資源有限，我們能留住多少捐款人？
身為社福機構的夥伴，你是否正為「開發新捐款人」感到心力交瘁？根據美國募款專業人員協會（AFP）發布的 2025 年 Fundraising Effectiveness Report，全球非營利組織的捐款人年度留存率僅 43.3%，意味著每 10 位支持者中，超過半數在隔年就不再捐款。而開發一名新支持者的成本，通常是維繫舊有支持者的 5 倍以上。
然而，多數 NPO 仍在對所有人發送同樣的罐頭訊息。這種不分對象的溝通不僅浪費寶貴資源，更會讓支持者感到疲乏。根據帕累托法則（80/20 法則），組織 80% 的捐款收入往往來自 20% 的核心捐款人——問題在於，你能精準辨識這 20% 是誰嗎？
要精準配置資源，我們必須從「行為分析」開始。如果您還不熟悉 RFM 模型的基礎概念，強烈建議先閱讀這篇：藉由電商思維優化捐款管理：RFM 模型如何協助 NPO 找回「沉睡支持者」？。本文將在那篇入門基礎上，直接切入實戰層面的分群策略與系統整合。如果您正在評估捐款系統的整體功能，也可以參考我們的完整比較指南：NPO 捐款系統推薦與比較。
⚠️ 踩坑分析：為什麼數據分析總是「白忙一場」？
在過去幾年的顧問諮詢經驗中，我最常看到組織有以下兩種情況：
- 無效分眾陷阱：為了追求精確而將名單細分成 40、50 個群組，卻因人力不足無法執行對應的溝通策略。這些數據最終淪為無法轉化為行動的「表格裝飾品」。
- 忽略「中間層」：組織通常只關心 VIP 或即將流失的人，卻忽略了「中價位、低頻率」的捐款人。這群中間層其實是組織最具擴充潛力的增長引擎，缺乏針對性耕耘會讓穩定收入悄悄流失。
避坑指南：RFM 指標與社福實戰應用
RFM 意指透過三項行為維度——Recency（新近度）、Frequency（頻率）與 Monetary（金額）——對支持者進行科學分層的資料分析模型，是衡量支持者行為最直觀的框架。在社福場景中，每個指標都需要轉譯為組織的語言：
- Recency（最後捐款日）：距離最近一次捐款的時間。這是預測「續捐機率」最重要的單一指標。時間越短，代表支持者與組織使命的連結越強。在 NPO 現場，R 值通常以「半年」或「一年」作為分水嶺。
- Frequency（捐款頻率）：在觀測期間內的捐款次數。反映捐款人對組織使命的認同感與「習慣化」程度。頻率高的支持者，往往已將捐款視為生活的一部分。
- Monetary（捐款總額）：累計貢獻價值。區分「大額專案支持者」與「小額長期支持者」，兩者的溝通策略截然不同。
計分機制：五分位評分法
建議採用「五分位評分法（Quintiles）」：依據每項指標排序，將捐款人均分為 5 個組別（每組 20%），給予 1 到 5 分（5 分為最高），產出如「5-5-5」或「1-3-2」的行為標籤。特別注意：在 NPO 資料庫中，Frequency 的門檻建議設定為 ≥ 2 次，因為每位捐款人至少都有一次紀錄，設定 2 次以上才能真正區分「常客」與「路過者」。
實戰策略：6 大核心捐款人分群與耕耘行動
RFM 分群的最大價值在於讓每個支持者都獲得符合其「溫度」的溝通方式，而非一視同仁的群發訊息。以下六大分群涵蓋了社福機構最常面對的支持者結構：
| 捐款人分群 (Segment) | 數據特徵 (R-F-M 分數) | 耕耘策略 (Action) |
|---|---|---|
| 核心擁護者 (Champions) | 5-5-5 | VIP 尊榮服務。 提供新計畫優先參與權、實地探訪邀請，將其轉化為口碑推廣者。 |
| 忠誠支持者 (Loyalists) | 4-5-4 | 成長引擎。 定期寄送成果報告、感謝小禮，深化參與感以維持穩定收入。 |
| 潛力新星 (Promising) | 5-1-1 | 關鍵增長點。 完善入會引導，提供組織使命教育內容，設計小額續捐誘因。 |
| 警示風險 (At-Risk VIP) | 1-5-5 | 最高優先順序。 曾是高額頻繁支持者，需發送感性訊息或致電關懷，及時挽回。 |
| 價格/專案敏感者 | X-X-1 | 特定誘發策略。 針對特定募款活動或節慶推播，利用 LINE / Email 等低成本管道提醒。 |
| 冬眠群體 (Hibernating) | 1-1-1 | 節省資源。 進行最後一次低成本喚醒測試，若無反應則暫緩溝通，避免浪費資源與傷害品牌觀感。 |
在所有分群中，「警示風險 (At-Risk VIP)」是 ROI 最高的挽回對象。這群支持者曾經是組織的核心貢獻者——他們了解你的使命、信任你的品牌、也有能力持續捐款。他們之所以停止支持，往往不是因為理念改變，而是因為缺乏持續的關係維繫：也許年度感謝信遲到了、也許他關心的專案結案後沒有後續回饋。只要一通真誠的關懷電話或一份專屬的影響力報告，就可能重新點燃這份善意。相比開發全新支持者所需的高昂成本，挽回一位 At-Risk VIP 的投資報酬率往往高出數倍。
真實案例：社福機構的 RFM 落地經驗
在我們協助某家庭扶助型基金會導入 RFM 分群的過程中，最深刻的體會是：分群本身不難，難的是讓第一線同仁願意信任數據。
這家基金會原本的募款溝通方式很典型——每季由募款組手動從 Excel 名單中篩選「大額捐款人」寄送感謝信，其餘人則統一收到同一封電子報。導入 RFM 後，我們首先協助他們識別出約 180 位「警示風險」群體——這些人過去兩年累計貢獻超過組織年度募款額的 15%，但最近一次捐款已超過 18 個月。
當募款組針對這 180 位支持者啟動專屬的關懷行動（主管親筆信 + 專案成果摘要），三個月內有近三成重新啟動捐款。這個結果讓團隊真正理解：RFM 不是「又一張報表」，而是能直接指導行動的決策工具。
台灣數位發展部推動的「數據賦能公益創新」專案中，也有類似的成功經驗。心路基金會透過數據分析與捐款人輪廓描繪，成功在歲末募款中大幅提升轉化率。這些案例都印證了同一件事：當組織願意從「憑感覺經營」轉向「用數據決策」，有限的資源就能產生不成比例的影響力。
技術升級：從「靜態報告」到「自動化旅程」
要讓 RFM 真正產生效益，必須將其從「每季一次的 Excel 試算表」升級為「即時反應的自動化系統」。以下是三個關鍵的技術升級方向：
即時計分與標籤同步
捐款系統應與 CRM 深度整合，當捐款事件發生時，系統自動重新計算 RFM 分數並更新支持者標籤。這樣募款同仁隨時查看的都是「當下的」支持者溫度，而非上季末的過期資料。若您的現有系統無法做到即時同步，這正是評估開放 API 生態系的好時機。
流失預警機制
透過系統自動分析 R 值趨勢，當發現某位核心擁護者的 R 值從 5 分掉入 3 分時，系統主動推送預警通知給負責的募款專員，甚至自動生成建議的挽回訊息草稿。這種「提前發現、提前行動」的機制，能大幅降低支持者無聲流失的風險。
捐款旅程自動化
從初次支持的歡迎信、定期定額的續捐確認，到分群標籤變動時的自動觸發腳本——每個關鍵時刻都應有對應的溝通動作，而非等待人工報表。當支持者落入「警示風險」分群時，自動化腳本可以立即發送一封「好久不見」的影響力回顧信，在不增加人力負荷的前提下，留住每一份善意。對於定期定額捐款因信用卡到期而中斷的情況，可搭配Dunning 智慧重試機制來降低非自願流失。
捐款系統若能內建 RFM 自動化分眾引擎，就能讓組織從「被動回應」轉變為「主動經營」。這套引擎的運作邏輯是：每當系統偵測到捐款行為變動（如新捐款入帳、定期扣款成功或失敗），即時重新計算該支持者的 R、F、M 三項分數，自動更新分群標籤，並依據預設的溝通規則觸發對應的郵件或通知。整個流程無需人工介入，讓募款同仁得以將時間從「整理報表」轉移到「經營關係」。
💡 💡 顧問小科普：選系統時，RFM 功能怎麼看？
在評估捐款系統的 RFM 能力時，建議確認以下四項核心功能：
- 自動 RFM 計分：系統是否能依捐款紀錄自動計算分數，而非手動匯出後再用 Excel 處理？
- 動態分群標籤：當 RFM 分數變動時，標籤是否即時更新？
- 預警與觸發：是否支援「R 值下降 N 分時自動通知」的規則設定？
- 報表視覺化：能否以直覺的儀表板呈現各分群的人數變化趨勢？
常見問題 (FAQ)
我們組織的捐款規模很小，也需要做 RFM 嗎？
當支持者名單超過 2,000 至 5,000 人時，RFM 就變得不可或缺。在這個規模下，你已無法手動追蹤每位支持者的溫度，若不依靠數據自動分眾，你將無法辨識誰正準備離開。即使名單更小，RFM 的思維框架——「最近、多常、多少」——仍然是一套值得培養的決策直覺。
如果捐款人只有一次大額捐款，他的分數會被高估嗎？
這是新手常有的疑慮，也正是 F（頻率）的價值所在。這位捐款人會獲得類似 1-1-5 的評分：雖然在 M 指標很高，但 F 指標的低分會提醒你，他尚未建立捐款習慣。這類「不能失去」的群體需要特定的引導策略——例如寄送專案後續成果報告，將一次性的熱情轉化為長期支持。
RFM 分析需要多久更新一次？
理想狀態是「即時更新」——每筆捐款入帳後自動重新計算。若系統尚未支援即時計算，至少應在每季初與大型募款活動前重新分析並更新分群名單。避免使用超過半年的舊資料做決策，因為支持者的行為與偏好可能已經改變。
