Il Markin ROI Report per Enterprise Growth TeamsLeggi ora
MARKIN

COMPARE/Confronto tra categorie

Data Warehouse vs. CDP vs. livello di decisioning

+17–35% ARPU rispetto al holdoutIntervallo osservato nelle implementazioni Markin, misurato su coorti trattate.

Un data warehouse memorizza e modella i dati. Un CDP risolve l'identità e rende il contesto del cliente attivabile. Un livello decisioning sceglie su quale opportunità commerciale agire per cliente e dimostra la scelta rispetto al controllo. Si impilano: archiviazione, poi contesto, poi decisione. Ogni livello è un povero sostituto di quello sopra di esso.

Richiedi una demoCustomer Decisioning

In breve

  • Data warehouse: What is the truth of what happened? Output: Modelled tables and metrics.
  • CDP: Who is this customer and how do we reach them? Output: Profiles, audiences, syncs to channels.
  • I segmenti creati dagli analisti non possono coprire l'intero spazio di opportunità di una base ampia.
  • It reads the warehouse and the CDP in place, generates and sizes hypotheses, chooses treatments per customer and hands them to activation, with every decision measured against control and logged for audit.

Ultimo aggiornamento: . Le affermazioni su altri fornitori si collegano alla fonte da cui provengono.

Cosa è in gioco

Un livello decisioning non è una voce di spesa per un tool. Muove l'ARPU sull'intera base, ogni mese.

Base installata

2.0M

customers at $24 ARPU / month

Ricavo indirizzabile

$259.2M

all'anno, base raggiungibile

ARPU uplift verificato

+17% al +35% ARPU

sulle coorti trattate, rispetto a holdout

Quanto vale

$44.1M – $90.7M

ricavi incrementali per anno

Misurato su coorti trattate rispetto a un holdout randomizzato, letto su un'intera finestra di misurazione anziché nelle prime settimane. Range anonimizzato tra le implementazioni Markin in grandi basi B2C; il tuo holdout è il numero che decide. Le cifre di cui sopra applicano tale intervallo alla quota raggiungibile della base sulle ipotesi di questa pagina; sono aritmetiche, non una previsione per la tua attività.

Eseguilo sui tuoi numeri

What each one actually does.

01

Data warehouse

Il magazzino centrale dove risiedono i dati grezzi e modellati, interrogati da analisti e pipeline.

02

CDP

Il livello che risolve l'identità ed espone profili cliente, tratti e audience agli strumenti di attivazione.

03

Livello decisionale

Il livello che classifica le opportunità commerciali per cliente, seleziona i trattamenti e li convalida sperimentalmente.

Fianco a fianco

Le differenze che cambiano i risultati.

DimensioneData warehouseCDPLivello decisionale
Domanda a cui rispondeQual è la verità di ciò che è accaduto?Chi è questo cliente e come possiamo raggiungerlo?Cosa dovremmo fare, per chi e quanto vale?
Input primarioEstrazioni da sistemi sorgente, flussi di eventi, trasformazioni.Tabelle del data warehouse, eventi, segnali di identità, consenso.Contesto di warehouse e CDP, risultati, costi, vincoli.
Output primarioTabelle e metriche modellate.Profili, audience, sincronizzazione con i canali.Decisioni classificate con valore atteso e gruppi di controllo.
Proprietario abitualeIngegneria dei dati, ingegneria analitica.Operazioni Martech, ingegneria dei dati.Growth, data science, leadership di ricavi.
Come viene misuratoFrescozza, costo, copertura del modello e tasso di superamento dei test.Tasso di corrispondenza, affidabilità della sincronizzazione, latenza dell'audience.Ricavi incrementali e ARPU rispetto al controllo.

Job to be done

Lo stesso lavoro, con una produttività diversa.

Niente di ciò che segue richiede uno strumento che non esiste. Richiede che il lavoro avvenga continuamente invece che una volta al trimestre, e che sia provato contro un holdout invece di essere discusso.

Job to be done, confrontato tra With data warehouse alone and Con Markin
Job to be doneWith data warehouse aloneCon Markin
Nota che il ricavo per cliente sta diminuendo in un segmentoQualcuno lo individua in una revisione della dashboard, settimane dopo che è iniziato.Rilevato come segnale il giorno in cui il drift elimina il rumore, con il segmento già dimensionato.
Spiega perché sta accadendoUn analista viene distolto dalla roadmap per un'indagine di due settimane.Un'indagine viene eseguita automaticamente e restituisce i driver con le relative prove.
Crea ipotesi degne di essere testateUn workshop produce la manciata di idee che la stanza è riuscita a generare.Le ipotesi vengono scritte continuamente attraverso marketing, prodotto, prezzi e salute tecnica.
Decidi quali ipotesi meritano un budgetPrioritizzato per anzianità e istinto, senza dimensione allegata.Ognuno è dimensionato in termini di entrate e classificato prima che venga costruito qualsiasi cosa.
Scegli la Next Best Action per un clienteLe regole di Segment e i calendari delle campagne decidono, aggiornati quando qualcuno ha tempo.Scelto per cliente, per momento, contro tutto il resto in competizione per quel cliente.
Lancialo davveroUn ticket per il team del ciclo di vita, poi uno slot nel calendario del mese prossimo.Eseguito all'interno dei sistemi che già utilizzi, senza la necessità di adottare un nuovo canale.
Dimostra che ha causato i ricaviRiportato rispetto ai non qualificati o a un holdout globale, se del caso.Ogni decisione prevede un gruppo di controllo randomizzato; l'uplift viene letto rispetto ad esso.
Elimina ciò che non funzionaI programmi sopravvivono perché nessuno si occupa di ritirarli.La mancata superiorità rispetto al controllo ritira automaticamente il programma.
Rifare tutto la prossima settimanaVincolato dalla capacità: da quattro a otto test a trimestre.Centinaia di ipotesi in corso in parallelo, continuamente.

La parte irrisolta

Il livello che manca alla maggior parte degli stack.

Gli investimenti in warehouse e CDP sono solitamente ben finanziati e ben gestiti. Il layer decisionale è tipicamente improvvisato: segmenti SQL, un piano di campagne trimestrale e alcuni modelli di propensione che alimentano un journey builder.

  • I segmenti creati dagli analisti non possono coprire l'intero spazio di opportunità di una base ampia.
  • I punteggi di propensione in uno strumento di canale sono classificazioni, non decisioni: nessuna dimensione, nessun costo, nessun controfattuale.
  • Senza una registrazione delle decisioni, l'organizzazione non può spiegare perché un cliente ha ricevuto ciò che ha ricevuto.
  • L'apprendimento è intrappolato nelle post-mortem delle singole campagne invece di accumularsi.

La differenza effettiva

Markin non è l'ennesimo motore decisionale.

Markin non è un decisioning engine. Un decisioning engine classifica le azioni che un essere umano ha già definito. Markin funziona come un team di data science e growth: formula le proprie ipotesi sul perché l'ARPU è bloccato, in marketing, prodotto, prezzi o stato di salute tecnico, le dimensiona, le esegue all'interno dei sistemi che già utilizzi, e legge ognuna contro un holdout.

 Un motore decisionaleMarkin
Da dove proviene l'ipotesiUn umano lo crea. Il motore sceglie tra opzioni già approvate da qualcuno.Markin lo scrive. Legge la base, trova dove i ricavi stanno calando o non sono stati sfruttati, e scrive l'ipotesi stessa.
Cosa gli è permesso di mettere in discussioneMessaggio, offerta, canale, tempistica, all'interno della superficie della campagna a cui è stato assegnato.Qualsiasi cosa che muova l'ARPU: attrito nell'onboarding, prezzi e packaging, una funzionalità che nessuno adotta, un picco di fallimenti di pagamento, un deeplink rotto.
Chi esegue l'analisiI tuoi analisti, prima e dopo. Il motore ottimizza; non indaga.Markin esegue l'analisi. Dimensionamento, definizione del segmento, progettazione dell'esperimento e lettura dei risultati sono automatizzati end-to-end.
Dove si fermaAlla raccomandazione. Qualcuno deve ancora costruirlo e lanciarlo.Si avvia. Markin esegue all'interno delle tue piattaforme e superfici di prodotto esistenti, quindi chiude il ciclo sul risultato.
ThroughputTante ipotesi quante il tuo roadmap ne può contenere, tipicamente una manciata per trimestre.Centinaia in parallelo, ognuno con un control group.
Cosa succede quando è sbagliatoIl programma continua a funzionare finché qualcuno non lo esamina.Viene ritirato automaticamente. Il fallimento nel superare il controllo è un risultato normale ed economico.

Un motore decisionale sceglie la migliore action da un elenco che hai scritto. Markin scrive l'elenco e lo esegue nel tuo stack.

Spazio delle ipotesi

Tutto ciò che un growth scientist umano esaminerebbe.

La maggior parte dei problemi di crescita non sono problemi di messaggio. Markin non è limitato alla superficie della campagna: se qualcosa frena l'ARPU, rientra nell'ambito e viene testato allo stesso modo.

Marketing

La superficie classica, ma scelta per cliente anziché per segmento, e sempre rispetto a un holdout.

  • Quale offerta vale la pena fare a questo specifico cliente
  • Canale e tempistica scelti per persona, non per campagna
  • Pressione di contatto e affaticamento gestiti su ogni programma
  • Economia del recupero: chi vale uno sconto e chi no

Prodotto

Dove il cliente sperimenta effettivamente il valore e dove si verifica la maggior parte della perdita di ricavi silenziosa.

  • Fasi di onboarding che fanno perdere clienti prima del primo valore
  • Una funzionalità con elevata correlazione di retention che metà della base non scopre mai
  • Posizionamento del paywall e del prompt di upgrade
  • Superfici in-product utilizzate come braccio di trattamento, non solo email e push

Commerciale

Prezzi, packaging e la forma dell'offerta stessa, testati anziché discussi.

  • Struttura di piano e pacchetto per coorte
  • Profondità dello sconto rispetto al margine, non solo rispetto alla conversione
  • Inquadramento annuale versus mensile per cliente
  • Sequenze di dunning e recupero dello churn involontario

Salute tecnica

Anomalie che nessuno ha chiesto di cercare. Questa è la categoria che nessun motore decisionale copre.

  • Un tasso di errore al checkout aumentato su un dispositivo e una regione
  • Guasti di pagamento concentrati su un singolo emittente o metodo
  • Un deeplink rotto che silenziosamente uccide un percorso di alto valore
  • Latenza o degrado della consegna che riducono la conversione prima ancora che qualsiasi messaggio lo faccia

Pensa a Markin come a un team di data science e growth che non dorme mai: indaga, formula ipotesi, le implementa nel tuo stack e ne verifica ognuna contro un gruppo di controllo, con un volume che nessun team umano può raggiungere.

Il loop

L'Esecuzione è un passaggio nel ciclo, non un passaggio di consegne.

  1. 01

    Osservare

    Markin legge continuamente il segnale comportamentale, transazionale e di prodotto che già raccogli.

  2. 02

    Ipotizza

    Scrive l'ipotesi stessa, marketing, prodotto, commerciale o tecnica, e ne indica la direzione attesa.

  3. 03

    Dimensioni

    Ogni opportunità è classificata in base al valore atteso, quindi la coda è ordinata per denaro anziché per opinione.

  4. 04

    Progetto

    Segment, trattamento, guardrail e un holdout randomizzato vengono impostati prima che qualsiasi cosa venga lanciata.

  5. 05

    Esegui

    Si avvia all'interno dei sistemi che già utilizzi, la tua piattaforma di coinvolgimento, le tue superfici di prodotto, le tue API. Nulla attende in una coda di build.

  6. 06

    Leggi

    I risultati vengono misurati rispetto all'holdout per un'intera finestra, in modo che la novità non venga scambiata per effetto.

  7. 07

    Scalare o ritirare

    Ciò che supera il controllo viene esteso a tutta la base. Ciò che non lo supera viene disattivato automaticamente.

Dove si inserisce Markin

Non un sostituto. Un team di growth-science in più.

Markin è il livello di decisioning. Legge il warehouse e il CDP in essere, genera e dimensiona le ipotesi, sceglie i trattamenti per cliente e li consegna all'attivazione, con ogni decisione misurata rispetto al controllo e registrata per l'audit.

Legge in loco

Nessuna migrazione di dati e nessuna seconda fonte di verità. I livelli sottostanti mantengono le loro responsabilità.

Le decisioni vengono registrate

Segnale, ipotesi, dimensione, trattamento, esperimento e risultato sono tutti conservati, il che rende possibile la governance.

L'apprendimento si compone

Ogni esperimento aggiorna i priors utilizzati dal round successivo di ipotesi, quindi la qualità delle decisioning migliora nel tempo.

Esplora Customer Decisioning

Perché Markin vince

Più potente di qualsiasi altra cosa su questa pagina.

Ogni strumento con cui Markin viene confrontato è stato creato per un compito che si ferma prima che il revenue si muova: consegnare il messaggio, unificare i dati, fare lo score del lead. Markin è stato creato per un unico risultato, aumentare l'ARPU, e possiede il loop completo che porta a questo: indagare, ipotizzare, lanciare, misurare e scalare, attraverso marketing, prodotto, pricing e technical health.

Apprendimento ultra-rapido, by design

Markin Growth Science esegue il ciclo completo di osservazione, formulazione di ipotesi, esperimenti e lettura in pochi giorni, con centinaia di esperimenti supportati da holdout in parallelo. Il sistema accresce l'apprendimento a una velocità che nessun team umano, e nessuno strumento di campagna, può eguagliare.

Growth operations, rese efficienti

Dimensionamento, design del segmento, costruzione, lancio e misurazione erano quattro team e uno sprint. In Markin sono un unico sistema, quindi la stessa growth operation spedisce più azioni di ricavo con una frazione del costo di coordinamento.

Un risultato: ARPU

Ogni ipotesi viene dimensionata in revenue atteso per cliente, ogni azione viene giudicata rispetto a un holdout randomizzato e tutto ciò che supera il controllo scala automaticamente sulla base. Nient'altro in questa pagina viene misurato in questo modo.

Se l'obiettivo è far crescere l'ARPU attraverso un apprendimento ultra-veloce e gestire le growth operations in modo più efficiente, la scelta è Markin.

Richiedi una demo

Modello operativo

Il limite non sono le idee. È quante se ne possono testare.

 Today, with data warehouseCon Markin in cima
Ipotesi di ricavo testate per trimestreDa 4 a 8, a seconda dello spazio disponibile sulla roadmapCentinaia, generate ed eseguite in parallelo
Su cosa si può formulare un'ipotesiMessaggi, offerte e pubblici, la superficie della campagnaSalute di marketing, prodotto, prezzi e tecnica
Dalla decisione al live nel canaleUn ticket, una coda di build, una finestra di rilascioMarkin lo lancia autonomamente nelle tue piattaforme esistenti
Tempo dall'idea a un risultato di cui ti fidiDa 6 a 10 settimane di analisi, sviluppo e presentazione dei risultatiGiorni, perché il dimensionamento e la progettazione sono automatizzati
Quota delle decisioni con un gruppo di controlloI programmi di punta, quando c'è tempoOgni decisione, per impostazione predefinita
Copertura della baseSegmenti principali e i clienti intercettati da una regolaUn'unica decisione per cliente, su tutta la base
Costo per testare la 500esima ipotesiUn altro analista, un altro trimestrePraticamente zero
A cosa dedica il suo tempo il teamEstrazione dati, creazione liste, riconciliazione reportGiudizio: vincoli, economia, cosa scalare

Markin non sostituisce il tuo team di data science. Rimuove il limite alla quantità di base su cui il team può agire e alla velocità con cui scopre se ha funzionato.

Standard di Evidenza

La maggior parte di questa categoria riporta il proprio lift.

Nessuno dei principali fornitori di engagement, CDP o personalizzazione pubblica un dato di uplift verificato in modo indipendente per il suo prodotto decisionale. Laddove esistono numeri, provengono da studi commissionati dal fornitore o da case study di singoli clienti senza una metodologia di holdout divulgata. La ricerca pubblica più rigorosa nella categoria non è lusinghiera per nessuno, incluso noi, ed è esattamente il motivo per cui ci basiamo su di essa.

Come Markin si attiene ad essa

  • Ogni decisione che Markin prende include un gruppo di controllo. L'uplift è riportato rispetto a quell'holdout, non rispetto ai clienti che non si sono qualificati.
  • I risultati vengono letti su un'intera finestra di misurazione anziché nelle prime settimane, in modo che la novità non venga scambiata per effetto.
  • I programmi che non riescono a superare il controllo vengono automaticamente ritirati. Eliminare le decisioni che non ripagano fa parte del ciclo, non di una revisione annuale.
  • L'unica cifra che citiamo su noi stessi è un intervallo, non una media: da +17% a +35% ARPU sulle coorti trattate rispetto a un holdout randomizzato, in tutte le implementazioni Markin in grandi basi B2C. Non pubblichiamo alcun benchmark di settore, perché non siamo riusciti a trovarne uno che saremmo stati disposti a difendere. Il tuo holdout è il numero che conta.

Tempo al valore

90 giorni per un numero che ha superato un holdout.

Nessun replatform, nessuna migrazione dei dati, nessuna ricostruzione dei canali che già gestisci. Se le prime coorti non superano il controllo, nulla si espande e hai perso un trimestre, non una roadmap.

  1. Settimane 0–2

    Leggi il contesto che hai già

    Markin si collega ai dati e ai canali che usi oggi, data warehouse incluso. Nessuna migrazione, nessun replatform, nessuna nuova fonte di verità.

  2. Settimane 3–6

    Prime opportunità dimensionate in test

    Le opportunità sono classificate in base al valore atteso, i trattamenti sono scelti per ciascun cliente e le prime coorti vengono attivate con un holdout randomizzato allegato.

  3. Settimane 7–12

    Primo ricavo incrementale verificato

    I risultati vengono letti su un'intera finestra di misurazione. Ciò che supera il controllo scala; ciò che non lo fa viene ritirato. Nulla scala su un numero che non è sopravvissuto a un holdout.

Quando non hai bisogno di Markin.

  • Il tuo warehouse non è ancora affidabile: il livello di decisioning eredita ogni problema di dati a monte.
  • Non hai un percorso di attivazione verso i clienti, quindi le decisioni non possono essere consegnate.
  • La base è abbastanza piccola da permettere a un singolo analista di lavorare genuinamente ogni opportunità a mano.

Visualizzalo nel prodotto

Guardalo decidere, sperimentare ed eseguire, prima di parlare con chiunque.

Un tour guidato del workspace Markin su un cliente demo, senza chiamata di vendita, senza configurazione.

Esplora la demoOppure prenota una demo con il team

Domande che gli acquirenti si pongono.

Abbiamo bisogno di un CDP se abbiamo un warehouse e un livello decisionale?

Non necessariamente. Molti team attivano direttamente dal data warehouse. Un CDP si guadagna il suo posto quando la risoluzione dell'identità, il consenso e la sincronizzazione multicanale sono problemi difficili nel tuo ambiente.

Il magazzino può essere il livello di decisioning?

Può ospitare i modelli, ma il livello di decisioning è più di SQL: ha bisogno di generazione di ipotesi, dimensionamento, selezione del trattamento, progettazione di esperimenti e un record di decisioni. I team che ci provano tendono a ricostruire esattamente questo, lentamente.

Dove si collocano gli strumenti di reverse-ETL?

Nell'attivazione, tra contesto e canale. Spostano una decisione una volta che è stata presa; non la prendono loro.

In che modo Markin è diverso dal decisioning o dall'AI già presenti in data warehouse?

Un motore di decisioning classifica le azioni che un umano ha già definito, all'interno della superficie della campagna che gli è stata data. Markin forma le ipotesi da sé, siano esse di marketing, prodotto, prezzo o un'anomalia tecnica che frena la growth, le dimensiona, le esegue all'interno di data warehouse e delle tue superfici di prodotto, e valuta ciascuna rispetto a un holdout randomizzato. Si comporta come un team di data science e growth, non come un ottimizzatore.

Markin testa solo messaggi e offerte?

No. Tutto ciò che un growth scientist umano investigerebbe rientra nello scopo: attrito nell'onboarding, adozione di funzionalità, prezzi e pacchetti, dunning e problemi di salute tecnica come un tasso di errore nel checkout o un deeplink non funzionante che sta silenziosamente uccidendo la conversione. Il marketing è uno dei quattro domini di ipotesi, non il confine.

Cos'è the business case for adding Markin on top of data warehouse?

On a large B2C base, un piccolo movimento nell'ARPU è un numero elevato in termini assoluti, perché si applica all'intera base installata ogni mese anziché a una campagna. Nelle implementazioni Markin, l'intervallo verificato sulle coorti trattate è da +17% a +35% ARPU rispetto a un holdout randomizzato. Il punto non è più messaggi: è trovare l'azione a più alto valore per cliente, lanciarla e dimostrarne l'incrementality rispetto al controllo prima che si espanda.

Quanto tempo prima che si ripaghi da solo?

Le prime opportunità dimensionate sono in test entro sei settimane e il primo risultato verificato tramite holdout arriva entro 90 giorni. Il ritorno sull'investimento dipende dalla tua base, dal margine e dal costo del programma; il calcolatore su questa pagina lo computa dai tuoi numeri, dopo aver applicato il taglio del 20% al 40% che BCG riscontra quando i programmi Next Best Action sono testati per incrementality.

Continua a leggere

Lettura di approfondimento su come funziona la next best action decisioning, dalle guide che sono alla base di questo confronto.