photo-1523961131990-5ea7c61b2107-1

W-Mind

Blog

CASE STUDY:+29% conversion rate su appello lapsed con il Machine Learning

Di recente W-Mind ha collaborato con una grande ONG umanitaria attiva in cinquanta paesi, che si occupa della difesa dei diritti umani, per testare se il Machine Learning potesse migliorare ...
Continue Reading
Torna al Blog

Come mantenere i tuoi donatori durante il COVID-19

Giulio Rosati
Co-founder & Head of Data Solutions, W-Mind

La pandemia COVID-19 ha portato con se effetti devastanti per la vita e il benessere degli italiani. Come noto l'emergenza sanitaria sta generando anche un rilevante shock economico che si evolverà con tutta probabilità in una recessione.

Il settore non-profit, come tutti gli altri, sta già venendo toccato profondamente da questa crisi. Mentre le richieste di cassa integrazione continuano a montare, le organizzazioni iniziano a riportare contrazioni delle donazioni e a pianificare strategie per ridurre i costi di struttura. 

Diverse non-profit stanno già elaborando soluzioni creative per far fronte all’emergenza. Nello spazio dei donatori regolari queste soluzioni devono concentrarsi sulla minimizzazione delle cancellazioni e sul mantenere il maggior numero possibile dei propri donatori correnti. 

 

Un’analisi storica del Churn

Per analizzare come le crisi economiche possono impattare le donazioni regolari W-Mind ha analizzato i dati storici delle donazioni regolari. Sono emersi due trend fondamentali.

 

Trend 1. Il Churn dei donatori regolari ha un picco durante le crisi

Il Churn dei donatori regolari ha avuto un picco durante la crisi economica globale del 2008. Il grafico sotto mostra il Churn Rate annuale in un data set campione nel tempo. Il picco intorno alla crisi finanziaria globale del 2008 mostra un aumento del 100% Churn Rate medio per i donatori regolari (fino a toccare il 12% di Churn)

Analisi churn rate dei donatori no-profit nella storia per studiare trend e aumentare donazioni fundraising

Fonte: campione di non-profit estere (USA, Australia ed Europa) selezionato tra i propri clienti da Dataro.

 

Sappiamo anche da questi eventi che le donazioni seguono l’andamento negativo degli indici di fiducia dei consumatori. Nel 2008, durante il picco della crisi finanziaria, l'indice ISTAT di fiducia dei consumatori è precipitato da 109.5 in marzo a 90.7 in giugno. 

Se guardiamo gli stessi dati per la corrente crisi COVID-19 vediamo che la fiducia dei consumatori è precipitata da 108.4 a 94.4 in un singolo mese. 

Una delle differenze importanti della pandemia è che le misure del governo hanno messo uno stop a canali fondamentali di fundraising (come le poste), dato che potrebbe risultare in un picco ancora più forte di cancellazioni rispetto alla crisi finanziaria del 2008.

 

Trend 2. Il Churn è continuato lentamente a salire per più di 10 anni 

Il secondo trend negativo rivelato dall’analisi è più lento e strutturale, ma non per questo meno significativo. Nonostante gli importanti sviluppi da parte delle no-profit in termini di donor journey e marketing il Churn Rate è aumentato nel tempo. La retention è diventata una sfida molto più difficile. 

Analisi del trend churn rate donatori ONLUS per creare modelli predittivi e aumentare donazioni

Fonte: campione di non-profit estere (USA, Australia ed Europa) selezionato tra i propri clienti da Dataro.

 

Se estendiamo l’analisi precedente possiamo vedere il trend generale di aumento della rapidità di abbandono dei donatori - il Churn Rate va dal 6% per il 2006 al 10% oggi. 

Le no-profit che si sono concentrate sull’acquisizione e non sulla retention possono essere prese di sorpresa da questo lento ma progressivo aumento del Churn, con conseguenze potenzialmente serie nell'attuale situazione di emergenza.

 

Come prevenire l'abbandono durante il COVID-19

Con l’abbattersi della fiducia dei consumatori è naturale che molti donatori decideranno di tagliare le spese non essenziali. Mantenere quanti più donatori tra quelli già attivi sarà un obiettivo cruciale per navigare con successo questo periodo di crisi. 

Fortunatamente una differenza fondamentale rispetto al 2008 è che i progressi tecnologici ci forniscono strumenti molto efficaci per capire anticipatamente il comportamento dei donatori.

W-Mind utilizza modelli predittivi basati su algoritmi di Machine Learning per indicare alle no-profit i singoli donatori attivi con alto rischio di abbandono durante il trimestre. Grazie a questi insight è possibile creare campagne di retention mirate ed efficaci che vanno oltre le chiamate post-disdetta. 

 

Che cosa causa l’abbandono nei donatori regolari?

Dalle analisi di W-Mind sappiamo che la vita mediana di un donatore regolare è 19 mesi. Tuttavia c’è un numero molto elevato di fattori che può influenzare quanto un particolare individuo rimarrà attivo. Nell’analisi seguente, per esempio, possiamo identificare i seguenti trend (visualizzati nei grafici sotto):

1. I donatori più giovani (under 35) hanno un tasso di abbandono molto più alto dei donatori più anziani e sono molto più a rischio nelle crisi economiche. Il churn rate medio dopo un anno è 45% per gli under 35 e 31% per gli under 55. 

2. I donatori acquisiti con una donazione media più alta tendono ad abbandonare molto più velocemente. In media il 46% dei donatori con una donazione iniziale maggiore di 30 EUR abbandona nel primo anno Vs. il 30% dei donatori con donazione inferiore a 15 EUR.

3. I donatori acquisiti tramite il face-to-face abbandonano con un tasso molto più alto degli altri canali.

Analisi trend donatori fundraising per età tramite analisi churn rate e retention rate

Questi trend sono facili da capire e ben noti, ma non si possono tradurre in regole applicabili. Predizioni del Churn e azioni di retention che si concentrano solo su questi fattori superfici avranno successo limitato.

Per esempio come può un’organizzazione identificare quali specifici donatori giovani andranno ad abbandonare rispetto a quelli che potrebbero diventare donatori fedeli e ingaggiati nonostante la loro età?

 

Il vantaggio del Machine Learning

Qui è dove il Machine Learning entra in gioco. Il Machine Learning consente alle no-profit di processare un volume enorme di informazioni e di identificare pattern di dati con elevatissima precisione. Più i donatori corrisponderanno alle pattern identificate più avranno probabilità di cancellare la donazione. Per esempio, i modelli di predizione del Churn possono prendere in considerazione contemporaneamente l'età del donatore, canale di acquisizione, donazione media, storia di donazione, socio-demografica, geografica e molto altro.

Un ulteriore vantaggio è che il Machine Learning si adatta rapidamente in tempi di crisi. Per definizione, questa tecnologia è creata per 'imparare' quando esposta a nuovi dati. Quando un algoritmo di Machine Learning è esposto a nuove informazioni in circostanze in rapido cambiamento, come un incremento nelle cancellazioni, può imparare molto più rapidamente a riconoscere il profilo dei donatori in procinto di abbandono.

Durante la crisi queste segnalazioni anticipate sono particolarmente d'aiuto - le circostanze sono in così rapido cambiamento che un donatore apparentemente sicuro e ingaggiato può cancellare il rapporto di punto in bianco. 

 

Next Steps: strategie pro-attive di donor retention

Le no-profit che hanno l'obiettivo di migliorare la retention dei donatori, nella nostra esperienza, possono iniziare prendendo alcuni semplici passi:

1. Identifica i donatori con il maggior rischio di abbandono utilizzando un modello predittivo di propensione.

2. Ingaggia pro-attivamente i donatori più a rischio, anche con una semplice call di ringraziamento e feedback. Nella nostra esperienza questo può migliorare la retention anche del 15% con una singola campagna.

3. Misura i risultati rispetto a un gruppo di controllo per migliorare costantemente i metodi e i contenuti di intervento.

4. Ripeti il processo periodicamente per assicurarti di ingaggiare sempre pro-attivamente i donatori a rischio

Anche in tempo di crisi le no-profit possono creare le migliori condizioni per mantenere i propri donatori. Possono farlo identificando le persone con il maggior rischio di abbandono e raggiungendole per ricordare l'importanza del loro supporto e il perché hanno scelto di donare in prima istanza. 

Contattaci se sei interessata/o a parlare del Churn nella tua organizzazione. 

New call-to-action

Post consigliati

CASE STUDY:+29% conversion rate su appello lapsed con il Machine Learning

Di recente W-Mind ha collaborato con una grande ONG umanitaria attiva in cinquanta paesi, che si occupa d...
Continue Reading

Conoscere i propri donatori con la Cluster Analysis (VLOG)

Giulio Rosati, Co-founder e Head of Solutions di W-Mind, ci racconta come la Cluster Analysis basata sul ...
Continue Reading

+13% donazioni con il Machine Learning? Il caso di Greenpeace Australia (VLOG)

Giulio Rosati, Co-founder e Head of Solutions di W-Mind, ci racconta come Greenpeace Australia è riuscita...
Continue Reading