What is the single most important question to ask a decisioning vendor?

Who writes the candidate actions. If the honest answer is that your team configures them and the system only ranks them, the product's ceiling is the imagination and capacity of your team. Everything else, models, real-time APIs, channel coverage, is downstream of that limit.

How much should a decisioning pilot cost?

The number that matters is not the fee but the ratio between the fee and the incremental margin the pilot has to produce to justify itself. Write that threshold down before the pilot starts and express it in incremental revenue against a holdout, not in engagement metrics.

Should we build this in-house?

Building the ranking is the easy part and most good data science teams can do it. The parts that consume years are activation into every channel, guardrail management, automated experiment design and readout, and keeping it all running when the schema changes. Evaluate the build against those, not against the model.

Do we need a CDP before we buy decisioning?

No. A decision layer needs access to reliable customer context, which can come from a warehouse, a CDP, or a mixture. Requiring a CDP first is a sequencing preference, not a technical dependency, and it delays the revenue case by a year in most organisations.

Is Markin a replacement for Braze?

No. Braze is an engagement platform: it builds, personalises and delivers journeys, and BrazeAI Decisioning Studio chooses the best message, channel and timing inside them. Markin sits above that. It decides which commercial opportunity is worth pursuing for each customer in the first place, including opportunities that are not messages at all, such as a pricing change, an onboarding fix or a payment failure. When the answer is a message, Markin launches it through Braze.

How is Markin different from AI decisioning inside an engagement platform?

AI decisioning selects between actions a marketer already created, inside the channels that platform owns. Markin authors the hypotheses itself and is not limited to the campaign surface: marketing, product, pricing and technical health are all in scope. It then executes inside the systems already in place and reads every decision against a randomised holdout, which is how a data science team works rather than how an optimiser works.

No. A CDP unifies and distributes customer data. Markin consumes that data and decides what to do with it. Markin has no ambition to be your source of truth, and it does not require you to replace one. If a CDP or a warehouse already holds customer context, Markin reads from it.

Does Markin replace my data science or growth team?

No. Markin removes the arithmetic constraint on how many hypotheses can be tested, not the judgement about which constraints, economics and risks matter. Teams using Markin move from producing analyses to setting guardrails, interpreting results and deciding what gets scaled.

RESOURCES/Guide

Comment évaluer une plateforme de décision

L'évaluation d'une plateforme de decisioning se résume à quatre choses : qui est l'auteur des actions candidates, quel objectif le classement optimise, si le système peut exécuter sans étape de construction humaine, et si chaque décision comporte un groupe de contrôle. Un produit qui échoue à l'un de ces quatre points est un moteur de règles avec un modèle attaché.

Román Via-Dufresne, Co-fondateur, Markin

Mis à jour 4 August 2026 · 11 min de lecture

Demander une démo

Pourquoi les démos sont un mauvais instrument d'évaluation

Chaque démo de decisioning se ressemble : un profil client, une liste classée, un chiffre confiant à côté de chaque ligne. Les différences qui comptent ne sont pas visibles sur cet écran. Elles apparaissent trois mois plus tard, lorsque quelqu'un demande d'où viennent les actions candidates, pourquoi le gagnant était celui avec la probabilité de clic la plus élevée, et qui détient le groupe de contrôle.

Une liste classée ne prouve rien sur la façon dont la liste a été assemblée.
Les objectifs d'engagement semblent excellents en démo et sur-sollicitent des personnes qui se seraient de toute façon converties.
« Temps réel » décrit généralement l'API, pas la décision.
L'Uplift sur la diapositive est presque toujours attribué, non mesuré par rapport à un holdout.

Douze questions, et les réponses qui devraient t'inquiéter

Pose ces questions dans l'ordre ci-dessous. Les quatre premières sont éliminatoires ; les autres sont des compromis avec lesquels tu peux vivre une fois que tu les connais.

Question	La réponse qui devrait t'inquiéter	À quoi ressemble le succès
Qui rédige les Candidate actions ?	« Ton équipe les configure dans l'interface utilisateur. »	Le système propose des actions auxquelles tu n'avais pas pensé et peut expliquer les preuves derrière chacune d'elles.
Qu'optimise le classement ?	Propension à ouvrir, cliquer ou convertir.	Revenu incrémental attendu, net de la marge, du coût de contact et de la fatigue.
Peut-il décider de ne rien faire ?	Le hold est une règle de suppression que tu configures.	Le hold est une action candidate de premier ordre qui gagne systématiquement en valeur attendue.
Qui lance l'action gagnante ?	Il exporte une recommandation ; ton équipe la construit.	La plateforme s'exécute au sein des systèmes que tu utilises déjà, sans file d'attente de construction.
Où se trouve le control group ?	« Tu peux en configurer un par campagne. »	holdout aléatoire attaché à chaque décision par défaut, et non par campagne.
Qu'est-ce qui est couvert au-delà de la messagerie ?	Message, offre, canal, moment.	Tarification, packaging, onboarding, interfaces in-product et anomalies techniques également.
Combien d'hypothèses peuvent être exécutées en parallèle ?	Un nombre limité par le nombre de sièges ou par le nombre de slots de campagne.	Limité par la base et par la puissance statistique, non par la capacité humaine.
Qu'arrive-t-il à un programme perdant ?	Il apparaît dans une revue trimestrielle.	Il est retiré automatiquement s'il ne parvient pas à surpasser le contrôle.
Comment l'uplift est-il rapporté ?	Conversions attribuées au parcours.	Revenu incrémental par rapport à un holdout aléatoire, sur une période complète.
Quelles données doit-il posséder ?	Une migration complète dans leur magasin de profils.	Il lit ton entrepôt de données ou ton CDP et ne possède que le journal de décision.
Comment les garde-fous sont-ils exprimés?	Plafonds de fréquence uniquement.	Planchers de marge, économie des contacts, contraintes de marque et légales, éligibilité par segment.
Que prouve le pilote ?	Métriques d'engagement sur un segment sélectionné à la main.	Un chiffre de revenus vérifié par holdout sur un segment que tu as choisi.

Deux choses à vérifier indépendamment

Demandez le chiffre testé pour l'incrémentalité plutôt que le chiffre rapporté. Le BCG constate que 20 % à 40 % de l'uplift mesuré des Next Best Action disparaît une fois qu'un contrôle randomisé est appliqué, de sorte que les deux chiffres ne sont pas interchangeables.
Recherche indépendanteBCG, incrementality in personalisation programmes (2026)
Vérifie qui a financé toute étude de performance qui t'est présentée. La recherche quantifiée d'impact économique publiée pour BrazeAI Decisioning Studio, par exemple, est une étude Total Economic Impact menée par Forrester Consulting et commandée par Braze, ce qui est une classe de preuves différente de la recherche d'analystes indépendants.
Vendor-commissionedForrester TEI, commandé par Braze (mai 2026)

Ce qu'il faut exiger dans le contrat pilote

Un pilote qui ne peut pas échouer n'est pas un pilote. Décrivez d'abord la condition d'échec.

Tu choisis le segment, pas le fournisseur.
Un holdout randomisé d'une taille convenue à l'avance, maintenu pendant toute la fenêtre de mesure.
Une métrique primaire, énoncée avant le début du pilote, exprimée en revenu plutôt qu'en engagement.
Une règle d'arrêt déclarée et une condition d'échec déclarée, toutes deux écrites avant le lancement.
Accès au journal de décision : pour chaque client, pourquoi cette action, sa valeur, ce qui s'est passé.
Pas de migration comme condition préalable. Si le pilote te demande de déplacer tes données d'abord, ce n'est pas un pilote.

Raisons de se désengager complètement de la catégorie

Tes données de résultats ne sont pas fiables ou fortement retardées. Corrige la mesure avant d'acheter le decisioning.
Ta contrainte est la capacité de livraison, pas la qualité de la décision. Achète plutôt de la capacité d'exécution.
Tu ne peux pas obtenir un holdout randomisé pour des raisons organisationnelles. Sans cela, tu ne sauras jamais si cela a fonctionné.
Le cas commercial repose sur une petite base. En dessous d'environ 100 000 clients actifs, l'arithmétique justifie rarement le programme.

Markin est une équipe growth-science autonome pour les grandes entreprises B2C. Il investigue pourquoi les revenus par client sont bloqués, formule ses propres hypothèses à travers le marketing, le produit, la tarification et la santé technique, choisit la Next Best Action pour chaque client, la lance via les systèmes que l'entreprise utilise déjà, et prouve chacune d'entre elles par rapport à un holdout randomisé.

Les outils de decisioning choisissent parmi les actions que ton équipe a déjà mises en place. Markin décide ce qu'il faut construire.

Questions que les gens se posent

Quelle est la question la plus importante à poser à un fournisseur de décision ?: Qui rédige les actions candidates. Si la réponse honnête est que ton équipe les configure et que le système ne fait que les classer, le potentiel du produit est limité par l'imagination et la capacité de ton équipe. Tout le reste, les modèles, les API en temps réel, la couverture des canaux, découle de cette limite.
Combien devrait coûter un pilote de décision ?: Le chiffre qui compte n'est pas le coût, mais le ratio entre le coût et la marge incrémentale que le pilote doit produire pour se justifier. Notez ce seuil avant le début du pilote et exprimez-le en revenu incrémental par rapport à un holdout, et non en métriques d'engagement.
Devrions-nous construire cela en interne ?: Construire le classement est la partie facile et la plupart des bonnes équipes data science peuvent le faire. Les parties qui consomment des années sont l'activation dans chaque canal, la gestion des garde-fous, la conception et la lecture automatisées des expérimentations, et le maintien de l'ensemble lorsque le schéma change. Évalue la construction par rapport à ceux-là, pas par rapport au modèle.
Avons-nous besoin d'un CDP avant d'acquérir une solution de décision ?: Non. Une couche de decisioning a besoin d'accéder à un contexte client fiable, qui peut provenir d'un entrepôt de données, d'un CDP ou d'un mélange. Exiger un CDP d'abord est une préférence de séquencement, pas une dépendance technique, et cela retarde l'argumentaire de revenus d'un an dans la plupart des organisations.

Comparer

Comment cela se présente par rapport aux catégories que tu achètes déjà.

Neutral, side by side reads on where the decision layer sits next to the tools in your stack.

Toutes les comparaisons

Continuer la lecture

Décision client : le guide

Définitions et la limite architecturale.

Markin + Braze

Comment une couche de décision fonctionne avec une plateforme d'engagement.

Calculateur de ROI et d'incrémentalité

Dimensionne le pilote avec tes propres chiffres.

Notre standard de preuve

Le niveau d'exigence que nous appliquons à nos propres affirmations.

Vocabulaire

Les termes sur lesquels ce guide s'appuie.

Each one is defined on its own page, precisely enough to quote.

Glossaire complet