論文の概要: Crowdfunding for Design Innovation: Prediction Model with Critical Factors

• arxiv url: http://arxiv.org/abs/2007.01404v1
• Date: Thu, 2 Jul 2020 21:44:40 GMT
• ステータス: 処理完了
• システム内更新日: 2023-05-11 20:26:39.539932
• Title: Crowdfunding for Design Innovation: Prediction Model with Critical Factors
• Title（参考訳）: デザイン革新のためのクラウドファンディング: 重要な要因を持つ予測モデル
• Authors: Chaoyang Song, Jianxi Luo, Katja H\"oltt\"a-Otto, Warren Seering, Kevin Otto
• Abstract要約: 本稿では,クラウドファンディングの成功に重要な要因を持つ予測モデルを構築するためのデータ駆動手法を提案する。 本研究では,3Dプリンタとスマートウォッチのキャンペーンデータから予測モデルを導出し,重要な要素を特定する手法を実証する。
• 参考スコア（独自算出の注目度）: 2.789896685059062
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Online reward-based crowdfunding campaigns have emerged as an innovative approach for validating demands, discovering early adopters, and seeking learning and feedback in the design processes of innovative products. However, crowdfunding campaigns for innovative products are faced with a high degree of uncertainty and suffer meager rates of success to fulfill their values for design. To guide designers and innovators for crowdfunding campaigns, this paper presents a data-driven methodology to build a prediction model with critical factors for crowdfunding success, based on public online crowdfunding campaign data. Specifically, the methodology filters 26 candidate factors in the Real-Win-Worth framework and identifies the critical ones via step-wise regression to predict the amount of crowdfunding. We demonstrate the methodology via deriving prediction models and identifying essential factors from 3D printer and smartwatch campaign data on Kickstarter and Indiegogo. The critical factors can guide campaign developments, and the prediction model may evaluate crowdfunding potential of innovations in contexts, to increase the chance of crowdfunding success of innovative products.
• Abstract（参考訳）: オンライン報酬ベースのクラウドファンディングキャンペーンは、要求を検証し、アーリーアダプターを発見し、革新的な製品の設計プロセスにおける学習とフィードバックを求める革新的なアプローチとして登場した。 しかし、革新的な製品のためのクラウドファンディングキャンペーンは高い不確実性に直面しており、デザインの価値を満たすために成功率に苦しめられている。 本稿では, クラウドファンディングキャンペーンのデザイナーやイノベーターを指導するために, クラウドファンディングの成功に重要な要因を持つ予測モデルを構築するためのデータ駆動手法を提案する。 具体的には、Real-Win-Worthフレームワークの26の候補因子をフィルタリングし、段階的回帰によって重要な要素を特定し、クラウドファンディングの金額を予測する。 予測モデルを導出し、3Dプリンターとスマートウォッチのキャンペーンデータから重要な要素をKickstarterとIndiegogoで特定する手法を実証する。 重要な要因は、キャンペーンの発展を導くことができ、予測モデルは、革新的製品のクラウドファンディング成功の可能性を高めるために、文脈におけるイノベーションのクラウドファンディングの可能性を評価することができる。

関連論文リスト

• Using Artificial Intelligence to Unlock Crowdfunding Success for Small Businesses [8.226509113718125]
  我々は、AI技術の最新の進歩を利用して、クラウドファンディングキャンペーンの成功に影響を及ぼす重要な要因を特定します。 ベストパフォーマンスの機械学習モデルは、キャンペーンの81.0%の資金調達結果を正確に予測する。 大規模な言語モデルを用いて物語の3つの側面を拡大することにより、キャンペーンは83%の人間評価者にとってより好ましいものとなることを実証する。
  論文  参考訳（メタデータ） (2024-04-24T20:53:10Z)
• Generative Active Learning for Image Synthesis Personalization [57.01364199734464]
  本稿では,伝統的に識別モデルを用いて研究されてきた能動的学習の生成モデルへの応用について検討する。 生成モデル上でアクティブな学習を行う上での最大の課題は、クエリのオープンな性質にある。 問合せ処理を半開問題に変換するために,アンカー方向の概念を導入する。
  論文  参考訳（メタデータ） (2024-03-22T06:45:45Z)
• Startup success prediction and VC portfolio simulation using CrunchBase data [1.7897779505837144]
  本稿では、主要な成功のマイルストーンを予測することを目的とした、シリーズBおよびシリーズCの投資ステージにおけるスタートアップに焦点を当てる。 スタートアップの成功を予測するための新しいディープラーニングモデルを導入し、資金調達指標、創業者の特徴、業界カテゴリなど、さまざまな要素を統合する。 私たちの研究は、スタートアップの成功を予測する上で、ディープラーニングモデルと代替の非構造化データによるかなりの可能性を実証しています。
  論文  参考訳（メタデータ） (2023-09-27T10:22:37Z)
• MMBench: Is Your Multi-modal Model an All-around Player? [114.45702807380415]
  大規模な視覚言語モデルを評価する方法は依然として大きな障害であり、将来のモデル開発を妨げる。 従来のベンチマークは、定量的なパフォーマンス測定を提供するが、きめ細かい能力評価と非破壊評価の指標が欠如している。 近年のOwlEvalのような主観的ベンチマークは、人間の労働を取り入れたモデル能力の包括的な評価を提供するが、それらはスケーラブルではなく、重大なバイアスを示す。 MMBenchは、視覚言語モデルの様々な能力を頑健に評価するための、体系的に設計された客観的ベンチマークである。
  論文  参考訳（メタデータ） (2023-07-12T16:23:09Z)
• Persuasion Strategies in Advertisements [68.70313043201882]
  我々は,説得戦略の広範な語彙を導入し,説得戦略を付加した最初の広告画像コーパスを構築した。 次に,マルチモーダル学習による説得戦略予測のタスクを定式化する。 我々は、Fortune-500社の1600件の広告キャンペーンについて、現実世界でケーススタディを実施している。
  論文  参考訳（メタデータ） (2022-08-20T07:33:13Z)
• Assortment Optimization with Customer Choice Modeling in a Crowdfunding Setting [0.0]
  本研究では,顧客行動選択モデルにおけるプラットフォーム機能の重要性について検討する。 私たちは、プラットフォームが到着するすべての顧客に提供可能な最高の選択肢を予測するために、よく知られた2つの機械学習手法を実装しました。
  論文  参考訳（メタデータ） (2022-07-14T22:36:10Z)
• Who Will Support My Project? Interactive Search of Potential Crowdfunding Investors Through InSearch [5.8669103084285315]
  InSearchは、クラウドファンディングプラットホーム上で投資家を対話的に検索する。 グラフニューラルネットワークを利用して投資家の好みをモデル化することで、潜在的投資家の効果的な概要を支援する。
  論文  参考訳（メタデータ） (2022-05-04T12:59:00Z)
• How COVID-19 Have Changed Crowdfunding: Evidence From GoFundMe [77.34726150561087]
  この研究は、過去2年間にGoFundMeで公開されたすべてのキャンペーンのユニークなデータセットを使用する。 我々は、クラウドファンディングサイトに存在するカバーイメージやその他の変数を分析し、クラウドファンドされたプロジェクトのコーパスについて研究する。
  論文  参考訳（メタデータ） (2021-06-18T08:03:58Z)
• Estimating Fund-Raising Performance for Start-up Projects from a Market Graph Perspective [58.353799280109904]
  市場環境を利用して未公開プロジェクトの資金調達実績を予測するためのグラフベースの市場環境(GME)モデルを提案する。 具体的には、市場環境を利用して未公開プロジェクトの資金調達実績を予測するグラフベースの市場環境(GME)モデルを提案する。
  論文  参考訳（メタデータ） (2021-05-27T02:39:30Z)
• Does Crowdfunding Really Foster Innovation? Evidence from the Board Game Industry [1.776746672434207]
  ボードゲームのデータセットを用いて,クラウドファンディングとイノベーションの関連性を検討する。 クラウドファンディングされたゲームは、伝統的に公開されたゲームよりも、以前のゲームと区別される傾向にある。 われわれの調査結果は、クラウドファンディングの革新的なポテンシャルが、個々の製品から業界全体に及んでいることを示している。
  論文  参考訳（メタデータ） (2021-01-07T18:44:47Z)
• Introducing the VoicePrivacy Initiative [53.14981205333593]
  VoicePrivacyイニシアチブは、音声技術のプライバシー保護ツールの開発を促進することを目的としている。 本稿では,VoicePrivacy 2020 Challengeで選択された音声匿名化タスクを定式化し,システム開発と評価に使用するデータセットについて述べる。
  論文  参考訳（メタデータ） (2020-05-04T11:07:52Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。