Cómo aumentamos los resultados de la recaudación de fondos P2P en un 36 % mediante el aprendizaje automático

Jesper Juul Jensen
CEO
7
min de lectura

Desde que lanzamos Fundraiser Coach, nuestro algoritmo de aprendizaje automático, la media recaudada ha aumentado un 36 %. Así llegamos a ese resultado.

Actualizado con los últimos datos: 19 de enero

El impacto de nuestro modelo de aprendizaje automático

Descubrimos que la media recaudada por las iniciativas P2P aumentó un 36 %. La media recaudada por iniciativa pasó de 467 € a 636 € en 12 meses. Este período coincide con los 12 meses siguientes al lanzamiento de una nueva forma de recomendar acciones a los recaudadores P2P, basada en nuestro propio modelo de aprendizaje automático.

Cuando redactamos la solicitud de subvención del Fondo de Innovación de Dinamarca, calculamos que podríamos obtener un aumento del 25 %. Descubrimos un aumento del 36 %. ¡Un aumento del 36 % es increíble! Supera todas las expectativas y, francamente, no salimos de nuestro asombro.

‍

¿Qué hace Fundraiser Coach?

Llamamos a nuestro modelo de aprendizaje automático «Fundraiser Coach» porque hace de entrenador de los recaudadores de fondos P2P. El objetivo es entrenar a los recaudadores de fondos para que sean lo mejor posible.

Cuando un seguidor crea una iniciativa, calculamos el importe que previsiblemente recaudará, a partir de lo que sabemos en ese momento. Posteriormente, el modelo calcula el impacto de las acciones específicas que podemos recomendarle que realice.

Una recomendación podría ser que hagas tú mismo la primera donación, escribas una descripción más extensa o agregues una imagen. Recomendamos al seguidor que realice la acción con mayor impacto calculado. Luego, este proceso se repite varias veces a lo largo de la vida de la iniciativa. Los cálculos se realizan con un modelo entrenado con los datos de todas las iniciativas anteriores creadas a través de BetterNow.

La recomendación se muestra en un panel de control para el recaudador llamado «herramientas para tu iniciativa» y se envía por correo electrónico. Además, hemos introducido otros cambios, entre ellos algunos para fomentar las autodonaciones. Por lo tanto, el 36 % no se debe únicamente al modelo de aprendizaje automático, sino también a las numerosas mejoras menores que surgieron de ese proceso.

Aquí tienes más detalles sobre Fundraiser Coach, cómo lo desarrollamos y cómo hemos abordado la ética de datos en torno a él.

Nuestro análisis

Hemos añadido la siguiente sección porque queremos ser lo más transparentes posible con este resultado. Cuando un efecto alcanza un aumento del 36 %, esperamos que lo cuestiones. Queremos explicar abiertamente por qué calculamos el resultado de la manera en que lo hicimos e incluir algunas salvedades sobre su interpretación.

Análisis de cohortes

Hacemos un análisis de cohortes de las iniciativas para evaluar el impacto de las nuevas funciones. Un análisis de cohorte divide los datos en grupos de datos antes del análisis. En nuestro caso, los desglosamos por fecha de calendario. Es decir, queremos ver el rendimiento de las iniciativas creadas en un período concreto en comparación con las creadas en períodos anteriores. Lo mejor para nosotros es desglosarlos por meses, ya que los datos se vuelven demasiado ruidosos y propensos a generar valores atípicos si los agrupamos en plazos más cortos (por ejemplo, semanas o días).

Este análisis comenzó observando un gráfico de nuestra herramienta de BI (inteligencia empresarial) y comprobando que el promedio recaudado por iniciativa parecía aumentar en los últimos 12 meses. Sin embargo, incluso en las agrupaciones mensuales, los datos son ruidosos. Los efectos estacionales tienen un impacto significativo e, incluso a nuestra escala, una sola iniciativa puede cambiar la media de un mes.

Una media móvil de 12 meses

Una estrategia común para tratar con datos ruidosos es hacer una media móvil. Una media móvil se actualizará constantemente al cambiar el período durante el que se calcula.

En nuestro caso, hemos utilizado una media móvil de 12 meses. Una media móvil de 12 meses utiliza los 12 meses anteriores para calcular la media de un mes. Por lo tanto, el promedio calculado para julio de 2022 se calculará para el período comprendido entre junio de 2021 y julio de 2022. De esta forma, suavizamos todos los efectos estacionales y vemos la tendencia subyacente en los datos.

Es problemático tomar un promedio de promedios. Por lo tanto, hemos ponderado nuestra media móvil de 12 meses según el número de iniciativas de cada mes.

Ajuste por valores atípicos

La recaudación de fondos P2P tiene resultados extremadamente sesgados. En algunos casos, el 1 % de los recaudadores de fondos que más recauden representará el 50 % o más de los resultados de una organización sin ánimo de lucro. En los últimos 12 meses se ha producido un gran acontecimiento que nos ha hecho cuestionar los resultados: la guerra de Ucrania. Podemos ver fácilmente que las iniciativas de marzo tuvieron promedios más altos que en otros meses, por lo que hay motivos para sospechar que esto explica parte del resultado. Hemos eliminado los valores atípicos para ayudar a eliminar el efecto de cualquier campaña o iniciativa concreta.

Pero ¿cuándo una iniciativa es un caso atípico? Por lo general, tratamos cualquier iniciativa con más de 5000 € como un caso atípico. Por lo tanto, en nuestra hipótesis base, excluimos todas las iniciativas que hayan recaudado más de 5000 €.

Eso nos planteó una nueva pregunta: ¿quizás 5000 € era demasiado bajo o demasiado alto? Para responderla, hicimos un análisis de sensibilidad con varios niveles, desde 1000 € hasta 10.000 €.

Al ajustar el nivel del valor atípico, se movió todo el gráfico hacia arriba y hacia abajo en lugar de cambiar su curva. Por lo tanto, si elegimos un nivel bajo, el promedio aumentó a lo largo de todos los meses. Y si elegimos un nivel alto para los valores atípicos, el promedio recaudado aumentó de manera uniforme. Por lo tanto, el nivel de valores atípicos no tuvo un impacto significativo en el resultado.

Por lo tanto, decidimos continuar con nuestro escenario base. En este caso, un valor atípico es una iniciativa que supera los 5000 €.

Como resultado, las cifras reales subestiman el rendimiento real, ya que hemos omitido del análisis las iniciativas con mejores resultados.

El gráfico y los datos finales

El siguiente gráfico muestra cómo la media recaudada aumentó al principio de la vida de BetterNow. Luego se estabiliza y no pasa mucho. Luego, en julio de 2021, vemos un fuerte aumento.

Interpretación

A lo largo de los años, hemos seguido añadiendo más funciones y formas de recaudación de fondos. Entre 2014 y 2020, nos hemos centrado principalmente en los pagos, las funciones administrativas y las integraciones. Por lo tanto, no es de extrañar que no hayamos cambiado la media recaudada durante este período. También tiene sentido que aumente en los primeros años de vida de BetterNow. Fue un período de rápidas iteraciones en el diseño, la experiencia de usuario y la orientación por correo electrónico para los recaudadores de fondos.

Luego, en julio de 2021, lanzamos nuestra nueva función más destacada en mucho tiempo. Esta función era Fundraiser Coach. Como se describió anteriormente, no solo se trataba de una forma de generar recomendaciones para los recaudadores de fondos a partir de un algoritmo de aprendizaje automático, sino de una larga lista de mejoras menores basadas en nuestro análisis de datos.

Como el gráfico es una media móvil de 12 meses, esto solo tendrá un ligero impacto inicialmente y, después de 12 meses, todo el efecto estará presente. Y lo vemos: en los 12 meses siguientes a la publicación de esta versión, vemos un fuerte aumento de la media recaudada.

Pero ¿es un efecto temporal? Bueno, no lo sabremos hasta más tarde. Por lo tanto, nos comprometemos a revisar el análisis más adelante, cuando se hayan agregado más datos. Como las iniciativas suelen durar dos o más meses, no podemos usar los datos de los últimos 2 o 3 meses porque esas iniciativas aún no han terminado. Esperamos hacer una actualización en febrero del año que viene, cuando tengamos otros seis meses de datos.

¿Qué pasa con la inflación?

El año pasado hubo una inflación relativamente alta. ¿Podría esto explicar el aumento de los importes recaudados? Una medida razonable para ajustarnos a esta situación sería la inflación subyacente, que se ha mantenido en torno al 6,5 % en los países en los que operamos durante el mismo período. Sin embargo, no está claro que la inflación aumente los importes de las donaciones ni, aunque así fuera, en qué medida explicaría los resultados.

Conclusión

Estamos seguros de que los lanzamientos de las principales funciones del verano de 2021 impulsaron el resultado. A pesar de que el aumento comenzó mucho antes de la invasión de Ucrania en febrero de 2022, todavía podemos ver que este período ha tenido un impacto positivo en el efecto total, y no podemos descartar que una parte del aumento solo se deba a esto.

Con un aumento del 36 %, sigue habiendo margen de sobra para un resultado muy positivo, aunque parte de él provenga de fuentes externas.

Back to the Education Center

Become a P2P expert,
Sign up for our newsletter

Thank you! Your submission has been received!
Oops! Something went wrong while submitting the form.

Related Blog Posts

Cómo deducen sus donaciones los donantes en Alemania, cómo emiten las organizaciones recibos válidos ante el Finanzamt, qué cambia en el peer-to-peer y cómo se compara con los países nórdicos.

Cuando una campaña de peer-to-peer no da los resultados esperados, suele haber una palanca rota. Seis errores frecuentes, lo que dicen los datos y cómo corregir cada uno.

Recaudación virtual peer-to-peer

Descarga y aprende tanto los fundamentos como los métodos más avanzados para organizar un evento virtual exitoso.

Get the guide

Retener donantes P2P

Descargue la guía completa sobre cómo fidelizar —y también aumentar el compromiso de— los donantes P2P para que se conviertan en socios o donantes recurrentes.

Get the guide
Virtual P2P fundraising guide cover
P2P donor retention guide cover