O Relatório de ROI da Markin para Equipas de Enterprise GrowthLer agora
MARKIN

COMPARE/Comparação de categorias

Previsão da rotatividade vs. Retention decisioning

+17–35% ARPU em relação ao holdoutIntervalo observado em implementações Markin, medido em coortes tratadas.

A previsão de churn estima a probabilidade de um cliente sair. O decisioning de retenção usa essa estimativa mais o uplift esperado, margem e custo para decidir em quem intervir, qual tratamento usar e quem deixar em paz. O risco é uma entrada; a decisão é o que muda a receita, e apenas a decisão pode ser medida contra o controlo.

Solicitar uma demoRetention Decisioning

Em resumo

  • Churn prediction: Who is likely to leave? Output: A risk score and a risk-ranked list.
  • Retention decisioning: Who is worth saving, with what, and who should we leave alone? Output: An intervention decision per customer, including deliberate no-contact.
  • Alto risco não é o mesmo que alta capacidade de salvamento: alguns clientes em risco são inatingíveis a qualquer custo razoável.
  • Markin models incremental save probability rather than risk alone, prices each treatment against the margin it protects, and holds where intervention has negative expected value.

Última atualização: . As afirmações sobre outros fornecedores remetem para a fonte de onde provêm.

O que está em jogo

Uma camada de decisioning não é um item de linha de ferramenta. Ela movimenta o ARPU na base total, todos os meses.

Base instalada

2.0M

customers at $19 ARPU / month

Receita endereçável

$205.2M

por ano, base alcançável

Aumento de ARPU verificado

+17% a +35% ARPU

em coortes tratadas, contra holdout

O que isso vale

$34.9M – $71.8M

receita incremental por ano

Medido em coortes tratadas contra um holdout aleatório, lido durante uma janela de medição completa em vez das primeiras semanas. Intervalo anonimizado em implementações Markin em grandes bases B2C; o seu próprio holdout é o número que decide. As figuras acima aplicam essa faixa à parcela alcançável da base, com base nas premissas desta página; elas são aritméticas, não uma previsão para o seu negócio.

Execute-o com os seus próprios números

What each one actually does.

01

Previsão da rotatividade

Um modelo que pontua cada cliente na probabilidade de cancelar, caducar ou não renovar dentro de um horizonte.

02

Retention decisioning

Uma camada que converte risco numa decisão de intervenção ao modelar a probabilidade incremental de poupança, o impacto na margem e o custo por cliente.

Lado a lado

As diferenças que mudam os resultados.

DimensãoPrevisão da rotatividadeRetention decisioning
Questão que respondeQuem tem probabilidade de sair?Quem vale a pena salvar, com o quê, e quem devemos deixar em paz?
Entrada primáriaUso, tempo de serviço, eventos de serviço, histórico de pagamentos e engagement.Risco, modelos uplift, custos de oferta, margem, histórico de contacto, constraints.
Saída primáriaUma pontuação de risco e uma lista classificada por risco.Uma decisão de intervenção por cliente, incluindo contacto nulo deliberado.
Proprietário habitualCiência de dados, analítica.Crescimento, retenção, finanças.
Como é medidoAUC, precisão e recall do modelo.Receita retida e margem incrementais contra o controlo.

Job to be done

O mesmo trabalho, com um rendimento diferente.

Nada do que se segue precisa de uma ferramenta que não existe. Precisa que o trabalho aconteça continuamente em vez de uma vez por trimestre, e que seja comprovado contra um holdout em vez de ser discutido.

Job to be done, comparado entre With churn prediction alone and Com Markin
Job to be doneWith churn prediction aloneCom Markin
Observe que a receita por cliente está a desviar num segmentoAlguém percebe isso numa revisão de dashboard, semanas depois de ter começado.Detetado como um sinal no dia em que o drift elimina o ruído, com o segmento já dimensionado.
Explicar porque está a acontecerUm analista é retirado do roadmap para uma investigação de duas semanas.Uma investigação é executada automaticamente e retorna os *drivers* com as suas evidências.
Crie hipóteses que valham a pena testarUm workshop produz o punhado de ideias que a sala teve por acaso.As hipóteses são escritas continuamente em marketing, produto, precificação e saúde técnica.
Decidir quais hipóteses merecem orçamentoPriorizado por senioridade e intuição, sem tamanho anexado.Cada um é dimensionado em receita e classificado antes que algo seja construído.
Escolha o Next Best Action para um clienteAs regras do Segment e os calendários de campanhas decidem, atualizados quando alguém tem tempo.Escolhido por cliente, por momento, contra tudo o resto que compete por esse cliente.
Lançar de factoUm ticket para a equipa de ciclo de vida e, em seguida, um lugar no calendário do próximo mês.Executado dentro dos sistemas que já utiliza, sem um novo canal para adotar.
Comprovar que causou a receitaReportado contra não-qualificados ou um holdout global, se tanto.Cada decision tem um control group aleatório; o uplift é lido em relação a ele.
Mata o que não funcionaOs programas sobrevivem porque ninguém se encarrega de os descontinuar.Falhar em superar o controlo desativa o programa automaticamente.
Fazer tudo de novo na próxima semanaCom capacidade limitada: de quatro a oito testes por trimestre.Centenas de hipóteses em andamento em paralelo, continuamente.

A parte não resolvida

Por que um modelo de churn preciso pode perder dinheiro

Uma pontuação de risco perfeita ainda não diz nada sobre se uma intervenção ajuda. Tratar o decil de maior risco com um desconto faz com que uma grande parte do gasto caia em clientes que iriam embora de qualquer maneira, ou em clientes que teriam permanecido sem o desconto.

  • Alto risco não é o mesmo que alta capacidade de salvamento: alguns clientes em risco são inatingíveis a qualquer custo razoável.
  • Descontar clientes que teriam permanecido transforma a margem em uma oferta e parece um cliente salvo no relatório.
  • O custo por poupança raramente é modelado, pelo que os programas de retenção são julgados pela taxa de retenção, e não pela margem retida.
  • A pontuação de risco pode até aumentar a churn quando a intervenção em si lembra a um cliente passivo que cancelar é uma opção.

A diferença real

Markin não é mais um motor de decisão.

Markin não é um motor de decisão. Um motor de decisão classifica ações que um humano já definiu. Markin funciona como uma equipa de data science e growth: formula as suas próprias hipóteses sobre o porquê de o ARPU estar estagnado – marketing, produto, precificação ou técnico –, dimensiona-as, executa-as nos sistemas que já utiliza, e lê cada uma contra um holdout.

 Um motor de decisioningMarkin
De onde vem a hipóteseUm humano o cria. O motor escolhe entre opções que alguém já aprovou.A Markin cria-a. Lê a base, encontra onde a receita está a vazar ou não é reclamada, e escreve a hipótese em si.
O que está autorizado a questionarMensagem, oferta, canal, momento, dentro da superfície da campanha que lhe foi dada.Tudo o que move o ARPU: atrito no onboarding, preços e embalagens, uma funcionalidade que ninguém adota, um pico de falha de pagamento, um deeplink quebrado.
Quem faz a análiseOs seus analistas, antes e depois. O motor otimiza; não investiga.A Markin faz a análise. A quantificação, definição de segmento, design e leitura de experimento são automatizados de ponta a ponta.
Onde paraNa recomendação. Alguém ainda tem de o construir e lançar.É lançado. A Markin executa dentro das suas plataformas e superfícies de produto existentes, e depois fecha o ciclo no resultado.
ThroughputTantas hipóteses quanto o seu roteiro permitir, tipicamente algumas por trimestre.Centenas em paralelo, cada uma com um grupo de controlo.
O que acontece quando está erradoO programa continua a correr até que alguém o revise.É automaticamente desativado. Não conseguir superar o controlo é um resultado normal e de baixo custo.

Um motor de decisioning seleciona a melhor ação de uma lista que você escreveu. A Markin escreve a lista e executa-a na sua pilha.

Espaço de hipóteses

Tudo o que um cientista de crescimento humano analisaria.

A maioria dos problemas de crescimento não são problemas de mensagem. Markin não está restrito à superfície da campanha: se algo está a impedir o ARPU de crescer, está dentro do âmbito e é testado da mesma forma.

Marketing

A superfície clássica, mas escolhida por cliente em vez de por segmento, e sempre contra um holdout.

  • Que oferta este cliente específico vale a pena fazer
  • Channel e tempo escolhidos por pessoa, não por campanha
  • Pressão de contacto e fadiga arbitradas em todos os programas
  • Economia de recuperação: quem merece um desconto e quem não

Produto

Onde o cliente realmente experimenta o valor, e onde a maior parte da perda de receita silenciosa acontece.

  • Etapas de onboarding que perdem clientes antes do primeiro valor
  • Uma funcionalidade com alta correlação de retenção que metade da base nunca descobre.
  • Posicionamento do Paywall e do prompt de upgrade
  • Interfaces no produto usadas como grupo de tratamento, não apenas e-mail e push

Comercial

Preços, embalagem e a forma da própria oferta, testados em vez de discutidos.

  • Estrutura do plano e do pacote por coorte
  • Profundidade de desconto em relação à margem, não apenas à conversão
  • Estruturação anual versus mensal por cliente
  • Sequências de recuperação de cobrança e churn involuntário

Saúde técnica

Anomalias que ninguém pediu para procurar. Esta é a categoria que nenhum motor de decisão cobre.

  • Uma taxa de erro de checkout que aumentou num dispositivo e numa região.
  • Falhas de pagamento concentradas num único emissor ou método
  • Um deeplink quebrado a matar silenciosamente uma jornada de alto valor
  • Latência ou degradação da entrega a consumir a conversão antes de qualquer mensagem

Pense na Markin como uma equipa de data science e growth que nunca dorme: investiga, forma hipóteses, implementa-as no seu próprio stack e prova cada uma contra um grupo de controlo, num volume que nenhuma equipa humana pode alcançar.

O loop

A execução é um passo no ciclo, não uma entrega.

  1. 01

    Observar

    A Markin lê o sinal comportamental, transacional e de produto que você já recolhe, continuamente.

  2. 02

    Hipótese

    Escreve a hipótese em si, marketing, produto, comercial ou técnica, e declara a direção esperada.

  3. 03

    Dimensionar

    Cada oportunidade é classificada por valor esperado, então a fila é ordenada por dinheiro em vez de por opinião.

  4. 04

    Design

    Segmento, tratamento, guardrails e um holdout aleatório são definidos antes de qualquer envio.

  5. 05

    Executar

    É lançado dentro dos sistemas que já utiliza, a sua plataforma de envolvimento, as suas superfícies de produto, as suas APIs. Nada espera numa fila de desenvolvimento.

  6. 06

    Ler

    Os resultados são medidos contra o holdout durante uma janela completa, para que a novidade não seja confundida com o efeito.

  7. 07

    Escalar ou reformar

    O que supera o controlo é escalado na base. O que não supera é automaticamente desativado.

Onde a Markin se encaixa

Não é um substituto. Uma equipa de growth-science no topo.

Markin modela a probabilidade de poupança incremental em vez de apenas o risco, precifica cada tratamento contra a margem que protege e mantém quando a intervenção tem valor esperado negativo. A retenção torna-se um problema de alocação de orçamento com uma resposta auditável.

Uplift, não classificação de risco

Os clientes são selecionados com base no quanto a intervenção muda o seu resultado, o que é uma população diferente do decil de maior risco.

Escolha de tratamento com consciência de custos

O tratamento mais barato que consegue a poupança é preferido, e os descontos são reservados para os casos que deles precisam.

Não-contacto deliberado

Segmentos de “cão adormecido” são identificados e excluídos, o que é muitas vezes o maior ganho de margem num programa de retenção.

Explorar Retention Decisioning

Porque a Markin ganha

Mais poderoso do que qualquer coisa nesta página.

Cada ferramenta com a qual a Markin é comparada foi construída para uma tarefa que termina antes que a receita se mova: entregar a mensagem, unificar os dados, pontuar o lead. A Markin foi construída para um único resultado, aumentar o ARPU, e possui o ciclo completo que leva a isso: investigar, hipotetizar, lançar, medir e escalar, em marketing, produto, preços e saúde técnica.

Aprendizagem ultrarrápida, por design

A Markin Growth Science executa o ciclo completo de observar, criar uma hipótese, fazer um experimento e ler em dias, com centenas de experimentos com holdout em paralelo. O sistema acumula aprendizagem a um ritmo que nenhuma equipa humana, e nenhuma ferramenta de campanha, consegue igualar.

growth operations, eficientes

A quantificação, o design do segmento, a construção, o lançamento e a medição costumavam ser quatro equipas e um sprint. Na Markin, são um único sistema, para que a mesma growth operation envie mais ações de receita com uma fração do custo de coordenação.

Um resultado: ARPU

Cada hipótese é dimensionada em receita esperada por cliente, cada ação é julgada contra um holdout aleatório, e tudo o que supera o controlo escala automaticamente pela base. Nada mais nesta página é medido dessa forma.

Se o objetivo é aumentar o ARPU através de um aprendizado ultrarrápido e executar growth operations de forma mais eficiente, a escolha é a Markin.

Solicitar uma demo

Modelo operacional

A restrição não são as ideias. É quantas pode testar.

 Today, with churn predictionCom Markin por cima
Hipóteses de receita testadas por trimestre4 a 8, o que o roadmap permitisseCentenas, geradas e executadas em paralelo
Sobre o que pode ser criada uma hipóteseMensagens, ofertas e públicos-alvo, a superfície da campanhaMarketing, produto, preços e saúde técnica, todos igualmente
Da decisão à entrada em vigor no canalUm ticket, uma fila de construção, uma janela de lançamentoMarkin lança-o nas suas plataformas existentes autonomamente.
Tempo da ideia a um resultado em que confia6 a 10 semanas de análise, construção e apresentação de resultadosDias, porque o dimensionamento e o design são automatizados
Proporção de decisões com um grupo de controloOs programas emblemáticos, quando há tempoCada decisão, por defeito
Cobertura da baseSegmentos principais e os clientes que uma regra apanhouUma decisão por cliente, em toda a base
Custo de testar a 500ª hipóteseOutro analista, outro trimestreEfetivamente zero
No que a equipa gasta o seu tempoPuxando dados, criando listas, reconciliando relatóriosJulgamento: restrições, economia, o que escalar

Markin não substitui a sua equipa de ciência de dados. Remove o teto sobre quanto da base essa equipa pode atuar e a rapidez com que descobre se funcionou.

Padrão de evidência

A maior parte desta categoria reporta o seu próprio lift.

Nenhum dos principais fornecedores de engajamento, CDP ou personalização publica um valor de uplift verificado independentemente para o seu produto de decisão. Onde existem números, estes provêm de estudos encomendados por fornecedores ou estudos de caso de um único cliente sem metodologia de holdout divulgada. A pesquisa pública mais rigorosa na categoria não é lisonjeira para ninguém, incluindo nós, e é exatamente por isso que construímos contra ela.

Como a Markin se compromete

  • Cada decision que o Markin toma tem um control group. O uplift é reportado em relação a esse holdout, não em relação aos clientes que não se qualificaram.
  • Os resultados são lidos durante uma janela de medição completa, em vez de nas primeiras semanas, para que a novidade não seja confundida com o efeito.
  • Os programas que não conseguem superar o controlo são descontinuados automaticamente. Terminar decisões que não compensam faz parte do ciclo, não de uma revisão anual.
  • O único número que citamos sobre nós é uma gama, não uma média: +17% a +35% ARPU em coortes tratadas contra um holdout aleatório, em implementações Markin em grandes bases B2C. Não publicamos nenhum benchmark da indústria, porque não conseguimos encontrar um que estivéssemos dispostos a defender. O seu holdout é o número que importa.

Dimensiona-o tu mesmo

Qual é o valor do modelo de churn depois de agir sobre ele

Pré-carregado para uma base de subscription com churn scoring já em execução. Um score diz-lhe quem provavelmente vai sair; não lhe diz qual save vale a pena fazer, nem se o cliente teria ficado de qualquer maneira. A figura de receita em risco abaixo é o tamanho do problema; a net margin é o que uma camada de decisioning pode defender contra o controle.

A sua base

2.0M

Contas que geraram receita nos últimos 30 dias. Não utilizadores registados.

$19

Receita recorrente mais não recorrente dividida por clientes ativos.

66%

Margem na próxima unidade vendida, não margem combinada da empresa.

O seu programa hoje

45%

Com consentimento, não fatigado, contactável em pelo menos um canal.

3.5%

Receita perdida para cancelamentos a cada mês, como uma parte da base.

A aposta

$800K

Licenças, dados, incentivos e as pessoas que os gerem.

3%

Antes de qualquer corte de incrementalidade. 2–4% é uma suposição de planeamento defensável.

Impacto anual verificado

$2.0M

Margem bruta incremental líquida no caso central, após o custo do programa e após a quota de programas de decisioning que a pesquisa independente conclui não entregarem qualquer lift real.

Uplift reportado

$6.2M

What a before/after dashboard would claim, with no control group.

Aumento verificado

$4.3M

What survives a holdout in the central case.

Retorno sobre o custo do programa

3.6×

Retorno

4 mo

Se 20–40% disso não fizer nada

Melhor cenário · 20% sem lift$2.5M
Caso central · 30% sem lift$2.0M
Pior cenário · 40% sem lift$1.6M

O que é preciso para provar isso

Para detetar um(a) 3% de lift na receita por cliente, necessita de aproximadamente 40K clientes no braço de controlo, cerca de 4.4% da sua base endereçável, lido em pelo menos 8 weeks, para que a novidade não seja confundida com efeito.

Base endereçável

900K

Receita em risco de churn

$158.6M

Annualised, at the current monthly rate.

Abra a calculadora completa, com o método por trás dela

Time to value

90 dias para um número que sobreviveu a um holdout.

Nenhum replatform, nenhuma migração de dados, nenhuma reconstrução dos canais que já opera. Se as primeiras cohorts não superarem o controlo, nada escala e perdeu um trimestre, não um roadmap.

  1. Semanas 0–2

    Leia o contexto que já possui

    A Markin conecta-se aos dados e aos canais que você utiliza atualmente, incluindo o churn prediction. Sem migração, sem replatform, sem nova fonte de verdade.

  2. Semanas 3–6

    Primeiras oportunidades dimensionadas em teste

    As Oportunidades são classificadas por valor esperado, os tratamentos são escolhidos por cliente, e as primeiras coortes são lançadas com um holdout randomizado anexado.

  3. Semanas 7–12

    Primeira receita incremental verificada

    Os resultados são lidos durante uma janela de medição completa. O que supera o controlo é escalado; o que não supera é retirado. Nada é escalado com base num número que não sobreviveu a um holdout.

Quando não precisa de Markin.

  • Não tem um modelo de churn e ainda não tem histórico de resultados: primeiro, construa a previsão e a medição.
  • A retenção está contratualmente fixada para o período, pelo que nenhuma intervenção pode alterar o resultado.
  • O seu único tratamento disponível é um único desconto fixo sem margem para variar custo ou canal.

Ver no produto

Veja-o decidir, experimentar e executar, antes de falar com alguém.

Um tour guiado pelo workspace Markin num cliente demo, sem call de vendas, sem configuração.

Explorar demoOu agende uma demo com a equipe

Perguntas que os compradores fazem.

Ainda precisamos de um modelo de churn?

Sim. O risco continua a ser uma entrada. O decisioning de retenção adiciona a camada acima: uplift esperado, custo e margem, que é onde o dinheiro é realmente ganho ou perdido.

O que é um segmento 'sleeping-dog'?

Clientes cuja probabilidade de saída aumenta quando são contactados sobre a permanência. A modelagem de uplift os identifica para que possam ser excluídos, o que a classificação de risco pura não consegue fazer.

Como o impacto na retenção é medido corretamente?

Contra um holdout de clientes de risco comparáveis que não recebem intervenção, reportado como margem retida incremental em vez de taxa de retenção.

Em que é que a Markin é diferente do decisioning ou da AI já existentes no churn prediction?

Um motor de decisioning classifica as ações que um humano já definiu, dentro da superfície de campanha que lhe foi dada. A Markin forma as hipóteses por si mesma, marketing, produto, preço ou uma anomalia técnica que esteja a atrasar o growth, dimensiona-as, executa-as dentro do churn prediction e das suas superfícies de produto, e lê cada uma contra um holdout aleatório. Comporta-se como uma equipa de data science e growth, e não como um otimizador.

O Markin testa apenas mensagens e ofertas?

Não. Tudo o que um growth scientist humano investigaria está dentro do âmbito: fricção no onboarding, adoção de funcionalidades, precificação e empacotamento, cobrança e problemas de saúde técnica, como uma taxa de erro no checkout ou um deeplink quebrado que silenciosamente está a matar a conversão. Marketing é um dos quatro domínios de hipóteses, não o limite.

O que é the business case for adding Markin on top of churn prediction?

On the assumptions preloaded above, 2.0M customers at 19 a month, um pequeno movimento no ARPU representa um grande número em termos absolutos, porque se aplica a toda a base instalada todos os meses, e não a uma campanha. Nos deployments da Markin, o intervalo verificado em coortes tratadas é de +17% a +35% ARPU contra um holdout aleatório. O objetivo não é ter mais mensagens: é encontrar a ação de maior valor por cliente, lançá-la e comprová-la contra o controlo antes de dimensionar.

Quanto tempo até se pagar?

As primeiras oportunidades dimensionadas estão em teste dentro de seis semanas e o primeiro resultado holdout-verified chega dentro de 90 dias. O payback depende da sua base, margem e custo do programa, a calculadora nesta página calcula-o a partir dos seus próprios números, após aplicar o haircut de 20% a 40% que a BCG encontra quando os programas de next-best-action são incrementality-tested.

Ler a seguir

Leitura de fundo sobre como funciona o decisioning de next best action, dos guias por trás desta comparação.