COMPARE/Markin et ta stack
+Markin + Hightouch : données de l'entrepôt, décisions et activation
+ 17 à 35 % d'ARPU par rapport au holdoutPlage observée sur les déploiements Markin, mesurée sur les cohortes traitées.
Hightouch est un CDP composable et une couche d'activation : il modélise les audiences au-dessus de ton entrepôt et les synchronise avec les destinations aval sans copier les données. Markin utilise ce même entrepôt pour décider quelle opportunité commerciale vaut la peine d'être exploitée par client, et laisse la voie d'activation exactement où elle se trouve.
En bref
- Hightouch: How do we get this warehouse data into the tools that need it? Output: Synced audiences, profiles and traits in downstream destinations.
- Markin, the decision + execution layer: Which opportunity is worth acting on for this customer, and what is it worth? Output: A decision per customer, materialised back into the warehouse for activation.
- Une audience est une règle sur l'entrepôt. Elle n'estime pas l'effet incrémental de l'action menée.
- A composable stack already made the right architectural choice: the warehouse is the source of truth.
Dernière mise à jour : . Les affirmations concernant d'autres fournisseurs renvoient à la source d'où elles proviennent.
Quel est l'enjeu
Une couche de décision n'est pas une ligne budgétaire pour un outil. Elle augmente l'ARPU sur l'ensemble de la base, chaque mois.
Base installée
1.5M
customers at $28 ARPU / month
Revenu adressable
$241.9M
par an, base atteignable
Augmentation d'ARPU vérifiée
+ 17 % à + 35 % d'ARPU
sur les cohortes traitées, par rapport au holdout
Ce que cela vaut
$41.1M – $84.7M
revenu incrémental par an
Mesuré sur des cohortes traitées par rapport à un holdout randomisé, lu sur une fenêtre de mesure complète plutôt que les premières semaines. Fourchette anonymisée sur les déploiements Markin dans de grandes bases B2C ; ton propre holdout est le chiffre qui décide. Les chiffres ci-dessus appliquent cette fourchette à la part atteignable de la base sur la base des hypothèses de cette page ; ils sont arithmétiques, et non une prévision pour ton entreprise.
Applique-le à tes propres chiffresWhat your stack does today.
01
Hightouch
Un CDP composable construit sur l'entrepôt : modélisation d'audience, résolution d'identité et synchronisations reverse-ETL qui poussent les données client de l'entrepôt vers les destinations marketing, ventes et support.
02
Markin, la couche de decision + exécution
Une couche qui lit le même entrepôt de données et produit des décisions commerciales classées et dimensionnées par client, avec un choix de traitement, un groupe de contrôle et un résultat incrémental mesuré.
Côte à côte
Les différences qui changent les résultats.
| Dimension | Hightouch | Markin, la couche de decision + exécution |
|---|---|---|
| Question à laquelle elle répond | Comment intégrons-nous ces données d'entrepôt dans les outils qui en ont besoin? | Quelle opportunité vaut la peine d'être exploitée pour ce client, et quelle est sa valeur ? |
| Entrée primaire | Tables et modèles Warehouse, définitions d'audiences, mappages de destinations. | Contexte Warehouse, historique des résultats, marges, coûts de contact et contraintes. |
| Sortie primaire | Audiences, profils et attributs synchronisés dans les destinations en aval. | Une décision par client, matérialisée dans l'entrepôt pour activation. |
| Propriétaire habituel | Ingénierie des données et opérations marketing. | Croissance et Data Science. |
| Comment c'est mesuré | Fiabilité et latence de la synchronisation, couverture de l'audience, taux de correspondance des destinations. | Revenu incrémental et ARPU par rapport à un holdout. |
Job to be done
Le même travail, à un débit différent.
Rien de ce qui suit ne nécessite un outil qui n'existe pas. Il faut que le travail soit effectué en continu au lieu d'une fois par trimestre, et qu'il soit prouvé par rapport à un holdout au lieu d'être débattu.
| Job to be done | With Hightouch alone | Avec Markin |
|---|---|---|
| Remarquez que le chiffre d'affaires par client dérive dans un segment | Quelqu'un le remarque lors d'une revue de tableau de bord, des semaines après son démarrage. | Détecté comme un signal le jour où la dérive efface le bruit, avec le segment déjà dimensionné. |
| Expliquez pourquoi cela se produit | Un analyste est retiré de la roadmap pour une enquête de deux semaines. | Une investigation est exécutée automatiquement et renvoie les facteurs déterminants avec leurs preuves. |
| Élabore des hypothèses qui méritent d'être testées | Un atelier produit la poignée d'idées auxquelles la salle a pu penser. | Les hypothèses sont écrites en continu à travers le marketing, le produit, la tarification et la santé technique. |
| Décide quelles hypothèses méritent un budget | Priorisé par ancienneté et intuition, sans évaluation de l'impact. | Chacun est dimensionné en revenus et classé avant que quoi que ce soit ne soit construit. |
| Choisissez la Next Best Action pour un client | Les règles et les calendriers de campagnes Segment décident, mis à jour quand quelqu'un a le temps. | Choisi par client, par moment, par rapport à tout le reste en compétition pour ce client. |
| Lancez-le réellement | Un ticket pour l'équipe du cycle de vie, puis un créneau dans le calendrier du mois prochain. | Exécuté dans les systèmes que tu utilises déjà, sans nouveau canal à adopter. |
| Prouver que cela a généré du chiffre d'affaires | Rapporté par rapport aux non-qualifiants ou à un holdout global, le cas échéant. | Chaque décision comporte un groupe de contrôle randomisé ; l'uplift est lu par rapport à celui-ci. |
| Éliminer ce qui ne fonctionne pas | Les programmes survivent parce que personne n'est chargé de les retirer. | Ne pas battre le contrôle met fin au programme automatiquement. |
| Refaites tout la semaine prochaine | Capacité limitée : quatre à huit tests par trimestre. | Des centaines d'hypothèses en cours en parallèle, en continu. |
La partie non résolue
Ce qu'une pile composable laisse encore en suspens
Une fois que le Data Warehouse est la source de vérité et que les synchronisations sont fiables, le goulot d'étranglement se déplace en amont de l'activation : quelqu'un doit encore décider lequel des nombreux publics possibles mérite l'attention du client cette semaine, et si cela a eu un impact.
- Une audience est une règle sur l'entrepôt. Elle n'estime pas l'effet incrémental de l'action menée.
- Plusieurs modèles peuvent qualifier le même client simultanément, et la priorité est résolue par ordre plutôt que par valeur attendue.
- Rien n'impose les holdouts par défaut, de sorte que l'effet incrémental doit être reconstruit après coup.
- La génération d'hypothèse reste manuelle : le nombre d'idées testées est limité par le temps de l'analyste.
La différence réelle
Markin n'est pas un autre moteur de décision.
Markin n'est pas un moteur de decisioning. Un moteur de decisioning classe les actions qu'un humain a déjà définies. Markin fonctionne comme une équipe data science et growth : il formule ses propres hypothèses sur les raisons pour lesquelles l'ARPU est bloqué (marketing, produit, tarification ou technique), les dimensionne, les exécute dans les systèmes que tu utilises déjà, et analyse chacune par rapport à un holdout.
| Un moteur de decisioning | Markin | |
|---|---|---|
| D'où vient l'hypothèse | Un humain en est l'auteur. Le moteur choisit parmi des options que quelqu'un a déjà approuvées. | Markin les élabore. Il lit la base, identifie les fuites ou les opportunités de revenus inexploitées, et rédige l'hypothèse lui-même. |
| Ce qu'il est autorisé à remettre en question | Message, offre, canal, moment, à l'intérieur de la surface de campagne qui lui a été attribuée. | Tout ce qui fait varier l'ARPU : la friction à l'onboarding, les prix et les forfaits, une fonctionnalité que personne n'adopte, un pic d'échecs de paiement, un lien profond brisé. |
| Qui réalise l'analyse | Tes analystes, avant et après. Le moteur optimise ; il n'enquête pas. | Markin effectue l'analyse. Le dimensionnement, la définition des segments, la conception et l'interprétation des experiments sont automatisés de bout en bout. |
| Où il s'arrête | À la recommandation. Quelqu'un doit encore le construire et le lancer. | Il se lance. Markin s'exécute au sein de tes plateformes et interfaces produit existantes, puis boucle la boucle sur le résultat. |
| Throughput | Autant d'hypothèses que ta feuille de route peut en contenir, généralement une poignée par trimestre. | Des centaines en parallèle, chacun avec un control group. |
| Ce qui se passe quand c'est faux | Le programme continue de s'exécuter jusqu'à ce que quelqu'un le révise. | Il est retiré automatiquement. Ne pas réussir à battre le contrôle est un résultat normal et peu coûteux. |
Un moteur de decisioning choisit la meilleure action à partir d'une liste que tu as écrite. Markin écrit la liste et l'exécute dans ta stack.
Espace d'hypothèses
Tout ce qu'un spécialiste de la croissance humaine examinerait.
La plupart des problèmes de croissance ne sont pas des problèmes de message. Markin ne se limite pas à la surface de la campagne : si quelque chose freine l'ARPU, c'est dans le périmètre et c'est testé de la même manière.
Marketing
La surface classique, mais choisie par client plutôt que par segment, et toujours contre un holdout.
- Quelle offre ce client spécifique vaut la peine d'être faite
- Channel et timing choisis par personne, non par campagne
- Pression de contact et fatigue arbitrées sur chaque programme
- Économie de reconquête : qui vaut un rabais et qui ne le vaut pas
Produit
Là où le client fait réellement l'expérience de la valeur, et là où la plupart des pertes de revenus silencieuses se produisent.
- Étapes d'Onboarding qui font perdre des clients avant la première valeur
- Une fonctionnalité avec une forte corrélation de rétention que la moitié de la base ne découvre jamais.
- Placement du Paywall et des incitations à la mise à niveau
- Surfaces intégrées au produit utilisées comme bras de traitement, pas seulement l'email et les notifications push
Commercial
La tarification, le packaging et la forme de l'offre elle-même, testés plutôt que débattus.
- Structure du plan et du forfait par cohorte
- Profondeur de remise par rapport à la marge, pas uniquement par rapport à la conversion
- Cadrage annuel versus mensuel par client
- Séquences de recouvrement de créances et de churn involontaire
Santé technique
Anomalies que personne n'a demandé de rechercher. C'est la catégorie qu'aucun moteur de décision ne couvre.
- Un taux d'erreur de paiement qui a augmenté sur un appareil et une région
- Défaillances de paiement concentrées sur un seul émetteur ou mode de paiement
- Un lien profond cassé qui tue silencieusement un parcours de grande valeur
- Dégradation de la latence ou de la livraison nuisant à la conversion avant même tout message
Pense à Markin comme à une équipe data science et growth qui ne dort jamais : elle enquête, formule des hypothèses, les déploie dans ta propre stack et prouve chacune d'elles par rapport à un groupe de contrôle, à un volume qu'aucune équipe humaine ne peut atteindre.
Leur couche de decisioning
Quoi Hightouch décide, et où ça s'arrête.
Hightouch AI Decisioning est ce qui se rapproche le plus d'une véritable couche de décision dans cette liste : des agents d'apprentissage par renforcement choisissent le message, le canal et le moment par utilisateur. Ses limites documentées sont ce qui le sépare du decisioning de revenus : il sélectionne parmi les messages que tu pré-approuves, et il a besoin de la plateforme de quelqu'un d'autre pour les envoyer.
Produits référencés : Prise de Décision IA (AID), Plateforme de Données Clients et IA
Ce qu'il optimise
La Prise de Décision IA utilise l'apprentissage par renforcement et les agents IA pour choisir automatiquement le meilleur contenu, l'offre, le canal et le moment.
Page du fournisseurHightouch, Qu'est-ce que l'AI Decisioning (Février 2026)Un agent combine une audience, des objectifs et des messages ; AID apprend ensuite quel message, canal et timing sont les plus performants pour chaque personne, en équilibrant exploration et exploitation.
Documents du fournisseurDocumentation Hightouch, aperçu de l'AI Decisioning
Limites documentées
Hightouch documente que les agents opèrent entièrement dans les entrées et les règles que tu définis : ils ne créent pas de nouveau contenu et n'agissent pas en dehors de ta configuration.
Documents du fournisseurDocumentation Hightouch, AgentsAID n'envoie pas. Il nécessite au moins une destination de livraison connectée, Salesforce Marketing Cloud, Braze ou Iterable, de sorte que sa portée est limitée par les canaux pris en charge par cette plateforme.
Documents du fournisseurDocumentation Hightouch, aperçu de l'AI DecisioningLa Prise de Décision IA nécessite une configuration de l'espace de travail par les équipes de données avant que les marketeurs puissent créer des agents.
Documents du fournisseurDocumentation Hightouch, aperçu de l'AI Decisioning
Ce que les preuves disent réellement
Hightouch publie des mesures de lift en tant que fonctionnalité produit dans son tableau de bord Insights, mais aucun pourcentage de surcroît agrégé pour l'AID n'apparaît sur ses pages publiques.
Page du fournisseurHightouch, page de la plateforme AI Decisioning
Où Markin est différent.
Opportunité d'abord, message ensuite
AID optimise entre des messages qui existent déjà. Markin intervient une étape plus tôt : il génère et dimensionne l'opportunité de revenus, puis décide si un traitement quelconque dépasse le seuil. La sélection des messages est la dernière étape, pas la totalité du travail.
Aspects économiques dans la fonction objectif
Markin classe les opportunités sur la base des revenus incrémentaux attendus, nets de marge, de coût de réduction et de coût de contact. Une récompense définie comme l'engagement optimisera joyeusement les conversions bon marché qui se seraient produites de toute façon.
Aucune dépendance de la plateforme de livraison
La décision de Markin est écrite là où elle est nécessaire, sur une plateforme d'engagement, l'entrepôt de données, un service d'assistance, une interface produit, plutôt que d'exiger l'existence préalable de Braze, Iterable ou SFMC.
Architecture
Comment les deux fonctionnent ensemble
Le Warehouse comme substrat partagé
Markin lit les mêmes tables modélisées à partir desquelles Hightouch s'active. Aucune donnée n'est copiée dans un magasin de profils distinct et aucun second graphe d'identité n'est créé.
Décision réinscrite dans l'entrepôt
Markin matérialise les décisions classées et dimensionnées ainsi que l'attribution de groupes de contrôle sous forme de tables dans l'entrepôt, afin qu'elles soient interrogeables, auditables et versionnées comme tout le reste.
L'activation reste dans Hightouch
Ces tables de décision deviennent la source de synchronisation pour les e-mails, SMS, publicités, interfaces produit ou outils de support. L'architecture d'activation ne change pas.
La dernière étape est l'exécution, pas un transfert. Markin n'envoie pas de recommandation par e-mail à quelqu'un qui doit ensuite la construire : il lance le traitement à l'intérieur Hightouch et tes surfaces produit directement, avec le holdout attaché, et lit le résultat lui-même.
La boucle
L'exécution est une étape de la boucle, pas un transfert.
- 01
Observer
Markin lit le signal comportemental, transactionnel et produit que tu collectes déjà, en continu.
- 02
Formuler une hypothèse
Il rédige l'hypothèse elle-même, marketing, produit, commerciale ou technique, et indique la direction attendue.
- 03
Évaluer
Chaque opportunité est classée par valeur attendue, de sorte que la file d'attente est ordonnée par l'argent plutôt que par l'opinion.
- 04
Conception
Segment, traitement, garde-fous et un holdout randomisé sont définis avant tout déploiement.
- 05
Exécuter
Il se lance à l'intérieur des systèmes que tu utilises déjà, ta plateforme d'engagement, tes interfaces produit, tes API. Rien n'attend dans une file d'attente de construction.
- 06
Lire
Les résultats sont mesurés par rapport au holdout sur une fenêtre complète, afin que la nouveauté ne soit pas confondue avec l'effet.
- 07
Échelle ou retrait
Ce qui surpasse le contrôle est appliqué à l'ensemble de la base. Ce qui ne l'est pas est automatiquement désactivé.
Où Markin s'intègre
Pas un remplacement. Une équipe de growth-science en plus.
Une stack composable a déjà fait le bon choix architectural : l'entrepôt est la source de vérité. Markin ajoute la couche qui transforme cette vérité en décisions commerciales classées, et les réécrit dans l'entrepôt afin que l'activation se poursuive via les synchronisations auxquelles tu fais déjà confiance.
Pas de deuxième source de vérité
Les décisions sont des tables d'entrepôt. N'importe qui peut vérifier pourquoi un client a reçu un traitement, et les finances peuvent rapprocher les chiffres avec les mêmes données.
L'expérimentation est intégrée
L'affectation au groupe de contrôle fait partie de la décision, ce n'est pas une réflexion après coup ajoutée avant un QBR.
Hypothèses à la vitesse des données
La couche génère et quantifie des opportunités candidates en continu, de sorte que le backlog n'est pas limité à ce qu'un analyste a eu le temps de rédiger lors de ce sprint.
Pourquoi Markin gagne
Plus puissant que tout ce qui est sur cette page.
Chaque outil auquel Markin est comparé a été conçu pour un travail qui s'arrête avant que les revenus ne bougent : délivrer le message, unifier les données, scorer le lead. Markin a été conçu pour un seul résultat, faire croître l'ARPU, et il possède la boucle complète qui y mène : investiguer, émettre des hypothèses, lancer, mesurer et mettre à l'échelle, à travers le marketing, le produit, la tarification et la santé technique.
Apprentissage ultra-rapide, par conception
Markin Growth Science exécute le cycle complet d'observation, d'hypothèse, d'expérimentation et de lecture en quelques jours, avec des centaines d'expérimentations soutenues par un holdout en parallèle. Le système multiplie l'apprentissage à un rythme qu'aucune équipe humaine, et aucun outil de campagne, ne peut égaler.
growth operations, rendues efficaces
Le dimensionnement, la conception de segments, la construction, le lancement et la mesure étaient auparavant quatre équipes et un sprint. Chez Markin, ils constituent un seul système, de sorte que la même growth operation génère plus d'actions à revenus avec une fraction des coûts de coordination.
Un résultat : ARPU
Chaque hypothèse est dimensionnée en revenus attendus par client, chaque action est jugée par rapport à un holdout randomisé, et tout ce qui bat le contrôle est automatiquement mis à l'échelle sur l'ensemble de la base. Rien d'autre sur cette page n'est mesuré de cette façon.
Si l'objectif est d'accroître l'ARPU par un apprentissage ultra-rapide et d'exécuter les growth operations plus efficacement, le choix est Markin.
Modèle d'exploitation
La contrainte n'est pas les idées. C'est combien tu peux en tester.
| Today, with Hightouch | Avec Markin en plus | |
|---|---|---|
| Hypothèses de revenus testées par trimestre | 4 à 8, selon la place disponible dans la feuille de route | Des centaines, générées et exécutées en parallèle |
| Ce sur quoi on peut formuler une hypothèse | Messages, offres et audiences, la surface de campagne | Marketing, produit, tarification et santé technique |
| De la décision au direct sur le canal | Un ticket, une file d'attente de build, une fenêtre de release | Markin le lance dans tes plateformes existantes |
| Délai entre l'idée et un résultat fiable | 6 à 10 semaines d'analyse, de construction et de rapport | Jours, car la dimension et la conception sont automatisées |
| Part des décisions avec un groupe de contrôle | Les programmes phares, quand il y a du temps | Chaque décision, par défaut |
| Couverture de la base | Les segments principaux et les clients concernés par une règle | Une décision par client, sur l'ensemble de la base |
| Coût de tester la 500e hypothèse | Un autre analyste, un autre trimestre | Effectivement zéro |
| À quoi l'équipe consacre son temps | Extraire des données, créer des listes, rapprocher des rapports | Jugement : contraintes, économie, ce qu'il faut faire évoluer |
Markin ne remplace pas ton équipe data science. Il supprime le plafond de l'étendue de la base sur laquelle cette équipe peut agir, et de la vitesse à laquelle elle découvre si cela a fonctionné.
Ce que Markin ne remplace pas.
Pour être explicite sur le périmètre, car les achats le demanderont :
- Markin n'est pas un outil d'ETL inversé et ne synchronise pas les données vers des destinations.
- Markin ne remplace pas la modélisation d'entrepôt de données, la résolution d'identité ou la gestion d'audience.
- Markin n'exige pas que les données quittent l'architecture d'entrepôt que tu as choisie.
- Markin ne possède pas la livraison de canal dans aucun outil aval.
- Markin ne s'assied pas à côté Hightouch formule des suggestions. C'est lui qui le pilote, l'action est lancée là, dans le système que ton équipe connaît déjà, et le résultat revient dans la boucle.
Standard de preuve
La plupart des éléments de cette catégorie rapportent leur propre lift.
Aucun des principaux fournisseurs d'engagement, de CDP ou de personnalisation ne publie un chiffre d'uplift vérifié de manière indépendante pour son produit de décision. Lorsque des chiffres existent, ils proviennent d'études commanditées par les fournisseurs ou d'études de cas à client unique sans méthodologie de holdout divulguée. La recherche publique la plus rigoureuse dans cette catégorie n'est flatteuse pour personne, y compris nous, et c'est précisément pourquoi nous nous basons dessus.
BCG rapporte que lorsque les organisations adoptent des tests d'incrémentalité rigoureux, elles constatent généralement que 20 % à 40 % de leurs programmes Next Best Action actifs génèrent un gain marginal, voire négatif.
Recherche indépendanteBCG, How Measurement Is Evolving in Next-Best Action (2026)La même recherche signale des effets de nouveauté, les nouveaux programmes affichent des résultats initiaux gonflés, et recommande 8 à 12 semaines avant de tirer des conclusions.
Recherche indépendanteBCG, How Measurement Is Evolving in Next-Best Action (2026)Les mesures de ROI au niveau du programme et des holdout mondiaux surestiment souvent l'impact par des effets de halo, des effets d'anticipation et la contamination des experiments.
Recherche indépendanteBCG, How Measurement Is Evolving in Next-Best Action (2026)
Comment Markin s'y tient
- Chaque décision prise par Markin comporte un groupe de contrôle. L'uplift est rapporté par rapport à ce holdout, et non par rapport aux clients qui ne se sont pas qualifiés.
- Les résultats sont lus sur une fenêtre de mesure complète plutôt que dans les premières semaines, afin que la nouveauté ne soit pas confondue avec l'effet.
- Les programmes qui ne parviennent pas à surpasser le groupe de contrôle sont automatiquement retirés. Mettre fin aux décisions non rentables fait partie de la boucle, et non d'un examen annuel.
- Le seul chiffre que nous citons à notre sujet est une fourchette, pas une moyenne : de +17 % à +35 % d'ARPU sur les cohortes traitées par rapport à un holdout randomisé, sur les déploiements Markin dans de grandes bases B2C. Nous ne publions aucune référence sectorielle, car nous n'avons pas pu en trouver une que nous serions prêts à défendre. Ton holdout est le chiffre qui compte.
Dimensionne-le toi-même
Dimensionne la couche de decisioning par rapport à une configuration native d'entrepôt de données
Préchargé pour une équipe mature en données exécutant Hightouch au-dessus de l'entrepôt : bonne portée, coût de programme réduit et plateforme d'envoi déjà en place. L'apprentissage par renforcement optimise au sein des actions et des règles que tu définis, le chiffre ci-dessous représente ce qu'il vaut de générer et d'évaluer ces opportunités en premier lieu.
Ta base
Comptes ayant généré des revenus au cours des 30 derniers jours. Pas des utilisateurs enregistrés.
Revenus récurrents plus non récurrents divisés par les clients actifs.
Marge sur la prochaine unité vendue, et non la marge globale de l'entreprise.
Ton programme aujourd'hui
Consentant, non fatigué, joignable sur au moins un canal.
Revenus perdus en raison des annulations chaque mois, en part de la base.
Le pari
Licences, données, incitations et les personnes qui les gèrent.
Avant toute réduction d'incrémentalité. 2 à 4 % est une hypothèse de planification défendable.
Impact annuel vérifié
$3.3M
Marge brute incrémentale nette dans le cas central, après le coût du programme et après la part des programmes de décision que des recherches indépendantes estiment ne pas générer de réel lift.
ARPU incrémental (uplift) rapporté
$8.5M
What a before/after dashboard would claim, with no control group.
Augmentation vérifiée
$5.9M
What survives a holdout in the central case.
Rentabilité du coût du programme
5.4×
Remboursement
3 mo
Si 20 à 40 % de celui-ci ne donne rien
Ce qu'il faut pour le prouver
Pour détecter une 3.5 % d'uplift sur les revenus par client, il te faut environ 29K clients du bras de contrôle, environ 4.1 % de ta base adressable, lue sur au moins 8 weeks, afin que la nouveauté ne soit pas confondue avec l'effet.
Base adressable
720K
Revenus menacés par le churn
$118.1M
Annualised, at the current monthly rate.
Délai de rentabilisation
90 jours pour obtenir un chiffre ayant survécu à un holdout.
Pas de refonte de la plateforme, pas de migration de données, pas de reconstruction des canaux que tu utilises déjà. Si les premières cohortes ne dépassent pas le contrôle, rien ne se développe et tu as perdu un trimestre, pas une feuille de route.
Semaines 0–2
Lis le contexte que tu as déjà
Markin se connecte aux données et aux canaux que tu utilises aujourd'hui, Hightouch inclus. Pas de migration, pas de replatform, pas de nouvelle source de vérité.
Semaines 3–6
Premières opportunités chiffrées en test
Les Opportunités sont classées par valeur attendue, les traitements sont choisis par client, et les premières cohortes sont mises en ligne avec un holdout randomisé attaché.
Semaines 7–12
Premier revenu incrémental vérifié
Les résultats sont lus sur une fenêtre de mesure complète. Ce qui surpasse le contrôle est mis à l'échelle ; ce qui ne le fait pas est retiré. Rien n'est mis à l'échelle sur un chiffre qui n'a pas survécu à un holdout.
Quand tu n'as pas besoin de Markin.
- Ton entrepôt ne contient pas encore de données fiables sur les résultats, donc aucune décision ne peut être évaluée.
- L'activation est le goulot d'étranglement plutôt que la priorisation, résolvez d'abord les synchronisations.
- Tu cherches du reverse-ETL. Markin ne déplace pas les données vers des destinations ; c'est à cela que sert ta couche d'activation.
Le voir dans le produit
Voyez-le décider, expérimenter et exécuter, avant de parler à qui que ce soit.
Une visite guidée du workspace Markin sur un client de démonstration, sans appel commercial, sans configuration.
Questions que les acheteurs posent.
En quoi Markin est-il différent de Hightouch AI Decisioning ?
Hightouch AI Decisioning utilise l'apprentissage par renforcement pour choisir le meilleur message, canal et moment par utilisateur. Sa propre documentation indique que les agents opèrent entièrement dans les entrées et les règles que tu définis, que la livraison nécessite une destination Braze, Iterable ou Salesforce Marketing Cloud connectée, et que les équipes de données doivent d'abord configurer l'espace de travail. Markin commence une étape plus tôt : il génère et dimensionne l'opportunité de revenus, classe les options en fonction de la marge incrémentale attendue et ne dépend pas d'une plateforme d'envoi tierce.
Devons-nous remplacer Hightouch ?
Non. L'activation reste en place. Markin réécrit ses décisions dans l'entrepôt de données, et ces tables deviennent la source de tes synchronisations existantes.
Hightouch propose également AI Decisioning. Quelle est la différence ?
Elles se chevauchent dans l'ambition et méritent d'être évaluées côte à côte. L'AI Decisioning optimise le contenu, l'offre, le canal et le timing des campagnes individuelles. L'accent de Markin est en amont de cela : générer et dimensionner les opportunités de revenus à travers la base de clients et classer celles qui méritent d'être agies du tout. Une page de comparaison directe est en cours ; en attendant, la réponse honnête est que le bon ajustement dépend de savoir si ton goulot d'étranglement est l'optimisation des messages ou la priorisation des opportunités.
Markin copie-t-il nos données ?
Non. Il lit les tables modélisées en place et réécrit les décisions sous forme de tables. L'entrepôt reste la source de vérité.
Qui maintient les modèles ?
Ton équipe de données continue de posséder les modèles de l'entrepôt. Markin les consomme et ajoute la couche de décision et d'expérimentation par-dessus, avec une logique visible plutôt que cachée dans une boîte noire.
En quoi Markin est-il différent du decisioning ou de l'IA déjà présents dans Hightouch ?
Un moteur de decisioning classe les actions qu'un humain a déjà définies, à l'intérieur de la surface de campagne qui lui a été donnée. Markin formule lui-même les hypothèses (marketing, produit, prix ou anomalie technique freinant la growth), les quantifie, les exécute à l'intérieur de Hightouch et de tes surfaces produit, et lit chacune d'elles par rapport à un holdout randomisé. Il se comporte comme une équipe data science et growth, pas comme un optimiseur.
Markin teste-t-il uniquement les messages et les offres ?
Non. Tout ce qu'un growth scientist humain investiguerait est inclus : la friction à l'onboarding, l'adoption de fonctionnalités, la tarification et le packaging, le recouvrement, et les problèmes de santé technique tels qu'un taux d'erreur de paiement ou un deeplink cassé qui tue silencieusement la conversion. Le marketing est l'un des quatre domaines d'hypothèse, pas la limite.
Qu'est-ce que the business case for adding Markin on top of Hightouch ?
On the assumptions preloaded above, 1.5M customers at 28 a month, une petite variation de l'ARPU représente un chiffre important en valeur absolue, car elle s'applique à l'ensemble de la base installée chaque mois plutôt qu'à une campagne. Sur l'ensemble des déploiements Markin, la fourchette vérifiée sur les cohortes traitées est de +17 % à +35 % ARPU par rapport à un holdout randomisé. L'objectif n'est pas d'envoyer plus de messages : il s'agit de trouver l'action à plus forte valeur par client, de la lancer et de la prouver par rapport à un groupe de contrôle avant de la généraliser.
Combien de temps avant qu'il ne soit rentable ?
Les premières opportunités dimensionnées sont en test dans les six semaines et le premier résultat vérifié par holdout arrive en moins de 90 jours. Le retour sur investissement dépend de ta base, de ta marge et du coût du programme. Le calculateur sur cette page le calcule à partir de tes propres chiffres, après application de la réduction de 20 % à 40 % que BCG constate lorsque les programmes Next Best Action sont testés en termes d'incrémentalité.
Lis la suite
Lecture approfondie sur le fonctionnement du next best action decisioning, à partir des guides qui ont inspiré cette comparaison.
Next best action marketing : ce que c'est et comment ça marche en 2026
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.
Flux d'opportunités, maintenant avec la provenance des hypothèses
Chaque action candidate dans le fil d'opportunités Markin contient désormais le signal, le segment et l'expérimentation précédente dont elle découle. Un clic pour auditer ou déployer.
Décision continue : des calendriers de campagne au 1:1 toujours actif
Le decisioning continu remplace le calendrier promotionnel hebdomadaire par une boucle qui déploie des centaines de petites expérimentations causales par semaine contre un holdout préservé. Une migration de 90 jours.