Next best action marketing expliqué : comment ça marche, exemples B2C réels, comment ça diffère des campagnes par segments et du marketing automation, et ce que ça vaut sur une base de 2M.
Next Best Action (NBA) est une approche de decisioning qui sélectionne, pour chaque client à chaque instant, l'action unique avec la plus haute valeur incrémentale attendue. Elle remplace les campagnes de segmentation et de diffusion de masse par un routage individualisé pour chaque client, à chaque instant. En 2026, la plupart des grands programmes de growth B2C exécutent une version de NBA ou sont en train de migrer activement vers celle-ci.
Le terme a été galvaudé par les fournisseurs : Salesforce Einstein, Pega Customer Decision Hub et une demi-douzaine de CDP le revendiquent tous. Il est donc utile de revenir à l'idée sous-jacente et de reconstruire à partir des principes fondamentaux.
La Next Best Action en growth marketing est la pratique consistant à choisir, pour chaque client individuel à chaque instant, l'unique intervention marketing ayant la valeur incrémentale attendue la plus élevée, au lieu de planifier des campagnes pour des segments. L'ensemble des actions candidates inclut l'inaction. Chaque décision est mesurée par rapport à un holdout préservé, de sorte que l'uplift rapporté est causal plutôt que corrélationnel.
Trois choses sont fondamentales dans cette définition. Par client signifie que l'unité de décision est une personne, et non un segment. Par moment signifie que la décision est réévaluée lorsque l'état change, et non selon une cadence hebdomadaire. Valeur incrémentale signifie que le score reflète ce que le client fait because de l'action, et non ce qu'ils auraient fait de toute façon.
La segmentation regroupe les clients en catégories et applique un traitement partagé à la catégorie. NBA attribue un score à chaque action éligible pour chaque client individuel et choisit le gagnant par client et par moment. La distinction est importante car les segments sous-estiment systématiquement l'uplift par client : deux clients dans le même segment peuvent avoir des effets de traitement opposés, et un traitement au niveau du segment les moyenne en un résultat médiocre pour les deux.
Les Segments peuvent toujours exister comme garde-fous ou filtres d'éligibilité (région, niveau de plan, état du consentement), mais ils ne devraient pas décider quoi envoyer. C'est le rôle du score par client et par action.
| Dimension | Campagnes segmentées | Personnalisation basée sur des règles | Next Best Action |
|---|---|---|---|
| Unité de décision | Un segment, décidé chaque semaine | Une branche de règle, décidée au moment de sa rédaction | Un client, redécidé lors d'un changement d'état |
| score de classement | Priorité du marketeur | Ordre des règles | Marge incrémentale attendue par action |
| Mesure | Attribution post-hoc | Rarement mesuré | holdout préservé, par décision |
| Coût marginal d'une action supplémentaire | Élevé : plus d'envois, plus de fatigue | Élevé : les règles se multiplient et entrent en conflit | Proche de zéro : le score décide, y compris « ne rien faire » |
| Échec typique | Traite les clients qui se seraient convertis de toute façon | Logique figée que personne n'ose changer | Propension renommée uplift |
Une pile NBA moderne ingère trois familles de signaux en quasi temps réel : comportementaux (événements produit, récence de session, décroissance de l'engagement), transactionnels (achats, événements de facturation, changements de plan) et contextuels (appareil, localisation, saisonnalité, exposition marketing en amont). Ceux-ci atterrissent dans un feature store qui résout l'état de chaque client à tout moment.
Deux familles de modèles font le vrai travail. Modèles de propension.estimer la probabilité qu'un client passe à l'action ; utile pour l'éligibilité et la priorisation. Modèles d'Uplift, les méta-apprenants tels que T-learner, X-learner et R-learner, estiment l'effet causal d'une intervention spécifique sur un client spécifique. L'Uplift est la famille de modèles dont le NBA a réellement besoin, car l'objectif est de classer les actions par leur effet incrémental, et non par leur niveau attendu.
Le moteur de decisioning prend les actions scorées et sélectionne une gagnante par client, sous réserve de contraintes : capacité du canal, limites de fréquence, consentement, éligibilité du produit, assignation holdout. Il émet une décision par client par moment avec une traçabilité complète, le signal, le segment, la version du modèle et l'expérimentation antérieure dont elle découle.
L'action choisie est acheminée vers le canal approprié (email, push, in-product, centre d'appels, payant) et le résultat est mesuré par rapport à un holdout préservé de clients qui n'ont reçu aucune action pendant la même période. La lecture est traitée versus holdout, par action, par cohorte. Tout ce qui est moins que cela n'est pas causal.
Chaque leader de catégorie a un produit Next Best Action : Salesforce Einstein Next Best Action, Pega Customer Decision Hub, Adobe Journey Optimizer, et maintenant la plupart des CDP modernes. Les stacks diffèrent en détail mais convergent vers la même forme conceptuelle. Ce qui les distingue en pratique est (a) si les modèles sont réellement basés sur l'uplift ou s'ils masquent la propension sous un nouveau nom, (b) si un holdout préservé est un objet de première classe ou un ajout après coup, et (c) quelle est la part de la boucle réellement agentive, c'est-à-dire qui propose des Candidate actions, et non pas seulement qui choisit parmi un ensemble fixe que le marketeur a écrit à l'avance.
Un futur article de cette série comparera les principaux fournisseurs ; pour l'instant, la règle d'or de l'acheteur est la suivante : si le produit ne peut pas te montrer la marge incrémentale par décision par rapport à un control, il ne fait pas ce que le NBA est censé faire.
Prends une entreprise d'abonnements grand public avec 2.000.000 de clients actifs et un ARPU mensuel moyen de 9,40 USD, la médiane de 2026 pour le streaming dans l'ensemble de référence Markin. Six actions sont éligibles chaque semaine : une montée en gamme, un cross-sell d'add-on, une incitation à l'utilisation, une sauvegarde de rétention, une invite de récupération de paiement et aucune action.
Les exemples ci-dessous sont les décisions que les grandes équipes B2C acheminent le plus souvent via une couche NBA. Dans chacun d'eux, la valeur provient du choix entre les actions plutôt que de l'action elle-même.
Le marketing automation exécute des parcours qu'un humain a créés : la logique de branchement, le timing et les offres sont fixes au moment de la conception et ne changent que si quelqu'un modifie le flux. Le next best action marketing décide en temps réel quelle action, le cas échéant, génère la plus grande valeur incrémentale attendue pour ce client à ce moment. Ce ne sont pas des catégories concurrentes : l'automation est la couche d'exécution, la NBA est la couche de decisioning qui lui dit quoi envoyer, à qui et quand. Les équipes qui ajoutent la NBA à une plateforme d'engagement existante conservent leurs canaux et ne remplacent que la logique qui choisit le traitement.
La NBA est mesurée comme l'uplift incrémental par décision par rapport à un holdout préservé : une part de clients éligibles assignée aléatoirement qui ne reçoit aucune action dans la même fenêtre. Le résultat est traité moins holdout sur la métrique commerciale, ARPU incrémental, marge ou taux de rétention, jamais les ouvertures, les clics ou les conversions attribuées.
Le niveau d'ARPU utilisé dans l'exemple concret est la médiane du streaming de 2026 issue de l'ensemble de référence B2C de Markin (147 opérateurs avec au moins un million de clients actifs, sur les douze derniers mois jusqu'au deuxième trimestre 2026) ; voir Benchmarks ARPU par industrie 2026. Les fourchettes d'uplift sont observées dans les déploiements Markin avec un holdout préservé et ne sont pas une garantie : elles dépendent de la taille de la base, de l'étendue des canaux et de l'ampleur du potentiel inexploité avant le démarrage des Next Best Action. Les définitions de l'ARPU utilisées tout au long de ce document suivent le Guide de calcul de l'ARPU.
Si tu évalues le Next Best Action comme un modèle opérationnel plutôt qu'une fonctionnalité à acheter, les deux éléments qui s'y associent sont prise de décision continue (pourquoi le calendrier doit disparaître) et comment augmenter l'ARPU (quelles décisions spécifiques font réellement bouger le chiffre). Pour te donner un chiffre pour ta propre base, le Calculateur de ROI et d'incrémentalité estime l'uplift qui survivrait à un holdout, et dimensionne le groupe de contrôle dont tu aurais besoin pour le prouver.
Si la question est de savoir quel fournisseur le fait déjà, les deux points de départ les plus courants sont Einstein Next Best Action au sein de Salesforce et Braze Decisioning Studio dans la messaging layer. Les deux classent à l'intérieur de leur propre domaine ; aucun ne réserve un holdout randomisé par décision.
Guides approfondis sur chaque partie de la discipline :
Markin exécute Next Best Action comme un modèle opérationnel natif : par client, par moment, classé par marge incrémentale, mesuré par rapport à un holdout. Explore Optimisation de la croissance pour le voir en direct.
Questions fréquentes
Ressources associées
Solutions
Le voir dans le produit
Les mêmes boucles que cette note décrit fonctionnent 24 heures sur 24, 7 jours sur 7, sur ta base de clients. Observe l'espace de travail décider, expérimenter et exécuter en 1:1.
Vocabulaire
Definitions an answer engine can quote, each one a page of its own.
Comparer
Neutral reads on the categories buyers evaluate against a decision layer.
Toutes les comparaisons
