VitalisSalute e benessere

Come Vitalis ha trovato i ricavi nascosti nella sua base di abbonati

+19%

ARPU dell'abbonamento · misurato rispetto a un holdout randomizzato

In breve

Vitalis vende abbonamenti benessere a una vasta base di consumatori, dove si presumeva che la maggior parte della crescita dei ricavi richiedesse nuovi membri. Markin ha individuato le opportunità di upgrade, add-on e riattivazione già presenti nella base e le ha eseguite 1:1, aumentando l'ARPU degli abbonamenti del 19% sui cohort trattati rispetto a un holdout randomizzato.

Risultati

Ogni decisione prevede un gruppo di controllo

+19%

ARPU abbonamento sulle coorti trattate

vs holdout randomizzato, finestra di misurazione completa

+27%

Upgrade del piano

membri che passano a un livello superiore senza sconto

3×

Esperimenti distribuiti al mese

rispetto al precedente calendario delle campagne

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: Abbonamenti salute e benessere
Mercati: Europa e LatAm
Base: Milioni di membri con piani ricorrenti
Motions live: Upgrade, add-on cross-sell, riattivazione, recupero dunning
Stack: Warehouse, eventi di prodotto, Braze, app, Stripe
Primo uplift misurato: Settimana 7

La sfida

Vitalis aveva un'attività di abbonamenti sana e un piano di growth che dipendeva quasi interamente dall'acquisizione di nuovi membri. Si presumeva che ogni euro incremental provenisse dall'esterno della base, mentre la base stessa era gestita con una manciata di email lifecycle che non erano cambiate in un anno.

La domanda sui ricavi a cui nessuno sapeva rispondere era più piccola e specifica: quale membro è pronto per un tier superiore, quale ha bisogno solo di un add-on e quale sta per abbandonare per una ragione che uno sconto non risolverà. Rispondere a questa domanda per ogni membro, ogni settimana, tra milioni di abbonati, andava oltre la capacità analitica del team.

Le spinte blanket upgrade hanno peggiorato il problema: hanno generato ricavi che sarebbero comunque arrivati e hanno abituato gli iscritti ad aspettare le promozioni.

Cosa ha fatto Markin

Data and context, intelligence, action

01 / Dati e contesto

L'abbonamento, così come viene effettivamente utilizzato

Markin legge lo storico dei piani, gli eventi di utilizzo e engagement, i risultati dei pagamenti e i contatti con l'assistenza dove già risiedono, in modo che ogni membro abbia una visione in tempo reale del valore ricevuto rispetto al valore pagato.

02 / Intelligence

Opportunità che il calendario non ha mai rivelato

Il livello di intelligence dimensiona ogni opportunità nella base – tier upgrade, add-on, riattivazione, recupero dunning – e separa i membri che si convertirebbero comunque da quelli per cui un'azione è genuinamente incremental.

03 / Azione

Una decisione per membro, lanciata in loco

Le azioni approvate vengono eseguite tramite Braze, l'app e il flusso di fatturazione, ciascuna confrontata con un holdout randomizzato. Le offerte che cannibalizzano solo i ricavi esistenti vengono ritirate automaticamente.

Esperimenti eseguiti

Hypothesis to measured lift

Ipotesi	Segmento	Azione	Canale	Uplift misurato
Gli utenti heavy del livello entry fanno l'upgrade senza uno sconto	Membri che superano l'utilizzo del livello entry per due mesi consecutivi	Tier upgrade inquadrato sul valore già consumato, a prezzo pieno	In-app + email	+27% upgrade
Un singolo add-on rilevante batte un pacchetto	Membri con un pattern di utilizzo coerente in una singola categoria	Un add-on abbinato a quella categoria, nessun pacchetto	In-app	+14% tasso di attach
La maggior parte del churn involontario è un problema di pagamento, non un problema di valore	Rinnovi falliti nelle prime 48 ore	Tempistiche di riprova specifiche per carta più un percorso di aggiornamento one-tap	Push + email	+21% rinnovi recuperati
I membri inattivi tornano per un caso d'uso, non per un taglio di prezzo	Membri annullati con elevato engagement storico	Riattivazione costruita attorno al loro programma più utilizzato	Email + push	+12% riattivazioni

Come è stato implementato

Settimana 0
Base connessa
Dati di piano, utilizzo, fatturazione e engagement connessi in sola lettura. Coorti storiche riprodotte per dimensionare l'opportunità in-base.
Settimana 3
Prime azioni attive
Upgrade e recupero dunning eseguiti con holdout, tramite lo stack esistente.
Settimana 7
Primo uplift leggibile
L'ARPU abbonamento registra un +19% sulle coorti trattate. Due promozioni blanket vengono ritirate in quanto non-incrementali.
Settimana 12
growth in-base always-on
I processi di upgrade, add-on, riattivazione e dunning sono in esecuzione continua, con nuove ipotesi inserite settimanalmente.

Con parole loro

“Abbiamo smesso di supporre che la growth dovesse provenire da nuovi membri. La maggior parte era già all'interno della base, solo che non potevamo vederla membro per membro.”

VP Growth, Vitalis

Lo stack con cui Markin ha lavorato

No migration, no new system of record

Domande che gli acquirenti si pongono su questo caso

Gli upgrade sono avvenuti a costo di churn?

No. Il churn viene letto sullo stesso holdout dei ricavi, quindi un'azione che aumenta l'ARPU spingendo fuori i membri viene rilevata nella stessa finestra di misurazione e ritirata.

How was the Vitalis 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 health and wellness 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.