Donor profiling, passo ... passo dal donor relationship management al donor profiling system
Mario Belli
Area Terzo Settore: Servizi per il fundrasing
Indice
Introduzione al Sistema Informativo per la Raccolta Fondi (SIRF_)
Differenza tra analisi delle campagne, analisi delle entrate, segmentazione e donor profiling
Donor Profiling in 8 step
A cosa serve?
1. Normalizzazione dei dati gestionali
2. datawarehouse; 3. data mart (indicatori e
indici); 4. data mining (analisi
multidimensionali) 5. la "piramide“ 6. il DRR (donor retention
rate); 7. Il DLFT (life time value) 8. l'RFD (recency frequency
donor);
SOFTLAB S.p.A.
Composta da circa 500 risorse, Softlab è da quasi 30 anni specializzata nella progettazione, produzione e sviluppo evolutivo di tecnologie, sistemi, soluzioni e outsourcing.
Il contesto internazionale è la nuova sfida che Softlab ha accettato, avviando la controllata Softlab Middle East con sede in Arabia Saudita, per raggiungere in breve tempo una posizione di prestigio nel mercato internazionale.
Volendo riassumere i vantaggi competitivi che i Clienti di Softlab hanno dichiarato, sono: le esperienze concrete, la garanzia dell’avanguardia nelle scelte tecnologiche, i contenuti d’innovazione delle soluzioni proposte e il consolidamento degli strumenti di gestione, di analisi, di disegno, di pianificazione e di management.
Con 5 sedi, Softlab si colloca tra le grandi imprese nazionali che in Italia operano sulle componenti dell’offerta IT ad alta specializzazione.
Nel 2006, forte dell’esperienza di importanti contratti di outsourcing con imprese private e pubbliche, nasce SOFTLAB TERZO SETTORE, un’area interamente dedicata al Terzo Settore e ai Servizi per il Cittadino. SOFTLAB TERZO SETTORE ha modellato la propria struttura organizzativa per recepire appieno le istanze sollevate dagli enti che pongono l’utente, il cittadino, al centro delle proprie strategie. Il nostro Staff è composto unicamente da persone che hanno lavorato nelle imprese sociali e non profit. SOFTLAB TERZO SETTORE è certificata ISO 9001:2008 per le attività di “Progettazione, realizzazione e gestione dei servizi di relazione con il pubblico, contact center, fundraising management, data entry, telemarketing e call center”. SOFTLAB è l’unica impresa che vanta nel mercato questi due asset.
SOFTLAB Terzo Settore
S.I.R.F. un Sistema Informativo per la Raccolta Fondi
IL CONTROLLO DI TUTTI GLI ASPETTI CONOSCITIVI
Marketing Informatica Statistica
Il fundraising deve coniugare 3 professionalità:
Informatica: strumento diffuso e ormai trasversale, senza alfabetizzazione informatica non c’è comunicazione interattiva
Statistica: l’analisi dei dati diviene un sistema di comprensione e previsione, interna all’attività delle campagne di raccolta fondi
Marketing: integra i due sopra per creare valore aggiunto e realizzare l’incontro da ONP e sostenitore
MARKETING GESTIONE
SERVIZI
Donor Care
SIRF
Integrazione e controllo di 3 processi
IL GESTIONALE:
1. Incasso 2. Avvisi
DONATORI
FONDI
1. Caricamento 2. Aggiornamento
1. Invio 2. Esito SPEDIZIONI
Fundraising management
1. In bound 2. Out bound
INTERNET 1. On line 2. Off line
TELEFUNDRAISING
1. In entrata 2. In uscita COMUNICAZIONE
IL SISTEMA QUALITA’:
il donor care
Endogene ed esogene
ANALISI
RICERCHE
Sistema degli osservatori
Monitoraggio entrate e budget CONTROLLO
Donor Profiling System PREVISIONE
DATA MINING
SEGMENTAZIONE
IL SISTEMA MARKETING
F.I. - Fundraising intelligence
E’ il risultato di una corretta gestione delle liste, ossia del DB
Segmentazione strategica:
•comportamentale, nasce dal database interno
•di mercato, nasce dalle ricerche di mercato
•geodemografica, nasce dal database statistico-territoriale
Segmentazione operativa:
è quella che nasce dalla codifica dei target che vengono messi sotto osservazione. In generale avviene su tre livelli:
•Iniziativa, è la campagna (5X1000, Natale, fidelizzazione)
•Target, è l’insieme utilizzato per studiare i ritorni (attivi, top – middle - bot donor, lapsed, ecc.)
•Segmento, elemento che divide per personalizzazione e allestimento
LA SEGMENTAZIONE
FONTI O D.B.
Clienti
Prospects
Territorio
Ricerche
SEGMENTAZIONE
Comportamentale
Geografica
Di mercato
OBIETTIVI
Fidelizzazione
Acquisizione
Fare marketing strategico ed operativo significa dotarsi di analisi, dati e ricerche
LA SEGMENTAZIONE
Conoscere gli attori del proprio DB e gestirli in maniera integrata significa avere un insieme organizzato di dati, ossia:
un sistema informativo in grado di aggregare, analizzare e visualizzare
associare ai singoli tutti i dati di transazione e relazione.
Donor Profiling System come forma di segmentazione dei comportamenti attuali ed attesi:
• quali prodotti e servizi il cliente utilizza,
• con quali modalità,
• che probabilità che rimanga fedele
DONOR PROFILING SYSTEM
integrare dati ed informazioni in un unico contenitore: il datawarehouse per il marketing fundraising
aggregare i dati e le informazioni in modo da poterli associare ai singoli donatori, ossia creare una serie di indicazioni sintetiche personali: indicatori e indici
effettuare analisi incrociate e multidimensionali per singoli indicatori e indici, dati ed informazioni elementari
DONOR PROFILING SYSTEM
Alla base del DPS vi è un nuovo modo di concepire l’organizzazione delle informazioni:
AdR DPS AdE
DATA MART
DATA MINING
D.W. Estrazione Elaborazione Aggiornamenti
Gestione dizionari
Basi di dati “transazionali” o operativi
EXTRANET
E.T.L.
ARCHITETTURA DPS
Passo 1: il gestionale
Le informazioni del gestionale, non sono immediatamente utili:
sono dati, vanno trasformati in informazioni e conoscenza
Marketing
Dialogo
Anagrafica
Pagamenti
Viste
logiche
Direct mail
Corporate
Lasciti
Fondazioni
Web
FaceToFace
Occas. spec.li
Eventi
Merchandisin
APPLICAZIONI DOMINI
La normalizzazione del gestionale
Analisi documentale dei sistemi sorgenti Trasporto dei dati e pulizia: è il cosiddetto ETL (Estraction,
Trasform and Load) Creazione del deposito centrale: database dove si aggregano le
informazioni Definizione dei metadati: ossia descrizione dei database
aggregati, di dove sono le informazioni, di come sono elaborate e quando sono aggiornate
La prima fase per creare un sistema di supporto al fundraising è “rigirare” il gestionale.
Trasformazione dei dati
• Convertire variabili quantitative in qualitative (p.e. le classi)
• Convertire variabili qualitative in quantitative (p.e. lo status socio-economico)
• Trattare le date come numero di giorni
• Creare delle stringhe posizionali per gestire comportamenti multipli (p.e. le modalità)
• Ridurre il numero delle variabili (intercambiabilità)
• Esplicitare le variabili implicite (1=privato – 2=azienda - 3= scuola, ecc.)
Inserimento
Importazione
SISTEMA DI DEDUPLICA
Accantonati
Anagrafico Fonti
Info
Relazioni
Dialogo
SISTEMA GESTIONALE
Black list
Contatti
Selezioni
Campioni
Mailing Telemktg.
RISPOSTE
Analisi Pianificazione e Controllo
SISTEMA MARKETING
Pagamenti
IL FLOW DEL S.I.R.F.
Passo 2: il datawarehouse
… dai pagamenti ai donatori … come passare dai dati puntuali ai dati organizzati
prime trasformazioni
DATA WAREHOUSING
• Elencare ciò che esiste (campi, record, file, relazioni)
• Definire ciò che serve (tabelle e informazioni)
• Disegnare il motore
• Un esempio
La struttura del data warehouse
• Codice anagrafica • Sesso • Data nascita • Fonte anagrafica • Codice regione • CAP • Codice Area Nielsen • Codice grandezza centro • Data di ingresso [nel file] • Età [in anni] • Classe per età • Anzianità “associativa” • Classe per Anzianità “associativa”
• Data invio prima ed ultima promozione • Numero promozioni inviate • Data primo ed ultimo pagamento • Data primo ed ultimo contatto vivo • Importo e Numero totale pagamenti • Classe per importo e numero totale pagamenti • RFD [comportamento stagionale] • LTV [Life time value: indice di “sopravvivenza” del
donatore] • Numero e Valore totale da S_0 a S_N
La struttura del data warehouse
Passo 3: i datamart
… dai donatori gli insiemi significativi …
come passare dai dati organizzati a unità dotate di
senso prime informazioni
Donors
Etc…
FtF/DtD Etc…
Donation
DataWarehouse
Enterprise“Database”
Transactions
Copied,
organized
summarized
Data Mining
Data Miners:
• “Farmers” – they know
• “Explorers” - unpredictable
Data Warehouse & Data Mart
Cosa sono i data mart
• Privati
• Corporate
• Lasciti
• Face To Face
• Door to door
• Occasioni speciali
• Eventi
• Telefundraising
• Merchandising
• Peopleraising
Il datawarehouse generale va calato nella realtà operativa. Alcune variabili non sono comuni alle diverse famiglie di fundraising
Un esempio di data mart: i rid
Come esempio di datamart, si riporta quello relativo ai sostenitori che aderiscono alle promozioni tramite RID.
• Motivo pagamento • Codice iniziativa • Codice target • Codice segmento • Importo pagamento • Modalità pagamento • Data incasso • Importo del rid • CF [flag codice fiscale] • Storno [flag storno]
• Codice anagrafica • Codice regionale • Classe [da inviare alla banca, da
inviare per autorizzazione,incassato, insoluto,
• cancellato, revocato, variato, ecc] • Tipologia [alla stregua di “Classe”
ma di maggiore dettaglio] • Numero pagamenti
Un esempio di data mart
il telefundraising Come esempio di datamart, si riporta quello relativo a coloro che aderiscono alle promozioni tramite il telefundraising. Questo DM è focalizzato quindi non sul sostenitore ma sulla specifica azione . In altri termini le variabili sono aggregate, totalizzate rispetto all’azione e non
al sostenitore. E’ questa un’altra ottica che spesso si accoppia alla prima, dove il focus è sulla
persona.
• Codice azione • Numero destinatari azione • Numero e percentuale contattati • Numero e percentuale positivi • Numero e percentuale pagamenti totali • Numero e percentuale pagamenti tipo 1 • Numero e percentuale pagamenti tipo 2 • Delta medio tra spedizione e contatto • Delta medio tra contatto e fine azione
Passo 4: il datamining
… dagli insiemi significativi all’esplorazione
…come far uscire dalle informazioni delle conoscenze multidimensionali
le prime conoscenze
DATA MINING
• Cruscotto aziendale
• Navigatore
• Modello di analisi dei dati
Osservatori di monitoraggio
• Osservatori sulle iniziative – andamento ritorni – previsione ritorni – storico iniziative – avvisi – utilizzo liste
• Osservatori sulle entrate – progressiva entrate – analisi incassi periodici – conto economico
Osservatori strategici
• Osservatori sulla “Qualità” – analisi “dialogo” (complain) – analisi dei disguidi (azioni correttive) – analisi abbandoni (CHURN)
• Osservatori sul Marketing – profilo sostenitori – andamento indici classificazione
• Osservatori sulla base sociale – sostenitori “attivi”
Passo 5: la piramide
… la prima forma di classificazione …
dividere i donatori per importo non è poi così scontato la legge di Pareto (80/20-20/80) è già una prima forma
di segmentazione
COME SI COSTRUISCE
• Analisi della distribuzione dei contributi dei donatori per periodo (12 – 18 – 24 – 48 mesi)
• Decisione sulle code della distribuzione
• Scelta delle modalità discriminanti
Regolari vs. top donor
• Classificazione o segmenti
• Interpretazione: confronti storici
Piramidi vista generale
0%
10%
20%
30%
40%
50%
60%
70%
80%
90%
100%
2007 2008 2009 2010
>=300
101-299
61-100
36-60
26-35
fino a 25
36
Piramidi Zoom su valori alti
0%
10%
20%
30%
40%
50%
60%
70%
80%
90%
100%
2007 2008 2009 2010
>750
501-750
401-500
300-400
Passo 6: il DRR
… previsione e conto economico …
un indicatore del valore dei donatori la conoscenza economica
• Nell'ambito di una strategia di Donor Relationship Management , l’analisi della fedeltà del donatore è un passaggio obbligato .
• Il donor retention rate ( DRR) misura la fedeltà del nostro parco donatori.
• Può essere calcolato in base al numero ovvero in base all’importo delle donazioni.
DRR
Df ————— x100
Di
DRR Trend
DRR(S_n) + …. + DRR(S_2)+DRR(S_1)+ DRR (S_0) —————————————————————————— x100
N
DRR a valore
∑€Df - ∑€Dn ———————— x100
∑€ Df
Oppure:
∑€D(S_0) - ∑€D(S_1) ———————————— x100
∑€ D(S_0)
Le formule Dove: •D f : Donatori di S-1 che donano S0 •D n : Nuovi donatori acquisiti •D i : Donatori S-1 •S_0: periodo corrente •S_n: periodi precedenti
COME SI COSTRUISCE
• Analisi della distribuzione dei donatori per periodo (12 – 18 – 24 – 48 mesi)
• Scelta delle modalità discriminanti One-off – Regolari – Adozioni - Top donor
• Classificazione o segmenti
• Interpretazione: IL TREND
DRR stagionali per ciascun gruppo
0,0
10,0
20,0
30,0
40,0
50,0
60,0
70,0
80,0
90,0
100,0
ONE-OFF ADOZIONI TOP DONOR REGOLARI
DRR0
DRR1
DRR2
drr3
Passo 7: il DLTV
la durata come indice della qualità del fundraising … quanto vive un donatore? la conoscenza prospettica
Le formule … Dove: P t : Numero Pagamenti totali P n : Pagamenti ultimo anno A_0: anno corrente A_x: anno di prima donazione
DLTV
Pt —————— x100
A_0 - A_x
Pn - Pt —————— x100
Pt
DLTV a valore ∑€Pt
—————— x100 A_0 - A_x
COME SI COSTRUISCE
• E’ l’analisi dei pagamenti o fondi secondo periodi (12 – 18 – 24 – 48 mesi)
• Scelta delle modalità discriminanti
One-off – Regolari – Adozioni - Top donor
• Classificazione o segmenti
• Interpretazione: confronti storici
DLTV per ciascun gruppo
0%
10%
20%
30%
40%
50%
60%
70%
80%
90%
100%
One-off Adozioni Top donor Regolari
0-0.5ltv
0.5-0.8ltv
0.8-1ltv
La “piramide” del DLTV
0,0
10,0
20,0
30,0
40,0
50,0
60,0
70,0
80,0
0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1.0
DLTV
DLTV
Passo 8: l’RFD
… segmentazione e previsione … come prevedere il trend dei sostenitori per pianificare
le azioni la conoscenza diventa pratica
Cosa sono le catene di Markov
processo stocastico: successione di variabili aleatorie che descrivono un processo empirico governato da leggi probabilistiche
(xt)t,
dove xt é una variabile aleatoria
catena di Markov: t parametro discreto e xt che può assumere un numero di valori finito (ciascun valore è detto “stato” ed il processo è a numero di stati finito)
descrive il processo evolutivo di un sistema che si trasforma nel tempo in termini probabilistici passando, in una successione di periodi, attraverso N stati di transizione
Marketing della memoria
La probabilità di mantenersi fedeli (ossia di ripetere la donazione o rinnovare l’iscrizione) dipende dai dati storici.
Il comportamento futuro è una diretta conseguenza del comportamento passato, conoscendolo in maniera segmentata il profilo dei nostri donatori possiamo prevedere in maniera attenbile il futuro e porre le azioni di intervento e correzione.
S-1 p11 p12 p13 p14
S-2 p21 p22 p23 p24
Periodo (t) S-3 p31 p32 p33 p34 Periodo (t+1)
S-4 p41 p42 p43 p44
S-n pn1 pn2 pn3 pn4
• S-1 = il nostro donatore ha donato o non ha donato, lo scorso anno?
• S-2 = il nostro donatore ha donato o non ha donato, 2 anni fa?
• S-n = il nostro donatore ha donato o non ha donato, + di 4 anni fa?
• P11= è la probabilità rilevata o stimata di S-1
• rilevata se si riferisce al dato osservato quest’anno o precedentemente
• stimata se di riferisce alla probabilità per il prossimo, o quelli successivi
L’RFD
La sigla RFD sta ad indicare Recentezza e Frequenza della Donazione. Ed è un elemento della catena di Markov vista con la tecnica CHAID (chain automatic interactive detection).
Sintetizza “dinamicamente” il comportamento stagionale del donatore per un arco temporale di 4 stagioni (l’attuale più le 3 precedenti).
Start 2011 S-N < 2007 S-4 2007 S-3 2008 S-2 2009 S-1 2010 S_0 2011
S(t-n) St(n+1) … S(t0) S(t+1) dove t0= 2010 t0= 2011
Start 2010 S-N < 2006 S-4 2006 S-3 2007 S-2 2008 S-1 2009 S_0 2010
Come usare l’RFD
L’RFD consente di analizzare l’andamento e la struttura del file Sostenitori, sia di valutarne passo passo le prospettive future.
S-N | S-5 | S-4 | S-3 | S-2 | S-1 | S_0
RFD S-1
RFD S_0
RFD S+1
Es. 1: 0010110
Es. 2: 1100100
Es. 3: 0001101
Es. 1:
RFD di S+1 0101
RFD di S_0 1011
RFD di S+1 0110
La profilazione del file
La chain
COME SI PROCEDE
• Decisione sulla tipologia dei pagamenti
• Scelta delle modalità discriminanti
One-off – Regolari – Adozioni - Top donor
• Matrici start- end su almeno 4 anni
• Proiezione: da S_0 a S+1, S+2, …, S+n
• Previsione : le 2 varibili fondamentali: new e lapsed
• Profilazione attuale e prospettica
La previsione su 3 anni
BASE EXIT %CONV. END NEW TOTALE DONATORI
a b t c=(a-b) d(*) e=(c+d) f=(e*t)
2010 97434 16690 38% 80744 6060 97434 30736
2011 80744 14668 40% 82766 3448 86214 34629
2012 82766 10471 43% 86963 3030 89993 38410
(*) "d" è la stima degli exit che vengono reinseriti come nuovi sulla base della % di conversione dei nuovi
Donor profiling, passo ... passo Grazie per la vostra attenzione!
Le Referenze
Roma Via Valentino Mazzola, 66 Tel: 06.510391 E-Mail: [email protected] Milano Via Clemente Prudenzio, 16 Tel: 02.50981 E-Mail: [email protected] Padova Via Savonarola, 217 Tel: 0498.235820 E-Mail: [email protected] Napoli Via dei Campi Flegrei, 34 E-Mail: [email protected] Palermo Via Ercole Bernabei, 51 E-Mail: [email protected]
Softlab S.p.A. è una tech-company specializzata nella
progettazione, produzione e sviluppo evolutivo di tecnologie,
sistemi, soluzioni e outsourcing in ambiente Information Technology.
SOFTLAB TERZO SETTORE ha da tempo deciso di adottare un’ottica
di Qualità Totale. Tutti i nostri servizi sono certificati:
“Progettazione, realizzazione e gestione dei servizi di relazione
con il pubblico, contact center, fundraising management, data entry, telemarketing e call
center sono certificati ISO9001:2008”.
Il contenuto di questa presentazione è strettamente confidenziale e ne è vietata la duplicazione, la distribuzione, l’alterazione, la stampa e la commercializzazione con qualsiasi mezzo senza la previa autorizzazione scritta da parte di Softlab S.p.A.
Mario Belli [email protected]
Roma
Contatti
Top Related