Automatic detection of overfunding in reward-based crowdfunding campaigns : a classification-based approach

Historically, crowdfunding and the dynamics of success have been extensively studied in literature. However, recently, one of the crowdsourcing unexplored areas, namely the overfunding, has started to arouse interest in scholars’ papers. With our research, we filled some “literature gaps”, offering important insights for future studies and with relevant implications both from a theoretical and managerial perspective. We used a machine learning approach, specifically relying on the Classification Learner app provided by MATLAB to conduct several analyses, offering an innovative methodological approach in investigating the dynamics of overfunding. Our research proposes to offer a clear and comprehensive definition of the phenomenon, trying to understand which, among static and dynamic variables, are the most relevant in achieving and predicting the “over-success”. The study aims also to understand if, as in the success case, a critical time horizon exists which is crucial to predict the phenomenon. The analysis sample included 157 campaigns able to reach the final target amount before their deadline, all launched and concluded between 2016-2017 on Kickstarter. To develop the models, we considered 10 static predictors and 4 dynamic predictors. With our findings we managed to confirm that for a high-overfunding threshold, it is possible to discriminate between success and overfunding. Concerning the relative importance of static predictors, campaign-related and fundraisers-related ones are crucial, while among the dynamic factors, the percentual pledge over funding target is the most relevant in impacting the phenomenon. Regarding the time horizon, to reach the best accuracy possible of the model, and to have a comprehensive view of the overfunding, 31 days should be considered. Our work could be generalised by future researches, collecting larger samples and considering different crowdfunding contexts or platforms.

Storicamente, il crowdfunding e le dinamiche del successo sono stati ampiamente studiati in letteratura. Tuttavia, di recente, una delle aree inesplorate del crowdfunding, ossia l’overfunding, ha iniziato a suscitare l’interesse degli studiosi. Con la nostra ricerca abbiamo colmato alcune "lacune letterarie", offrendo importanti spunti di approfondimento per studi futuri, con rilevanti implicazioni sia dal punto di vista teorico che manageriale. Abbiamo utilizzato un approccio di machine learning, adoperando, in particolare, la Classification Learner app fornita da MATLAB, per condurre diverse analisi, fornendo così un approccio metodologico innovativo per investigare le dinamiche di overfunding. La nostra ricerca si propone di trovare una definizione chiara e completa del concetto di overfunding, analizzando quali tra le variabili statiche e dinamiche siano le più rilevanti per raggiungere e prevedere “l'over-successo". Lo studio mira anche a capire se, come nel caso del successo, esiste un orizzonte temporale cruciale che deve essere considerato per prevedere il fenomeno. Il campione di analisi comprende 157 campagne che hanno raggiunto il target prima della scadenza, tutte lanciate e concluse tra il 2016 e il 2017 su Kickstarter. Per sviluppare i modelli, abbiamo considerato 10 variabili statiche e 4 dinamiche. Con i nostri risultati siamo riuscite a confermare che fissando una soglia elevata di overfunding, è possibile discriminare tra successo e over-successo. Per quanto riguarda l'importanza relativa dei predittori statici, i fattori relativi alla campagna e al fundraiser risultano essere cruciali, mentre tra quelli dinamici, la percentuale di investimenti raggiunti sul target richiesto è il più rilevante per predire il fenomeno. In ultima istanza, relativamente all'orizzonte temporale, per poter raggiungere la massima accuratezza possibile del modello ed avere una visione globale del fenomeno, si dovrebbero considerare 31 giorni. Il nostro lavoro potrebbe essere generalizzato da ricerche future, adoperando campioni più grandi e considerando diversi contesti o piattaforme di crowdfunding.