How do you increase ARPU without increasing churn?

By ranking actions on expected incremental revenue net of margin and contact cost, rather than on conversion. An upsell that converts but raises churn risk has a negative expected value once retention is priced in, and it should lose to a cheaper action or to no action at all. This only works if churn effects are read in the same holdout as the revenue effect.

Is ARPU or LTV the right target?

ARPU is the right operating metric because it can be read monthly against a control group. LTV is the right strategic metric but it is a forecast, and forecasts are easy to move by changing assumptions. Use ARPU for decisions and LTV for planning.

How many experiments should a large B2C business run?

As many as the base can support statistically, which for a multi-million customer base is far more than any team can plan. The practical constraint should be statistical power and contact economics, not the number of people available to write briefs.

What is a realistic ARPU improvement to plan for?

Plan on a haircut version of whatever your first holdout-verified cohort produces, and refuse to plan on a number that has not survived a control group. Across Markin deployments the verified range on treated cohorts is +17% to +35% ARPU against a randomised holdout, which is a range across deployments in large B2C bases rather than a forecast for any specific business.

Is Markin a replacement for Braze?

No. Braze is an engagement platform: it builds, personalises and delivers journeys, and BrazeAI Decisioning Studio chooses the best message, channel and timing inside them. Markin sits above that. It decides which commercial opportunity is worth pursuing for each customer in the first place, including opportunities that are not messages at all, such as a pricing change, an onboarding fix or a payment failure. When the answer is a message, Markin launches it through Braze.

How is Markin different from AI decisioning inside an engagement platform?

AI decisioning selects between actions a marketer already created, inside the channels that platform owns. Markin authors the hypotheses itself and is not limited to the campaign surface: marketing, product, pricing and technical health are all in scope. It then executes inside the systems already in place and reads every decision against a randomised holdout, which is how a data science team works rather than how an optimiser works.

No. A CDP unifies and distributes customer data. Markin consumes that data and decides what to do with it. Markin has no ambition to be your source of truth, and it does not require you to replace one. If a CDP or a warehouse already holds customer context, Markin reads from it.

Does Markin replace my data science or growth team?

No. Markin removes the arithmetic constraint on how many hypotheses can be tested, not the judgement about which constraints, economics and risks matter. Teams using Markin move from producing analyses to setting guardrails, interpreting results and deciding what gets scaled.

RESOURCES/Guia

O modelo operacional por trás do crescimento sustentado do ARPU

O ARPU estagna porque o throughput de decisioning é fixo, não porque as ideias acabam. Uma equipa pode planear, construir e ler um punhado de experimentos de receita por trimestre, então a base é atendida por alguns grandes programas em vez de uma decisão por cliente. Aumentar o throughput, e não o número de colaboradores, é o que faz o número crescer.

Romà Llambés, Co-fundador, Markin

Atualizado 4 August 2026 · 10 min de leitura

Solicitar uma demo

O platô é aritmético, não talento

A maioria das empresas B2C atinge o mesmo teto. A aquisição funciona, o programa de ciclo de vida funciona, e depois o ARPU estabiliza durante seis trimestres enquanto a equipa continua a fazer lançamentos. A razão raramente é uma má ideia. É que cada ideia tem de passar pelo mesmo funil estreito: alguém tem de a dimensionar, definir o segmento, fazer o briefing, esperar por um slot de construção, lançá-la e esperar novamente para a ler.

Quatro a oito experimentos de receita significativos por trimestre é um teto normal para uma equipa forte.
Cada um leva de 6 a 10 semanas desde a ideia até um número em que alguém confia.
A maior parte desse tempo não é a pensar. É a recolher dados, a construir listas e a reconciliar relatórios.
Então, a base recebe um punhado de programas, e tudo o resto permanece sem teste.

O que realmente muda

A mudança no modelo operacional é restrita e específica. Apenas uma variável se move; tudo o resto a segue.

01
Mover de segmentos para decisões
Um segmento é um compromisso feito porque não pode pagar uma decisão por pessoa. Uma vez que as decisões são baratas, o compromisso deixa de compensar. A mesma base, decidida individualmente, tem um limite materialmente superior do que a mesma base dividida em cinco segmentos.
02
Torne o hold uma opção real
A economia de contacto é assimétrica: o custo de contactar um cliente que ia comprar de qualquer forma é invisível nos relatórios atribuídos e muito visível num holdout. Um modelo operacional que não consegue gerar 'não fazer nada' vai gastar em excesso permanentemente.
03
Que a falha seja barata
Se um teste falho custar um trimestre, as equipas testam apenas coisas que esperam vencer, que é exatamente o conjunto de hipóteses com menos informação. Quando a falha não custa nada, as hipóteses interessantes são executadas.
04
Mantenha o julgamento humano
Restrições, limites mínimos de margem, limites de marca e regulatórios, e o que merece escalar são decisões humanas. O throughput não é.

O modelo agendado versus o contínuo

Dimensão	Crescimento agendado	Crescimento contínuo
Unidade de planeamento	O trimestre, e um roadmap de programas	O cliente, e uma decisão por janela
Quem cria as hipóteses	Analistas e gestores de growth, entre outros trabalhos	O sistema, continuamente, classificado por valor esperado
Hipóteses testadas por trimestre	4 a 8	Centenas, em paralelo
Sobre o que pode ser criada uma hipótese	Principalmente campanhas e ofertas	Marketing, produto, preços e saúde técnica, todos igualmente
Custo da 500ª hipótese	Outro analista, outro trimestre	Efetivamente zero
Proporção de decisões com um grupo de controlo	Os programas emblemáticos, quando há tempo	Cada decisão, por defeito
No que a equipa gasta o seu tempo	Análises de produção	Definir limites de segurança e decidir o que escala

Dimensionar a opportunity honestamente

A matemática do ARPU é sedutora porque se aplica à base inteira todos os meses. É também por isso que é fácil exagerar o seu impacto.

Qualquer projeção deve ser 'haircut' antes de ser apresentada: a BCG verifica que 20 % a 40 % dos programas ativos de next best action entregam uplift marginal ou negativo, uma vez rigorosamente testados quanto à incrementality, por isso o número de planeamento deve ser inferior ao reportado.
Pesquisa independenteBCG, Measuring Incrementality in Next-Best Action Programs (julho de 2026)

Meça a sua própria produtividade esta semana

Cinco números. Se não os conseguir produzir rapidamente, esse é, por si só, o finding.

Quantas hipóteses de receita foram testadas no último trimestre, de ponta a ponta, com um resultado?
Qual foi o tempo mediano da ideia ao resultado fiável?
Que percentagem desses teve um holdout aleatório?
Quantas foram sobre algo diferente de uma mensagem ou uma oferta?
Quantos programas atualmente em execução nunca foram verificados em relação a um controlo?

Quando este modelo é a prioridade errada

O product-market fit não está estabelecido. A otimização contínua de uma proposta que ainda está em movimento desperdiça a medição.
O negócio funciona com um punhado de contas de alto valor. A decisão por cliente é construída para grandes bases.
A margem é negativa ao nível da unidade. Aumentar a receita por utilizador torna o problema maior, não menor.
Os dados sobre resultados chegam meses depois. O rendimento não pode exceder a velocidade do feedback.

Markin é uma equipa autónoma de growth-science para grandes empresas B2C. Investiga porque a receita por cliente está estagnada, formula as suas próprias hipóteses em marketing, produto, precificação e saúde técnica, escolhe a Next Best Action para cada cliente, lança-a através dos sistemas que a empresa já utiliza, e comprova cada uma contra um holdout aleatório.

As ferramentas de tomada de decisão escolhem entre as ações que a sua equipa já construiu. A Markin decide o que construir.

Perguntas que as pessoas fazem

Como aumentar o ARPU sem aumentar a churn?: Ao classificar as ações com base na receita incremental esperada líquida da margem e do custo de contacto, em vez de na conversão. Um upsell que converte, mas aumenta o risco de churn, tem um valor esperado negativo assim que a retenção é contabilizada, e deve perder para uma ação mais barata ou para nenhuma ação. Isto só funciona se os efeitos de churn forem lidos no mesmo holdout que o efeito de receita.
É ARPU ou LTV o alvo certo?: ARPU é a métrica operacional correta porque pode ser lida mensalmente contra um grupo de controlo. LTV é a métrica estratégica correta, mas é uma previsão, e as previsões são fáceis de mover alterando as suposições. Use ARPU para decisões e LTV para planeamento.
Quantos experimentos uma grande empresa B2C deve executar?: Tantos quanto a base pode suportar estatisticamente, o que para uma base de milhões de clientes é muito mais do que qualquer equipa pode planear. A restrição prática deve ser o poder estatístico e a economia de contacto, não o número de pessoas disponíveis para escrever briefs.
Qual é uma melhoria de ARPU realista para planear?: Planeie uma versão reduzida do que quer que a sua primeira coorte verificada por holdout produza, e recuse-se a planear com um número que não tenha sobrevivido a um grupo de controlo. Em todas as implementações Markin, a variação verificada em coortes tratadas é de +17% a +35% de ARPU contra um holdout aleatório, o que é uma variação em implementações em grandes bases B2C, em vez de uma previsão para qualquer negócio específico.

Comparar

Como isto se compara com as categorias que você já compra.

Neutral, side by side reads on where the decision layer sits next to the tools in your stack.

Todas as comparações

Continuar a ler

De onde vêm as hipóteses

Como o desempenho é realmente produzido.

Como a Markin mede a incrementalidade

Porque é que o corte de cabelo existe.

Calculadora de ROI e incrementality

Faça a aritmética na sua própria base.

Markin e a sua equipa de growth

O que a equipa faz quando o débito deixa de ser a restrição.

Vocabulário

Os termos em que este guia se baseia.

Each one is defined on its own page, precisely enough to quote.

Glossário completo