Regelmatig kom ik goede doelen tegen die hun uitstroomcijfers niet weten. Dat is desastreus voor de effectiviteit van je investeringen. Het afgelopen jaar ben ik de meest uiteenlopende retentiepercentages tegengekomen. De hoogste was 72%, de laagste 32% retentie na 12 maanden. Ik ga jullie het verschil laten zien in winstgevendheid. Niet schrikken!

Ik heb drie scenario’s gemaakt. Het slechtste scenario met een 12-maanden retentie van 32%. Een middelste scenario van 52%. En het beste scenario van 72% retentie 12 maanden na werving.

Om het verschil tussen goede en slechte retentie te laten zien gaan we er vanuit dat de gemiddelde jaarwaarde en de kosten voor acquisitie in alle scenario’s gelijk zijn. Samen met het retentiepercentage zijn dat op hoofdlijnen de drie variabelen die de winstgevendheid van je investering bepalen. Je kan daar nog heel veel details aan toevoegen afhankelijk van het wervingskanaal, denk aan conversiepercentage, score per uur, spijtoptanten, etc., maar je uiteindelijk heb je deze drie nodig voor een goede vergelijking.(*)

De winstgevendheid in combinatie met het aantal donateurs bepaalt je netto inkomsten. En zoals ik laatst al schreef is dat de aller-belangrijkste KPI in fondsenwerving.

In deze voorbeeld-berekening kijken we naar vier variabelen: (1) nieuwe donateurs, (2) jaarwaarde, (3) investeringen en (4) retentie. Dit zijn de uitgangspunten:

1. Er worden 1.000 structurele donateurs geworven, gelijk verdeeld over het jaar.

2. De gemiddelde gift per maand is 9 euro, oftewel een jaarwaarde van 108 euro.

3. De kosten voor elke nieuw geworven donateur is 125 euro.

4. De 12-maanden retentie verschilt per scenario: 32%, 52% of 72%. De daaropvolgende jaren neemt het verval naar verhouding af.

Met de bovengenoemde vier variabelen kunnen we het toekomstig financieel resultaat projecteren. Enerzijds de winstgevendheid uitgedrukt in netto lifetime value per 12 maanden (**). Anderzijds in cumulatieve netto inkomsten per kalenderjaar.

Op basis van bovengenoemde retentie curve stromen de donateurs uit. Eerst heel snel en daarna langzamer.

In het 32%-scenario heb je na 5 jaar praktisch geen donateur meer over. In het 72%-scenario zijn er van de originele 1.000 donateurs na 10 jaar nog meer dan 300 donateurs actief.

Heel logisch: hoe beter de retentiepercentages, hoe meer donateurs.

De winstgevendheid wordt hier weergegeven in de vorm van Netto lifetime value (LTV). Dat staat voor de gemiddelde winst per origineel geworven donateur.

Het 72%-scenario steekt er logischerwijs met kop en schouders bovenuit. Het 32%-scenario komt niet boven de 0 uit. Wat betekent dat er meer is geïnvesteerd dan dat het opbrengt. Met deze combinatie van variabelen verdien je je investering dus niet terug!

Bij het 72%-scenario maak je over een periode van 10 jaar ongeveer 400 euro winst per donateur.(***)

Op basis van het aantal actieve donateurs kan je ook de cumulatieve netto inkomsten berekenen. En hier zie je uiteraard een zelfde patroon als bij de LTV.

Het 72%-scenario laat na 10 jaar het volgende resultaat zien: Na 10 jaar hebben alle donateurs 510.000 euro opgeleverd. Haal daar de 125.000 euro acquisitiekosten vanaf en je komt uit op 385.000 euro cumulatieve netto inkomsten.

Logischerwijs zie je hier ook dat het 32% scenario verlies maakt, want die komt niet boven de 0 uit. Niet verwonderlijk, omdat er al heel snel geen donateurs meer zijn die inkomsten opleveren.

Het is heel duidelijk: het verschil in retentie bepaalt hier het verschil tussen winst en verlies. Iedereen die donateurs werft moet daarom inzicht hebben in retentie. Bovenstaande investeringsdynamiek moet je snappen. Weet jij jouw retentiepercentages?

Heb je hier vragen over? Let me know!

(*) In de berekening wordt gemakshalve toekomstige additionele giften en upgrades, maar ook de kosten voor behoud buiten beschouwing gelaten.

(**) De 12-maanden definitie houdt in dat elke maandelijkse batch nieuwe donateurs evenveel maanden (12, 24, 36, etc.) de tijd krijgt om inkomsten op te leveren, waardoor seizoensgebonden werving er wordt uitgefilterd.

(***) De knik aan het einde van de grafiek wordt veroorzaakt door een ingekorte X-as die van 72 maanden naar 120 maanden springt.