COMPARE/Markin et ta stack
+Markin + MoEngage : décisions de revenus avant la notification push
+ 17 à 35 % d'ARPU par rapport au holdoutPlage observée sur les déploiements Markin, mesurée sur les cohortes traitées.
MoEngage est une plateforme d'engagement basée sur les insights : analytics, segmentation et orchestration cross-channel via le push, l'in-app, l'e-mail et le SMS, avec Sherpa AI optimisant le contenu et le timing. Markin se positionne en amont, décidant quelle opportunité de revenus vaut la peine d'être exploitée par client et sa valeur. MoEngage assure toujours la livraison.
En bref
- MoEngage: How do we reach this segment across mobile channels, with which message and when? Output: Delivered messages, flow state and engagement analytics.
- 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 MoEngage.
- L'optimisation du contenu et du moment d'envoi améliore un message que quelqu'un a déjà décidé d'envoyer.
- It decides which of the many things you could send is worth sending to each customer, and hands that decision to MoEngage to deliver through the flows you already maintain.
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
6.0M
customers at $9 ARPU / month
Revenu adressable
$440.6M
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
$74.9M – $154.2M
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
MoEngage
Une plateforme d'engagement client combinant l'analyse comportementale, la segmentation et l'orchestration cross-channel via push, in-app, e-mail, SMS et web, avec un contenu et un timing assistés par l'IA.
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 le traitement et décide quand rester silencieuse.
Côte à côte
Les différences qui changent les résultats.
| Dimension | MoEngage | Markin, la couche de decision + exécution |
|---|---|---|
| Question à laquelle elle répond | Comment atteignons-nous ce segment sur les canaux mobiles, avec quel message et quand ? | Quelle opportunité justifie le contact avec ce client, et que vaut-elle ? |
| Entrée primaire | Événements et attributs d'utilisateur, segments, définitions de campagnes et de flux, contenu. | Contexte client, résultats, marges, historique des contacts, contraintes, résultats d'expérimentations passées. |
| Sortie primaire | Messages livrés, état du flux et analyses de l'engagement. | Une décision classée et dimensionnée par client, incluant le hold, réécrite dans MoEngage. |
| Propriétaire habituel | Lifecycle, CRM et mobile growth marketing. | Croissance, Data Science et direction des revenus. |
| Comment c'est mesuré | Taux d'ouverture, de clics et de conversion, uplift au niveau de la campagne. | 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 MoEngage 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 MoEngage fonctionne bien
Les canaux mobiles sont bon marché, de sorte que les programmes ont tendance à se développer jusqu'à ce que la base soit saturée. Le contact bon marché masque le coût réel : les opt-outs, la fatigue et les revenus qui seraient arrivés de toute façon étant comptabilisés comme une victoire.
- L'optimisation du contenu et du moment d'envoi améliore un message que quelqu'un a déjà décidé d'envoyer.
- Rien ne fixe le prix du contact : un push qui rapporte deux centimes de marge occupe toujours le seul créneau qu'un client tolérera aujourd'hui.
- Les flux concurrents sont résolus par des plafonds et des règles d'éligibilité plutôt que par la valeur attendue.
- Le reporting de campagne compte les conversions après un envoi ; il ne sépare pas le revenu incrémental de la demande qui existait de toute façon.
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 MoEngage décide, et où ça s'arrête.
MoEngage associe l'analytics à l'orchestration cross-channel et à une couche d'AI, Sherpa, qui optimise le contenu des messages, le timing et les recommandations. L'objectif qui lui est donné est l'engagement et la conversion au sein des campagnes MoEngage, et non la marge incrémentale sur l'ensemble de la base clients.
Produits référencés : Sherpa AI, Smart Recommendations, Sherpa Content Optimization
Ce qu'il optimise
Sherpa AI est présenté comme une combinaison d'IA prédictive et générative qui maximise l'engagement des campagnes en prédisant et en envoyant le bon message au bon moment.
Page du fournisseurMoEngage, page des capacités AIMoEngage documente les cas d'usage de recommandation comme des combinaisons de ses propres fonctionnalités de Recommandation et de Web Personalization, utilisées pour augmenter la taille moyenne du panier dans les campagnes MoEngage.
Documents du fournisseurMoEngage Help, Recommander des produits pour augmenter la taille du panier
Limites documentées
L'objectif déclaré est l'engagement de la campagne et des conversions plus élevées, et non les revenus incrémentaux nets de la marge et du coût du contact, de sorte que la suppression du contact n'est pas un résultat pour lequel l'optimiseur est récompensé.
Page du fournisseurMoEngage, page des capacités AIL'optimisation et la personnalisation opèrent sur les propres canaux et objets de campagne de MoEngage, de sorte que les points de contact que MoEngage ne fournit pas sont en dehors de la décision.
Documents du fournisseurMoEngage Help, Recommandations et Web Personalization
Ce que les preuves disent réellement
MoEngage a été nommé « Strong Performer » dans The Forrester Wave™: Cross-Channel Marketing Hubs, Q1 2023, une évaluation indépendante de l'orchestration cross-channel plutôt que du decisioning des revenus.
Rapport d'analysteForrester Wave™, Cross-Channel Marketing Hubs Q1 2023MoEngage a également été placé par Gartner dans le Magic Quadrant™ for Multichannel Marketing Hubs, à nouveau une catégorie définie par l'orchestration et la livraison plutôt que par les revenus incrémentaux.
Rapport d'analysteMoEngage, Gartner Magic Quadrant™ for Multichannel Marketing Hubs
Où Markin est différent.
Optimise le revenu, pas l'engagement
Sherpa maximise les chances qu'un message fonctionne. Markin décide si le message vaut la peine d'être envoyé, classé selon la marge incrémentale attendue, avec hold comme résultat légitime.
Hypothèses au-delà de la surface de la campagne
Les frictions d'onboarding, les changements de plan et de prix, et les problèmes de santé technique sont du ressort de Markin, pas seulement le contenu, le timing et les recommandations.
ARPU vérifié par holdout
Chaque décision comporte un groupe de contrôle, la growth est donc rapportée comme ARPU incrémental plutôt que comme conversion attribuée à une campagne.
Architecture
Comment les deux fonctionnent ensemble
Contexte en
Markin lit le contexte du data warehouse, des systèmes de facturation et de produit, ainsi que l'historique d'engagement et de livraison de MoEngage.
Décision
Les opportunités sont générées et dimensionnées, classées par client en fonction de la marge incrémentale attendue, un traitement est choisi et un groupe de contrôle est assigné.
Activation dans MoEngage
La décision est écrite comme un attribut utilisateur ou un événement personnalisé, de sorte que les flux et campagnes existants la reprennent. Les plafonds de canal, les heures silencieuses et le consentement restent dans MoEngage.
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 MoEngage 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 n'envoie pas de notifications push. Il décide laquelle des nombreuses choses que tu pourrais envoyer vaut la peine d'être envoyée à chaque client, et transmet cette décision à MoEngage pour qu'il la livre via les flux que tu maintiens déjà.
Le silence devient une décision que tu peux mesurer
Le hold est classé par rapport à chaque traitement, de sorte que la fatigue et le coût d'opt-out entrent dans l'économie au lieu d'être découverts plus tard.
Une décision par client, par moment
Les flux concurrents cessent de se faire concurrence : l'action à la plus haute valeur attendue remporte la place, quelle que soit l'équipe qui l'a construite.
Lu sur les revenus, pas sur les ouvertures
Chaque décision comporte un holdout, donc le chiffre qui atteint le conseil d'administration est l'ARPU incrémental.
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 MoEngage | 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 l'orchestration, l'infrastructure push ou la livraison de canaux de MoEngage.
- Markin n'est pas propriétaire du consentement, des plafonds de fréquence ou des heures de tranquillité.
- Markin ne remplace pas l'analytics produit ou l'instrumentation des événements.
- Markin ne prend pas en charge le contenu des campagnes ou la production créative.
- Markin ne s'assied pas à côté MoEngage 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 MoEngage
Préchargé pour une entreprise grand public mobile-first utilisant MoEngage à grande échelle : très forte portée, canaux peu coûteux, contacts fréquents. Quand le contact est bon marché, l'erreur coûteuse est de contacter tout le monde. La figure ci-dessous représente la marge incrémentale obtenue en décidant ce que chaque client doit recevoir, et qui doit être laissé tranquille.
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
$6.2M
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
$14.1M
What a before/after dashboard would claim, with no control group.
Augmentation vérifiée
$9.9M
What survives a holdout in the central case.
Rentabilité du coût du programme
7.9×
Remboursement
2 mo
Si 20 à 40 % de celui-ci ne donne rien
Ce qu'il faut pour le prouver
Pour détecter une 3.2 % d'uplift sur les revenus par client, il te faut environ 35K clients du bras de contrôle, environ 0.9 % de ta base adressable, lue sur au moins 8 weeks, afin que la nouveauté ne soit pas confondue avec l'effet.
Base adressable
4.1M
Revenus menacés par le churn
$251.0M
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, MoEngage 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 MoEngage
La plupart des recherches d'alternatives à MoEngage proviennent d'équipes dont la messagerie fonctionne mais dont l'apprentissage des revenus est lent. Il convient de séparer les plateformes qui remplacent MoEngage de la couche qui la surplombe.
| Alternative | Ce que c'est | Idéal pour | Attention |
|---|---|---|---|
| Braze | Plateforme d'engagement cross-channel avec les parcours Canvas et ses propres fonctionnalités de decisioning. | Applications grand public mondiales nécessitant une couverture de canal profonde et un écosystème de partenaires mature. | L'optimisation se produit à l'intérieur des parcours que tu dois encore concevoir. |
| Iterable | Plateforme de marketing lifecycle avec la couche d'intelligence Nova. | Programmes lifecycle marketing détenus par le marketing dans le commerce de détail, le streaming et les voyages. | Les outputs de l'IA sont limités aux segments et parcours propres à Iterable. |
| Optimove | Plateforme marketing CRM construite autour de l'orchestration de parcours centrée sur le client. | Équipes de gaming, paris et retail avec une segmentation et un volume de campagnes importants. | Excellent pour l'arbitrage entre les campagnes, mais limité par les campagnes que tu définis. |
| Airship | Plateforme d'engagement et d'expérience d'application mobile-first. | Les équipes dont le problème de growth concerne l'onboarding d'applications, les notifications push et les surfaces in-app. | Champ d'application plus étroit en dehors de l'application. |
| Markin | Couche de growth agentique qui génère, évalue et teste des hypothèses de revenus au-dessus de ton stack existant. | Équipes B2C d'entreprise qui veulent plus d'expérimentations vérifiées par mois et un ARPU plus élevé. | Il décide et mesure ; MoEngage ou un équivalent délivre toujours le message. |
Quand tu n'as pas besoin de Markin.
- Tu ne peux pas relier l'engagement à un résultat en termes de revenus, donc les décisions ne peuvent pas être valorisées.
- Ton programme est une poignée de messages transactionnels sans choix commercial à faire.
- Tu veux une plateforme d'engagement plutôt qu'une couche de décision par-dessus.
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.
Sherpa AI n'optimise-t-il pas déjà nos campagnes ?
Sherpa optimise le contenu, le timing et les recommandations des campagnes définies par ton équipe, par rapport à un objectif d'engagement. Markin décide quelle opportunité commerciale mérite une campagne, l'évalue en termes de marge, l'arbitre par rapport à tout ce que le client pourrait recevoir, et la lit par rapport à un holdout randomisé.
Devons-nous remplacer MoEngage ?
Non. MoEngage reste la couche d'analyse et de diffusion. Markin fournit la décision que ses flux exécutent.
Comment la décision atteint-elle MoEngage ?
Comme un attribut utilisateur portant l'action choisie et son expiration, ou comme un événement personnalisé qui déclenche un flux existant.
Cela signifie-t-il envoyer moins de messages ?
Souvent oui, du moins au début. Lorsqu'un contact n'a pas de valeur attendue positive, la décision est de le retenir. Le volume n'est pas l'objectif ; l'ARPU incrémental l'est.
À quoi ressemblent les quatre-vingt-dix premiers jours ?
Un thème de revenus, une route d'activation vers MoEngage, un vrai holdout, et un chiffre qui survit à une fenêtre de mesure complète.
En quoi Markin est-il différent du decisioning ou de l'IA déjà présents dans MoEngage ?
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 MoEngage 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 MoEngage ?
On the assumptions preloaded above, 6.0M customers at 9 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.