শিল্প নির্দেশিকা

অলাভজনক তহবিল সংগ্রহ এবং দাতা ব্যবস্থাপনায় AI

অলাভজনক তহবিল সংগ্রহে AI দাতাদের ডেটা এবং মেশিন লার্নিং ব্যবহার করে ভবিষ্যদ্বাণী করতে যে কে কে একটি লিগ্যাসি উপহার দিতে, আপগ্রেড করতে, বিলোপ বা রেখে যেতে পারে এবং আবেদনগুলিকে ব্যক্তিগতকৃত করতে এবং রুটিন CRM কাজকে স্বয়ংক্রিয় করতে।

এই নির্দেশিকা শুনুনএআই-বর্ণিত · ~3 min

এই পৃষ্ঠায়3 মিনিট পড়া হয়েছে
  1. ওভারভিউ
  2. গভীর ডুব
  3. বাস্তব-বিশ্ব বাস্তবায়ন
  4. অলাভজনক তহবিল সংগ্রহ এবং দাতা ব্যবস্থাপনায় AI এর ভবিষ্যত
  5. এটাকে বাস্তবে প্রয়োগ করা হচ্ছে
  6. অন্বেষণ চালিয়ে যান
  7. প্রায়শই জিজ্ঞাসিত প্রশ্নাবলী

ওভারভিউ

এটি গুরুত্বপূর্ণ কারণ বেশিরভাগ দাতব্য সংস্থার ছোট দল এবং কঠোর বাজেট রয়েছে, তাই আরও ভাল টার্গেটিং প্রতি আপিলের জন্য আরও বেশি বাড়াতে পারে, তবে এটি ব্যক্তিগত ডেটার উপর নির্ভর করে যা দাতারা সাবধানে পরিচালনা করা আশা করে।

গভীর ডুব

তহবিল সংগ্রহ কয়েক দশক ধরে ডেটা ব্যবহার করেছে। ক্লাসিক পদ্ধতি হল RFM বিভাজন, অতীতের উপহারের নতুনত্ব, ফ্রিকোয়েন্সি এবং আর্থিক মূল্যের উপর ভিত্তি করে, এবং এটি একটি শক্তিশালী ভিত্তিরেখা রয়ে গেছে। মেশিন লার্নিং এটিকে আরও অনেক সংকেত সহ প্রসারিত করে: চ্যানেল দেওয়া, ইভেন্টে উপস্থিতি, স্বেচ্ছাসেবী, ইমেল ব্যস্ততা, সম্পর্কের দৈর্ঘ্য এবং অতীতের আবেদনের প্রতিক্রিয়া। মডেলগুলি একটি সংজ্ঞায়িত ফলাফলের জন্য একটি প্রবণতা স্কোর অনুমান করে, যেমন পরবর্তী আপীলে দেওয়া, আপগ্রেড করা, মাসিক প্রদানে রূপান্তর করা বা উইলে দাতব্য অন্তর্ভুক্ত করা। মেজর-গিফট প্রসপেক্টিং সম্পদের স্ক্রীনিং যোগ করে, যেখানে বিক্রেতারা দাতাদের রেকর্ডের সাথে সামর্থ্য অনুমান করার জন্য সম্পত্তির রেকর্ড, কোম্পানি ফাইলিং এবং জনহিতকর ইতিহাসের মতো পাবলিক তথ্যের সাথে মেলে। সামর্থ্য প্রবণতা নয়: কোনো কারণের সাথে কোনো সম্পর্ক নেই এমন একজন ধনী ব্যক্তি খুব কমই একটি ভালো সম্ভাবনা, তাই শক্তিশালী প্রোগ্রামগুলি সম্পদের পাশাপাশি সম্পর্ককে গুরুত্ব দেয়। সেলসফোর্স অলাভজনক ক্লাউড এবং ব্ল্যাকবউডস রাইজারস এজ এনএক্সটি-এর মতো সিআরএম প্ল্যাটফর্মগুলি ভবিষ্যদ্বাণীমূলক এবং উত্পাদনশীল বৈশিষ্ট্যগুলি অন্তর্ভুক্ত করে এবং ডাটারোর মতো বিশেষজ্ঞ সরঞ্জামগুলি তহবিল সংগ্রহের পূর্বাভাসের উপর ফোকাস করে৷ জেনারেটিভ এআই ক্রমবর্ধমানভাবে আবেদনের খসড়া, ধন্যবাদ নোট এবং কল স্ক্রিপ্ট এবং মিটিংয়ের আগে দাতাদের নোটের সারসংক্ষেপ করতে ব্যবহৃত হচ্ছে। ডেটা সুরক্ষা প্রধান ঝুঁকি। যুক্তরাজ্যে, তথ্য কমিশনারের কার্যালয় 2016 এবং 2017 সালে RSPCA এবং ব্রিটিশ হার্ট ফাউন্ডেশন সহ বেশ কয়েকটি বড় দাতব্য সংস্থাকে জরিমানা করেছে, আংশিকভাবে দাতাদের না বলে সম্পদ স্ক্রিনিং করার জন্য। ব্ল্যাকবউডের উপর 2020 র্যানসমওয়্যার আক্রমণ অনেক অলাভজনক ক্লায়েন্টের ডেটা প্রকাশ করেছে, যা দেখায় যে ঘনীভূত দাতা ডেটা মানে ঘনীভূত ঝুঁকি। একটি সাধারণ ভুল ধারণা হল AI মানে আরও প্রশ্ন পাঠানো। ভাল-ব্যবহৃত মডেলগুলি প্রায়শই বিপরীত করে, দাতাদের চিহ্নিত করে কম ঘন ঘন বা একটি ভিন্ন চ্যানেলের মাধ্যমে যোগাযোগ করতে, যা ক্লান্তি এবং খরচ কমায়। আরেকটি হল ছোট দাতব্য সংস্থায় যথেষ্ট তথ্যের অভাব রয়েছে; কয়েক হাজার পরিষ্কার রেকর্ডের সাধারণ মডেলগুলি অন্তর্দৃষ্টিকে হারাতে পারে, কিন্তু অগোছালো, সদৃশ সিআরএম ডেটা যে কোনও সরঞ্জামকে দুর্বল করে দেবে।

বাস্তব-বিশ্ব বাস্তবায়ন

একটি ফুড ব্যাঙ্ক তার অতীত দাতাদের ডিসেম্বরে আবার দেওয়ার সম্ভাবনার উপর স্কোর করে এবং একটি ব্যয়বহুল মুদ্রিত আবেদন শুধুমাত্র সর্বোচ্চ স্কোরিং সেগমেন্টে পাঠায়, বাকিদের ইমেল করে।

একটি ইউনিভার্সিটি অ্যাডভান্সমেন্ট অফিস প্রাক্তন ছাত্রদের ফ্ল্যাগ ফ্ল্যাগ সম্পদ-স্ক্রীনিং ডেটার সাথে ইতিহাস প্রদান করে, যাদের প্রধান-উপহারের ক্ষমতা থাকতে পারে, একজন উপহার অফিসারের জন্য গবেষণা এবং ব্যক্তিগতভাবে যোগাযোগ করার জন্য।

একটি মাসিক প্রদানকারী প্রোগ্রাম একটি ল্যাপস মডেল ব্যবহার করে যেটি ইমেল এনগেজমেন্ট এবং একটি কার্ডের মেয়াদ শেষ হওয়ার দিকে লক্ষ্য করে, দাতা বাতিল করার আগে একটি ধন্যবাদ কলের জন্য অনুরোধ করে।

একটি ছোট দাতব্য প্রতিষ্ঠান প্রথমবার, পুনরাবৃত্তি এবং ফেরত দাতাদের জন্য তৈরি ধন্যবাদ-পত্রের খসড়া তৈরি করতে একটি ভাষা মডেল ব্যবহার করে, যা কর্মীরা পাঠানোর আগে সম্পাদনা করে।

অলাভজনক তহবিল সংগ্রহ এবং দাতা ব্যবস্থাপনায় AI এর ভবিষ্যত

ভবিষ্যদ্বাণীমূলক এবং উত্পাদনশীল বৈশিষ্ট্যগুলি অলাভজনক CRM-এর মধ্যে মানক হয়ে উঠতে পারে, যা ছোট সংস্থাগুলির জন্য বাধা কমিয়ে দেয়। ব্যবহারিক সীমাগুলি হ'ল ডেটার গুণমান, কর্মীদের দক্ষতা এবং বিশ্বাস: দাতারা আশা করে যে দাতব্য সংস্থাগুলি ব্যক্তিগত তথ্যের যত্নবান স্টুয়ার্ড হবে এবং অনেক এখতিয়ারের গোপনীয়তা নিয়মগুলি স্বচ্ছতা ছাড়াই প্রোফাইলিং সীমাবদ্ধ করে। সেক্টর সংস্থা এবং তহবিলদাতারা দায়ী এআই ব্যবহারের নির্দেশিকা প্রকাশ করছে। দাতব্য সংস্থাগুলি যেগুলি ব্যাখ্যা করে যে তারা কীভাবে ডেটা ব্যবহার করে, মানুষকে সম্পর্কের কেন্দ্রে রাখে এবং আরোপিত আয়ের পরিবর্তে ক্রমবর্ধমান পরিমাপ করে, দাতাদের আস্থা নষ্ট না করে উপকৃত হওয়ার জন্য সর্বোত্তম স্থান দেওয়া হয়৷

এটাকে বাস্তবে প্রয়োগ করা হচ্ছে

কেন এটা গুরুত্বপূর্ণ

  • প্রসঙ্গ এবং নিয়ম. শিল্পের প্রেক্ষাপট নির্ধারণ করে যে এআই ধারণা বাস্তবতার সাথে যোগাযোগ রক্ষা করে।
  • মান নিয়ন্ত্রণ. ডোমেনের সীমাবদ্ধতা গ্রহণযোগ্য ত্রুটির হার এবং তদারকি মডেলগুলিকে প্রভাবিত করে।
  • পছন্দগুলি তৈরি করুন. সফল স্থাপনা প্রযুক্তিগত ক্ষমতাকে ফ্রন্টলাইন ওয়ার্কফ্লোগুলির সাথে সারিবদ্ধ করে।

জন্য সতর্ক

  • নিয়ন্ত্রক প্রয়োজনীয়তা অন্যথায় শক্তিশালী প্রোটোটাইপ বাতিল করতে পারে।
  • ঐতিহাসিক ডেটা এমন পক্ষপাত এনকোড করতে পারে যা নির্দিষ্ট সম্প্রদায়ের ক্ষতি করে।
  • লিগ্যাসি সিস্টেমগুলি ইন্টিগ্রেশন বাধা এবং লুকানো খরচ তৈরি করতে পারে।

পরবর্তী পদক্ষেপ

  1. সমস্যা ফ্রেমিং থেকে মূল্যায়ন পর্যন্ত ডোমেন বিশেষজ্ঞদের জড়িত করুন।
  2. লঞ্চের আগে অডিট ট্রেইল এবং ডকুমেন্টেশন ডিজাইন করুন।
  3. সম্মতি এবং নিরাপত্তা বাধ্যবাধকতাগুলি তাড়াতাড়ি যাচাই করুন।
  4. পরিষ্কার স্টপ এবং রোলব্যাক মানদণ্ডের সাথে পর্যায়ক্রমে রোল আউট করুন।

অন্বেষণ চালিয়ে যান

ফ্রি নিউজলেটার

প্রতিদিনের এআই ব্রিফিং পান

প্রতি সপ্তাহের কাজের দিন সকালে তিনটি যাচাইকৃত এআই স্টোরি, সহজ ইংরেজিতে লেখা। চিরকালের জন্য ফ্রি, কোনো বিজ্ঞাপন নেই।

প্রতি সপ্তাহের কাজের দিনে একটি ইমেল। এক ক্লিকেই আনসাবস্ক্রাইব করুন। আমরা কখনোই আপনার ঠিকানা বিক্রি বা শেয়ার করি না।

নিজেকে পরীক্ষা করুন

Take the AI in Nonprofit Fundraising and Donor Management quiz

প্রতিটি উত্তরের তাৎক্ষণিক ফিডব্যাক, এবং কোর্স পাস করার পর যাচাইযোগ্য আইডি সহ একটি শেয়ারযোগ্য সার্টিফিকেট।

কুইজ শুরু করুন

ফ্রি এআই শিক্ষাকে সমর্থন করুন। AI Understanding একটি 501(c)(3) অলাভজনক প্রতিষ্ঠান — কোনো বিজ্ঞাপন নেই, কোনো পেওয়াল নেই, কখনোই না। একটি দান করুন

প্রায়শই জিজ্ঞাসিত প্রশ্নাবলী

অলাভজনক তহবিল সংগ্রহ এবং দাতা ব্যবস্থাপনায় এআই কী?

অলাভজনক তহবিল সংগ্রহে AI দাতাদের ডেটা এবং মেশিন লার্নিং ব্যবহার করে ভবিষ্যদ্বাণী করতে যে কে কে একটি লিগ্যাসি উপহার দিতে, আপগ্রেড করতে, বিলোপ বা রেখে যেতে পারে এবং আবেদনগুলিকে ব্যক্তিগতকৃত করতে এবং রুটিন CRM কাজকে স্বয়ংক্রিয় করতে। এটি গুরুত্বপূর্ণ কারণ বেশিরভাগ দাতব্য সংস্থার ছোট দল এবং কঠোর বাজেট রয়েছে, তাই আরও ভাল টার্গেটিং প্রতি আপিলের জন্য আরও বেশি বাড়াতে পারে, তবে এটি ব্যক্তিগত ডেটার উপর নির্ভর করে যা দাতারা সাবধানে পরিচালনা করা আশা করে।

দাতা বিভাজনে আরএফএম কী বোঝায়?

RFM দাতাদের কত সম্প্রতি, কত ঘন ঘন এবং কতটা দিয়েছে তার উপর স্কোর করে, একটি দীর্ঘস্থায়ী ভিত্তিরেখা।

কেন শুধুমাত্র সম্পদ-পরীক্ষার ক্ষমতা ভাল প্রধান-উপহার সম্ভাবনা চিহ্নিত করার জন্য যথেষ্ট নয়?

কারণের সাথে কোন সংযোগ নেই এমন একজন ধনী ব্যক্তি খুব কমই একটি শক্তিশালী সম্ভাবনা, তাই প্রোগ্রামগুলি সম্পদের পাশাপাশি সখ্যতাকে গুরুত্ব দেয়।

কেন যুক্তরাজ্যের তথ্য কমিশনারের অফিস RSPCA এবং ব্রিটিশ হার্ট ফাউন্ডেশনের মতো দাতব্য সংস্থাকে জরিমানা করেছে?

নিয়ন্ত্রক দেখেছে দাতব্য সংস্থাগুলি পর্যাপ্ত স্বচ্ছতা ছাড়াই দাতাদের সম্পদের প্রোফাইল করেছে।

2020 ব্ল্যাকবউড ঘটনা কী প্রদর্শন করেছিল?

একটি একক বিক্রেতার লঙ্ঘন একযোগে অনেকগুলি অলাভজনককে প্রভাবিত করে, শেয়ার করা নিরাপত্তা ঝুঁকি হাইলাইট করে৷

কোনটি একটি প্রবণতা মডেলে ডেটা ফাঁসের উদাহরণ?

ফলাফলের পরে আপডেট করা একটি ক্ষেত্র গোপনে উত্তর ধারণ করে, পরীক্ষার কার্যকারিতা বৃদ্ধি করে।

শিখতে থাকুন

সম্পর্কিত গাইড

এই বিষয়ের জন্য বাছাই করা আরও গাইড

একটি বিনামূল্যে AI শংসাপত্র পানএকটি সংক্ষিপ্ত বিনামূল্যে কোর্স এবং পরীক্ষা. কোনো খরচ নেই, কোনো কার্ড নেই। প্রায় 2.5 ঘন্টা।বিনামূল্যে শুরু করুন →