В GIVR.Платежи встроен модуль прогнозирования, который помогает фондам заранее понимать, что происходит с донорами и сборами. Это не сложная математика — это практичный инструмент, который подсказывает, кто из доноров может перестать жертвовать, а кто, наоборот, готов помочь больше.
Прогнозирование превращает данные о пожертвованиях в конкретные действия. Фонды получают не просто статистику, а рекомендации: кого удержать, какие суммы предлагать, как распределить ресурсы. Это снижает потери и повышает эффективность фандрайзинга без дополнительных затрат на рекламу.
Это как система раннего предупреждения 🚨.
Модель анализирует более 60 метрик: историю пожертвований, размер и частоту взносов, реакцию на письма, поведение на сайте, канал трафика и устройство, с которого донор жертвует.
На основе этих данных система определяет вероятность того, что донор перестанет жертвовать в течение 1 или 3 месяцев.
Если у фонда более 5000 доноров и есть история пожертвований за последние 6 месяцев, точность прогноза достигает 95%. При меньших объёмах данных точность снижается.
Отток на месяц — показывает, кто может перестать жертвовать в ближайшем периоде;Отток на три месяца — помогает выстроить долгосрочную стратегию удержания.Как использовать:
– Фонд может заранее отправить письмо с благодарностью или приглашением поучаствовать в новом сборе тем, у кого есть риск оттока.
– Для “спящих” доноров можно настроить автоматическую серию писем с напоминанием и историями подопечных.
– В дашборде можно отслеживать, как такие меры реально уменьшают отток и повышают вовлеченность.
Фонд выявил 300 доноров с риском оттока выше 90%. После рассылки трёх писем — благодарность, рассказ о результатах и приглашение поддержать новый проект — удалось удержать 90 человек. Средний чек 800 ₽, средний LTV 8000 ₽. Экономия составила 72 000 ₽ только за один месяц.
В платежном виджете на сайте фонда вместо единых для всех предустановленных сумм можно включать “рекомендованные суммы” разовых и рекуррентных пожертвований - для конкретного донора или для определенного сегмента.
Как это работает: Система анализирует поведение донора и предлагает оптимальные предустановленные значения предустановленных сумм на кнопках виджета — те, на которые он с наибольшей вероятностью кликнет.
Есть два уровня:
💰 По сегментам — система анализирует датасеты, куда входят: средние суммы, частота пожертвований и другие аналитики по группам доноров, и предлагает оптимальные варианты для каждого сегмента;
👤 Персональные рекомендации — на основе истории конкретного донора модель адаптируется под его параметры (как часто жертвует, какие сборы поддерживает, участвовал ли в адресных кампаниях) и формирует индивидуальные рекомендации.
Как это работает:
Размер рекомендованных сумм может составить для одного донора 100, 200, 300 ₽; для другого — 1000, 2000, 5000 ₽. Модель учитывает прошлые платежи, частоту платежей, устройство, время визита и другие аналитики.
По данным фондов, участвующих в b-тестировании. Персонализированные суммы повышают вероятность пожертвования до 40% и увеличивают средний чек на 15–25%.
После внедрения персонализированных сумм фонд увеличил средний чек с 720 до 890 ₽, а долю повторных пожертвований — с 18% до 27%. За три месяца это принесло дополнительно около 320 000 ₽ без дополнительных расходов на рекламу.
– Для точности 95% необходимо минимум 5000 доноров и 6 месяцев истории пожертвований.
– При меньших объёмах данных точность снижается.
– Модель не использует персональные данные, только обезличенные метрики активности.
Прогнозирование — это не отчётность, а инструмент действий. Он помогает удерживать доноров, увеличивать пожертвования и строить устойчивые программы регулярной поддержки.