Fundraising-Wissen›Praxisbelege
Praxisbelege
Praxisbelege: Experimente aus dem Fundraising
Dokumentierte Experimente aus dem Fundraising im DACH-Raum: Ausgangshypothese, Zahlen, Erkenntnisse und Fehlschläge. Ehrlich dokumentiert, mit Fehlschlägen.
365 personalisierte Kampagnen — und warum die Idee seit Jahren in der Schublade lag.
Wenn jede spendende Person ein Tier mit demselben Geburtstag bekommt — mit ihrer personalisierten Geschichte — ist die Conversion höher als bei…
Beleg lesen →Champion/Challenger: 70/30 Budget-Split — immer lernen, nie Performance opfern.
Der Champion bekommt 70% für Stabilität. Der Challenger bekommt 30% zum Lernen. So läuft immer eine bewährte Kampagne — und immer ein Experiment.
Beleg lesen →Digital-Only Audience: Spendende die keinen Brief brauchen — und trotzdem spenden.
~2.490 Kontakte spenden digital unabhängig von Briefen. Diese Gruppe aus Print herauszunehmen spart Kosten ohne Erlösverlust.
Beleg lesen →DLV-Modell: +4% Spendeneinnahmen bei gleicher Reichweite.
Durch Priorisierung nach Donor Lifetime Value statt nach einfacher Recency lassen sich Spendeneinnahmen bei gleichem Mailing-Aufwand steigern.
Beleg lesen →Engagement Score: 3–6 Monate Vorwarnzeit bevor jemand kündigt oder verstummt.
Ein Score zwischen 0 und 1 zeigt kontinuierlich wer noch aktiv verbunden ist — und wer dabei ist abzuwandern.
Beleg lesen →Das ehrlichste Experiment: Alle Modelle schlechter als statisch.
KI-berechnete individuelle Spendenvorschläge schlagen eine statische Empfehlung (Durchschnitt der letzten Spenden). Oder?
Beleg lesen →FIAB Quiz-Funnel: +80% Conversion — Emotion vor Spendenaufruf.
Ein kurzes Quiz (3 Fragen, 3 Sekunden) das die Spendende mit einem passenden Beneficiary matched, erhöht die Conversion dramatisch gegenüber…
Beleg lesen →Halo-Effekt: Der Brief hat die Online-Spende ausgelöst — ohne dass es jemand gesehen hat.
Eine Online-Spende innerhalb von 21 Tagen nach einem Direktmailing ist kein Zufall. Diese Gruppe aus Print herauszunehmen kostet Einnahmen.
Beleg lesen →6–12% Spendensteigerung durch KI-Segmentierung — validiert über 50+ A/B-Tests.
Prädiktive KI-Selektion bei Bestandsspendern führt zu messbarer Spendensteigerung — konsistent über viele Kampagnen und Organisationen.
Beleg lesen →Mailing-Auflage um 29% reduziert — ohne einen Euro Erlösverlust.
Durch DMV-Cutoff-Logik lassen sich Mailings auf die profitablen Kontakte konzentrieren — bei gleichen oder höheren Gesamteinnahmen.
Beleg lesen →Online-Akquise mit KI: Von ROAS 0,15 zu einem System das sich trägt.
Content ist das neue Targeting. Personalisierung treibt Conversion. Beides ist mit einem menschlichen Team nicht leistbar — also bauen wir es mit KI.
Beleg lesen →Print-Fatigue: 3 Briefe, 0 Spenden — was kostet das wirklich?
Kontakte die 3+ Briefe erhalten und 12 Monate nicht gespendet haben, verursachen Kosten ohne Return. Wie viele sind das — und was tun?
Beleg lesen →Prompt Loop: 365 Texte genehmigen ohne einen einzigen zu lesen.
Man genehmigt nicht jeden KI-generierten Text — man genehmigt den Prompt. Wenn das Muster stimmt, stimmen alle Ausgaben.
Beleg lesen →Reaktivierungsmailing: +47% Response — weil KI weiß wer wirklich zurückkommt.
Nicht alle inaktiven Kontakte sind gleich reaktivierbar. KI kann die Gruppe in drei Segmente trennen — und damit Response und Einnahmen gleichzeitig…
Beleg lesen →Response vs. DLV-Optimierung: Zwei Strategien. Zwei Wahrheiten.
Wer auf Response optimiert bekommt mehr Antworten. Wer auf DLV optimiert bekommt mehr Ertrag. Können beide gleichzeitig stimmen — oder schließen sie…
Beleg lesen →Silicon Sampling: +30% Conversion — durch einen Button.
Eine KI die sich in die Zielpersona versetzt und die Customer Journey durchspielt, findet Conversion-Killer schneller und präziser als klassische…
Beleg lesen →Personalisierte Spendenvorschläge: +13% Ertrag — durch den richtigen Betrag.
Wenn jede Person einen individuell berechneten Spendenbetrag sieht statt eines Einheitsbetrags, steigen Response und durchschnittliche Spendenhöhe…
Beleg lesen →Upgrade-Audience: Wer wird zur Dauerspendenden — datengetrieben identifiziert.
KI findet Einzelspendende die dem Profil echter Konvertierender am ähnlichsten sind — basierend auf DLV, Engagement Score und Spendefrequenz.
Beleg lesen →4.500 Stunden pro Jahr eingespart: Wo KI im Fundraising wirklich Zeit bringt.
KI kann in Fundraising-Organisationen erhebliche Zeit einsparen. Aber wo genau — und wie viel? Und was passiert mit der eingesparten Zeit?
Beleg lesen →