YuppTV+18%
nomadTravel / eSIM
Comment Nomad transforme les signaux clients en growth sur des dizaines de marchés
+22%
ARPU · mesuré par rapport à un holdout randomisé
En bref
Nomad vend des forfaits de données eSIM dans des dizaines de pays, où chaque voyageur a un voyage, un appareil et une sensibilité au prix différents. Markin décide désormais de la next best action pour chaque client et la lance via la pile existante de Nomad, augmentant l'ARPU de 22 % sur les cohortes traitées par rapport à un holdout randomisé.
Résultats
Chaque décision comporte un groupe de contrôle+22%
ARPU sur les cohortes traitées
vs holdout randomisé, fenêtre de mesure complète
+34%
Taux de réachat
voyageurs achetant un deuxième forfait dans les 90 jours
11×
Expérimentations en ligne par mois
comparé au calendrier de campagne pré-Markin
Plage anonymisée sur l'ensemble des déploiements Markin dans de grandes bases B2C, lue sur une fenêtre de mesure complète. Il ne s'agit pas d'un benchmark sectoriel ni d'une prévision pour ta base.
En un coup d'œil
- Secteur
- Connectivité Travel / eSIM
- Marchés
- Des dizaines, vendues en devise locale
- Base
- Des millions de voyageurs, principalement des acheteurs d'un seul voyage
- Mouvements en direct
- Cross-sell, win-back, timing des recharges, test de prix
- Pile
- Warehouse, CDP, Braze, app SDK, Stripe
- Premier uplift mesuré
- Semaine 6
Le défi
La growth de Nomad était limitée par la forme du produit : la plupart des voyageurs achètent une fois, pour un seul voyage, et disparaissent. La question des revenus n'était jamais « à qui envoyons-nous un e-mail », mais « laquelle des dizaines de combinaisons de plans, de prix et de délais vaut la peine d'être montrée à ce voyageur spécifique avant que ses données ne s'épuisent ».
Un calendrier de campagnes ne pouvait pas répondre à cela. Les segments étaient construits par marché et reconstruits chaque trimestre, les offres étaient les mêmes pour un court séjour de deux jours en ville et une relocalisation de trois mois, et l'équipe n'avait aucun moyen de savoir si une poussée de recharges avait généré des revenus ou simplement récolté un achat qui allait se produire de toute façon.
Embaucher pour s'en sortir n'était pas non plus réaliste : le travail analytique nécessaire pour maintenir des dizaines de marchés optimisés individuellement est un data-science pod complet et permanent.
Ce que Markin a fait
Data and context, intelligence, action01 / Données et contexte
Contexte du voyage, pas seulement un dossier client
Markin lit l'entrepôt, le CDP et les événements d'application de Nomad en place et construit une image par voyageur : destination, appareil, taille du forfait, courbe de consommation, comportement d'itinérance et prix local des alternatives. Aucune donnée n'est copiée dans un nouveau système.
02 / Intelligence
Hypothèses que l'équipe n'a jamais eu le temps d'écrire
La couche d'intelligence identifie seule les opportunités de revenus, les dimensionne et les transforme en actions candidates : qui est sur le point de manquer de données, qui prolonge un voyage, quel marché tolère un plan plus important, où un discount ne fait que cannibaliser un achat déjà en cours.
03 / Action
Exécution 1:1 au sein de la propre stack de Nomad
Les actions approuvées sont lancées via Braze, l'application et la propre caisse de Nomad, chacune avec un holdout randomisé associé. Les actions qui ne parviennent pas à surpasser leur contrôle sont retirées automatiquement au lieu de perdurer dans un calendrier.
Expérimentations exécutées
Hypothesis to measured lift| Hypothèse | Segment | Action | Channel | Uplift mesuré |
|---|---|---|---|---|
| Les gros utilisateurs atteignent leur plafond avant la fin du voyage et font churn vers une carte SIM locale | Voyageurs à 70 % de consommation avec plus de 3 jours restants | Offre de top-up dimensionnée en fonction du voyage restant, et non d'un pack fixe | Push + in-app | +19 % de revenus de recharges |
| Les itinéraires multi-pays sont mal desservis par les forfaits mono-pays | Réservations avec des correspondances dans plus de 2 régions | Plan régional positionné à l'achat et au premier passage de frontière | Paiement + e-mail | +12 % d'AOV |
| Les anciens voyageurs reviennent selon un cycle saisonnier que nous n'anticipons pas | Acheteurs inactifs avec un modèle de voyage répété | Win-back programmé en fonction de leur propre rythme de voyage, sans réduction | Email + audience payante | +34 % de taux de répétition |
| La réduction des prix sur de nouveaux marchés achète un volume que nous aurions gagné de toute façon | Premiers acheteurs sur les marchés à forte intention | Retenir la promotion, maintenir le prix, mesurer par rapport au contrôle | Paiement | Marge préservée, pas de perte de volume |
Comment cela a été déployé
Semaine 0
Connecte, ne migre pas
Warehouse, CDP, Braze et événements d'application connectés en lecture seule. Premier flux d'opportunités généré à partir du comportement historique.
Semaine 2
Première motion en ligne
Le timing du top-up est mis en œuvre sur trois marchés avec un holdout randomisé sur chaque décision.
Semaine 6
Premier uplift lisible
Les revenus de top-up affichent +19 % par rapport au holdout. Deux hypothèses sont retirées pour ne pas avoir battu leur holdout.
Semaine 12
Étendue à l'ensemble de l'empreinte
Quatre motions fonctionnant sur chaque marché, avec l'équipe growth qui examine les décisions plutôt que de créer des campagnes.
Selon leurs mots
“Markin gère le cycle de vie 1:1 sur des dizaines de marchés. C'est l'équipe de croissance que nous n'aurions jamais pu embaucher.”
Growth Lead, Nomad
La stack avec laquelle Markin a travaillé
No migration, no new system of recordQuestions posées par les acheteurs à propos de ce cas
Pourquoi une entreprise d'eSIM a-t-elle besoin de decisioning plutôt que de plus de campagnes ?
Parce que la question des revenus est par voyageur, et non par segment. Un court séjour de deux jours et une relocalisation de trois mois nécessitent des plans, des prix et un calendrier différents, et aucun calendrier de campagne ne peut prendre en charge des dizaines de marchés avec une telle résolution.
How was the Nomad result measured?
Chaque décision comporte un holdout randomisé. L'uplift cité est la différence entre la cohorte traitée et ce groupe de contrôle sur une fenêtre de mesure complète, et non une comparaison avant-après.
Ont-ils dû déplacer leurs données vers Markin ?
Non. Markin lit à partir du data warehouse, du CDP et des événements produit déjà en place. Rien n'est copié dans un nouveau système et rien n'est verrouillé.
Quelle équipe l'a géré au quotidien ?
L'équipe growth existante. Markin effectue le travail analytique, une équipe travel de cette taille nécessiterait un pôle data-science dédié pour le produire, et achemine chaque action vers les outils qu'elle opère déjà.
Combien de temps avant le premier uplift mesurable ?
Une première motion est mise en ligne en environ 30 jours et le premier résultat statistiquement lisible arrive dans les six semaines suivantes. L'impact à l'échelle se lit généralement à 90 jours.
