202605 GPEA Audience Analytics
國際型/傳統價值/監督型
把 GPEA TW 連署受眾依業務負責人指定的議題對應分為三個價值觀群—— 國際觀型、傳統價值型、監督型—— 並交叉 Salesforce Contact 的 Giving Type,呈現各群人數、重疊結構、與 donor 密度。
執行摘要
名詞定義: KPI 卡片上的「圈 Donor 密度」是依「整個價值觀圈(含重疊)」計算;下方表格的「切片 Donor %」是依「該切片(disjoint segment,不重疊)」計算。同一個 A 圈整體 13.8%,但純 A only 切片只有 11.3%——因為 A 圈中與 B/C 重疊的部分 donor 密度更高。
圖 A:三群 Venn × Giving Type 100% 堆疊
上半部三圓 Venn 顯示三個價值觀群的人數與重疊;下半部 100% 堆疊長條顯示各切片的 Giving Type 組成。紅色 Donor% 標示 ≥25% 的高密度切片。
互動:各切片 Giving Type 組成
把游標移到 bar 上可看到每個 Giving Type 在各切片的絕對人數與百分比,並對照整體 Donor%。
Hover 看絕對人數、Click+drag 可區域選取(Plotly 內建)、雙擊還原
圖 B:Donor-only 子集合 Venn
聚焦 42,182 位已有捐款紀錄的 Contact,看 donor 在三個價值觀間如何分布。注意 B 圈雖然規模較小,donor 數反而略多於 A。
Contact.Giving_Type__c ∈ {Regular / Single / Mixed Giving Donor, Philanthropy Legacy / Major, Foundation}。完整 Cross-tab 表(可排序)
每個 row 是一個切片,欄位是 Giving Type。標亮列為 Donor% ≥ 25%。
| 切片 | 總人數 | RG | Mixed | SG | Philanthropy | Non-Donor | 切片 Donor % |
|---|
策略洞察(8 點)
從 10–13% 跳到 52% 是 近 5 倍躍進,且呈現乾淨的線性遞增(議題數 1→2→3)。「簽過多少不同議題」比「簽過哪個議題」更能預測捐款行為——直接支持「多議題交集名單值得單獨投放」的假設。
B 圈整體 (131K) 比 A 圈 (154K) 小 15%,但 donor 數 (21,461) 反而略多於 A (21,282)。B 群的 SG 比例最高 (22.7% vs A/C 的 18.5% / 21.3%)——北極/Global Plastic Treaty/Amazon 較容易催出單筆捐款的衝動反應。
A∩B donor 數 (4,682) 大於 A∩C (514) + B∩C (1,308) 加總,也接近 A∩B∩C donor (962) 的 5 倍。這 4,682 人已是 donor 且對兩種議題敏感,整個 A∩B 切片共有 16,249 人組成最值得做 donor activation 的 pool(其中 4,682 已捐、11,564 非 donor、3 筆 Giving_Type 缺值)。
純監督 donor% 10.4% 是 3 群裡最低。C 群裡 52,552 人(約 5.3 萬)來自 2023/4–8 三讀海保法期間的 sanctuaries 簽署(事件型動員),事件型受眾本來 donor 轉換較低。監督議題不該獨立打 donor acquisition,可當「叩門議題」吸引互動,但要靠國際觀 / 傳統價值來 close donor。
占整體連署受眾 0.58%,但 donor 密度 52%(全體平均 13.3% 的近 4 倍)。RG + Mixed 占 donor 比例 82%(純單群平均 78%)——多議題參與 → 長期支持傾向更強。建議單獨拉 list 做 lookalike modeling 的 positive seed。
純單群 A / B (134K + 109K):純議題敘事,目標第一次 donor activation。
純監督 C (49K):事件型受眾,先做活動互動,不獨立打 donor acquisition(見 #4)。
A∩B only (16K, 29% donor):跨議題綁定文案,強化已有 donor、轉換非 donor。
A∩B∩C (1.8K, 52% donor):高黏度溝通(感謝信、Major Donor pipeline、Legacy)。
Giving_Type__c 是 Civis 批次更新欄位 (24h lag),不是 realtime;今天簽連署的人,明天才會被分類。Donor_Status__c (Active/Lapsed)。
(a) Donor_Status__c 維度:把每個切片再切 Active / Lapsed / Retired,看哪群 donor 還在 vs 已流失。
(b) Recency × 切片:看 A∩B∩C 1,833 人最近一次互動是哪個議題、何時——指引下次 outreach 主題。
(c) Lookalike:在 only-A 的 134K 裡找出「像 A∩B∩C」的人——ML positive seed = 1,833 高密度 donor。
方法與驗證
三個價值觀群對應的 Campaign
- 國際觀型 (A):
zh-tw.2023.oceans.deepseamining.signup(DSM) +zh-tw.2020.oceans.dwf.general.signup.na(DWF) +zh-tw.2019.oceans.sanctuaries.general.signup.na排除Petition_Sign_Up_Date__c∈ [2023-04-01, 2023-08-31] - 傳統價值型 (B):
zh-tw.2020.polar.savethearctic.signup+zh-tw.2023.plastics.gpt_plastics.general.signup.na+zh-tw.2025.forest.respect-amazon.signup - 監督型 (C):
zh-tw.2025.plastics.stop_4thnc.signup(新四輕) +zh-tw.2019.oceans.sanctuaries...在 [2023-04-01, 2023-08-31] 期間的簽署(台灣海洋保護區)
SOQL 過濾規則
Campaign.Market__r.Name = 'Taiwan'Campaign.Testing_Campaign__c = falseCampaignMember.Not_For_Conversion__c = falseCampaignMember.Petition_Sign_Up_Date__c IS NOT NULLContactId IS NOT NULL(不納 Lead-only 受眾)
跳過的標籤
邏輯驗證(抽樣比對)
Chart B:Donor-only 子集合的計算邏輯
Giving_Type__c ∈ {Regular Giving Donor, Single Giving Donor, Mixed Giving Donor, Philanthropy Legacy Donor, Philanthropy Major Donor, Foundation}。
把每個切片做 set intersection,得到 donor-only 版本的 A / B / C 與其交集,呈現於圖 B。