需要指出的是，「互聯網+公益」並非簡單等同於公益組織/行業對於互聯網工具的使用，更應該包括對相關數據的積累和應用。
雖然目前公益互聯網化的進程依然集中在捐贈及傳播環節，但有賴於互聯網行業本身的蓬勃發展，使得我們對公益行業其他各環節的互聯網化充滿了信心！
1.需求挖掘
在原有的公益需求挖掘過程中，調研者主要依靠普遍性的共識（往往來自於政府或者權威機構的普查）、抽樣的調研以及個人主觀的感受。比如在城市白領的健康問題上，調研者需要通過掌握大量個體健康資料的第三方機構（比如體檢中心），以及一定樣本量的面對面訪談，結合自身的專業經驗，最終得出問題的判斷。但由於個體健康資料的敏感性會直接影響樣本數量，加上健康問題具有一定動態特徵，可能會讓最終的判斷產生偏差。而通過互聯網的方式，調研者可以非常方便地向目標人群發起調研，通過匿名的方式收集足夠量級的樣本，並通過數據分析得出結論。在這個基礎上，針對不同年齡段、性別、工種等維度的分析也成為了可能。
更激動人心的是，數據的積累為許多相關性分析提供了前提。比如我們可以暢想，當我們獲得了一個村莊的農產品產量以及農藥、化肥的購買量後，便可以推算出其是否採取了足夠環保、健康的種植方式，進而採取措施。又比如在遭受地震災害的地區，政府部門可以通過日常人口分佈的分析，推算出受災情況。同樣，教育部門也可以通過對學齡兒童居住地的分析，更好地對學校的分佈進行指導……
2.項目設計
互聯網的加入為公益項目的設計帶來了新的契機。項目發起者可以直接從海量用戶身上獲得解決問題所需要的資源（並非資金），如果這種資源是普通用戶可以直接提供的（不需要購買），那便大大加速了整個項目的進程。
在這個方面，一些具有前瞻意識的組織早已率先做出了榜樣。
案例：reCAPTCHA驗證碼
2009年Google收購了驗證碼公司reCAPTCHA，後者利用CAPTCHA的原理（CAPTCHA的中文全稱是全自動區分計算機和人類的圖靈測試），借助於人類大腦對難以識別字符的辨別能力，對古舊書籍中難以被OCR識別的字符進行辨別。簡單來說，在登錄一些網站時，用戶會看到兩個詞條，其中一個是需要用戶識別的難認詞，另外一個是答案已知的真正的CAPTCHA詞。軟件將能夠正確識別CAPTCHA詞的用戶看作是人類，當CAPTCHA詞被正確識別出來後，程序會記錄用戶對無法閱讀的詞的回答並將其添加到數據庫中。這樣就完成了一次人工的OCR識別。
為了改善軟件的精確性，reCAPTCHA會將最困難的詞發送給多個用戶並挑選其中有相同答案的作為正確答案。據說準確率能夠達到99%。
用戶每使用一次這個程序，實際上就是在幫助數字化重現1908年《紐約時報》上的某一頁，或者其他古書中的一頁，這對考古學具有重大的意義。
在這個案例中，如果脫離互聯網的支持，古籍翻譯者需要僱傭大量的人力來進行人工識別工作，其所需要的時間、資金、運作成本是不可估量的。而通過互聯網的方式，項目設計、宣傳、公眾參與、項目執行各個環節一氣呵成，通過讓海量用戶直接提供服務，越過了籌集資金再購買資源等一系列複雜的過程，極大程度上提高了效能。
案例：World Community Grid
另一個類似的案例則來自於IBM，其支持的World Community Grid項目號召用戶捐出自己電腦的閒置運算能力，以創造出造福全人類的最大網格計算系統。用戶只需要安裝一個軟件，就能貢獻自己電腦閒置的計算能力，為各種技術創新、疾病改善提供支持。其研究覆蓋艾滋病、癌症、埃博拉病毒、清潔能源等各個方面。
3.效果跟蹤
一般來說，公益項目在執行完畢後，需要對受益人進行「回訪」以確認效果。但是受限於項目執行組織的人員精力、財務成本等因素，這一類「回訪」通常並未發揮其應有的作用，大多數時候只是停留在對部分個案的調研，或是將「回訪」打造成提升捐贈人體驗的一次活動。
而隨著手機終端的廣泛普及，我們可以暢想每個機構都可以通過互聯網方便地建立回訪網絡。借助受益人或是周邊的志願者手上的終端上傳信息，實現回訪信息的記錄，並通過大量的數據更加科學地對項目執行效果進行分析和監測，相關的信息可以直接通過網絡平台進行展示，完成實時的信息公開及反饋。
通過這些設想與案例，我們可以充分體會到互聯網為公益行業注入的活力。但在具體實踐中，我們不要拘泥於各個環節的區分，而要更多地關注互聯網思維的整體應用，就像前文提到的，在互聯網化的趨勢下，各個環節會趨於融合。新的公益形態會是怎樣的？我們需要拭目以待。