[论文解读] Donor Retention in Online Crowdfunding Communities: A Case Study of DonorsChoose.org

Tim Althoff, Jure Leskovec|arXiv (Cornell University)|Mar 9, 2015

FinTech, Crowdfunding, Digital Finance被引用 12

一句话总结

本研究利用涵盖390万笔捐赠的大型数据集，分析了DonorsChoose.org平台上的捐赠人留存情况，识别出预测重复捐赠的关键行为与沟通因素。研究发现，及时且个性化的致谢以及清晰的项目影响沟通能显著提升捐赠人回流率，仅有26%的首次捐赠人会再次捐赠，凸显了针对性干预措施在提升留存率与筹款效率方面的巨大潜力。

ABSTRACT

Online crowdfunding platforms like DonorsChoose.org and Kickstarter allow specific projects to get funded by targeted contributions from a large number of people. Critical for the success of crowdfunding communities is recruitment and continued engagement of donors. With donor attrition rates above 70%, a significant challenge for online crowdfunding platforms as well as traditional offline non-profit organizations is the problem of donor retention. We present a large-scale study of millions of donors and donations on DonorsChoose.org, a crowdfunding platform for education projects. Studying an online crowdfunding platform allows for an unprecedented detailed view of how people direct their donations. We explore various factors impacting donor retention which allows us to identify different groups of donors and quantify their propensity to return for subsequent donations. We find that donors are more likely to return if they had a positive interaction with the receiver of the donation. We also show that this includes appropriate and timely recognition of their support as well as detailed communication of their impact. Finally, we discuss how our findings could inform steps to improve donor retention in crowdfunding communities and non-profit organizations.

研究动机与目标

• 理解在线众筹平台中捐赠人留存的驱动因素，特别是针对教育类慈善机构如DonorsChoose.org的背景。
• 识别出可预测捐赠人是否再次捐赠的具体捐赠行为与平台互动特征。
• 量化沟通实践（如及时感谢信与项目进展更新）对捐赠人留存的影响。
• 为在线众筹社区及传统非营利组织提供数据驱动的捐赠人留存策略改进建议。
• 展示机器学习模型如何利用行为与互动数据预测捐赠人回流，从而支持精准筹款。

提出的方法

• 分析了DonorsChoose.org从2000年3月到2014年10月的完整纵向数据集，涵盖捐赠人与项目活动。
• 使用捐赠人层面的特征（如捐赠金额、与项目所在地的地理距离、进入方式（如教师推荐）以及个人信息披露情况）来建模初始捐赠承诺。
• 衡量沟通因素（如收到个性化感谢信与项目成果更新）对捐赠人回流行为的影响。
• 采用统计建模与机器学习技术，基于早期互动模式预测捐赠人回流的可能性。
• 将捐赠人划分为子群体（如网站直接捐赠者与教师推荐捐赠者），以评估其留存行为与活动成效的差异。
• 通过互动序列的实证分析，量化项目成功率、教师经验与社交媒体使用对捐赠人留存的影响。

实验结果

研究问题

• RQ1 与捐赠人行为及项目互动相关的哪些因素可预测首次捐赠人再次捐赠的可能性？
• RQ2 及时且个性化的沟通（如感谢信）如何影响众筹平台上的捐赠人留存？
• RQ3 不同捐赠人子群体（如教师推荐者与网站直接捐赠者）在留存模式与动机上存在哪些差异？
• RQ4 项目特征（如成本、成功状态与影响沟通）在多大程度上影响捐赠人回流率？
• RQ5 早期互动信号（如捐赠金额、个人信息披露）能否以高准确率预测长期捐赠人留存？

主要发现

• 仅有26%的首次捐赠人会再次向DonorsChoose.org捐赠，表明留存率较低，对筹款可持续性构成重大挑战。
• 收到及时且个性化的感谢信的捐赠人更有可能再次捐赠，凸显了认可在捐赠人留存中的关键作用。
• 清晰传达捐赠人对项目的实际影响（如资金使用情况的更新）能显著提高重复捐赠的可能性。
• 通过教师推荐进入平台的捐赠人与自行注册的捐赠人表现出不同的留存模式，暗示其动机与参与行为存在差异。
• 披露个人信息或首次捐赠金额较高的捐赠人表现出更高的初始承诺度，且该特征与更高的回流可能性相关。
• 若捐赠人留存率提升10%，预计可使总捐赠额增长60%以上，对DonorsChoose.org而言相当于超过1500万美元的增量，充分体现了留存策略的高财务回报。