Исследователи из Швейцарии провели детальный анализ судьбы разных кампаний по сбору средств на Kickstarter и создали статистическую модель, довольно точно прогнозирующую вероятность успеха будущих проектов.

Сайт Kickstarter сегодня считается одним из самых популярных ресурсов для сбора денежных средств на развитие любых инновационных проектов. Ему удалось отвоевать пальму первенства у одной из старейших международных краудфандинговых платформ – IndieGoGo. Последняя была основана аналитиком Уолл-стрит за год до появления Kickstarter и имела приличную фору по времени. За пять лет она собрала свыше ста тысяч заявок на развитие инициатив в области малого бизнеса, творчества и благотворительности, но Kickstarter в итоге оказался более успешным.

Лучшие проекты на Kickstarter, получившие избыточное финансирование (скриншот с сайта kickstarter.com)
Лучшие проекты на Kickstarter, получившие избыточное финансирование (скриншот с сайта kickstarter.com).

Среди проектов с совместным финансированием на обоих ресурсах можно найти массу смелых идей любого масштаба – от производства браслетов для облегчения концентрации внимания и съёмки любительских фильмов до орбитальных телескопов и плазменных двигателей. Конечно, встречаются и случаи откровенного обмана, но они довольно редки.

Как неоднократно показывал математический анализ, успешность привлечения средств мало зависит от выбранной платформы и размера искомой суммы. Когда одни идеи благополучно собирали миллионы долларов, другие не могли достигнуть скромной цели в десятки тысяч.

Трое исследователей из Федеральной политехнической школы Лозанны провели анализ данных о ходе финансирования более чем шестнадцати тысяч проектов, запущенных на Kickstarter с сентября 2012 года по май 2013-го. В общей сложности они собрали около $158 млн от 1,3 млн посетителей ресурса. Из этой выборки только 48% проектов достигли поставленной цели к намеченному сроку. Более половины закончились провалом.

Примеры неудачных проектов, не собравших и трети необходимой суммы (скриншот с сайта kickstarter.com)
Примеры неудачных проектов, не собравших и трети необходимой суммы (скриншот с сайта kickstarter.com).

На основании полученных результатов был разработан метод математического моделирования динамики сбора средств на любой новый проект с вычислением вероятности его успеха ещё на раннем этапе.

Подобные статистические модели строились и ранее, а на их основе создавались онлайновые калькуляторы успешности вроде Kicktraq и CanHeKickIt.

Однако прежде все они опирались исключительно на внутренние данные – такие как требуемая сумма, время сбора средств, характер описания проекта и затрагиваемая им сфера. Точность предсказаний по такому набору данных была на уровне 2/3 и достигала в лучшем случае 68%.

Для повышения достоверности прогноза группа исследователей из Швейцарии решила использовать расширенный набор данных, не ограничиваясь цифрами, доступными непосредственно через Kickstarter. Параллельно обработке сведений о поступивших взносах проводился анализ социальной активности людей и проявленного к проекту интереса.

Точность прогноза спустя разное время от начала кампании по сбору средств на Kickstarter (изображение: EPFL)
Точность прогноза спустя разное время от начала кампании по сбору средств на Kickstarter (изображение: EPFL).

Для этого отслеживались сообщения на Twitter, содержащие ключевое слово “kickstarter” и ссылку на страницу интересующего проекта. Добавление сведений о социальных взаимодействиях участников к традиционному набору данных намного повысило точность прогноза. Уже через четыре часа после начала очередной кампании она достигает 76%. Через три дня точность прогноза исхода кампании увеличивается до 85% и продолжает плавно возрастать.

В заключение авторы исследования указывают методы дальнейшего увеличения точности статистического прогнозирования. Этого можно достичь как за счёт повышения числа учитываемых данных, так и за счёт их более интеллектуального анализа. В первом случае в предложенную модель следует добавить анализ частоты упоминания интересующих проектов на других популярных сетевых ресурсах – например, Facebook. Во втором варианте требуется более детальный поиск взаимосвязей – к примеру, какой процент людей переходил ранее по ссылке данного пользователя и сколько из них поддержали проект.

Следующим шагом после предварительной оценки эффективности кампании по сбору средств авторы называют анализ причин её возможной несостоятельности и разработку системы выдачи автоматических рекомендаций по улучшению привлекательности проекта.