Markin + Braze: dos dados do cliente às ações de retenção priorizadas

A Braze já tem AI decisioning?

Sim. O BrazeAI Decisioning Studio™ seleciona conteúdo, canal e momento por indivíduo dentro do Canvas, e o Sage AI impulsiona funcionalidades preditivas e generativas em toda a plataforma. O seu escopo são as mensagens que o Braze envia. Não dimensiona a oportunidade de receita por trás de uma jornada, não arbitra contra pontos de contacto fora do Braze, nem decide que nenhum contacto é a melhor opção. A única pesquisa de desempenho publicada é um estudo de Impacto Económico Total da Forrester encomendado pela Braze (Maio de 2026).

Temos de substituir a Braze?

Não. A Braze permanece a camada de execução. A Markin decide qual oportunidade vale uma mensagem e passa essa decisão para a Braze, que a constrói e entrega exatamente como faz hoje.

Como é que a decisão chega ao Braze?

Como atributos do cliente ou eventos acionados no perfil, para que os Canvases existentes possam usá-los. A superfície de integração é a mesma que a sua equipa já usa para qualquer outro sinal upstream.

Isso adiciona outra ferramenta de construção de público?

Não. A Markin produz oportunidades classificadas e dimensionadas por cliente, em vez de segmentos. A construção de audiências para campanhas de broadcast e de marca permanece onde está.

Quem é o proprietário do resultado, marketing ou dados?

Ambos, deliberadamente. Data science é responsável pelos modelos e pelo design do experimento; lifecycle é responsável pelos tratamentos e pelo canal. A camada de decisioning é o contrato partilhado entre eles.

Como são os primeiros noventa dias?

Um tema de receita, um canal, um holdout real. O objetivo do primeiro trimestre é um número incremental defensável, não a cobertura total do mapa da jornada.

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

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 Braze 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 Braze?

On the assumptions preloaded above, 4.0M customers at 18 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.