[論文レビュー] How to Succeed in Crowdfunding: a Long-Term Study in Kickstarter

Thanh Tran, Madhavi R. Dontham+2 more|arXiv (Cornell University)|Jul 22, 2016

FinTech, Crowdfunding, Digital Finance参考文献 27被引用数 12

ひとこと要約

本研究では、Kickstarterの最大規模のデータセットを用いて、静的特徴、時間的特徴、ソーシャルメディア（Twitter）特徴、および言語的特徴を用いて、プロジェクトの成功と資金調達額を予測する。Twitterと時間的データを組み合わせることで予測精度が2.5%向上し、AUCが3.5%向上することが判明した。失敗したクリエイターが目標額を平均59.6%引き下げ、更新回数を118%増やして再リリースした場合、成功率が向上した。クラスタリングにより、5つの異なる資金調達推移パターンが特定され、そのうちの1つは遅くに急激な増加を示した。

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.

研究の動機と目的

• Kickstarterにおけるクラウドファンディング成功のダイナミクスを理解すること、特に経験のないユーザーによる成功率の低下の要因を解明すること。
• プロジェクトの成功と期待される資金調達額を予測する予測モデルを開発すること。
• プロジェクト失敗後のクリエイターの対応、特に再リリース戦略を分析すること。
• 資金調達推移パターンに基づいて成功プロジェクトをクラスタリングし、効果的な戦略を特定すること。

提案手法

• Kickstarterプロジェクト、ユーザープロフィール、時間的資金調達データ、Twitterプロフィールを含む、現時点で知られている最大のデータセットを収集した。
• 4種類の特徴を抽出した：プロジェクト特徴（例：目標額、分類）、ユーザーパラメータ（例：活動レベル）、時間的特徴（日次で集計された資金調達額と支援者数）、Twitter特徴（フォロワー数、エンゲージメント）。
• n-gram特徴抽出とLIWCベースの言語的分析をプロジェクト説明文に適用したが、両者とも予測性能を低下させた。
• さまざまな特徴の組み合わせを用いてロジスティック回帰とランダムフォレスト分類器を用いて予測モデルを構築・評価した。
• 失敗したプロジェクトと再リリースで成功したプロジェクトの間で、プロジェクトパラメータの変化をt検定で比較した。
• 相対的資金調達額の時系列クラスタリングを実施し、明確に分かれる資金調達推移パターンを同定した。

実験結果

リサーチクエスチョン

• RQ1 成功プロジェクトと失敗プロジェクトを区別する要因は何か。また、高い精度で成功を予測できるか。
• RQ2 Twitter活動と時間的資金調達ダイナミクスを組み込むことで、予測性能が向上するか。
• RQ3 プロジェクト失敗後、クリエイターはどのように対応するのか。再リリースで成功に至る変更は何か。
• RQ4 成功プロジェクトにおける資金調達推移の主なパターンは何か。それらはどのように異なるか。

主な発見

• 静的特徴のみを用いた成功予測では76.4%の正答率と0.838のAUCを達成したが、Twitter特徴を追加すると正答率が78.9%、AUCが0.873に向上した。
• 時間的特徴を追加することで、予測性能が一貫して向上し、最良のモデルでは資金調達額の範囲予測で86.5%の正答率と0.901のAUCを達成した。
• 失敗プロジェクトを再リリースしたクリエイターは、平均して目標額を59.62%引き下げ、更新回数を118%増やした。
• 資金調達推移のクラスタリングにより、5つの明確なパターンが特定された。そのうち、持続的な高い資金調達、遅くに急激な増加、初期の低調な資金調達に続く急激な上昇を示すパターンが含まれた。
• n-gramおよびLIWC言語的特徴はモデル性能を低下させた。これは、大規模データセットでは、テキスト特徴量が信号よりもノイズをもたらす可能性があることを示唆している。
• 本研究では、2回の資金調達ピーク（プロジェクト開始時と終了直前）を示す「デッドライン効果」が判明した。これは、ユーザー行動が時間に依存していることを示している。