Prévoir et anticiper vos collectes de fonds pour optimiser vos investissements. Quid des outils d’aide à la prévision ?

Comment faire parler vos données donateurs pour construire vos hypothèses de collecte ?

La réussite à plus ou moins long terme de vos collectes de fonds est pour une large part le résultat des choix stratégiques que vous opérez en amont : répartition de vos investissements par canal, recrutement, définition de plans de tests… Bien que la collecte de fonds soit en partie soumise aux aléas de la conjoncture, vous devez donc prévoir et anticiper vos collectes à venir chaque année, un exercice ô combien chronophage et délicat car il doit tenir compte de nombreux paramètres.

Construire des prévisions de collecte, c’est concrètement émettre des hypothèses d’actions à partir de l’analyse de vos données donateurs et estimer leur impact futur. Mais l’analyse et l’utilisation des données est souvent difficile faute d’outils et de ressources internes. A partir de quelques dizaines de milliers de donateurs, les associations, les fondations et leurs agences de communication ont donc tout intérêt à tester des solutions comme Spindata, des outils d’aide à la prévision qui exploitent les données donateurs pour construire des modèles de projection de collecte.

Mieux faire parler vos données donateurs pour anticiper

Parce qu'il faut de grands volumes de données pour identifier des phénomènes récurrents et des tendances, le Big Data est la base de l'analyse prédictive. L’outil d’aide à la prévision accueille en toute sécurité vos données donateurs, les analyse et les traite en intégrant des hypothèses et en les enrichissant de référentiels extérieurs : notamment des informations sociodémographiques issues de l’exploitation de l’open data qui vous permettent à terme de mieux connaître vos donateurs et donc de nouer une relation plus personnalisée.

L’open data en quelques mots

La plate-forme data.gouv.fr recense plus de 35 000 jeux de données provenant le plus souvent d’organismes publics. En accès libre, ces données peuvent être réutilisées, traitées, partagées. Cela concerne toutes les données INSEE issues des recensements de la population, les données de la Direction Générale des Finances issues des taxes et déclarations de revenus…

Concrètement, l’outil d’aide à la prévision opère en deux étapes :

• Des algorithmes intelligents explorent et analysent vos données pour mettre en place un modèle mathématique adapté à la problématique de votre association, à ses besoins, modèle qui permettra l’automatisation de vos modèles prédictifs. Le modèle mathématique se construit à partir des paramètres définis par l’exploitation des données : définition de la segmentation, choix de la période de référence, de la période de projection…

La segmentation : les segments sont les critères qui permettent de cibler les campagnes de fidélisation. Dans la plupart des associations et fondations, les équipent passent encore beaucoup de temps à organiser les données donateurs pour les rendre lisibles, manipulent de lourds fichiers Excel au risque de multiplier les erreurs. En général, la lecture de ces données se limite à l’analyse RFM : Récence (ancienneté du donateur), Fréquence et Montant. Parce que ces segments reposent sur très peu de critères, ils sont réducteurs car ils n’incluent pas un grand nombre d’éléments explicatifs du comportement donateur : profil socio-démo, réactivité digitale du donateur. Autant d’éléments apportés par les outils prédictifs.

• Simulations & scénarios : les outils de prévision sont des outils interactifs. Un tableau de bord simple d’utilisation vous permet de renseigner des hypothèses et de visualiser immédiatement les résultats des simulations. Vous pouvez jouer avec le modèle et comparer les impacts prévus à moyen et long terme.

Avantages et limites des outils d’aide à la prévision

En mettant la data science, l'intelligence artificielle et le machine learning au service de la collecte de fonds, les outils d’aide à la prévision facilitent la prise de décision et permettent in fine d’optimiser les investissements des organisations. Nous vous invitions donc à les tester en tenant compte des limites que nous avons soulignées.

Photographie : (c) Baivector