点对点筹款:除了金额,也要统计捐赠笔数
对 DonorsChoose 2020 年一项实验的再分析显示,分别衡量推荐带来的捐赠笔数和金额,会呈现不同的筹款结果分布。
对 Ike Silver 和 Deborah Small 公开发布的捐赠者分享数据集所作的原创再分析。
摘要
在 DonorsChoose 2020 年实验的 2 个组中,对至少有 1 笔推荐捐赠记在名下的捐赠者按笔数排序,排名前 1/5 的人各贡献了约 41% 的推荐捐赠;另按金额排序,前 1/5 贡献了 54–57% 的推荐捐赠金额。常见的 80/20 概括,并不能描述这两个组中的任何一项指标。统计捐赠笔数和统计金额,会呈现不同的成果分布。
我们重新分析了公开数据中的 77,485 名捐赠参与者。集中度比较只纳入推荐链接至少带来 1 笔捐赠的人:常规请求组 692 人,社会影响请求组 783 人。两个组分别分析,列出全部预先选定的截点,并附上无需注册即可使用的工作表。对于筹划筹款活动的非营利组织、企业或创作者,实用的启示是:先明确衡量哪种结果,再判断报告能说明支持者的什么情况。这些历史发现描述的是这项实验,并非整个行业的基准。
筹款活动已经结束,一位创作者与非营利合作方正为团队整理简报。金额总数当然应放在显眼位置,但还有一个值得问的问题:在那些带来捐赠的支持者之间,成果分布得有多广?
少数大额捐赠,可能使金额显得比捐赠笔数更集中。因此,只围绕 1 个总数编写报告,可能漏掉团队关心的信息。我们用一个公开的捐赠者分享实验,查看这两项指标,再把计算方法整理成一个小示例和其他筹款活动也能使用的工作表。
描述筹款活动的 2 种方式

这项比较包括哪些人?
研究人员 Ike Silver 和 Deborah Small 与支持美国课堂项目的 DonorsChoose 平台合作。2020 年 8 月 13 日至 9 月 9 日,线上捐赠者在捐赠后看到分享公益项目的请求。参与者收到常规分享请求,或强调对公益项目潜在益处的请求;重复捐赠者沿用原来的消息分组。[1] 原论文测试了这些消息的效果,我们则考察有推荐捐赠记录的参与者之间,捐赠笔数和金额如何分布。
发布的数据集中,每名捐赠参与者占 1 行,记录通过其推荐链接归因的后续捐赠笔数及这些捐赠带来的金额。它们与参与者本人的捐赠不同。捐赠笔数也不能确定有多少个不同的人捐了款。[2]
我们先列出全部 77,485 名参与者,说明有多少人获得了推荐捐赠记录,再为两项集中度计算都保留至少带来 1 笔推荐捐赠的人。没有归因推荐捐赠的人仍属于参与情况的统计范围,但不进入排序比较。这样,问题就聚焦于带来捐赠的人之间,成果如何分布。
点对点筹款通常指支持者自行创建筹款页面。本研究的范围更具体,是在捐赠之后提出分享请求的捐赠者分享实验。它提供了一个可用于考察推荐成果的具体案例,并非代表所有类型筹款活动的调查。[3]
计算集中度前,先看参与情况
全部已分配消息的参与者,以及至少有 1 笔归因推荐捐赠的人。
| 组别 | 全部参与者人数 | 有推荐捐赠记录的人数 | 有推荐捐赠记录者占比 |
|---|---|---|---|
| 常规分享请求 | 38,621 | 692 | 1.79% |
| 强调社会影响的分享请求 | 38,864 | 783 | 2.01% |
这张表中的 2 个百分比回答的是参与情况问题,并非这些参与者带来的捐赠笔数份额或金额份额。后文使用的比较组,是有推荐捐赠记录的 692 名和 783 名捐赠者,两个消息组始终分别处理。
排名前 1/5 的人贡献了多少?
常规请求组按捐赠笔数排序时,前 1/5 贡献了 40.70% 的推荐捐赠;另按金额排序时,前 1/5 贡献了 54.47% 的推荐金额。社会影响请求组的对应份额为 40.63% 和 56.51%。[4]
两个组都出现了同样的实际差别:在这个截点,金额比捐赠笔数更集中。只读金额报告的团队,会看到与统计笔数不同的分布。两份报告不能互相替代。
排名前 1/5:捐赠笔数与金额
在至少有 1 笔归因推荐捐赠的参与者中,每项结果分别排序。
| 组别 | 截点人数 | 比较组人数 | 实际人数占比 | 捐赠笔数份额 | 金额份额 |
|---|---|---|---|---|---|
| 常规分享请求 | 139 | 692 | 20.09% | 40.70% | 54.47% |
| 强调社会影响的分享请求 | 157 | 783 | 20.05% | 40.63% | 56.51% |
一个组的 1/5 很少恰好是整数人数。我们将人数向上取整,因此常规组使用 692 人中的 139 人,社会影响组使用 783 人中的 157 人。表中展示的是这些实际占比,不会把它们标成恰好 20%。
每项指标都有独立排序。贡献最多金额的人,不一定是名下推荐捐赠笔数最多的人。我们没有计算同一批人是否同时进入两个前列名单,也不把这 2 个筛选后群体之间的差异解释为分享消息的效果,因为两组中成功带来推荐捐赠的人可能不同。
80/20 法则能描述这个案例吗?
不能。在有推荐捐赠记录的参与者中,前 1/5 贡献了约 2/5 的捐赠笔数,以及略多于一半的金额。在这个截点,两项指标都远未达到 80% 份额。这是关于这个历史案例及其分母的发现,并非供其他筹款活动替换使用的新规则。
分母决定了这个答案的含义。如果比较全部参与者,包括没有推荐捐赠记录的人,问的就是另一个问题。不要把至少带来 1 笔推荐捐赠的人群中的比例,直接与针对全部捐赠者、全部活动参与者或组织全部支持者的规则比较。
不只看一个截点,可以更清楚地判断分布。我们在查看排序结果之前,预先固定了以下 5 个点,表中逐一展示,包括百分比背后的实际数量与金额。最后一行是每项指标的完整总数。
常规请求组:全部 5 个截点
每个截点都分别按捐赠笔数和金额排序。
| 组别 | 人数 | 实际人数占比 | 捐赠笔数 | 捐赠笔数份额 | 金额(USD) | 金额份额 |
|---|---|---|---|---|---|---|
| 前 5% | 35 | 5.06% | 177 | 16.64% | 13,190.45 | 25.55% |
| 前 10% | 70 | 10.12% | 282 | 26.50% | 19,699.98 | 38.16% |
| 前 20% | 139 | 20.09% | 433 | 40.70% | 28,120.76 | 54.47% |
| 前 50% | 346 | 50.00% | 718 | 67.48% | 42,217.69 | 81.78% |
| 前 100% | 692 | 100.00% | 1,064 | 100.00% | 51,623.89 | 100.00% |
社会影响请求组:全部 5 个截点
每个截点都分别按捐赠笔数和金额排序。
| 组别 | 人数 | 实际人数占比 | 捐赠笔数 | 捐赠笔数份额 | 金额(USD) | 金额份额 |
|---|---|---|---|---|---|---|
| 前 5% | 40 | 5.11% | 191 | 16.58% | 16,634.26 | 27.46% |
| 前 10% | 79 | 10.09% | 308 | 26.74% | 24,370.16 | 40.23% |
| 前 20% | 157 | 20.05% | 468 | 40.63% | 34,233.58 | 56.51% |
| 前 50% | 392 | 50.06% | 761 | 66.06% | 50,236.78 | 82.93% |
| 前 100% | 783 | 100.00% | 1,152 | 100.00% | 60,579.37 | 100.00% |
例如,在常规组前 10% 截点,按笔数排序的 70 人带来了 282 笔捐赠;另按金额排序的 70 人带来了 USD 19,699.98。前者以全部 1,064 笔捐赠为比较总数,后者以 USD 51,623.89 为总金额。选择哪项指标,就决定了如何排序,以及与哪个总数比较。
两个组中成功带来推荐捐赠的人数和成果总数不同。应在各组内部阅读相应序列,避免把金额更大说成筹款表现更好。结果还只覆盖一个固定日历时期,参与者未必拥有同样长的时间来产生推荐成果。
多少参与者贡献了总数的一半或 80%?
也可以这样阅读同一分布:按排名累计,需要多少人才能达到观测总数的某个份额?常规组中,117 人贡献了至少一半的金额,而达到捐赠笔数的一半需要 189 人。社会影响组的对应人数为 120 和 211。
达到金额的 80%,常规组需要 47.40% 的成功推荐者,社会影响组需要 45.59%;达到捐赠笔数的 80%,所需人数占比更高,分别为 69.36% 和 70.63%。
多少参与者达到了一半或 80%?
按各项结果排序后,累计达到对应份额所需的最小人数。
| 组别 | 比较组人数 | 达到 50% 所需人数 | 占全组人数的比例 | 达到 80% 所需人数 | 占全组人数的比例 |
|---|---|---|---|---|---|
| 常规请求 · 捐赠笔数 | 692 | 189 | 27.31% | 480 | 69.36% |
| 常规请求 · 金额 | 692 | 117 | 16.91% | 328 | 47.40% |
| 社会影响请求 · 捐赠笔数 | 783 | 211 | 26.95% | 553 | 70.63% |
| 社会影响请求 · 金额 | 783 | 120 | 15.33% | 357 | 45.59% |
这些是记录中的累计贡献达到各阈值所需的最小整数人数,最后加入的一份贡献可能使总数超过阈值。它们不是招募目标:表格不能识别下次谁会贡献,也不能说明缺少某位支持者会发生什么。
把两项指标都写进下一次筹款简报
对支持慈善项目的企业,或为公益事业带来受众的创作者来说,实用的下一步是先确定:一份有用的成果报告应解释什么?资金对获资助项目很重要,捐赠笔数则描述了回应的另一部分。如果能获得不同捐赠者人数的数据,且与问题有关,那又是另一项指标,不能从捐赠笔数推算。
报告可以把活动归因的推荐捐赠金额、推荐捐赠笔数,以及至少带来 1 笔捐赠的参与者人数并列。集中度计算则再问一个具体问题:每种结果中,有多少来自该指标排名前列的参与者?
这样区分,能让规划会议讨论得更具体。如果团队目标是资助课堂项目,需要看金额总数;如果想了解支持者帮助促成多少次捐赠,需要看笔数。比较活动之前,也应核查报告时期与推荐归因定义是否可比。
集中度描述的是已结束的筹款活动,并非评判支持者的价值。记在名下的推荐成果较少的人,可能还贡献了时间、关注或其他帮助,而这些字段并未衡量。不能据此撤回对小规模筹款者的支持,也不能预期下一次活动仍由上次排名前列的人贡献主要成果。
对正在写报告的创作者和非营利组织来说,一个具体做法是在活动总数旁,列出按各自指标分别排序的 2 列:捐赠笔数份额和金额份额。统一标明比较群体与报告时期,再解释两列为何不同。这样能更清楚地说明发生了什么,而不会把历史结果变成预报。
一个包含 5 位成功推荐者的虚构示例
假设一场虚构筹款活动向 10 人发出分享请求,其中 5 人没有归因推荐捐赠,另外 5 人产生了下表数据。这个示例里的每个数字都是虚构的,只用于演示小组中的计算。
参与情况是 10 人中有 5 人带来捐赠,即 50%。集中度计算使用捐赠笔数为正的这 5 人,他们的推荐合计带来 13 笔捐赠和 USD 100。
虚构筹款活动:5 位有推荐捐赠的人
用于练习计算的虚构数值,不是研究记录。
| 参与者 | 捐赠笔数 | 金额(USD) |
|---|---|---|
| A | 6 | 12.00 |
| B | 3 | 18.00 |
| C | 2 | 60.00 |
| D | 1 | 6.00 |
| E | 1 | 4.00 |
| 合计 | 13 | 100.00 |
5 人的前 1/5 是 1 人。按捐赠笔数排序,A 排第一,贡献了 13 笔中的 6 笔,即 46.15%;按金额排序,C 排第一,贡献了 USD 100 中的 USD 60,即 60%。两种计算使用相同的 5 人群体,领先的却分别是 A 和 C。
这个示例说明,“我们的头号筹款者”需要先定义。它可以指带来最多捐赠笔数的人,也可以指推荐捐赠金额最高的人。结果并不能告诉我们,谁最努力、最善于说服别人,或触达了最大受众。
没有推荐捐赠记录的 5 人,仍然属于参与情况报告。把他们加入集中度排序,会改变问题及分母,任何一种选择都不应悄然发生。真实研究在两个组、两项结果中,都采用同一个捐赠笔数为正的规则。
无需注册的报告工作表
把以下字段复制到团队现用的筹款文档中,从已有且定义一致的记录开始。如果某字段不可得,就留空并说明缺口;缺少记录,不是结果为零的证据。
活动与时期:[名称] · [开始日期] · [结束日期]。说明每个人产生归因推荐捐赠的机会是否相同,或报告是否覆盖共同的日历窗口。
推荐归因定义:[本报告中什么情况可计入推荐成果]。记录纳入哪些捐赠,以及报告如何归属这些捐赠。将参与者本人的捐赠,与通过其推荐归因的捐赠分开。
参与情况:[全部符合条件的参与者] · [至少有 1 笔归因推荐捐赠的参与者] · [第二个数量除以第一个数量]。明确符合条件的是哪类人,例如收到分享请求的人,或创建了筹款页面的人。
记录的成果:[推荐归因捐赠总笔数] · [推荐归因捐赠总金额] · [币种]。区分捐赠笔数与不同捐赠者人数;没有明确且适当的换算方法,不要合并不同币种的金额。
集中度:[固定截点] · [实际人数] · [在至少带来 1 笔推荐捐赠的人群中的实际占比] · [捐赠笔数份额] · [金额份额]。2 项结果分别排序,在寻找报告重点之前选定截点。用截点比例乘以群体人数,将人数向上取整,并报告其实际占比。
复盘记录:[团队了解了什么] · [现有记录未能涵盖什么] · [1 项报告或规划决定]。区分对已结束活动的观察,与对下一次活动的预测。
简短复盘可以聚焦几个具体问题:所选指标是否符合活动目标?比较时是否采用相同定义?报告遗漏了支持者的哪些贡献?工作表帮助团队把这些选择写明,无须另建追踪系统。
我们如何计算这些份额
我们使用了 Zenodo 镜像上的、带版本记录的公开 ResearchBox 105 存档。发布文件包含 77,485 个唯一参与者标识符:常规请求组 38,621 人,社会影响请求组 38,864 人。这些数量与原论文的方法部分及表 4 一致,另一处表头印出的不同总数则与发布数据不符。[1][2]
计算集中度前,我们固定了方法,并检查文件结构、参与者标识符、消息代码和结果字段。捐赠笔数必须完整、非负且为整数;金额必须完整、有限且非负。我们保留了发布群体,没有追加排除条件或删除异常值。集中度群体包含至少有 1 笔捐赠记在名下的参与者。
继续分析之前,我们要求每个消息组至少有 200 人带来归因推荐捐赠,以保证最小的 5% 截点也至少包含 10 人。这只是展示检查,并非关于统计精度的主张。两个组都通过了检查,也不要求任何特定的集中度结果。
在每个组内,我们将捐赠笔数从大到小排列,金额也另行如此排序。在每个预选比例上,将参与者人数向上取整,累加这些人的贡献,再除以该组相应指标的总数。截点处数值相同的人,无论谁排在前面,都不会改变这个总和。
我们还找出累计贡献达到各项总数至少 50% 或 80% 的最小人数。计算使用精确整数和由十进制数导出的分数,展示的百分比保留 2 位小数。金额仍为历史 USD,复现文件保留了舍入展示值背后的精确分数。
这些是对发布记录所作的描述性计算。研究没有给予所有参与者相同的后续观察时间,没有直接观察他们分享的消息,也没有提供具有代表性的筹款活动样本。原实验的 30 分钟测量窗口针对分享选项的点击,不适用于本文分析的推荐总数。我们不对筛选出的成功推荐群体作组间因果比较。
下载内容包含汇总表、预先制定的方法和复现代码,并注明来源。本地化结果文件也包含明确标注为虚构的示例,不含个人参与者记录或标识符。
无需注册。表格会区分历史研究与独立的虚构示例。复现包包含汇总结果和代码,不含个人参与者记录。
来源与注释
- Silver, I. 和 Small, D. A.(2024),《Put Your Mouth Where Your Money Is: A Field Experiment Encouraging Donors to Share About Charity》(《让言语跟上捐赠:鼓励捐赠者分享慈善信息的实地实验》),Marketing Science,43(2),392–406。实验 2 的方法部分与表 4 报告 77,485 名参与者,表 5 的表头却写为 78,485,与之冲突。我们核查的发布数据与方法部分及表 4 一致。
- Silver 和 Small,ResearchBox 105,在 Zenodo 镜像为记录 15031596 的版本(2025 年 3 月 15 日),CC BY 4.0。Influence IQ 完成了新的集中度计算,但这种改编不意味着得到原作者认可。数据与代码本将 recruited 定义为下游捐赠事件,将 raised 定义为推荐捐赠金额。
- GivingTuesday 和 GoFundMe Pro,《The Power of Peer-to-Peer Fundraising: Trends, Insights, and Opportunities》(《点对点筹款的力量:趋势、洞察与机会》)及配套方法说明(2026)。该报告针对支持者自行创建的筹款页面,与本文分析的捐赠后分享实验不同,其中的统计数据均未用作 Influence IQ 的研究结果。
- Influence IQ 于 2026 年 10 月开展的原创再分析。方法在查看实证集中度结果之前已固定,两份独立编写的计算程序对全部已公布汇总结果得出一致结果。资料包包含预先制定的方法、精确输出、来源哈希和复现代码。
文章与表格标签均提供所有语言版本。历史 USD 金额及原始技术复现文件保留来源单位和语言。
