Kennis
Donateur lifetime value-optimalisatie
Datagedreven werving en behoud van donateurs noemen we donateur lifetime value-optimalisatie (DLV-optimalisatie). Dit kan bijvoorbeeld door big data te gebruiken om potentiële donateurs beter te targeten en uitstroom te verminderen.
Zo’n datagedreven aanpak berust op een combinatie van (veel) data en nieuwe analysetechnieken, zoals machine learning en AI. Door bijvoorbeeld kenmerken van potentiële en bestaande donateurs in een database samen te brengen, kan een AI-toepassing heel nauwkeurig bepalen welke personen waarschijnlijk willen doneren. Dit stelt goede doelen in staat om gerichter te werven en (op termijn) de kosten van werving te verlagen. Een ander voorbeeld: dankzij marketingresponsdata (o.a. e-mailgegevens en website clicks) is het mogelijk om campagnes per doelgroep te specificeren, en zo de resultaten te verbeteren.
Tools voor DLV-optimalisatie worden als Software-as-a-Service (SaaS) aangeboden. Dit zijn gestandaardiseerde AI-diensten, geschikt voor organisaties van elk formaat. De grootste aanbieders van SaaS zijn gevestigde partijen als Microsoft en Salesforce, die deze dienst koppelen aan bestaande software, zoals hun CRM-pakketten.
Naast de grote SaaS-aanbieders, zijn er ook partijen die specifieke AI-producten en -diensten voor goede doelen maken. Deze bieden een volledig alternatief op de softwarepakketten van grote aanbieders (Gravyty, Neon One, GiveLively). Of ze koppelen hun eigen AI-services aan software die al door de organisatie wordt gebruikt (Boodle, Quilt, CivisAnalytics).
Tot slot zijn er ook partijen en initiatieven die AI-oplossingen op maat maken voor goede doelen. Deze lopen uiteen van AI-consultancystart-ups tot hackathons en universiteitsprojecten: denk aan de hackathons van DataKind en – dichter bij huis – de Analytics Academy van VSAE, de studievereniging voor actuariaat- en econometriestudenten van de Universiteit van Amsterdam.