COMPARE/Markin et ta stack
+Markin + Iterable : décider quel parcours vaut la peine d'être exécuté
+ 17 à 35 % d'ARPU par rapport au holdoutPlage observée sur les déploiements Markin, mesurée sur les cohortes traitées.
Iterable est une plateforme d'engagement cross-channel : parcours, segmentation et livraison par email, push, SMS et in-app, avec Nova ajoutant de l'intelligence au sein de ces parcours. Markin se place avant et décide quelle opportunité commerciale vaut la peine d'être mise en œuvre par client, et ce qu'elle vaut. Iterable construit et envoie toujours.
En bref
- Iterable: How do we build, personalise and deliver this journey? Output: Delivered messages, journey state and engagement reporting.
- Markin, the decision + execution layer: Which opportunity justifies contact for this customer, and what is it worth? Output: A ranked, sized decision per customer, including hold, written into Iterable.
- Les critères d'entrée d'un parcours encodent une décision qu'une personne a déjà prise ; ils n'estiment pas son effet incrémental.
- It decides which commercial opportunity is worth pursuing per customer and hands that decision to Iterable to execute in the journeys you already run.
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
2.5M
customers at $16 ARPU / month
Revenu adressable
$288.0M
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
$49.0M – $100.8M
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
Iterable
Une plateforme d'engagement cross-channel : création de parcours, segmentation, catalogues et diffusion par e-mail, push, SMS, in-app et web, avec l'assistance de l'IA au sein de ces parcours.
02
Markin, la couche de decision + exécution
Une couche qui génère et dimensionne les opportunités de revenus par client, les classe en fonction de la marge incrémentale attendue, sélectionne un traitement et décide quand hold.
Côte à côte
Les différences qui changent les résultats.
| Dimension | Iterable | Markin, la couche de decision + exécution |
|---|---|---|
| Question à laquelle elle répond | Comment construisons-nous, personnalisons-nous et délivrons-nous ce parcours ? | Quelle opportunité justifie le contact avec ce client, et que vaut-elle ? |
| Entrée primaire | Champs utilisateur et événements, segments, logique de parcours, catalogues et modèles. | Contexte client, résultats, marges, historique des contacts, contraintes, résultats d'expérimentations passées. |
| Sortie primaire | Messages livrés, état du parcours et rapports d'engagement. | Une décision classée et dimensionnée par client, incluant le hold, réécrite dans Iterable. |
| Propriétaire habituel | Lifecycle et growth marketing. | Croissance, Data Science et direction des revenus. |
| Comment c'est mesuré | Délivrabilité, engagement et conversion attribués au parcours. | Revenu incrémental et ARPU par rapport à un holdout aléatoire. |
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 Iterable 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 qui reste irrésolu quand Iterable fonctionne bien
Iterable permet de construire et de délivrer rapidement des parcours. La contrainte remonte en amont : quels parcours méritent d'exister, pour qui, et quelle est la valeur réelle de chacun en marge.
- Les critères d'entrée d'un parcours encodent une décision qu'une personne a déjà prise ; ils n'estiment pas son effet incrémental.
- Les étiquettes d'engagement, telles que l'affinité avec la marque, classent la pertinence, et non le revenu en jeu derrière un contact.
- Un client peut être éligible à plusieurs parcours simultanément ; la priorité est résolue par des plafonds et des règles, et non par la valeur attendue.
- Le nombre d'hypothèses testées par trimestre est limité par le nombre de briefs que l'équipe lifecycle peut rédiger.
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 Iterable décide, et où ça s'arrête.
Iterable dispose d'une intelligence layer, Nova, qui intègre le decisioning dans les parcours, ainsi qu'un AI labelling tel que Brand Affinity. Ces outputs sont conçus pour être utilisés au sein des propres segments, parcours et campagnes d'Iterable, ce qui est précisément là où ils sont forts, et là où leur portée s'arrête.
Produits référencés : Nova Intelligence, Nova Decisioning, Brand Affinity™
Ce qu'il optimise
Iterable positionne Nova comme l'intelligence layer de sa plateforme, automatisant la boucle de décision pour que les équipes puissent transformer l'intention stratégique en action au sein du produit.
Page du fournisseurIterable, page produit AIBrand Affinity utilise Iterable AI pour étiqueter les utilisateurs par leur engagement historique, pour une utilisation dans la segmentation, les campagnes, les parcours, les flux de données et les collections de Catalog.
Documents du fournisseurIterable Support, Brand Affinity
Limites documentées
Les résultats de l'IA sont documentés pour être utilisés au sein des propres constructions d'Iterable, la segmentation, les campagnes, les parcours, les flux de données et les collections de Catalog, de sorte que la surface de décision est l'écosystème Iterable.
Documents du fournisseurIterable Support, Brand AffinityLe cadre est l'automatisation des décisions pour les workflows des marketers, des décisions de parcours plus rapides et meilleures, plutôt que la génération et la tarification d'opportunités commerciales à travers l'entreprise.
Page du fournisseurIterable, page produit AI
Ce que les preuves disent réellement
Le cas économique publié d'Iterable est une étude Total Economic Impact™ menée par Forrester Consulting et commandée par Iterable, non une évaluation indépendante de Nova.
Vendor-commissionedForrester TEI d'Iterable, commandité par Iterable
Où Markin est différent.
Décide avant que le parcours n'existe
Nova améliore les décisions au sein d'un parcours conçu par quelqu'un. Markin propose et dimensionne l'opportunité qui justifie un parcours, ou un changement de prix, ou une correction de produit, avant même que tout cela ne soit construit.
Classé selon la marge incrémentale
Les étiquettes d'engagement classent la pertinence. Markin classe le revenu incrémental attendu net de la marge et du coût de contact, c'est pourquoi ne pas contacter peut être une victoire.
holdout sur chaque décision
Les résultats sont lus par rapport à un groupe de contrôle randomisé par décision, et non comme une conversion attribuée à une campagne.
Architecture
Comment les deux fonctionnent ensemble
Contexte en
Markin lit le contexte client là où il se trouve déjà : data warehouse, systèmes de facturation et de produit, ainsi que l'historique d'envoi et d'engagement d'Iterable.
Décision
Les opportunités sont générées, dimensionnées et classées par client, un traitement est choisi et un groupe de contrôle est assigné, avec la valeur attendue attachée.
Activation dans Iterable
La décision est écrite comme un champ utilisateur ou un événement personnalisé, de sorte qu'un parcours existant la sélectionne et l'envoie. Le contenu, les canaux et le consentement restent dans Iterable.
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 Iterable 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.
Markin ne crée pas de parcours et ne remplace pas la plateforme d'envoi. Il décide quelle opportunité commerciale vaut la peine d'être poursuivie par client et transmet cette décision à Iterable pour l'exécuter dans les parcours que tu exécutes déjà.
En amont du parcours, pas à l'intérieur
L'opportunité est générée et dimensionnée avant qu'un parcours ne soit briefé, de sorte que la roadmap ne soit plus la limite de ce qui peut être testé.
Arbitré sur l'ensemble du patrimoine
Un parcours Iterable est en concurrence avec un contact de service, un placement in-product ou le silence, sur une seule échelle : la marge incrémentale attendue.
Vérifié par rapport au contrôle
Chaque décision comporte un holdout, donc ce qui se développe est ce qui a battu le groupe de contrôle sur une fenêtre de mesure complète.
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 Iterable | 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 ne remplace pas les journeys, les templates, les catalogues ou la livraison d'Iterable.
- Markin n'est pas propriétaire du consentement, des plafonds de fréquence ou de la gouvernance des canaux.
- Markin n'est pas une customer data platform ou un système d'enregistrement.
- Markin ne prend pas en charge la production créative ou la gestion de contenu.
- Markin ne s'assied pas à côté Iterable 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 décision au-dessus de ton programme Iterable
Préchargé pour une entreprise grand public axée sur la growth exécutant des parcours Iterable à grande échelle. La propre couche d'intelligence d'Iterable décide au sein du parcours. La figure ci-dessous représente la marge incrémentale disponible en décidant quelle opportunité mérite un parcours, et ce qu'elle vaut, mesurée par rapport à un holdout.
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
$8.6M
What a before/after dashboard would claim, with no control group.
Augmentation vérifiée
$6.0M
What survives a holdout in the central case.
Rentabilité du coût du programme
4.5×
Remboursement
3 mo
Si 20 à 40 % de celui-ci ne donne rien
Ce qu'il faut pour le prouver
Pour détecter une 3 % d'uplift sur les revenus par client, il te faut environ 40K clients du bras de contrôle, environ 2.7 % de ta base adressable, lue sur au moins 8 weeks, afin que la nouveauté ne soit pas confondue avec l'effet.
Base adressable
1.5M
Revenus menacés par le churn
$147.0M
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, Iterable 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.
Meilleures alternatives à Iterable
Les acheteurs recherchant des alternatives à Iterable évaluent généralement deux démarches différentes : remplacer la plateforme lifecycle ou ajouter une couche de decisioning au-dessus. Voici à quoi chaque option présélectionnée est réellement adaptée.
| Alternative | Ce que c'est | Idéal pour | Attention |
|---|---|---|---|
| Braze | Plateforme d'engagement cross-channel avec les parcours Canvas et des fonctionnalités de decisioning natives. | Produits de consommation à forte composante mobile nécessitant une grande diversité de canaux et d'intégrations. | L'optimisation est limitée par les parcours que ton équipe conçoit. |
| Klaviyo | Plateforme de lifecycle pour le retail et l'ecommerce avec des modèles de données de vitrine robustes. | Marques de commerce direct-to-consumer où le magasin est la source de données principale. | Moins adapté aux programmes ARPU d'abonnement ou de type telco. |
| MoEngage | Plateforme d'engagement axée sur les insights avec optimisation Sherpa AI. | Bases mobiles à haut volume dans le retail, la fintech et les médias. | L'optimisation est guidée par le canal et le timing plutôt que par la marge. |
| Optimove | Plateforme marketing CRM construite autour de l'orchestration centrée sur le client et de l'arbitrage de campagnes. | Équipes de gaming, paris et retail gérant de nombreuses campagnes simultanées. | Arbitre entre les campagnes que tu as déjà définies. |
| Markin | Couche de growth agentique qui génère, évalue et teste des hypothèses de revenus au-dessus de la plateforme que tu utilises déjà pour envoyer. | Équipes B2C d'entreprise dont la contrainte est la vitesse d'apprentissage et l'ARPU plutôt que la livraison. | Pas une plateforme de messagerie. Iterable reste la voie d'activation. |
Quand tu n'as pas besoin de Markin.
- Tu n'as pas de données sur les revenus ou les résultats pour évaluer les décisions.
- Ton programme est un système de messagerie purement transactionnel sans choix commercial à faire.
- Tu cherches à remplacer ta plateforme d'engagement plutôt qu'à mieux décider à l'intérieur de celle-ci.
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.
Nova d'Iterable ne fait-il pas déjà du decisioning ?
Nova intègre le decisioning aux parcours Iterable et son IA étiquette les utilisateurs pour la segmentation et les campagnes. C'est du decisioning au sein de la plateforme d'envoi. Markin décide quelle opportunité de revenus justifie un parcours en premier lieu, la chiffre en termes de marge, l'arbitre par rapport aux points de contact non-Iterable, et la mesure par rapport à un holdout randomisé.
Devons-nous remplacer Iterable ?
Non. Iterable reste la couche de parcours et de diffusion. Markin fournit la décision que ses parcours exécutent.
Comment la décision atteint-elle Iterable ?
Comme un champ utilisateur portant l'action choisie et son expiration, ou comme un événement personnalisé qui déclenche l'entrée dans un parcours.
En quoi est-ce différent de Brand Affinity ?
Brand Affinity étiquette un client par son engagement historique. Markin estime la valeur d'une action spécifique pour ce client en marge incrémentale, et choisit entre les actions, y compris ne rien faire.
À quoi ressemblent les quatre-vingt-dix premiers jours ?
Un thème de revenus, une route d'activation vers Iterable, un vrai holdout, et un chiffre incrémental défendable d'ici la fin du trimestre.
En quoi Markin est-il différent du decisioning ou de l'IA déjà présents dans Iterable ?
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 Iterable 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 Iterable ?
On the assumptions preloaded above, 2.5M customers at 16 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.
Comment augmenter l'ARPU : un cadre pour les entreprises B2C
Comment augmenter l'ARPU dans une grande entreprise B2C : les cinq leviers qui influent réellement sur le revenu moyen par utilisateur, et le modèle opérationnel qui les sous-tend.
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.