Cosa succede all'interno di una growth decision

All'interno di una growth decision, un evento innesca un processo automatizzato e in tempo reale: il profilo del cliente viene aggiornato, vengono identificate le Candidate action e un Constraint Layer le filtra. Un motore di arbitraggio seleziona quindi l'intervento di maggior valore, o l'inazione, basandosi sul contributo previsto al Revenue opportunity. Ogni passaggio viene registrato per una completa auditabilità.

Cosa succede all'interno di una growth decision

Una growth decision è l'unità atomica della crescita agentica (agentic growth), un passaggio automatizzato che determina l'interazione ottimale con un cliente in un momento specifico. Applica un approccio metodico e basato sui dati a ogni singolo engagement, mirando a massimizzare l'espansione dell'ARPU a lungo termine. È così che Markin esegue interazioni automatizzate con i clienti nelle grandi aziende B2C.

Scenario di esempio: un cliente naviga su un articolo

Per illustrare l'anatomia di una growth decision, si consideri un cliente, 'Alice', che naviga su un prodotto specifico, 'Luxury Smartwatch X', sul sito web di un rivenditore. Questa azione è il segnale iniziale che attiva il processo decisionale.

L'evento grezzo arriva e cosa ne è o non ne è prova

La prima fase di qualsiasi growth decision inizia con un evento grezzo. Nel caso di Alice, si tratta di un evento di 'visualizzazione prodotto' per 'Luxury Smartwatch X'. Questo evento arriva al motore decisionale di Markin in tempo reale, tipicamente tramite un'API o un webhook.

• Di cosa è prova: Alice ha espresso interesse per il Luxury Smartwatch X. Ha trascorso 45 secondi sulla pagina del prodotto.
• Di cosa non è prova: L'evento da solo non conferma l'intenzione di acquisto, la sensibilità al prezzo o se sta semplicemente confrontando prodotti. Fornisce un punto dati, non una conclusione.

Gli eventi sono timestamped e contengono metadati come il tipo di dispositivo, il referrer e l'ID sessione. Questo dettaglio granulare è cruciale per le fasi successive.

I segnali del profilo che vengono aggiornati

Al ricevimento dell'evento, Markin aggiorna immediatamente il profilo cliente unificato di Alice. Questo profilo è un repository dinamico di tutte le informazioni note su Alice, strutturato per query in tempo reale. L'evento di 'visualizzazione prodotto' arricchisce i segnali esistenti e potenzialmente ne crea di nuovi:

• Segnali comportamentali: 'prodotti visualizzati di recente' (Luxury Smartwatch X aggiunto), 'interesse per categoria di prodotto' (Wearables, Luxury Goods aggiornato). Provenienza: Interazione sul sito web. Scadenza: 24 ore per la recenza immediata, 7 giorni per l'interesse più ampio.
• Segnali di engagement: 'durata sessione' (aggiornata), 'pagine visualizzate nella sessione' (incrementate). Provenienza: Interazione sul sito web. Scadenza: Fine della sessione.
• Propensity scores: L'evento potrebbe attivare un ricalcolo della propensione ad acquistare 'Luxury Smartwatch X' o della propensione al churn. Provenienza: Inferenza del modello ML. Scadenza: 1 ora (per punteggi in tempo reale) o 24 ore (per punteggi di batch giornalieri).

Ogni segnale include la sua provenienza, identificando la fonte dei dati, e una scadenza. I segnali di sei minuti fa hanno un peso maggiore rispetto ai segnali di sei settimane fa. Questa ponderazione dinamica impedisce che dati obsoleti influenzino le decisioni attuali.

Le Candidate action considerate per questa persona in questa finestra

Con il profilo aggiornato di Alice, Markin identifica un insieme di Candidate action pertinenti al suo stato attuale. Si tratta di potenziali interventi progettati per influenzare il suo comportamento. Per Alice che naviga sul Luxury Smartwatch X, le Candidate action potrebbero includere:

• Offrire uno sconto del 10% sul Luxury Smartwatch X: Un incentivo diretto.
• Mostrare un banner per accessori correlati: Opportunità di cross-sell.
• Inviare un'email con le migliori recensioni per il Luxury Smartwatch X: Contenuto di nurturing.
• Visualizzare un widget di social proof: '15 persone hanno visualizzato questo nelle ultime ore'.
• Non fare nulla: L'opzione esplicita di non intervenire, prevenendo un eccesso di messaggi. Questa è sempre una Candidate action.

Ogni Candidate action è collegata a uno specifico Revenue opportunity ed è guidata da un'Hypothesis, ad esempio, 'Scontare articoli di alto valore aumenta i tassi di conversione tra i browser ad alta intenzione senza una significativa erosione del margine'.

I Constraints applicati prima che qualcosa possa essere eseguito

Prima che qualsiasi azione possa essere eseguita, deve passare attraverso una serie di Constraint Layer. Queste regole proteggono l'esperienza del cliente, l'integrità del brand e la redditività. Se un'azione fallisce un Constraint, viene rimossa dal set di Candidate action.

Tabella dei Constraint Layer

Constraint Layer	Cosa blocca	Modalità di fallimento se mancante
Idoneità	Offerte a segmenti non idonei (es. abbonati esistenti per offerte solo per nuovi clienti).	Budget sprecato, frustrazione del cliente, problemi di conformità legale.
Frequenza di contatto	Troppi messaggi in un periodo (es. >3 email/giorno, >1 SMS/settimana).	Opt-out dei clienti, affaticamento del brand, riduzione dei tassi di engagement.
Orari di riposo	Messaggi inviati durante le ore non di punta (es. dalle 21:00 alle 8:00 ora locale).	Fastidio, esperienza negativa del cliente, violazioni normative.
Margine minimo (Margin Floor)	Offerte che portano a margini di profitto negativi su prodotti/clienti specifici.	Vendite non redditizie, erosione del valore aziendale.
Conflitti di offerta	Sconti concorrenti o cumulabili (es. '10% di sconto' e 'spedizione gratuita' sullo stesso articolo).	Redditività ridotta, svalutazione del brand, confusione del cliente.
Normativa e consenso	Azioni che violano il GDPR, il CCPA o lo stato di opt-in.	Sanzioni legali, danno al brand, perdita di fiducia.
Gruppo di controllo randomizzato (Randomized Holdout)	Qualsiasi azione a un cliente assegnato a un gruppo di controllo per la misurazione.	Incapacità di misurare l'incremento di valore, ROI erroneamente attribuito, decisioni subottimali.

Per Alice, immagina che lo sconto del 10% sia bloccato da un Constraint di 'Margin Floor' perché lo Smartwatch X è un prodotto appena lanciato e ad alta domanda. Inoltre, un Constraint di 'Frequenza di Contatto' potrebbe bloccare un'email immediata se ne ha ricevuta una nell'ultima ora. È fondamentale che se Alice si trova in un gruppo di controllo (holdout) per un particolare Experiment, tutte le azioni relative a quell'Experiment siano bloccate. Una decisione senza un braccio di holdout non è misurabile e quindi non auditabile, minando l'intera proposta di valore della piattaforma Markin.

L'arbitraggio stesso

Con le azioni ammissibili rimanenti, il motore di arbitraggio determina l'unica azione ottimale, o l'inazione. Questo è il fulcro del processo decisionale della next best action. L'arbitraggio valuta ogni Candidate action rimanente in base al suo contributo atteso rispetto al costo e alla potenziale sostituzione. Non si tratta solo di conversione, ma di conversione incrementale e redditizia.

Considera due Candidate action rimanenti per Alice:

1. Candidate A: Mostra un banner per accessori correlati (es. cinturini, protezioni schermo).
2. Candidate B: Invia un'email con le migliori recensioni per il Luxury Smartwatch X.

Il motore di arbitraggio calcola un Valore Atteso (EV) per ciascuna. Questo EV considera:

• Uplift previsto: Il Revenue opportunity incrementale stimato da questa azione.
• Costo: Il costo di esecuzione dell'azione (es. costo di invio email, costo opportunità dello spazio sullo schermo).
• Sostituzione: Il rischio che l'azione acceleri solo un acquisto che Alice avrebbe fatto comunque, o sposti il suo acquisto da un articolo con margine più alto a uno con margine più basso. Questo è fondamentale per un vero valore incrementale.

Esempio numerico con sostituzione

Assegniamo valori ipotetici:

• Prezzo Luxury Smartwatch X: $500
• Prezzo accessorio: $50 (media)
• Margine lordo medio: 25% per Smartwatch, 40% per Accessori

Candidate A: Mostra banner per accessori correlati

• Conversione accessoria incrementale prevista: 5%
• Revenue opportunity incrementale previsto dagli accessori: 5% * $50 = $2.50
• Profitto lordo incrementale previsto: $2.50 * 40% = $1.00
• Costo dell'azione (trascurabile): $0.01
• Effetto di sostituzione previsto: Basso (sta comunque comprando un orologio, questo è un add-on). Assumi $0.00.
• Valore Netto Atteso (NEV): $1.00 - $0.01 - $0.00 = $0.99

Candidate B: Invia email con le migliori recensioni per il Luxury Smartwatch X

• Conversione Smartwatch incrementale prevista: 2%
• Revenue opportunity incrementale previsto dallo Smartwatch: 2% * $500 = $10.00
• Profitto lordo incrementale previsto: $10.00 * 25% = $2.50
• Costo dell'azione: $0.05 (costo piattaforma email)
• Effetto di sostituzione previsto: Alto (potrebbe averlo comprato comunque o con un altro input). Qui il modello di uplift è critico. Assumi $1.50 di profitto che avrebbe generato a prescindere.
• Valore Netto Atteso (NEV): $2.50 - $0.05 - $1.50 = $0.95

In questo esempio, la Candidate A (banner accessori correlati) ha un NEV più alto ($0.99) rispetto alla Candidate B (email di recensione, $0.95), anche se l'email di recensione genera un Revenue opportunity *lordo* potenziale più elevato. L'effetto di sostituzione è spesso il motivo per cui la risposta è aspettare o scegliere un'azione meno diretta. Markin prioritizza le azioni che creano genuinamente nuovo valore, non solo che spostano il valore esistente.

Pertanto, Markin selezionerebbe la Candidate A per Alice.

Il record della decisione

Ogni growth decision, indipendentemente dal fatto che un'azione sia stata intrapresa o meno, genera un record decisionale completo. Questo log è cruciale per l'auditing, l'analisi delle prestazioni e il miglioramento continuo del modello.

Il record per l'interazione di Alice includerebbe:

• Timestamp: Il momento esatto in cui è stata presa la decisione.
• Evento scatenante: 'Visualizzazione prodotto: Luxury Smartwatch X' con tutti i suoi metadati.
• ID cliente: L'identificatore univoco di Alice.
• Stato del profilo: Un'istantanea dei segnali chiave del profilo al momento della decisione (es. 'prodotti visualizzati di recente', 'propensione all'acquisto di Smartwatch X', 'ultima comunicazione ricevuta').
• Candidate action: Un elenco di tutte le azioni inizialmente considerate.
• Constraints applicati: Quali Constraints sono stati applicati e quali Candidate action hanno eliminato (es. 'Margin Floor' ha bloccato 'sconto del 10%', 'Frequenza di Contatto' ha bloccato 'email immediata').
• Input di arbitraggio: I calcoli del NEV per ogni Candidate action rimanente, inclusi uplift previsto, costo e valori di sostituzione.
• Azione scelta: 'Mostra banner per accessori correlati' o 'Non fare nulla'.
• Motivo della scelta: 'Valore Netto Atteso più alto: $0.99'.
• Versione della policy: La versione specifica della policy decisionale e dei modelli ML sottostanti utilizzati. Ciò garantisce la riproducibilità e aiuta nell'A/B testing di diverse policy.
• Assegnazione al gruppo di controllo (Holdout Assignment): Se Alice fosse in un gruppo di controllo o in un gruppo trattato per eventuali Experiment attivi. Questo è fondamentale per misurare l'incremento dell'ARPU.

Questo record dettagliato assicura che qualsiasi decisione possa essere ricostruita mesi dopo da un revisore umano, giustificando l'azione intrapresa (o non intrapresa) e convalidando la logica e i modelli sottostanti. Supporta la conformità normativa e fornisce i dati necessari per raffinare e ottimizzare continuamente le strategie di crescita. Questa registrazione e tracciabilità completa sono fondamentali per l'agentic growth e consentono alle aziende di scalare la propria capacità di data science senza perdere il controllo o la trasparenza.

Per maggiori approfondimenti su come Markin guida una crescita misurabile, esplora le nostre soluzioni di retention decisioning e i principi del Revenue opportunity discovery.