Aumentare le donazioni con il machine learning. Cosa c'è da sapere?

Marica Acconcia - Marketing Manager, W-Mind. Master, Business Administration

Cos'è il Machine Learning?


Quando si sente il termine "Machine learning", qualcuno potrebbe immaginarsi film di fantascienza o un esercito di robot pronti a sollevarsi contro il genere umano. Nonostante le immagini che il termine può evocare, il Machine learning è lontano dalla finzione. Infatti, è probabile che vi facciate affidamento molto più spesso di quanto vi rendiate conto!


Il Machine Learning è una branca dell’intelligenza artificiale che insegna, tramite metodi matematici-statistici, ai computer a compiere azioni ed attività in modo naturale imparando dall’esperienza (o meglio, attraverso programmi di apprendimento automatico).

Ogni volta che fai una domanda a Siri o clicchi su un film consigliato da Netflix, stai raccogliendo i frutti del machine learning. Tuttavia, come esploreremo nella prossima sezione, il machine learning ha applicazioni che vanno oltre le esigenze del mondo della grande tecnologia.


Machine Learning per il Non-Profit


Ogni tipo di organizzazione può usufruire dei risultati dati dall’utilizzo del machine learning, e le previsioni del settore dichiarano che le organizzazioni non-profit stanno iniziando a convertirsi al Machine learning per ottenere un accurata segmentazione del loro database fundraising.


Il machine learning può essere utilizzato da organizzazioni di ogni dimensione, con lo scopo di aumentare la redemption del direct marketing per un ampio ventaglio di applicazioni. Queste includono campagne di direct mail o di telemarketing, la riduzione dell'abbandono di donatori regolari, l'aumento di conversioni da one-off a regolare o la riattivazione di donatori inattivi, fino ad arrivare all'aumento delle conversioni per aumento di quota.


Ed è qui che entra in gioco il Machine Learning, quindi andiamo a scoprire quali sono le domande più frequenti dei nostri clienti sull’utilizzo del machine learning per aumentare la redemption del fundraising.


Le domande più frequenti:


  • Che benefici ha utilizzare il machine learning per le campagne di fundraising?

L’utilizzo del machine learning può aiutare le organizzazioni no-profit ad aumentare la redemption delle loro campagne di direct mail e telemarketing, dal 20 al 100% (dato rilevato da progetti di W-Mind 2019-2021). L’utilizzo della tecnica RFM (Recency, Frequency, Monetary value) da ugualmente dei risultati, ma questi sono più imprecisi rispetto ai risultati ottenuti tramite l’intelligenza artificiale.


  • Chi può usare il machine learning?

Il machine learning può essere utilizzato da organizzazioni di tutte le dimensioni. Nonostante questo, per utilizzare in maniera efficiente il machine learning, la tua organizzazione deve avere due requisiti fondamentali: un problema risolvibile e un solido set di dati. Senza il problema o la domanda giusta in mente, verranno sprecati tempo e risorse preziose all’organizzazione cercando di raccogliere informazioni senza scopo. Senza un solido set di dati storici della campagna che si vuole ottimizzare, il modello di machine learning non sarà in grado di imparare nulla di utile alla non profit. Ma con entrambi i componenti, è possibile scoprire risposte informative. Per esempio, sfruttare le informazioni in un database di ricerca di prospetti per identificare donatori qualificati a fare grandi donazioni.


  • Il machine learning sostituirà i professionisti della fundraising?

Se bisogna essere sinceri, NO! Non bisogna preoccuparsi che un esercito di robot (o semplicemente un programma informatico) venga a usurpare il ruolo dei professionisti del fundraising. Il machine learning può elevare, migliorare e semplificare il lavoro delle non profit in modo da ottenere risultati più efficaci. In pratica, mentre l’organizzazione si concentrerà sul coltivare le relazioni con i donatori, il machine learning aiuterà a dare priorità ai donatori giusti e ad impedirne l’abbandono. Il machine learning analizza in modo più accurato queste attività per risultati più proficui nella raccolta di fondi delle non profit.


  • Il machine learning è costoso?

Mentre il machine learning ha la reputazione di essere estremamente costoso, non è così costoso come in passato. In generale, è costoso addestrare un modello di machine learning, non usarlo. Ora che le intuizioni del machine learning stanno diventando più accessibili, spesso possono essere integrate in altri programmi che già vengono usati, come il database di ricerca prospect di una non-profit.


  • Quanto sarà oneroso da parte del team dell'organizzazione l’estrazione dei dati?

Il processo di estrazione dati da parte di una organizzazione prende all’incirca mezza giornata. Infatti, un vantaggio del Machine Learning è che si possono estrarre anche dati grezzi, perché sarà poi la macchina a gestire tutto e a ripulire i dati per poterli analizzare al meglio.


  • L’utilizzo del machine learning è compatibile con le normative di privacy del GDPR?

Si! Tutti i dati estratti dall’organizzazione sono dati anonimi, questi sono criptati in modo da mantenere la privacy di ogni singolo donatore come da regolamento europeo per la protezione dei dati e della privacy.


  • C’è un numero minimo di anagrafiche necessarie per far funzionare l’algoritmo?

Per assicurarsi che la macchina dia dei risultati ottimali c’è bisogno di almeno 40.000 anagrafiche tra donatori attivi e inattivi dell'organizzazione.


  • L’RFM quindi non è più efficace?

No, l’RFM ti fa perdere delle opportunità preziose di estrarre più valore dal database dei tuoi donatori, cioè il 20-100% in più (dato estratto da progetti W-Mind 2019-2021) che invece l’utilizzo del machine learning promette. Stimiamo che nei prossimi anni la grande maggioranza del non profit passeranno al machine learning.


  • Quanto tempo ci vuole per avere il modello completo?

La prima volta che la macchina lavora con i dati di una no-profit ci vuole indicativamente un mese e mezzo di lavorazione. Tuttavia, una volta che il modello è completo ci vuole solo una settimana per estratte la lista finale dei donatori potenziali.


  • Una volta estratta la lista, che tipo di output riceve l’organizzazione?

L’organizzazione riceverà un file excel completo di ID donatore, di un punteggio che indica la probabilità di conversione di uno specifico donatore e l'ask suggerita (l'algoritmo suggerisce all'organizzazione a quali donatori richiedere un aumento di donazione e quantifica l'aumento di quota suggerito), per ogni donatore potenziale estratto dalla macchina.


  • Qual è la differenza tra intelligenza artificiale e Machine Learning?

Spesso, l'intelligenza artificiale e Il Machine Learning sono usati come sinonimi, ma hanno alcune differenze chiave. L'intelligenza artificiale (AI) si riferisce all'ampia capacità di un computer o di un robot di eseguire compiti che sarebbero normalmente svolti da esseri umani. L'AI permette ai computer di compiere compiti come il riconoscimento visivo, il riconoscimento vocale, il processo decisionale e altro ancora. Il Machine Learning invece è un sottoinsieme dell'intelligenza artificiale. Con esso, il computer è in grado di imparare e migliorare da solo senza istruzioni esplicite.


Per scoprire di più su come il Machine Learning può aiutare la tua organizzazione a raccogliere più fondi con l'analisi del database donatori contattaci o prenota un check-up gratuito.

28 visualizzazioni0 commenti

Post recenti

Mostra tutti