[논문 리뷰] How to Succeed in Crowdfunding: a Long-Term Study in Kickstarter

Thanh Tran, Madhavi R. Dontham외 2명|arXiv (Cornell University)|2016. 07. 22.

FinTech, Crowdfunding, Digital Finance참고 문헌 27인용 수 12

한 줄 요약

이 연구는 킷스터터의 가장 큰 데이터셋을 분석하여 정적, 시간적, 소셜 미디어(Twitter), 언어적 특징을 사용해 프로젝트 성공 여부와 기부 금액을 예측한다. Twitter와 시간적 데이터를 조합하면 정확도가 2.5% 향상되고 AUC가 3.5% 향상되며, 실패한 창작자가 목표 금액을 평균 59.6% 낮추고 업데이트 수를 118% 늘여 재런치했을 때 성공률이 높아진다. 군집 분석을 통해 다섯 가지의 명확한 자금 확보 패턴을 발견했으며, 그 중 하나는 후반에 급격한 상승을 보였다.

ABSTRACT

Crowdfunding platforms have become important sites where people can create projects to seek funds toward turning their ideas into products, and back someone else's projects. As news media have reported successfully funded projects (e.g., Pebble Time, Coolest Cooler), more people have joined crowdfunding platforms and launched projects. But in spite of rapid growth of the number of users and projects, a project success rate at large has been decreasing because of launching projects without enough preparation and experience. Little is known about what reactions project creators made (e.g., giving up or making the failed projects better) when projects failed, and what types of successful projects we can find. To solve these problems, in this manuscript we (i) collect the largest datasets from Kickstarter, consisting of all project profiles, corresponding user profiles, projects' temporal data and users' social media information; (ii) analyze characteristics of successful projects, behaviors of users and understand dynamics of the crowdfunding platform; (iii) propose novel statistical approaches to predict whether a project will be successful and a range of expected pledged money of the project; (iv) develop predictive models and evaluate performance of the models; (v) analyze what reactions project creators had when project failed, and if they did not give up, how they made the failed projects successful; and (vi) cluster successful projects by their evolutional patterns of pledged money toward understanding what efforts project creators should make in order to get more pledged money. Our experimental results show that the predictive models can effectively predict project success and a range of expected pledged money.

연구 동기 및 목표

• 킥스타터에서의 크라우드펀딩 성공의 역학을 이해하고, 특히 경험이 부족한 사용자로 인한 성공률 감소 원인을 분석한다.
• 프로젝트 성공 여부와 예상 기부 금액을 예측하는 예측 모델을 개발한다.
• 실패한 프로젝트 후 창작자가 취하는 대응 전략, 특히 재런치 전략을 분석한다.
• 자금 확보 과정 패턴에 따라 성공 프로젝트를 군집화하여 고성능 전략을 식별한다.

제안 방법

• 킥스타터 프로젝트, 사용자 프로필, 시간적 기부 데이터, 트위터 프로필을 포함한 가장 큰 알려진 데이터셋을 수집했다.
• 네 가지 유형의 특징을 추출했다: 프로젝트 특징(예: 목표 금액, 카테고리), 사용자 특징(예: 활동 수준), 시간적 특징(일일 기부 금액 및 기부자 수), 트위터 특징(팔로워 수, 참여도).
• n-그램 특징 추출과 LIWC 기반 언어 분석을 프로젝트 설명에 적용했지만, 양측 모두 예측 성능을 저하시켰다.
• 다양한 특징 조합을 사용해 로지스틱 회귀 및 랜덤 포레스트 분류기로 예측 모델을 구축하고 평가했다.
• 실패한 프로젝트와 재런치 성공 프로젝트 간 프로젝트 파arameter 변화를 비교하기 위해 t-검정을 적용했다.
• 상대적 기부 금액에 대한 시계열 군집 분석을 수행해 명확한 자금 확보 패턴을 식별했다.

실험 결과

연구 질문

• RQ1 성공과 실패 프로젝트를 구분하는 요인는 무엇이며, 높은 정확도로 성공 여부를 예측할 수 있는가?
• RQ2 트위터 활동과 시간적 기부 동적 패턴을 통합하면 예측 성능이 향상되는가?
• RQ3 창작자가 프로젝트 실패 후 어떻게 대응하며, 어떤 변화가 재런치 성공으로 이어지는가?
• RQ4 성공 프로젝트의 주요 자금 확보 패턴은 무엇이며, 그 차이는 무엇인가?

주요 결과

• 정적 특징만을 사용한 성공 예측 모델은 76.4% 정확도와 0.838 AUC를 기록했으며, 트위터 특징을 추가하면 각각 78.9% 정확도와 0.873 AUC로 향상되었다.
• 시간적 특징을 추가하면 항상 예측 성능이 향상되었으며, 최고 성능을 보인 모델은 기부 금액 범위 예측에서 86.5% 정확도와 0.901 AUC를 달성했다.
• 실패한 프로젝트를 재런치한 창작자들은 평균적으로 목표 금액을 59.62% 낮추고 업데이트 수를 118% 증가시켜 성공률을 높였다.
• 다섯 가지의 명확한 자금 확보 군집 패턴이 식별되었으며, 그 중 하나는 지속적인 높은 기부 유입, 하나는 후반기 급격한 상승, 하나는 낮은 초반 기부 후 급격한 증가를 보였다.
• n-그램 및 LIWC 언어적 특징은 모델 성능을 저하시켜, 대규모 데이터셋에서는 원시 텍스트 특징이 신호보다 노이즈를 더 많이 유발할 수 있음을 시사한다.
• 연구는 '마감일 효과'를 드러내었으며, 프로젝트 기간 초반과 종료 직전에 두 번의 기부 정점이 나타나 시간에 민감한 사용자 행동을 보여주었다.