크라우드펀딩 프로젝트를 위한 투자자 추천 시스템

본 논문은 Kickstarter와 트위터 데이터를 연계해 크라우드펀딩 프로젝트에 적합한 투자자를 자동으로 추천하는 시스템을 개발하고, 그 효과를 실증적으로 검증한다. 연구는 크게 네 단계로 진행된다. 1) **문제 정의 및 가설 설정**: 프로젝트 실패 주요 원인으로 ‘투자자와의 연결 부재’를 제시하고, 투자자를 ‘빈번 투자자’와 ‘일시적 투자자’로 구분한다. 이후 창업자 관리 역량(업데이트 빈도, 커뮤니케이션, 세분화된 리워드, 전용 웹사이트), 높은 목표 금액, 지리적 범위(지역 분산), 빠른 성장률, 투자자의 관심사 일치 여부라는 다섯 가지 요인을 기반으로 H1‑H5 가설을 수립한다. 2) **데이터 수집 및 전처리**: 2013년 7월~10월 사이에 Kickstarter에 새로 올라온 1,149개 프로젝트와 78,460명의 투자자를 크롤링하고, 동일 기간에 “kickstarter” 키워드가 포함된 71,315개의 트위터 게시물을 수집한다. 프로젝트는 13개 카테고리(영화, 음악, 출판, 예술 등)로 분류되었으며, 성공률은 45.3%로 전체 평균과 일치한다. 투자자는 후원 횟수에 따라 로그 변환 후 두 그룹(≤4회, ≥32회)으로 나누어 각 그룹의 특성을 통계적으로 분석한다. 3) **가설 검증 및 행동 분석**: 프로젝트‑투자자 매칭 확률 p(B|P)를 이용해 각 가설을 검증한다. 결과는 다음과 같다. - **H1**: 빈번 투자자는 업데이트가 5회 이상인 프로젝트에 2.3배, 댓글이 20개 이상인 프로젝트에 1.8배 더 많이 후원한다. 또한, 세분화된 리워드와 전용 웹사이트를 제공하는 프로젝트에 대한 선호도가 유의하게 높다. - **H2**: 목표 금액이 $20,000 이상인 ‘고자본’ 프로젝트는 빈번 투자자에게 1.9배 더 많이 선택된다. - **H3**: 지리적 분산이 낮은 로컬 프로젝트는 일시적 투자자에게 주로 매칭되며, 빈번 투자자는 전 세계에 분산된 프로젝트에도 관심을 보인다. - **H4**: 성장률(시간당 펀딩 증가율)이 0.8 이상인 급성장 프로젝트는 빈번 투자자에게 2.1배 더 많이 후원된다. - **H5**: 투자자의 관심사와 프로젝트 카테고리·트위터 토픽이 일치할 경우, 빈번 투자자의 후원 확률이 평균 35% 상승한다. 4) **추천 모델 설계 및 평가**: 위에서 도출한 통계적 인사이트를 피처로 활용해 다중 로지스틱 회귀와 랜덤 포레스트 기반 모델을 구축한다. 피처는 프로젝트‑창업자 특성(업데이트 수, 댓글 수, 리워드 레벨, 웹사이트 유무, 목표 금액, 지리적 분산, 성장률)과 투자자‑관심사 특성(카테고리 히스토리, LDA 토픽 분포)이다. 10‑fold 교차 검증 결과, 모델은 평균 정확도 84%와 평균 퍼센타일 순위 0.32(무작위 대비 36% 향상)를 달성했다. 특히 투자자 콜드 스타트 상황에서도 트위터 활동 피처만으로 69% 정확도와 0.40 퍼센타일 순위(20% 향상)를 기록, 실시간 추천 가능성을 시사한다. 5) **논의 및 시사점**: 연구는 (1) 투자자를 ‘투자자 vs. 기부자’로 구분함으로써 맞춤형 매칭 전략을 설계할 수 있음을, (2) 트위터와 같은 소셜 미디어 데이터가 크라우드펀딩 플랫폼 외부에서도 투자자 예측에 유의미하게 활용될 수 있음을 보여준다. 한계점으로는 데이터가 2013년 미국 프로젝트에 국한돼 글로벌 일반화가 어려우며, 트위터 외의 SNS나 오프라인 네트워크를 포함한 다채널 통합이 부족했다. 향후 연구에서는 다양한 국가·문화권 데이터를 확대하고, 실시간 추천 엔진을 구현해 창업자가 캠페인 초기 단계부터 최적의 투자자를 타깃팅하도록 지원하는 방안을 모색한다.