[논문 리뷰] It's all in the (Sub-)title? Expanding Signal Evaluation in Crowdfunding Research

Constantin von Selasinsky, Andrew Isaak|arXiv (Cornell University)|2020. 10. 27.

FinTech, Crowdfunding, Digital Finance인용 수 4

한 줄 요약

이 연구는 킷스타터의 기술 프로젝트에서 프로젝트 제목과 기술 설명 외에도 영상 자막을 텍스트 신호로 통합함으로써 크라우드 펌딩 성공 예측을 향상시킨다. 1,049개의 프로젝트를 대상으로 한 분석을 통해 자막 데이터를 통합할 경우 모델의 설명력이 크게 향상됨을 입증하였으며, 기업가들이 후원자들에게 신뢰성과 프로젝트 품질을 어떻게 신호로 전달하는지에 대한 이해를 심화시킨다.

ABSTRACT

Research on crowdfunding success that incorporates CATA (computer-aided text analysis) is quickly advancing to the big leagues (e.g., Parhankangas and Renko, 2017; Anglin et al., 2018; Moss et al., 2018) and is often theoretically based on information asymmetry, social capital, signaling or a combination thereof. Yet, current papers that explore crowdfunding success criteria fail to take advantage of the full breadth of signals available and only very few such papers examine technology projects. In this paper, we compare and contrast the strength of the entrepreneur's textual success signals to project backers within this category. Based on a random sample of 1,049 technology projects collected from Kickstarter, we evaluate textual information not only from project titles and descriptions but also from video subtitles. We find that incorporating subtitle information increases the variance explained by the respective models and therefore their predictive capability for funding success. By expanding the information landscape, our work advances the field and paves the way for more fine-grained studies of success signals in crowdfunding and therefore for an improved understanding of investor decision-making in the crowd.

연구 동기 및 목표

• 영상 자막이 제목과 기술 설명 외에도 크라우드 펌딩 성공에 대한 추가적인 예측 신호를 제공하는지 조사하기 위해.
• 특히 기술 프로젝트 카테고리에서 텍스트 신호를 충분히 활용하지 못하는 크라우드 펌딩 연구의 격차를 메우기 위해.
• 신호 평가에 이용 가능한 정보 환경을 확장함으로써 투자자 의사결정 과정에 대한 이해를 향상시키기 위해.
• 멀티모달 텍스트 데이터인 영상 자막을 통합함으로써 CATA(컴퓨터 지원 텍스트 분석)의 방법론적 접근을 발전시키기 위해.

제안 방법

• 킥스타터의 공개 데이터베이스에서随기 1,049개의 기술 프로젝트를 무작위 표본으로 수집하였다.
• 텍스트 데이터는 세 가지 출처에서 추출되었다: 프로젝트 제목, 프로젝트 기술 설명, 영상 자막.
• 자연어 처리 기법을 적용하여 텍스트 내용을 분석하고 프로젝트 품질과 신뢰성과 관련된 의미 있는 신호를 추출하였다.
• 다중 회귀 모델을 사용하여 각 텍스트 구성 요소가 자금 확보 성공에 미치는 예측 능력을 평가하였다.
• 모델 성능은 각 신호 출처가 자금 확보 결과의 분산을 얼마나 설명하는지 측정하여 평가하였다.
• 자막 데이터 유무에 따라 모델을 비교함으로써 자막의 기여도를 분리하여 분석하였다.

실험 결과

연구 질문

• RQ1 영상 자막은 제목과 기술 설명 외에도 크라우드 펌딩 성공을 예측하는 고유한 텍스트 신호를 담고 있는가?
• RQ2 자막 데이터의 포함 여부가 프로젝트 자금 확보 결과에 대한 예측 모델의 설명력에 어떤 영향을 미치는가?
• RQ3 자막에서 유도된 텍스트 신호는 기술 프로젝트에 비해 다른 프로젝트 카테고리보다 더 유용한가?
• RQ4 다른 텍스트 구성 요소(제목, 기술 설명, 자막) 중 어느 것이 자금 확보 성공의 분산을 더 잘 설명하는가?

주요 결과

• 영상 자막을 통합함으로써 크라우드 펌딩 성공 예측 모델의 분산 설명 능력이 유의미하게 향상된다.
• 자막 데이터의 추가로 인해 제목과 기술 설명만을 사용할 때보다 모델 성능이 향상된다.
• 자막에서 유도된 텍스트 신호는 다른 텍스트 구성 요소가 포괄하지 못하는 독특하고 가치 있는 정보를 담고 있다.
• 이 연구는 자막이 기술 크라우드 펌딩 캠페인에서 신뢰성과 프로젝트 품질 신호로 의미 있는 역할을 한다는 점을 확인한다.
• 결과적으로 현재 CATA 기반 크라우드 펌딩 연구에서 자막이 충분히 활용되지 않고 있으며, 향후 연구에 유망한 데이터 소스로 여겨진다.
• 결과는 더 풍부한 텍스트 신호가 후원자 행동 예측을 향상시킨다는 점을 보여주며, 신호 이론의 이론적 프레임워크를 지지한다.