Markin et ton équipe data science

Markin remplace-t-il mon équipe de science des données ?

Non, et une équipe qui essaierait de faire fonctionner Markin sans data scientists en tirerait moins de bénéfices. Markin supprime le travail manuel de prise de décision : dimensionner les Candidate actions à la main, exporter les segments, câbler les holdouts, réconcilier les lectures. La compétence rare, savoir quoi optimiser, quoi contraindre et ce qu'une lecture causale prouve réellement, devient plus précieuse, pas moins.

Qui possède les modèles ?

Si tu en as. Markin utilise les fonctionnalités, la propension et les modèles d'uplift que ton équipe maintient déjà, en plus de sa propre évaluation des opportunités (opportunity sizing), et chaque décision est auditable jusqu'aux données d'entrée qui l'ont produite. Ton équipe peut inspecter, outrepasser ou remplacer n'importe quel modèle de la boucle.

Pouvons-nous apporter nos propres modèles d'uplift ?

Oui. Importer les scores de l'entrepôt de données ou les servir en direct ; Markin les combine avec la marge, le coût de contact et l'éligibilité pour choisir une action par client. Là où tu n'as pas de modèle, le dimensionnement propre à Markin comble le vide en attendant.

En quoi est-ce différent du déploiement de nos modèles vers un outil de campagne ?

Un outil de campagne consomme un score pour construire une liste. Une couche de decisioning compare chaque action candidate pour un client en fonction de la valeur attendue, applique des contraintes, en choisit une ou la met en attente, et y associe un groupe de contrôle. Le résultat est une décision accompagnée de preuves, pas une audience.

Comment savons-nous que l' uplift est venu de la couche de décision et non des modèles ?

Tu n'as pas à les séparer, et le holdout s'en moque : les cohortes traitées et en holdout ne diffèrent que par le fait qu'une décision par client a été prise, dans la même période, avec les mêmes modèles et la même saisonnalité. C'est pourquoi la plage vérifiée que nous citons est post-holdout plutôt que pré/post.

En quoi Markin est-il différent du decisioning ou de l'IA déjà présents dans your data science team ?

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 your data science team 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 your data science team ?

On the assumptions preloaded above, 4.0M customers at 19 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.