15、基于机器学习的捐赠者细分分析系统方法

基于机器学习的捐赠者细分分析系统方法

1. 研究背景与目标

项目创建者依靠自身的社会影响力和社交网络来激励公益捐赠。为应对这一挑战，研究对亚洲唯一的基于捐赠的众筹平台的交易数据进行了研究，旨在从在线捐赠行为和捐赠偏好方面对捐赠者进行画像。与其他基于捐赠的众筹平台一样，该平台缺乏用于客户细分以培养忠诚度或提高留存率的在线捐赠者描述性信息。

2. 文献综述

2.1 基于社会人口统计和RFM指标的细分分析

• RFM指标 ：RFM（近期性、频率和货币价值）指标在营销细分分析中广泛用于根据历史交易行为识别和定位客户及捐赠者。近期性衡量自上次交易以来的天数、周数或月数；频率指捐赠者向非营利组织进行交易或提供金钱捐赠的频繁程度；货币价值是捐赠者过去的总捐赠金额。
• 结合客户描述性变量 ：RFM指标与客户描述性变量（如性别、年龄、教育水平和收入水平）结合使用，可以对捐赠者进行细分、识别潜在捐赠者，并预测捐赠可能性和捐赠价值。此外，RFM指标还用于分析捐赠者终身价值，帮助非营利组织的营销人员和筹款经理了解捐赠者细分情况，以制定捐赠者参与和管理策略。
• 社会人口统计变量的局限性 ：虽然观察到的捐赠者属性（如人口统计和社会经济变量）通常被认为能显著预测新捐赠者的捐赠倾向和捐赠行为，但基于社会人口统计变量的客户细分存在理论和实践局限性。人口统计和社会经济特征只能部分解释捐赠者的异质性，因为数据中存在未观察到的捐赠者异质性。

2.2 理论和实践局限性