosas a verificar de forma independiente

Pide el número probado incrementalmente en lugar del reportado. BCG encuentra que del 20% al 40% de la mejora medida de Next Best Action desaparece una vez que se aplica un control aleatorio, por lo que las dos cifras no son intercambiables.
Investigación independienteBCG, incrementalidad en programas de personalización (2026)
Verifique quién financió cualquier estudio de rendimiento que le muestren. La investigación cuantificada de impacto económico publicada para BrazeAI Decisioning Studio, por ejemplo, es un estudio de impacto económico total realizado por Forrester Consulting y encargado por Braze, lo que constituye una clase de evidencia diferente a la investigación de analistas independientes.
Vendor-commissionedForrester TEI, encargado por Braze (mayo de 2026)

Qué exigir en el contrato piloto

Un piloto que no puede fallar no es un piloto. Escribe primero la condición de fallo.

Tú eliges el segmento, no el proveedor.
Un holdout aleatorizado de un tamaño que acuerdes de antemano, mantenido durante toda la ventana de medición.
Una métrica principal, establecida antes de que comience el piloto, expresada en ingresos en lugar de engagement.
Una regla de parada establecida y una condición de fallo establecida, ambas escritas antes del lanzamiento.
Acceso al registro de decisiones: para cualquier cliente, por qué esa acción, su valor, qué sucedió.
Sin migración como requisito previo. Si el piloto te exige mover tus datos primero, no es un piloto.

Razones para abandonar completamente la categoría

Sus datos de resultados no son fiables o están muy retrasados. Corrija la medición antes de adquirir la toma de decisiones.
Su restricción es la capacidad de entrega, no la calidad de la decisión. Compre capacidad de ejecución en su lugar.
No puede obtener un holdout aleatorio por razones organizativas. Sin uno, nunca sabrá si funcionó.
El caso comercial se basa en una base pequeña. Por debajo de aproximadamente 100.000 clientes activos, la aritmética rara vez justifica el programa.

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 pregunta más importante que hacer a un proveedor de decisioning?: Quién escribe las Candidate actions. Si la respuesta honesta es que tu equipo las configura y el sistema solo las clasifica, el techo del producto es la imaginación y capacidad de tu equipo. Todo lo demás, modelos, APIs en tiempo real, cobertura de canales, está por debajo de ese límite.
¿Cuánto debería costar un piloto de toma de decisiones?: El número que importa no es la tarifa, sino la relación entre la tarifa y el margen incremental que el piloto debe producir para justificarse. Anota ese umbral antes de que comience el piloto y exprésalo en ingresos incrementales frente a un holdout, no en métricas de engagement.
¿Deberíamos construir esto internamente?: Construir la clasificación es la parte fácil y la mayoría de los buenos equipos de data science pueden hacerlo. Las partes que consumen años son la activación en cada canal, la gestión de barreras de seguridad, el diseño y la lectura automatizados de experimentos, y mantenerlo todo funcionando cuando el esquema cambia. Evalúa la construcción contra esos puntos, no contra el modelo.
¿Necesitamos un CDP antes de comprar la decisión (decisioning)?: No. Una capa de decisioning necesita acceso a un contexto de cliente fiable, que puede provenir de un data warehouse, un CDP o una combinación. Requerir un CDP primero es una preferencia de secuencia, no una dependencia técnica, y retrasa el caso de ingresos en un año en la mayoría de las organizaciones.

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: la guía

Definiciones y el límite arquitectónico.

Markin + Braze

Cómo funciona una capa de decisioning junto con una plataforma de engagement.

Calculadora de ROI e incrementality

Calcula el tamaño del piloto con tus propios números.

Nuestro estándar de evidencia

El listón que aplicamos a nuestras propias afirmaciones.

Vocabulario

Los términos en los que se basa esta guía.

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

Glosario completo