Success Factors of Russian Crowdfunding Projects: Empirical Study of Boomstarter.ru Platform

Abstract

Это первый опыт исследования факторов успеха российских краудфандинговых проектов. Основная цель данной магистерской диссертации - выявить ключевые факторы успеха проектов на платформе Boomstarter.ru и их общую предсказательную способность в определении успеха краудфадингововых проектов. В рамках данной работы были рассмотрены не только финансовые факторы, но и факторы, связанные с характеристиками основателей проектов, с уровнем взаимодействия с общественностью и с качеством оформления проекта. Было обнаружено, что ключевыми факторами успеха являются средняя сумма, известированная спонсорами, и факторы, связнные с уровнем взаимодействия с общественностью. Кроме того, в рамках исследования были построены две предсказательные модели, основанные на алгоритме машинного обучения Extreme Gradient Boosting Trees, с целью выявления общей предсказательной способности всех факторов. Эти модели позволяют основателям проектов оценивать прогресс краудфандинговой кампании через вероятность успеха и, тем самым, получать обратную связь и в начале, и во время процесса сбора денег. Таким образом, проведенное исследование показало не только высокую предсказательную силу собранных факторов в определении успеха проекта, но и важность междисциплинарного подхода к изучению, казалось бы, чисто финансовой проблемы привлечения капитала.

This is a pioneered paper in studying success factors of Russian crowdfunding projects. The main research goal of this paper is to identify key success factors of projects on Boomstarter.ru and their strength in determining crowdfunding project success. In the scope of this paper, proxy factors of financial, founder-related, social-communication, and description and design groups of factors were considered. It was found that key success factors are an average amount pledged by backers and social-communication factors. Moreover, in the scope of the study, two predictive models were built in order to identify success factors strength altogether based on Machine Learning algorithm Extreme Gradient Boosting Trees. These models enable founders to measure the campaign progress in terms of probability of success and, thus, to get a feedback to project’s founders at the beginning and during the money collection process. To sum up, the conducted study showed not only high predictive power of collected factors in determining project’s success, but also the importance of an interdisciplinary approach in studying purely financial problem of raising capital.