Profil des membres de la génération Y

Recruter de jeunes donateurs devrait être une priorité des OSBL. Du moins augmenter la notoriété et l’appui au sein de cette génération. Est-ce possible?

Une chose est sûre, les OSBL doivent apprendre à mieux communiquer avec les membres de la génération Y pour qu’ils deviennent, un jour ou l’autre, une base d’appui . Pour vous aider, voici un tableau qui résume et classe la génération Y en 6 catégories, telle qu’analysée par le Boston Consulting Group. Comme pour toute génération, on constate qu’il y a des segments plus propices que d’autres à devenir donateurs ou au moins sympathisants d’une cause.

Outre cette catégorisation des Y, le Boston Consulting Group avance trois constats très importants :

• Les Y ne sont pas nécessairement portés vers le don, mais ils sont d’excellents courroies de transmission. Étant la plus « sociale » des générations avec l’utilisation des réseaux sociaux, leur potentiel de viralité entourant un message communiqué par un OSBL est de loin leur valeur la plus stratégique.
• Leur niveau de conscience envers les questions sociales, surtout l’environnement, se compare aux autres générations. Certains ne sont pas préoccupés, mais une proportion normale l’est et peut être réceptive aux messages des OSBL.
• Les Y sont sceptiques envers les corporations et institutions, ils croient davantage leurs pairs (amis, collègues). D’où l’importance du point précédent : vaut mieux investir du temps à trouver les bonnes personnes Y pour transmettre votre message que d’essayer de leur « parler de haut ».

Read Full Post »

À propos des modèles prédictifs en philanthropie

Vous y croyez vous, aux modèles prédictifs en philanthropie ? Au Québec ? Vous avez des exemples de réussites à ce niveau ? Il me semble que des modèles prédictifs pour le recrutement de donateurs, l’augmentation du don moyen ou l’identification de dons planifiés pourraient théoriquement avoir leur place dans notre industrie. este à savoir si la charité est un comportement qui se prédit à l’aide de techniques avancées de statistiques …

Ayant travaillé plusieurs années en télécommunications avant de faire la transition vers le marketing philanthropique, je suis assez familier avec les stratégis de « predictive modelling » qui permettent de mieux cibler les efforts de communication afin d’obtenir de meilleurs taux de réponse, donc une plus grande rentabilité. De nos jours, les données sont disponibles, les systèmes informatiques sont au point et la « science » a évolué. Les modèles prédictifs sont donc à notre portée.

Mais voilà, même dans une industrie comme les télécommunications où les moyens financiers sont énormes et les ressources humaines ne manquent pas, j’ai rarement vu de grands succès avec cette approche. Et ce n’est pas parce que les modèles prédictifs ne sont pas fiables. Au contraire, j’ai eu la chance de me faire présenter d’excellents modèles pour prévoir les achats, les débranchements (le churn), les augmentations de consommation, etc… En fait, la plupart du temps, c’est au niveau de la capacité à développer des stratégies à partir des modèles que ça accroche. Et quand ce n’est pas le cas, c’est dans la capacité d’exécuter ces mêmes stratégies, de les rendre opérationnelles, que tout s’écroule. Comme tout ce qui demande un changement, il y a de la résistance.

Donc, quand Goliath (les télécoms) n’arrive pas à faire du predictive modelling, vous comprenez que je suis un peu sceptique à voir David (les OSBL) y arriver…

Malgré tout, The Agitator (un blogue à lire) suggère souvent de sauter dans ce train.  Sa plus récente suggestion se trouve ici. Vous n’avez que trois champs à remplir pour accéder gratuitement à « The Guide to Effective Donor Scoring ».Voici mes observations et commentaires :

• Notre industrie est en crise. Les revenus baissent et les besoins augmentent. Nos meilleurs donateurs vieillissent, les jeunes ne sont pas faciles à recruter. De nouvelles et meilleures pratiques sont nécessaires. Donc, oui, l’utilisation des modèles prédictifs peut représenter une option à considérer.
• Tester les modèles prédictifs demande du temps et des ressources humaines ainsi que financières. Seuls les plus gros OSBL, avec une vision long terme, peuvent se risquer.
• Les modèles prédictifs demandent de gros fichiers, avec des données précises, pour offrir de bons résultats. (Le guide que je vous suggère me contredit sur ce point…)
• La stratégie de segmentation et de personnalisation doit être optimale, réfléchie est exécutée avec attention. Il faut sûrement travailler avec des spécialistes.
• Il est sûrement temps d’accorder autant d’importance à la sélection des cibles qu’au créatif.

 

Read Full Post »