What is the single most important question to ask a decisioning vendor?

Who writes the candidate actions. If the honest answer is that your team configures them and the system only ranks them, the product's ceiling is the imagination and capacity of your team. Everything else, models, real-time APIs, channel coverage, is downstream of that limit.

How much should a decisioning pilot cost?

The number that matters is not the fee but the ratio between the fee and the incremental margin the pilot has to produce to justify itself. Write that threshold down before the pilot starts and express it in incremental revenue against a holdout, not in engagement metrics.

Should we build this in-house?

Building the ranking is the easy part and most good data science teams can do it. The parts that consume years are activation into every channel, guardrail management, automated experiment design and readout, and keeping it all running when the schema changes. Evaluate the build against those, not against the model.

Do we need a CDP before we buy decisioning?

No. A decision layer needs access to reliable customer context, which can come from a warehouse, a CDP, or a mixture. Requiring a CDP first is a sequencing preference, not a technical dependency, and it delays the revenue case by a year in most organisations.

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

Como avaliar uma plataforma de decisão

Avaliar uma plataforma de decisioning resume-se a quatro coisas: quem é o autor das ações candidatas, que objetivo o ranking otimiza, se o sistema pode executar sem uma etapa de construção humana e se cada decision carrega um control group. Um produto que falha em qualquer uma das quatro é um motor de regras com um modelo anexado.

Román Via-Dufresne, Co-fundador, Markin

Atualizado 4 August 2026 · 11 min de leitura

Solicitar uma demo

Por que as demos são um instrumento de avaliação ruim

Todas as demos de decisioning parecem iguais: um perfil de cliente, uma lista ordenada, um número confiante ao lado de cada linha. As diferenças que importam não são visíveis nesse ecrã. Elas aparecem três meses depois, quando alguém pergunta de onde vieram as ações candidatas, por que o vencedor foi aquele com a maior probabilidade de clique e quem está a manter o control group.

Uma lista classificada não prova nada sobre como a lista foi montada.
Os objetivos de engajamento parecem excelentes numa demonstração e contactam excessivamente pessoas que teriam convertido de qualquer forma.
'Tempo real' geralmente descreve a API, não a decisão.
O Uplift no slide é quase sempre atribuído, não medido contra um holdout.

Doze perguntas, e as respostas que o devem preocupar.

Pergunte isto pela ordem abaixo. Os primeiros quatro são desqualificantes; os restantes são trade-offs com os quais pode viver depois de os conhecer.

Questão	A resposta que o deve preocupar	Como é um bom resultado
Quem escreve as Candidate actions?	"A sua equipa configura-os na UI."	O sistema propõe Candidate actions em que não pensou e pode explicar a evidência por trás de cada uma.
O que o ranking otimiza?	Propensity para abrir, clicar ou converter.	Receita incremental esperada, líquida de margem, custo de contacto e fadiga.
Pode decidir não fazer nada?	Manter é uma regra de supressão que configura.	Manter é um Candidate de primeira classe que ganha em valor esperado, rotineiramente.
Quem lança a ação vencedora?	Exporta uma recomendação; a sua equipa constrói-a.	A plataforma executa dentro dos sistemas que já opera, sem uma fila de compilação.
Onde vive o grupo de controlo?	"Pode configurar um por campanha."	holdout aleatório anexado a cada decisão por predefinição, não por campanha.
O que está no âmbito além da comunicação?	Mensagem, oferta, canal, momento.	Preços, embalagem, onboarding, superfícies no produto e anomalias técnicas também.
Quantas hipóteses podem ser executadas em paralelo?	Um número limitado por lugares ou por slots de campanha.	Limitado pela base e pelo poder estatístico, não pela capacidade humana.
O que acontece a um programa perdedor?	Aparece numa revisão trimestral.	É automaticamente desativado quando não consegue superar o controlo.
Como o uplift é reportado?	Conversões atribuídas à jornada.	Receita incremental contra um holdout aleatório, ao longo de um ciclo completo.
Que dados precisa de possuir?	Uma migração completa para a sua loja de perfis.	Lê o seu warehouse ou CDP e possui apenas o log de decisões.
Como são expressos os limites de segurança?	Apenas limites de frequência.	Limites mínimos de margem, economia de contacto, restrições de marca e legais, elegibilidade por segmento.
O que o piloto prova?	Métricas de engajamento num segmento selecionado manualmente.	Um número de receita verificado por holdout num segmento que escolheu.

Duas coisas para verificar independentemente

Peça o número testado incrementalmente em vez do reportado. A BCG descobre que 20% a 40% do uplift medido do Next Best Action desaparece assim que um controlo aleatório é aplicado, pelo que os dois números não são intermutáveis.
Pesquisa independenteBCG, incrementalidade em programas de personalização (2026)
Verifique quem financiou qualquer estudo de desempenho que lhe for apresentado. A pesquisa de impacto económico quantificado publicada para o BrazeAI Decisioning Studio, por exemplo, é um estudo de Impacto Económico Total realizado pela Forrester Consulting e encomendado pela Braze, o que é uma classe de evidência diferente da pesquisa de analistas independentes.
Vendor-commissionedForrester TEI, encomendado pela Braze (maio de 2026)

O que exigir no contrato-piloto

Um piloto que não pode falhar não é um piloto. Escreva primeiro a condição de falha.

É você que escolhe o segmento, não o fornecedor.
Um holdout aleatório de um tamanho acordado previamente, mantido durante toda a janela de medição.
Uma métrica primária, definida antes do início do piloto, expressa em receita em vez de engajamento.
Uma regra de paragem declarada e uma condição de falha declarada, ambas escritas antes do lançamento.
Acesso ao registo de decisões: para qualquer cliente, porquê essa ação, quanto valeu, o que aconteceu.
Nenhuma migração como pré-condição. Se o piloto exige que mova os seus dados primeiro, não é um piloto.

Razões para abandonar a categoria por completo

Os seus dados de resultados são pouco fiáveis ou estão muito atrasados. Corrija a medição antes de comprar a decisão.
A sua restrição é a capacidade de entrega, não a qualidade da decisão. Compre capacidade de execução em vez disso.
Não consegue obter um holdout aleatório por razões organizacionais. Sem um, nunca saberá se funcionou.
O caso comercial baseia-se numa pequena base. Abaixo de aproximadamente 100.000 clientes ativos, a aritmética raramente justifica o programa.

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

Qual é a pergunta mais importante a fazer a um fornecedor de decisioning?: Quem escreve as Candidate actions. Se a resposta honesta for que a sua equipa as configura e o sistema apenas as classifica, o limite do produto é a imaginação e a capacidade da sua equipa. Tudo o resto, modelos, APIs em tempo real, cobertura de canais, está a jusante desse limite.
Quanto deve custar um piloto de decisioning?: O número que importa não é a taxa, mas a relação entre a taxa e a margem incremental que o piloto tem de produzir para se justificar. Registe esse limite antes do início do piloto e expresse-o em receita incremental contra um holdout, e não em métricas de envolvimento.
Devemos construir isto internamente?: Construir a classificação é a parte fácil e a maioria das boas equipas de data science consegue fazê-lo. As partes que consomem anos são a ativação em cada canal, a gestão de guardrails, o design e leitura automatizados de experimentos, e manter tudo a funcionar quando o schema muda. Avalie a construção contra estes pontos, não contra o modelo.
Precisamos de um CDP antes de adquirir decisioning?: Não. Uma camada de decisioning precisa de acesso a um contexto de cliente fiável, que pode vir de um data warehouse, de um CDP ou de uma mistura. Exigir um CDP primeiro é uma preferência de sequenciamento, não uma dependência técnica, e atrasa a oportunidade de receita em um ano na maioria das organizações.

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

Decisão de cliente: o guia

Definições e o limite arquitetural.

Markin + Braze

Como uma camada de decisioning funciona ao lado de uma plataforma de engagement.

Calculadora de ROI e incrementality

Dimensionar o piloto com os seus próprios números.

O nosso padrão de evidência

O padrão que aplicamos às nossas próprias afirmações.

Vocabulário

Os termos em que este guia se baseia.

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

Glossário completo