YuppTV+18%
nomadTravel / eSIM
Come Nomad trasforma i segnali dei clienti in growth in dozzine di mercati
+22%
ARPU · misurato rispetto a un holdout randomizzato
In breve
Nomad vende piani dati eSIM in decine di paesi, dove ogni viaggiatore ha un viaggio, un dispositivo e una sensibilità al prezzo diversi. Markin ora decide la next best action per ogni cliente e la lancia attraverso lo stack esistente di Nomad, aumentando l'ARPU del 22% sulle coorti trattate rispetto a un holdout randomizzato.
Risultati
Ogni decisione prevede un gruppo di controllo+22%
ARPU su coorti trattate
vs holdout randomizzato, finestra di misurazione completa
+34%
Tasso di acquisti ripetuti
viaggiatori che acquistano un secondo piano entro 90 giorni
11×
Esperimenti attivi al mese
rispetto al calendario di campagne pre-Markin
Intervallo anonimizzato tra le implementazioni Markin in grandi basi B2C, letto su un'intera finestra di misurazione. Non è un benchmark di settore e non una previsione per la tua base.
In breve
- Settore
- Connettività Travel / eSIM
- Mercati
- Dozzine, vendute in valuta locale
- Base
- Milioni di viaggiatori, principalmente acquirenti di un solo viaggio
- Motions live
- Cross-sell, win-back, tempistica dei top-up, test dei prezzi
- Stack
- Warehouse, CDP, Braze, app SDK, Stripe
- Primo uplift misurato
- Settimana 6
La sfida
La growth di Nomad era limitata dalla forma del prodotto: la maggior parte dei viaggiatori acquista una volta, per un viaggio, e scompare. La questione dei ricavi non era mai 'a chi inviamo e-mail', bensì 'quale tra decine di combinazioni di piano, prezzo e tempistica vale la pena mostrare a questo specifico viaggiatore prima che i suoi dati si esauriscano'.
Un calendario di campagne non avrebbe potuto rispondere a questo. I segmenti venivano costruiti per mercato e ricostruiti ogni trimestre, le offerte erano le stesse per un weekend fuori porta di due giorni e un trasferimento di tre mesi, e il team non aveva modo di sapere se una spinta alla ricarica avesse generato ricavi o semplicemente raccolto un acquisto che sarebbe avvenuto comunque.
Assumere personale per risolvere il problema non era realistico: il lavoro analitico necessario per mantenere dozzine di mercati ottimizzati individualmente richiede un team di data science completo, in modo permanente.
Cosa ha fatto Markin
Data and context, intelligence, action01 / Dati e contesto
Contesto del viaggio, non solo una registrazione del cliente
Markin legge in loco il warehouse di Nomad, il CDP e gli eventi dell'app e costruisce un profilo per viaggiatore: destinazione, dispositivo, dimensione del piano, curva di consumo, comportamento di roaming e prezzo locale delle alternative. Nessun dato viene copiato in un nuovo sistema.
02 / Intelligence
Ipotesi che il team non ha mai avuto tempo di scrivere
Il livello di intelligence evidenzia da solo le opportunità di ricavo, ne calcola la dimensione e le trasforma in azioni candidate: chi sta per esaurire i dati, chi sta prolungando un viaggio, quale mercato tollera un piano più ampio, dove uno sconto canibalizza solo un acquisto già in arrivo.
03 / Azione
Esecuzione 1:1 all'interno dello stack di Nomad
Le azioni approvate vengono lanciate tramite Braze, l'app e il checkout di Nomad, ciascuna con un holdout randomizzato allegato. Le azioni che non riescono a superare il loro controllo vengono ritirate automaticamente anziché rimanere in un calendario.
Esperimenti eseguiti
Hypothesis to measured lift| Ipotesi | Segmento | Azione | Canale | Uplift misurato |
|---|---|---|---|---|
| Gli utenti "heavy" raggiungono il loro limite prima della fine del viaggio e passano a una SIM locale | Viaggiatori al 70% di consumo con 3+ giorni rimanenti | Offerta di ricarica dimensionata al viaggio rimanente, non un pacchetto fisso | Push + in-app | +19% ricavi da ricarica |
| Gli itinerari multi-paese sono poco serviti dai piani mono-paese | Prenotazioni con collegamenti in 2+ regioni | Piano regionale posizionato all'acquisto e al primo attraversamento del confine | Checkout + email | +12% AOV |
| I viaggiatori passati tornano con un ciclo stagionale che non stiamo anticipando | Acquirenti inattivi con un modello di repeat-travel | Win-back sincronizzato con il ritmo di viaggio, senza sconto | Email + audience a pagamento | +34% tasso di ripetizione |
| Scontare i nuovi mercati compra volume che avremmo vinto comunque | Acquirenti per la prima volta in mercati ad alta intenzione | Sospendi la promozione, mantieni il prezzo, misura rispetto al control | Checkout | Margine preservato, nessuna perdita di volume |
Come è stato implementato
Settimana 0
Connetti, non migrare
Warehouse, CDP, Braze ed eventi dell'app connessi in sola lettura. Primo feed di opportunità generato dal comportamento storico.
Settimana 2
Prima motion attiva
La tempistica della ricarica viene lanciata in tre mercati con un holdout randomizzato su ogni decisione.
Settimana 6
Primo uplift leggibile
I ricavi di ricarica registrano +19% rispetto al controllo. Due ipotesi vengono ritirate per non essere riuscite a superare il loro holdout.
Settimana 12
Scalato all'intera impronta
Quattro motion attive in ogni mercato, con il team di growth che esamina le decisioni invece di costruire campagne.
Con parole loro
“Markin gestisce il ciclo di vita 1:1 su decine di mercati. È il growth team che non avremmo mai potuto assumere.”
Growth Lead, Nomad
Lo stack con cui Markin ha lavorato
No migration, no new system of recordDomande che gli acquirenti si pongono su questo caso
Perché un'azienda di eSIM ha bisogno di decisioning piuttosto che di più campagne?
Perché la questione dei ricavi è per singolo viaggiatore, non per segmento. Un city break di due giorni e un trasferimento di tre mesi richiedono piani, prezzi e tempistiche diverse, e nessun calendario di campagne può gestire decine di mercati con quella risoluzione.
How was the Nomad result measured?
Ogni decisione comporta un holdout randomizzato. L'uplift citato è la differenza tra il gruppo trattato e il gruppo di controllo su una finestra di misurazione completa, non un confronto prima-dopo.
Hanno dovuto spostare i loro dati su Markin?
No. Markin legge dal magazzino dati, dal CDP e dagli eventi di prodotto già presenti. Nulla viene copiato in un nuovo sistema e nulla è bloccato.
Quale team lo ha gestito quotidianamente?
L'esistente growth team. Markin svolge il lavoro analitico; un team di quella dimensione travel avrebbe bisogno di un dedicato data-science pod per produrre, e instrada ogni azione negli strumenti che già utilizzano.
Quanto tempo ci vuole per il primo uplift misurabile?
Una prima mozione va online in circa 30 giorni e il primo risultato statisticamente leggibile arriva nelle sei settimane successive. L'impatto scalato si legge tipicamente a 90 giorni.
