WIE KI das FUNDRAISING VERÄNDERT!

«Pssst! Mehr Spenden und tiefere Kosten..»

FAQs↓

Achtung, Fundraiserinnen!

Wollen Sie für Ihre Organisation den Spendenertrag optimieren? Dann sollten Sie KI im Fundraising kennen lernen! Es funktioniert so einfach wie die Nahrungssuche der Biene: Das KI-Modell analysiert zahlreiche Merkmale Ihrer potenziellen Förderer und identifiziert die aussichtsreichsten Kandidaten. So können Sie Ihre Fundraising-Kampagnen noch gezielter und effizienter einsetzen. Klingt spannend?

Dann lesen Sie auf dieser Seite, worin sich RFM-Modell und KI unterscheiden und wie ein KI-Modell funktioniert. Nähern Sie sich schrittweise dem Thema und erhalten Sie kostenlos weitere Informationen zu Aspekten wie KI und Datenschutz, KI und Daten etc.. Gehören Sie zu den Ersten, die die Chance nutzen!

Mailings nach RFM

Bei der Erstellung von Mailings wird häufig der Ansatz des RFM-Modells verfolgt. Es basiert auf drei Kriterien:
• Recency: Wie kürzlich hat der Spender zuletzt gespendet?
• Frequency: Wie oft hat der Spender in der Vergangenheit gespendet?
• Monetary Value: Wie hoch waren die Spenden in der Vergangenheit?
Anhand dieser Kriterien werden die Spender in verschiedene Segmente eingeteilt. Diese Segmente werden dann für die Erstellung von Mailings genutzt. So werden beispielsweise Spender, die kürzlich eine hohe Spende getätigt haben, mit einem anderen Mailing angesprochen als solche, die schon lange nichts mehr gespendet haben.

Mailings mit KI

Die künstliche Intelligenz bewertet die Empfänger auf ihre Spendenwahrscheinlichkeit in Bezug auf das anstehende Mailing. Das Ziel ist es, durch die Konzentration auf Adressaten mit den höchsten Spenden-Chancen, mit kleineren Druckmengen und tieferen Gesamtkosten als bei RFM, ein höheres Spendenergebnis zu erreichen.

Mailings, die auf einem KI-Modell beruhen, fokussieren sich also auf jene Empfänger, die sich inhaltlich und von der Art der Aufbereitung der aktuellen Spendenanfrage besonders angesprochen fühlen. Die Basis dazu sind nebst über 100 sozio-demographischen Merkmalen auch sehr detaillierte Attribute.

Wie lernt ein KI-Modell?

Stellen Sie sich vor, Sie lernen ein neues Brettspiel kennen. Am Anfang ist noch nicht ganz klar, wie die Spielregeln angewendet werden damit man gewinnt. Aber je mehr Sie spielen, desto besser werden Sie. Sie lernen, wie man die Spielfiguren bewegen kann, welche Spielzüge effektiv sind, wie man die anderen Spieler besiegen kann und letztlich, wie Sie gewinnen.

So ähnlich funktioniert auch ein KI-Modell. Es wird mit einer Fülle von detaillierten Daten gefüttert. Aus diesen Daten lernt die KI, Muster zu erkennen und optimiert damit die Treffsicherheit jene Spender anzuschreiben, die die höchste Wahrscheinlichkeit haben, Ihre Organisation zu unterstützen.

Vorteile Bee-Fundraising

Bee-Fundraising, so heisst unser KI-Modell, schliesst zusätzlich verschiedene, detaillierte Attribute der Spendenanfrage in die Berechnung ein. Zum Beispiel:
• Wirkung/Emotionen: wütend, überrascht, betroffen
• Gestaltung/Text: Umschlag-Motiv, Briefbild, Textlänge
• Thema: inhaltlicher Fokus, Art des Testimonials
Ein Mailing kann gefühlsbetont sein oder sachlich und mit Fakten belegt. Es kann also rationale Motive ansprechen oder emotional argumentieren und Gefühle wecken.
Diese Aspekte, über 100 sozio-demographischen Merkmale, wie auch bisherige Daten aus der Spendenhistorie, fliessen ins KI-Modell von Bee-Fundraising. Die umfangreiche Datengrundlage ermöglicht eine gezielte Selektion, die Geld spart.

Vorteile Bee-Fundraising:

einfache Auswahl – die Spenden-Chance
entscheidet.

zukunftsgerichtet,
weil von Zusatz-parameter lernt..

Zielgruppen genau,
weil auch Mailing-Eigenschaften
einbezieht..

Ressourcen-schonend,
weil Zeit & Geld
sparend..