論文の概要: Using Artificial Intelligence to Unlock Crowdfunding Success for Small Businesses

• arxiv url: http://arxiv.org/abs/2407.09480v1
• Date: Wed, 24 Apr 2024 20:53:10 GMT
• ステータス: 処理完了
• システム内更新日: 2024-07-22 13:48:17.401127
• Title: Using Artificial Intelligence to Unlock Crowdfunding Success for Small Businesses
• Title（参考訳）: 人工知能を使って小規模企業のクラウドファンディング成功を解き放つ
• Authors: Teng Ye, Jingnan Zheng, Junhui Jin, Jingyi Qiu, Wei Ai, Qiaozhu Mei,
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 8.226509113718125
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: While small businesses are increasingly turning to online crowdfunding platforms for essential funding, over 40% of these campaigns may fail to raise any money, especially those from low socio-economic areas. We utilize the latest advancements in AI technology to identify crucial factors that influence the success of crowdfunding campaigns and to improve their fundraising outcomes by strategically optimizing these factors. Our best-performing machine learning model accurately predicts the fundraising outcomes of 81.0% of campaigns, primarily based on their textual descriptions. Interpreting the machine learning model allows us to provide actionable suggestions on improving the textual description before launching a campaign. We demonstrate that by augmenting just three aspects of the narrative using a large language model, a campaign becomes more preferable to 83% human evaluators, and its likelihood of securing financial support increases by 11.9%. Our research uncovers the effective strategies for crafting descriptions for small business fundraising campaigns and opens up a new realm in integrating large language models into crowdfunding methodologies.
• Abstract（参考訳）: 中小企業はオンラインのクラウドファンディングプラットホームに本質的な資金を提供しようとしているが、これらのキャンペーンの40%以上は、特に低社会経済分野からの資金調達に失敗している。 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、これらの要因を戦略的に最適化することで資金調達結果を改善する。 我々の最高の機械学習モデルは、主にテキスト記述に基づいて、キャンペーンの81.0%の資金調達結果を正確に予測する。 機械学習モデルを解釈することで、キャンペーンを開始する前にテキスト記述を改善するための実用的な提案ができる。 大規模な言語モデルを用いて物語の3つの側面を増大させることで、83%の人的評価者よりもキャンペーンの方が好まれるようになり、金融支援を確保する可能性も11.9%向上することを示した。 本研究は,中小企業の資金調達キャンペーンにおける説明書作成の効果的な戦略を明らかにするとともに,大規模言語モデルをクラウドファンディング手法に統合する新たな領域を開拓するものである。

関連論文リスト

• Decoding the Silent Majority: Inducing Belief Augmented Social Graph with Large Language Model for Response Forecasting [74.68371461260946]
  SocialSenseは、既存のソーシャルネットワーク上に信念中心のグラフを誘導するフレームワークであり、グラフベースの伝播によって社会的ダイナミクスを捉える。 本手法は,ゼロショット設定と教師あり設定の両方に対する実験的な評価において,既存の最先端技術を超えている。
  論文  参考訳（メタデータ） (2023-10-20T06:17:02Z)
• 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)
• 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)
• Modeling Influencer Marketing Campaigns In Social Networks [2.0303656145222857]
  世界の38億人以上がソーシャルメディアを積極的に利用している。 本研究では、インフルエンサー広告キャンペーンのダイナミクスをシミュレートできるエージェントベースモデル(ABM)を提案する。
  論文  参考訳（メタデータ） (2021-06-03T11:01:06Z)
• 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)
• Reinforcement Learning with Efficient Active Feature Acquisition [59.91808801541007]
  実生活では、情報取得は患者の医療検査に該当する可能性がある。 本稿では,アクティブな特徴獲得ポリシーを学習するモデルに基づく強化学習フレームワークを提案する。 この成功の鍵は、部分的に観察された状態から高品質な表現を学ぶ新しい逐次変分自動エンコーダである。
  論文  参考訳（メタデータ） (2020-11-02T08:46:27Z)
• It's all in the (Sub-)title? Expanding Signal Evaluation in Crowdfunding Research [0.0]
  我々は、起業家のテキスト成功シグナルの強さをプロジェクト支援者と比較し、対比する。 サブタイトル情報の導入は,各モデルで説明される分散を増大させる。
  論文  参考訳（メタデータ） (2020-10-27T15:51:31Z)
• Crowdfunding for Design Innovation: Prediction Model with Critical Factors [2.789896685059062]
  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。
  論文  参考訳（メタデータ） (2020-07-02T21:44:40Z)
• I call BS: Fraud Detection in Crowdfunding Campaigns [3.785123406103386]
  チャリティーベースのクラウドファンディング環境への寄付はここ数年増加傾向にある。 我々は、さまざまなクラウドファンディングプラットフォームから収集されたデータを分析し、700件のキャンペーンを詐欺とみなす。 このような不正行為を90.14%の精度と96.01%のAUCで自動的に分類することができる。
  論文  参考訳（メタデータ） (2020-06-30T14:38:21Z)
• Dynamic Knapsack Optimization Towards Efficient Multi-Channel Sequential Advertising [52.3825928886714]
  我々は、動的knapsack問題として、シーケンシャルな広告戦略最適化を定式化する。 理論的に保証された二段階最適化フレームワークを提案し、元の最適化空間の解空間を大幅に削減する。 強化学習の探索効率を向上させるため,効果的な行動空間削減手法も考案した。
  論文  参考訳（メタデータ） (2020-06-29T18:50:35Z)

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。