boomerang-600x400

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

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

Carlotta Reggioli
Project Manager, W-Mind. Master, Economia e Management @UNINT.

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 la redemption di una campagna donatori lapsed tramite direct mail (rispetto al metodo RFM).

 

Perché sono importanti oggi i lapsed?

 

Il donatore lapsed, oggi più che mai, è importante per le ONG perché è una fonte di acquisizione. 

In un mondo in cui i fundraiser e i professionisti del non profit lavorano duramente per mantenere le loro organizzazioni fiorenti, i donatori che hanno già indicato di avere un interesse per una ONG e che sono disposti a donare per una specifica causa - sono inestimabili.

Inoltre, in un periodo come questo in cui le acquisizioni tramite F2F sono molto più problematiche per via del COVID-19, le ONG possono rivolgersi ai lapsed per fare nuove acquisizioni. 

C’è però un problema: gli appelli di riattivazione lapsed molto spesso hanno una bassa redemption (0.5%-1.5% nella maggior parte dei casi) che genera, nell’immediato, un income netto negativo. Come si può fare per riattivare i donatori lapsed con una redemption maggiore?

 

Che cos’è il Machine Learning?

 

Il Machine Learning, o apprendimento automatico, è un metodo di analisi basato su intelligenza artificiale che sta rapidamente sostituendo l’RFM in ambito direct marketing e fundraising.

In parole semplici, il Machine Learning è un insieme di algoritmi di intelligenza artificiale.

Noi esseri umani impariamo, e questo è uno dei tratti fondamentali che ci caratterizza e ci distingue da tante altre specie. Impariamo dall'esperienza, dai tentativi e dagli errori. 

Gli algoritmi di Machine Learning, proprio come noi umani, studiano e imparano, ma dai dati, e svolgono gli obiettivi che gli vengono assegnati nella maniera più ottimale possibile.

 

In che modo Il Machine Learning ha aiutato la ONG ad aumentare le donazioni?

 

Il vantaggio del Machine Learning è che - al contrario dell'RFM - utilizza un numero molto elevato di variabili (fino a 200 variabili inclusi dati email e dati da arricchimento VS 3 dell'RFM) per assegnare un punteggio di potenzialità ai donatori. 

Inoltre, mentre nell’RFM è l’analista che decide il peso da dare ai vari fattori (recency, frequency e monetary) nel modello di estrazione finale, nel Machine Learning è direttamente il computer che assegna un peso ottimale a ogni variabile dopo aver compiuto milioni di tentativi sui dati storici dell’ONG.

 

Come funziona

 

La ONG ha fornito a W-Mind un’estrazione contenente tutti i dati (anonimizzati) sui donatori lapsed riattivati negli ultimi anni tramite Direct Mail e una serie di variabili che caratterizzano questi individui (dati socio-demografici, donazione media, frequenza di donazione etc.). 

Per ottenere i migliori risultati, abbiamo eseguito un processo chiamato ‘data enrichment’: a partire dalle 15-20 colonne standard del CRM della ONG vengono create circa 200 colonne, che vengono poi ulteriormente arricchite utilizzando i dati del database proprietario W-Mind. Gli algoritmi di Machine Learning vengono poi istruiti e allenati per riconoscere i donatori lapsed più potenziali alla riattivazione, e in base ai risultati delle simulazioni, i nostri Data Scientists scelgono l’algoritmo che performa meglio.

 

I risultati:

  • Il Machine Learning ha aiutato la ONG a trovare una lista di donatori giusta, densa di donatori potenziali per la riconversione
  • La conversione è aumentata del +29% rispetto all'RFM
  • La ONG ha ottimizzati i costi ottenendo + 14% di ricavi netti

aumentare conversioni appello lapsed grazie a analisi crm fundraising con machine learningPer scoprire di più su come il Machine Learning può aiutare la tua organizzazione a raccogliere più fondi con l'analisi del database donatori contattaci

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