Optimisez votre grille de dons pour collecter auprès des particuliers 

Il s’agit d’une méthode d’analyse de la qualité du client ou du donateur, car c’est une analyse qui fonctionne également pour les marchands et qui s’appuie sur trois critères : la récence, c’est-à-dire la date du dernier don, la fréquence à laquelle le donateur effectue ses dons et le montant du dernier don.
Ce sont les critères de base que l’on utilise pour effectuer une segmentation, car ils sont plutôt rationnels.

Ensuite, d’autres critères peuvent être ajoutés. Ce qui est intéressant, ce sont les notes de score ou les scores prédictifs qui permettent d’anticiper certains comportements de dons ou d’identifier les meilleurs profils à une période de l’année.
Ce sont des critères que l’on utilise régulièrement en complément du critère de RFM. 

Avoir une grille réellement personnalisée pour chaque utilisateur nécessiterait de passer par le système de pré-remplissage. Actuellement, le système de remplissage permet de présélectionner des montants et même de pré-remplir un montant personnalisé, mais pas l’intégralité de la grille.

Deux raisons expliquent cela :

1. La plupart du temps, nous créons des segments et adaptons les grilles en conséquence pour différentes catégories.
2. Le pré-remplissage complet de la grille, notamment avec des équivalences de textes ou d’images, serait complexe à intégrer depuis un e-mail par exemple. 

Vous pouvez présélectionner un montant qui est dans la grille ou remplir le montant libre. 

Non, ce n’est pas ce qui est affiché par défaut.

En réalité, la bonne technique n’est pas d’avoir les occurrences, c’est-à-dire les fréquences, mais d’avoir ce qu’on appelle les quartiles.
Les quartiles permettent de diviser les dons en quatre groupes de taille égale et de déterminer les limites hautes et basses de chaque groupe. Ainsi, on peut optimiser sa grille de dons en augmentant le montant minimal proposé pour se situer à la limite entre deux groupes sans exclure une partie significative de ses donateurs. 

Il est vrai que l’analyse de l’occurrence peut être importante, mais elle ne doit pas être considérée comme la seule analyse intéressante. En effet, il peut y avoir des gros dons qui sont réalisés et qui sont beaucoup moins nombreux mais qui contribuent autant, voire plus, que les petits dons. Il est donc important d’adopter une stratégie complète qui combine un gros volume de petits dons et quelques grands donateurs. 

Dans le back office de GiveXpert, il est possible de trouver l’information du don moyen.

Pour compléter cette analyse, il est recommandé d’effectuer une analyse de quartile dans Excel pour mieux comprendre la distribution des dons. 

Les tests peuvent être réalisés à tout moment, à condition d’avoir suffisamment de volume pour obtenir des résultats interprétables et significatifs. 

Il est important de prendre en compte le type et la période de la campagne ainsi que l’objectif qui y est lié, car selon ces critères, les résultats observés pourront être généralisables à d’autres campagnes ou non. Cependant, il n’y a pas de période particulière pour réaliser ces tests. 

Il convient toutefois de faire attention aux campagnes qui présentent des enjeux plus importants, car le choix du type de test peut avoir un impact significatif sur les résultats obtenus. L’objectif principal est d’obtenir un volume suffisant de résultats significatifs pour pouvoir les analyser. 

En 2020, l’ENVOL a lancé une opération de prospection basée ses données existantes.

En 2021, l’association a poursuivi avec l’accompagnement de Maxyma. Cette opération visait à obtenir un certain nombre de contacts de prospection via une solution appelée MesOpinions, en utilisant à la fois la base de l’ENVOL et cette nouvelle solution.

L’association va poursuivre cette stratégie en 2023. 

Les tags managers disponibles dans GiveXpert, entre autres fonctionnalités. Notre objectif est de suivre les recommandations qui ont été faites et de nous former à l’utilisation d’outils tels que Matomo ou GA4. L‘ENVOL utilise aussi son CRM Eudonet pour suivre les résultats des campagnes. 

Oui, bien sûr. 

Il y a 2 types d’outils d’AB test et 1 bonne démarche.

En effet, plutôt que de créer deux ou même trois formulaires, si on a vraiment du volume, on peut tout à fait tester trois versions. Une fois que l’on a ces versions, il faut utiliser un outil de split test qui va répartir le trafic et poser un cookie pour que la personne qui a été exposée à une version voie toujours la même version. Cet outil permet également l’enregistrement des remontées, c’est-à-dire des transactions et des conversions, pour pouvoir établir les résultats de chacune de ces versions. 

Ensuite, il existe des outils plutôt destinés aux pages de campagne, aux landing pages ou aux sites internet, qui sont des outils d’AB test, voire de tests multivariés. Dans ce cas, on part d’une seule version et l’outil rajoute une surcouche par-dessus la page ou le formulaire pour faire varier un texte. Je ne recommande pas l’utilisation de ces outils pour deux raisons. D’une part, cela alourdit fortement la page, ce qui n’est pas conseillé lors de périodes de campagne avec des pics de trafic. D’autre part, certains outils ont un fonctionnement très simple, tandis que d’autres peuvent créer des dysfonctionnements. Par exemple, certains outils permettent de cacher des champs, mais si ces champs sont obligatoires et cachés visuellement, cela peut causer des erreurs et bloquer le tunnel de dons. 

Je recommande donc de faire des formulaires et d’utiliser du split test, ce qui est possible avec des outils comme Matomo. Il s’agit d’un outil statistique très accessible, hébergé en mode coûtant environ 19€ par mois. Par ailleurs, il est possible de faire de l’AB testing dans la plupart des outils d’emailing, en faisant varier l’URL sur le bouton en version A ou B. De cette façon, l’outil d’emailing envoie gratuitement 50% des destinataires vers une version A et 50% vers une version B, ce qui permet d’analyser les résultats en regardant le nombre et le montant moyen des dons sur chaque formulaire. 

Certains outils permettent également d’afficher des tags de conversion, qui fournissent des informations sur le nombre de dons et leur répartition sur chaque version d’email. Ces données peuvent être analysées dans l’outil de reporting de l’outil d’emailing. 

La première différence réside dans le fait que Matomo est à l’origine un projet open source soutenu par une association et une société, et non un outil dépendant d’une régie publicitaire comme Google. De plus, le respect de la réglementation européenne est inscrit dans leur ADN, et ils n’utilisent des cookies que lorsque c’est nécessaire. 

Ensuite, il est possible d’utiliser Matomo dans leur cloud européen ou de déployer gratuitement le plugin Matomo sur un site WordPress pour avoir une version installée chez soi et ainsi héberger soi-même les données statistiques. C’est la principale différence par rapport à notre solution GiveXpert, où nous avons déployé Matomo sur nos propres serveurs pour le fournir aux associations utilisant notre module de don. 

Enfin, si vous souhaitez en savoir plus sur la conformité de la réglementation RGPD et les solutions pour recueillir des données, consultez le replay de ce live et l’article associé.

En général, ce ne sont ni les associations ni les agences qui effectuent directement l’analyse et le scoring des données. On passe par des partenaires spécialisés, tels que OCTO, Novos ou SPINDATA, avec lesquels nous travaillons régulièrement et qui permettent de créer différents types de scores. 

C’est donc une démarche un peu complexe qui nécessite de se plonger véritablement dans la base de données et ces scores sont dynamiques et ont tendance à évoluer campagne après campagne et se mènent semaine après semaine. 

Voici 2 exemples de calculateurs de signification statistique pour mesurer vos résultats : Convertize’s A/B Test Significance Calculator ou Calculatrice Bayesian A/B Testing. 

Le résultat dépend du trafic, du ratio trafic conversion et du niveau de représentativité souhaité, c’est-à-dire l’intervalle de confiance statistique. Si l’on souhaite un niveau de représentativité statistique de 90%, on aura besoin de moins d’échantillons que si l’on souhaite 99%. 

En général, il est rare d’atteindre une vérité statistique avec un niveau de représentativité de 90% en-dessous de plusieurs centaines, voire un petit millier de transactions, et pas de visiteurs. La barre est donc assez haute pour obtenir un résultat significatif. 

Cela est dû au fait que les incréments ne sont généralement pas du simple au double. Un incrément de 10 ou 12% est déjà considéré comme un bon résultat. Au-dessus de 20%, c’est un résultat exceptionnel. Les petits réglages ont tendance à avoir moins d’impact que les optimisations initiales, comme la mise en place de la grille de dons par exemple. 

En ce qui concerne les aspects graphiques et la présentation de la réassurance, on est déjà satisfait quand on observe un incrément de 5 à 6% et on considère que cela vaut la peine d’être généralisé.