Open innovation through crowdfunding : a machine learning approach to assess how backers' feedback affects serial proponent's decisions

The thesis investigates the crowdfunding financing method and it focuses on understanding how the feedback (i.e. comments) the proponents receive from their backers on the crowdfunding platform impact on the product innovation process between two subsequent campaigns. The results show a negative relation between the numerousness of the comments and the degree of similarity between two subsequent projects. The outcome changes when the sentiment of the comments is taken into consideration. Indeed, the sentiment plays a moderator effect and weakens the negative relation between number of comments and degree of similarity at high level of positivity by leading the creator to launch a similar campaign. On the contrary, when the sentiment is negative, the negative relation is reinforced. Moreover, the entrepreneur gives more importance to the comments that refer to technical features of the products and are closer in term of time to the launch of the subsequent campaign. The overall mechanism suggests that the proponents are, indeed, using the crowdfunding funding method as market test for their ideas. The methodology applied consists in the scraping of a set of comments referring to serial proponents campaigns from the crowdfunding platform Kickstarter. A taxonomy of the comments was then developed in order to implement a machine learning algorithm that classifies the comments. The data were then processed through econometrics analyses to develop regression models.

Questa tesi analizza il metodo di finanziamento del crowdfunding e si focalizza sullo studio di come i feedback (ossia i commenti) che un imprenditore riceve dai suoi finanziatori sulla piattaforma di crowdfunding impattano sulle scelte di ridisegno nuovo prodotto a cavallo tra due progetti consecutivi. I risultati mostrano che all’aumentare della numerosità dei commenti ricevuti il grado di somiglianza tra i due progetti diminuisce. Questo effetto cambia nel momento in cui viene considerato anche il sentiment dei commenti. Difatti, il sentiment svolge un ruolo di mediatore: quando è molto positivo indebolisce la relazione negativa tra la numerosità di commenti e il grado di somiglianza, portando l’imprenditore a lanciare una campagna simile alla precedente. Quando, invece, è negativo, ha un effetto rafforzativo e aumenta la negatività della relazione. In aggiunta, l’imprenditore dà più importanza ai commenti che sono più vicini temporalmente al lancio della campagna successiva e che hanno un contenuto che fa riferimento ad aspetti tecnici del prodotto. Alla fine della analisi emerge che l’imprenditore usa il metodo di finanziamento del crowdfunding come market test per le sue idee. La metodologia applicata consiste nello scraping di un set di commenti di campagne lanciate sulla piattaforma di crowdfunding Kickstarter da una serie di proponenti seriali. È stata poi sviluppata una tassonomia dei commenti in modo tale da poter implementare un algoritmo di machine learning che classifichi i commenti. Questi dati sono stati poi rielaborati attraverso analisi econometriche per sviluppare dei modelli di regressione.