COMPARE/Markin vs RetentionX
vsRetentionX vs Markin: customer intelligence vs decisões de receita comprovadas
+17–35% ARPU em relação ao holdoutIntervalo observado em implementações Markin, medido em coortes tratadas.
RetentionX é customer intelligence para marcas de comércio: LTV e análise de coortes, identity resolution, attribution e audiências baseadas em regras sincronizadas com Klaviyo, Meta ou Google. Markin é uma camada de Growth Science para grandes bases B2C: forma e dimensiona as suas próprias oportunidades de receita, escolhe uma ação candidata por cliente, executa através da sua stack e prova o resultado contra um holdout aleatório.
Em resumo
- RetentionX: Who are my customers worth, and which segment should receive which flow? Output: Reports, predictive scores and audiences pushed into email, SMS and ad tools.
- Markin: Which opportunity is worth acting on, for whom, and what did it actually return? Output: A ranked, sized action per customer, executed through the systems you already run.
- Os segmentos são definidos por regras que uma pessoa escreveu, atualizadas quando alguém tem tempo.
- Markin reads the same evidence, proposes what to do about it, prices the action, runs it against a holdout and retires what does not beat control.
Última atualização: . As afirmações sobre outros fornecedores remetem para a fonte de onde provêm.
A resposta curtaÚltima atualização: September 2026
Ambos prometem growth a partir de dados de clientes, mas param em pontos diferentes. RetentionX mostra o que está a acontecer e empurra o segmento para um fluxo que alguém projetou. Markin decide qual oportunidade merece existir para cada cliente, qual o seu valor e se realmente causou receita.
01
RetentionX
Customer intelligence e automação para marcas de comércio: LTV, coortes, RFM, relatórios de produto e attribution, rastreamento do lado do servidor e automação de público ou merchandising, com forte presença Shopify.
Escolha-o quando uma equipa de comércio precisar de um único local para LTV, risco de churn e attribution, e quiser que os segmentos sejam automaticamente empurrados para Klaviyo, Meta ou Google.
- Customer intelligence de comércio
- Audiências baseadas em regras e pontuações
- Sincroniza com as suas ferramentas de anúncios e email
02
Markin
Uma equipa autónoma de Growth Science para grandes bases B2C. Investiga por que a receita por cliente está estagnada, dimensiona as suas próprias hipóteses, escolhe uma ação por cliente, incluindo hold, lança-a através dos seus sistemas existentes e lê-a contra um grupo de controlo.
Escolha-o quando a restrição for quantas boas hipóteses de receita são testadas e comprovadas, e não como os dados são relatados.
- Escreve as suas próprias hipóteses.
- Holdout em cada decisão
- Executa dentro da sua stack
Linha por linha
As mesmas dez perguntas, respondidas para ambos.
| Dimensão | Markin | RetentionX |
|---|---|---|
| O que é | Uma equipa autónoma de growth-science: investiga por que a receita por cliente está estagnada e age sobre o que encontra. | Uma plataforma de customer intelligence e automação para marcas de comércio, construída em torno de relatórios e ativação de público. |
| O que decide | Que oportunidade comercial merece existir para cada cliente esta semana, qual o seu valor, e quando a resposta certa é não fazer nada. | Quais clientes pertencem a um segmento ou fluxo, com base em pontuações e regras que um humano configura. |
| De onde vêm as hipóteses | Gerado por Markin a partir de dados de cliente, produto, preço e saúde técnica, depois dimensionado antes que alguém construa algo. | Escrito pela equipa de growth ou CRM a partir dos relatórios que a plataforma apresenta. |
| Como uma hipótese é avaliada | Dimensionado em dinheiro na população elegível, filtrado por poder estatístico, depois eliminado ou mantido por um holdout aleatório. | Julgado pela equipa que lê os relatórios de coorte, LTV e attribution, e depois pelo desempenho da campanha. |
| Âmbito de ação | Hipóteses de marketing, produto, preços e saúde técnica, arbitradas entre si numa única fila. | Superfícies de marketing de comércio: públicos de e-mail e SMS, plataformas de anúncios, merchandising on-site. |
| Que modelos fazem o trabalho | Uma mistura roteada: modelos de linguagem de ponta para escrever e explicar, modelos pequenos e baratos para classificação de volume, e ML clássico e deep learning, uplift, survival, séries temporais, embeddings, para os números. | Pontuações preditivas como churn risk, next order e lifetime value, aplicadas à segmentação. |
| Com o que os custos escalam | Decisões tomadas e receita comprovada, não tokens queimados. O raciocínio por cliente é tratado pelas camadas baratas por design. | Níveis de plano que escalam com o tamanho da loja e a profundidade dos recursos, começando com preços de comércio de nível inicial. |
| Como o trabalho chega ao cliente | Escrito de volta nos sistemas que já executa, como atributos, eventos ou chamadas de API. Markin não adiciona uma nova superfície voltada para o cliente. | Sincronizações de público e eventos com Klaviyo, Meta, Google, TikTok e similares, além de classificação automatizada de produtos. |
| Como o impacto é comprovado | Um holdout aleatório em cada decisão. O número reportado é receita incremental e ARPU, não conversões atribuídas. | Attribution multi-toque e de plataforma com relatórios de coorte e lucro, em vez de controlo aleatório. |
| Onde os dados residem | Lê o contexto onde já reside, warehouse, CDP, sistemas de produto e faturação. Nenhum novo sistema de registo. | Um modelo de dados centrado no comércio construído sobre dados de loja, pedidos, sessões e plataformas de anúncios. |
| Governança e controlo | Cada ação tem a sua hipótese, o seu valor esperado, as suas salvaguardas e o seu control group, passíveis de revisão antes do lançamento. | Configuração de relatórios e segmentos, configuração de tracking e controlos de acesso. |
| Tempo até um número verificado | Um tema de receita, um canal, um holdout: um número incremental defensável em 90 dias. | Rápido para o primeiro insight uma vez que os dados históricos de pedidos tenham sido sincronizados. |
| Melhor ajuste | Grandes bases B2C onde a restrição é o número de boas hipóteses testadas, não o número de mensagens enviadas. | Marcas de comércio que precisam de customer intelligence e automação de público numa única ferramenta. |
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 $24 ARPU / month
Receita endereçável
$259.2M
por ano, base alcançável
Aumento de ARPU verificado
+17% a +35% ARPU
em coortes tratadas, contra holdout
O que isso vale
$44.1M – $90.7M
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 númerosA parte não resolvida
O que uma pontuação ainda deixa indeciso
Uma pontuação de churn, uma faixa de LTV e um relatório de attribution descrevem a base. Nenhum deles decide se este cliente vale uma oferta, quanto essa oferta custa em margem, ou se a receita teria chegado de qualquer forma.
- Os segmentos são definidos por regras que uma pessoa escreveu, atualizadas quando alguém tem tempo.
- Nada arbitra entre um desconto, uma correção de produto e permanecer em silêncio.
- Attribution credita campanhas; não isola receita incremental.
- Os achados fora do marketing não têm proprietário nem caminho para a ação.
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.
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 | With retentionx alone | Com Markin |
|---|---|---|
| Observe que a receita por cliente está a desviar num segmento | Alguém 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 acontecer | Um 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 testar | Um 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 orçamento | Priorizado 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 cliente | As 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 facto | Um 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 receita | Reportado 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 funciona | Os programas sobrevivem porque ninguém se encarrega de os descontinuar. | Falhar em superar o controlo desativa o programa automaticamente. |
| Fazer tudo de novo na próxima semana | Com capacidade limitada: de quatro a oito testes por trimestre. | Centenas de hipóteses em andamento em paralelo, continuamente. |
Opinião honesta
O quê RetentionX faz melhor.
Uma comparação que apenas lisonjeia um lado não vale a pena ser lida. Estes são os casos em que lhe diríamos para ficar onde está.
Profundidade de analytics de comércio
Para uma loja que precisa de relatórios de coorte, RFM, produto e lucro num só lugar, o RetentionX cobre terreno que Markin não tenta cobrir. Markin propõe e prova ações; não é uma suite de relatórios self-service para uma equipa de merchandising.
Infraestrutura de identidade e rastreamento
Tracking server-side, identity resolution cross-device e APIs de conversão para plataformas de anúncios são um trabalho genuinamente útil, e são um pré-requisito para qualquer um que esteja a raciocinar sobre a receita do comércio.
Time to value para uma base menor
Uma loja conectada pode estar ativa em horas. Markin precisa de uma base grande o suficiente para holdouts aleatórios atingirem poder estatístico, razão pela qual se adequa a bases de milhões em vez de uma loja em crescimento.
Onde a Markin se encaixa
Não é um substituto. Uma equipa de growth-science no topo.
RetentionX continua a descrever a base e a mover audiências. Markin lê a mesma evidência, propõe o que fazer a respeito, precifica a ação candidata, executa-a contra um holdout e retira o que não supera o controlo.
Arbitragem por cliente
Cada ação elegível compete pelo mesmo cliente, incluindo não fazer nada.
Dimensionado antes de ser lançado
A margem esperada, não a convicção, decide qual hipótese será executada a seguir.
Prova, não attribution
Um grupo de controlo aleatório em cada decisão torna o número reportado defensável.
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.
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.
A BCG relata que, quando as organizações adotam testes de incrementalidade rigorosos, normalmente descobrem que 20% a 40% dos seus programas ativos de Next Best Action geram um retorno marginal a negativo.
Pesquisa independenteBCG, Como a Medição Está a Evoluir no Next Best Action (2026)A mesma pesquisa assinala efeitos de novidade, novos programas mostram resultados iniciais inflacionados, e recomenda 8 a 12 semanas antes de tirar conclusões.
Pesquisa independenteBCG, Como a Medição Está a Evoluir no Next Best Action (2026)Medições de ROI a nível de programa e de global-holdout frequentemente superestimam o impacto através de efeitos de halo, pull-forward effects e contaminação de experimento.
Pesquisa independenteBCG, Como a Medição Está a Evoluir no Next Best Action (2026)
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.
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.
Semanas 0–2
Leia o contexto que já possui
A Markin conecta-se aos dados e aos canais que você utiliza atualmente, incluindo o retentionx. Sem migração, sem replatform, sem nova fonte de verdade.
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.
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.
Qual você deve escolher.
Escolha Markin se
- A base chega aos milhões e a restrição é o throughput de decisão, não a geração de relatórios.
- As causas da receita também estão fora do marketing: pricing, fricção do produto, faturação ou saúde técnica.
- Cada euro reivindicado tem que sobreviver a um holdout aleatório, não a um modelo de attribution.
- As ações devem ser arbitradas por cliente, incluindo a decisão de permanecer em silêncio.
- O contexto reside em sistemas de armazém e faturação, não apenas numa plataforma de comércio.
Escolha Só RetentionX if
- Você opera uma loja de comércio e precisa, antes de mais, de relatórios de LTV, coorte e atribuição.
- A equipa quer dashboards self-service mais do que decisões autónomas.
- Tracking e identity resolution são a lacuna atual.
- A sincronização de segmentos com Klaviyo e plataformas de anúncios é o principal trabalho a ser feito.
- A base de clientes é muito pequena para que os holdouts atinjam significância.
Quando não precisa de Markin.
- Você precisa de relatórios de comércio self-service e dashboards ao nível do produto: esse é o território do RetentionX.
- A loja é pequena e um holdout nunca atingiria significância.
- Tracking e identity resolution estão em falta e devem ser resolvidos primeiro.
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.
Perguntas que os compradores fazem.
Markin é uma alternativa ao RetentionX?
Não realmente. RetentionX é customer intelligence e automação de público para marcas de comércio; Markin é uma camada de decisioning para grandes bases B2C. Equipas que superam os segmentos baseados em regras e precisam de receita incremental comprovada avançam para uma camada de decisioning em vez de trocar ferramentas de relatórios.
O que o RetentionX faz melhor?
Relatórios nativos de comércio, LTV e análise de coortes, rastreamento do lado do servidor e resolução de identidade, e sincronizações rápidas de público com Klaviyo, Meta e Google para uma loja que deseja uma única ferramenta.
Podemos usar ambos?
Sim. O RetentionX pode permanecer como a camada de relatórios e ativação de comércio, enquanto o Markin decide qual oportunidade vale a pena perseguir por cliente e a mede em relação a um holdout.
Por que attribution não é suficiente?
Attribution distribui crédito entre pontos de contacto que foram expostos. Não pode dizer o que teria acontecido sem a ação. Apenas um grupo de controlo aleatório responde a isso, razão pela qual Markin mantém um holdout em cada decisão.
Markin precisa de uma plataforma de comércio?
Não. Lê o contexto onde já reside, armazém, CDP, sistemas de produto e faturação, e escreve a ação escolhida de volta nas ferramentas que você já utiliza.
Em que é que a Markin é diferente do decisioning ou da AI já existentes no retentionx?
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 retentionx 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 retentionx?
On a large B2C base, 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.
Next best action marketing: o que é e como funciona em 2026
Next best action marketing explicado: como funciona, exemplos reais B2C, como difere das campanhas de segmento e da marketing automation, e quanto vale numa base de 2M.
Como aumentar o ARPU: uma estrutura para empresas B2C
Como aumentar o ARPU numa grande empresa B2C: as cinco alavancas que realmente movem a receita média por utilizador e o modelo operacional por trás delas.
Feed de Oportunidades, agora com proveniência de hipótese
Cada ação candidata no Feed de Oportunidades Markin agora carrega o sinal, o segmento e o experimento anterior de onde descende. Um clique para auditar ou entregar.