資料科學讓你更了解捐款人！陳昇瑋用數據看公益｜2014「創新吧！公益」年會記錄
文字記錄／凌韞筑
資料科學幫助你更加了解捐款人！
大數據（Big Data）成為近年熱門議題，雖然台灣許多組織的資料，還不足以豐富到稱作大數據，但資料科學不只能幫企業做決策，也能分析捐款人的偏好習慣。 2014 年 11 月 14 日舉辦的 NPOst 首屆年會「創新吧！公益」－公益科技創新影響力國際論壇（ Innovate For Impact Forum）邀請中研院資訊科學研究所副研究員陳昇瑋，擔任公益實踐青年短講講者，他從自身專業出發，向我們分享「數據」與「公益」間的關係，以及資料科學又將如何幫助我們更了解捐款人。
[youtube_embed src=”https://www.youtube.com/watch?v=HCJmyU_kt34″/]
世界上最困難的事
「有人說，全世界上最困難的事情有兩件，第一件就是把思想放進別人腦袋裡面，第二件事是讓別人把錢從口袋裡掏出來。」陳昇瑋說。
但還有一件更困難的事—讓人把錢掏出來、將它交給素昧平生的人後，再透過那些陌生人幫助別人，自己一點實質好處都沒有，這困難的行為就叫作公益募款，也是無數 NPO 每天在做的事。一份報告指出，約有 8 成的非營利組織認為募集資金是最困難的工作。
身為一位資料科學家，陳昇瑋對於「如何有效率地進行募款」非常感興趣，2 年前他開始嘗試分析蘋果日報慈善基金會的公開資料。過去 11 年來，蘋果日報慈善基金會幫助了約 3500 個貧窮線下的家庭，他們為每個家庭撰寫約 1000 字的報導，並公開募款一個月，最後再將募得金額回饋給這些家庭。平均來說，這 3500 個家庭，每戶募到了約 50 萬元捐款，但並非每個家庭都募到相同的錢，捐款分布有低有高，低的落在 20 萬左右，高的則大概會到 80 萬，最高則到 120 萬元。
「為什麼，有些家庭可以拿到別的家庭好幾倍的金額？」陳昇瑋問，「是因為巧合呢？還是因為真的有一些變數？」
他舉今年 6 月基金會的 3 則個案—「病夫癌妻苦撐四口」、「保全改行漁夫，月餘即撞癱」與「單親爸猝死，翁顧重殘孫」為例。三者都非常貧苦、急需社會資源，三者收到的捐款平均是 83 萬，但第一個案例募到了 87 萬，第二個案例募到了 47 萬，第三個案例則募到了 120 多萬元。
為什麼會產生這些差異呢？運用資料數據分析，或許可以嘗試了解捐款人的腦袋到底在想什麼。
捐款者的決策過程
做電腦資料分析前，需要讓電腦「看的懂」文章，蘋果日報慈善基金會的報導，每則大約一千字，還包括一張照片。陳昇瑋透過一個人工編碼平台，由志工與助理將家庭結構、家庭成員資料、成員彼此關係、身心狀況以及日常狀態（有無罹患疾病，或抽煙、喝酒等習慣，有沒有經歷事故或失業、天然災害等特殊經歷）編碼出來。最後他們選擇近 5 年的 1500 個個案，邀請 431 位志工，花了 255 個小時，分析這 1500 個家庭、約 8000 位家庭成員的資訊，並建立統計模型來了解捐款者的決策過程，他們發現了幾個特別的地方。
第一，捐款的意願與時間密切相關。與受訪家庭無關，捐款者的意願與報導在蘋果日報社會版的見報日期非常相關，也就是與「禮拜幾」登報極有關連，禮拜二、三登報相對其他時間，捐款金額高很多。
這個結果有很多可能解釋，其中一個是人們在假日，或接近假日的時候，比較不希望接觸到沉重的事情，另外一個可能是，陳昇瑋笑著說，在週一、二、三時，人們都非常辛苦地被自己的老闆壓榨，所以反而更能激發我們的同理心。
另外，在哪一個月份也非常重要。每年的 12 月，或許是因為發年終獎金或過年團員，我們的同理心與捐款意願都會大增，但到 3 月、4 月時就會慢慢下降；進入繳稅季節後，也許人們會更覺得手頭緊迫，因此每年 5 月到 11 月捐款意願都會降很多。
第二，外型。受訪者的胖瘦會大大影響捐款者決策，如受訪者的外表是否吸引人、看起來是否很誠實等等都有影響。
第三，老弱婦孺以及單身者往往能收到較多捐款。不管在哪個年齡層，女性往往會拿到比男性多一點的捐款，與性別無關，通常只要是年長者、青少年、幼兒或學生，以及目前處於單身狀態（還沒結婚或離婚者）的受訪人，都會得到較多同情。
第四，捐款人對各式的疾病或身心障礙有差別待遇。如果受訪者或受訪者的家庭成員，患有較常見的疾病如心血管、腎臟、肝臟與癌症，或身心障礙是視覺障礙，大眾的捐款意願也會提高非常多；相反條件的結果比較難解釋，如果患得較不常見的疾病如肢體障礙或官能障礙，捐款意願則會降低。
第五，不可抗力的因素較讓人同情。遇到天然災害、家暴、喪偶或過勞，會比較容易讓人同情；但相對的，如果受訪者的情況讓人覺得他自己該負點責任，如交通意外、工安意外或抽煙、賭博、喝酒、毒品等，捐款者的意願則會降低。
此外，也能在這些發現中觀察到一個非常有趣的點，捐款與受訪者的固定支出成反比關係。有些家庭有需要長期照顧的成員，固定支出較高，如洗腎、住院需要看護等，理論上應該需要更多捐款，但如果個案的固定支出較高，捐款意願卻反而降低。
「相對貢獻感」是可能的解釋，如果今天要捐一筆錢，你會想捐給能用這筆錢過一個月的，還是這筆錢只夠他用一天的家庭呢？
捐款，是期待能看見希望
最後他們發現，捐款者期待看見希望。如果個案中有小孩、有學生，尤其是隔代教養，大家往往會更踴躍地捐款；如果個案中的家庭不幸有小孩死亡的話，人們會更加給予同情，捐款也會大增，但如果小孩都已經過世，人們就不會那麼願意捐款了。數字的結果告訴我們，人們似乎期待看見希望，而下一代正是我們的希望。
這些發現讓我們看到，看起來應該很純粹的捐款行為，事實上牽涉到非常複雜的決策過程，但這麼複雜的決策過程，卻能在資料分析下抽絲剝繭找出規律，讓我們看見社會大眾究竟是如何做捐款決策。
除了這個研究主題，陳昇瑋也致力找出社會潛在的隱性捐款者，以及如何連結這些捐款者與眾多的募款對象，讓之後的募款可以更有效率。
「希望能透過我今天短短的分享，能夠最小程度的讓大家看見，資料科學在公益領域的潛力。」陳昇瑋說，「希望未來幾年，能夠看到 NGO、NPO 和我一樣，一起擁抱資料科學，拿資料科學來解決所面對到的各項問題，來讓這個社會變得更好。」
更多活動照片請見 Flickr
其他年會紀錄：
- 別怕反對的聲音，勇敢創新吧！Kiva.org Jonny Price
- 了解你的社群，從中找到創新契機 Amy Sample Ward
- 展現你的不一樣吧！陳秋慧的障礙藝術
- 簡單的數位文件，卻大為有用！把自己宅配到偏鄉的莊哲昀
- 為孩子留下天上的流星，陳豪毅的孩童藝術行動
- 化腐朽為神奇的魔法師，邱文凱為孩子設計的手作科學
- 她一個人怎麼做到的？羅佩琪整合政府病後資訊
按讚，接收更多公益思辨！
