众筹发起人的经验学习机制:基于Indiegogo的实证研究

林衍森,王念新

(江苏科技大学 经济管理学院,镇江 212100)

为缓解项目融资需求增长与大众投资渠道有限的矛盾,众筹应运而生,并在世界范围内发展迅速.项目属性[1]、发起人特征[2]以及发起人与出资者之间的在线互动[3]等均会对众筹绩效产生影响.

其中,经验是发起人特征之一,可作为评估发起人可信度的重要因素[4],研究表明发起经验和支持经验均会正向影响众筹绩效[5].然而,现有研究尚未厘清经验学习机制和内在机理.众筹平台上的“连续发起”为经验的产生和积累提供了良好情境,为深入探索发起人学习机制,以连续发起人为研究对象,将经验分为直接经验和间接经验,基于比较研究和统计分析的方法对理论模型进行验证,定量探究发起人经验学习的内在机理.

1 相关工作

1.1 众筹学习机制

众筹经验学习有多种形式.其一,“干中学”[6]最为普遍,发起人亲身经历项目流程,发展技能、拓宽知识面[7].其二,文献[8]认为发起人可通过反馈来判断何种策略有效.其三,文献[9]认为以往经验能够帮助发起人增加社会资本,扩大社交网络,为其提供更有价值的信息及更多机会.

以往经验对后续绩效的影响并不总是积极的.首先,每次的经历都是不同的,旧的经验极有可能无法适用于新的情境.其次,文献[10]指出认知偏差和环境复杂性使发起人难以准确识别成败原因.

1.2 理论模型

文献[11]从理论模型的角度探索经验的学习机制.

首先,运气模型强调幸运的作用,每次尝试的成功和失败概率始终相等且稳定不变,绩效水平也保持固定,实现成功之前的失败次数不受过往经历的影响.

其次,学习模型认为动态经历中存在着有效的学习过程,且该过程是连续渐进的,前期成功或失败的经历会通过学习使得绩效提升,仅需较少次数的失败便可快速获得成功.

最后,k模型指出经验学习并非连续过程,k代表将以往尝试纳入考量的次数.k值较小时,无法涵盖足够的经验,导致绩效始终较低;当k值达到关键的阈值k*,量变引发质变,对过往经历的学习促进了绩效改进;k值继续增大,绩效将提升到某个较高水平后趋于稳定,此时难以学习到更多知识.

1.3 以往工作总结

首先,众筹经验学习机制发挥作用的方式尚未形成统一的见解,因此深入探究其具体机制具有重要的理论意义.且以往研究缺少对学习机制的量化分析,文中将从成功和失败两个角度探索更为具体的学习机制及其差异.

其次,在理论模型方面,模型具有各自的优缺点:运气模型易于理解,但解释力偏弱.学习模型考虑了学习的作用效果,并认为学习过程应是连续的,但实际上很多经验的学习过程并不遵循理想化模式.k模型则将学习划分为不同的过程,更加细致地阐述了学习机制的动态性和阶段性特征.

2 数据及初步分析

2.1 数据收集

利用“八爪鱼采集器”对全球著名的奖励类众筹网站Indiegogo上的连续发起项目进行相关信息的收集.将同一位发起人发起的不同项目按发起时间的先后顺序进行排序并分组编号,共包含2 452位发起人所发起的6 469个项目,时间跨度为2008年10月8日—2017年8月12日.所涉及的主要变量及描述性统计结果如表1,其中筹资比为实际筹资额与目标筹资额的比值.

表1 描述性统计

2.2 数据处理

为便于进行对比分析,根据不同发起人的每组发起经历,考察其生涯中是否成功.若始终未成功,划分至失败组;至少成功一次则归为成功组.成功组包含729人,约占总发起人数的29.7%,而失败组的人数为1 723,是成功组人数两倍以上.

以累计发起数作为自变量衡量直接经验,项目成功率作为因变量,考察当发起数逐渐增多时成功率的变化情况,由图1可知,随着累计发起数目的增加,众筹成功率并没有呈现连续稳定上升的趋势.

图1 累计发起数与成功率之间的关系

当发起数较少时,成功率在短期内上升,而累计发起8次时,却有所下降,之后又不断起伏波动,初步说明该学习过程并不是连续的.

加工仔鸡，力求整皮：宰杀仔鸡的方法稍有不同，将剪刀伸进鸡嘴里，然后剪断血管和气管。去内脏时，也只能在尾部划开一个小口，这都是为了保持鸡皮的完整，从而避免烤制时鸡皮破裂。

如图2,初期随着累计支持数的不断增加,其总体筹资比有所上升,但支持数为6和7时,却下降明显.该结果也初步证实间接经验同样可促进绩效的改进,但该过程也是非连续的.

图2 累计支持数与筹资比之间的关系

3 学习机制验证

对所有发起人首次以及倒数第二次(最后一次表示成功)尝试的绩效表现进行比较,观察绩效是否发生变化,以验证运气模型的假设.再以连续失败次数为自变量,互补累计分布函数(complemeatary cumulative distribution function,CCDF)为因变量,绘制出失败曲线,以进一步验证是否拟合学习模型,其中CCDF是互补累计分布函数的简称,可理解为所有大于某个自变量的值出现的概率之和.随着尝试次数的增加,一旦成功,失败曲线便会中断,因此失败次数越多,该次数出现的概率相应越小,因此函数单调递减.在学习模型中,将过往经历中积累的经验纳入知识体系,促进能力的提升,使得实现成功所必需经历的失败次数相应减少,出现较高失败次数的概率降低,失败曲线的下降趋势应服从短尾分布.

如图3(a),倒数第二次尝试较之首次,表现出了更优的筹资比,这一结果初步否定了成功是由运气所决定的假设,表明运气模型并不能拟合发起人的学习机制.图3(b)表明众筹失败曲线服从长尾分布,连续发起人尽管通过学习提升了绩效,但成功前仍需经历较多次数的失败,说明这种学习的过程并不是连续的,因此学习模型同样无法对发起人学习机制作出合理的解释.

图3 学习机制验证

上述结果引导继续对k模型进行验证.k模型在一定程度上反映出“量变引起质变”的规律,因此前期“量”的积累至关重要.对成功组内k取不同值时的平均绩效进行衡量,由于发起次数越多,记录数越少,为避免小样本偶然性对结果造成影响,剔除了k值超过8的少量记录.如图4,当k处于0～3时,平均筹资比有较小程度的波动;而k=4时,绩效出现很大的提升,可近似作为k模型中的阈值点k*,代表着在连续众筹情境下,有过至少4次发起经历的发起人,再次进行尝试时经验的作用效果会比较明显,使得其绩效产生较大幅度的提升;此后,再进行新的尝试,绩效却并未在较高的水平保持稳定,而是出现了较大程度的波动,甚至降至早期k值较小时的水平.因此,经历多次发起不一定保证高绩效的持续,连续发起人进行新的尝试时仍应合理规划,否则仍有极大概率导致低绩效甚至失败的出现.

图4 平均绩效变化

4 学习机制探索性分析

4.1 成功组和失败组分布曲线

统计失败组最后一次发起前的所有尝试次数及成功组获得成功前的连续失败次数,分别绘制出二者连续失败次数的累计分布函数(cumulative distribution function,CDF)曲线.该函数表示所有小于或等于某个自变量的值出现的概率之和,因此是单调递增的.

如图5,失败组的连续失败次数与成功组服从相似的分布,二者曲线几乎重合,并未观察到明显的差异.该结果表明,最终获得成功的连续发起人,并未比那些屡次失败的发起人尝试更多或更少的次数,失败次数并不是决定能否获得成功的关键因素.

图5 连续失败次数的累计分布曲线

4.2 成功组和失败组效率对比

对于成功组和失败组,分别计算两组内连续两次尝试之间的平均间隔时间Tn=tn/t1,其中t1为第二次尝试距离首次尝试的时间间隔,tn为后续某次尝试距离其前一次尝试的时间间隔.

对直接经验进行分析时,将同一位连续发起人的多次发起经历作为动态整体看待,相邻发起项目时间间隔衡量其效率.对于成功组来说,时间距离的增大,使得前期项目中所积累的资源优势逐渐消失[12],文献[9]发现发起人前后两次项目的时间距离对于其融资绩效之间具有显著的负向调节作用,本文剔除了成功组内相邻两次项目时间间隔大于半年即180天的数据记录.对于失败组来说,大量项目之间的时间间隔极短,发起人并未花费充足的时间和精力对失败进行分析和总结,而是盲目地发起新项目,因而可能再次遭遇失败,因此将失败组内相邻两次项目时间间隔小于10天的记录予以剔除.对间接经验进行分析,将累计支持数相同的作为同一组,对其效率的衡量采用相邻支持项目时间间隔.对处理后的数据进行分析,如图6.

图6 成功组和失败组效率对比

首先,对直接经验来说,成功组虽有所波动,但其Tn随着n的增加而呈现出明显的降低趋势,效率得到了提升.

其次,失败组的时间间隔并没有明显缩短,甚至还有延长的迹象,并未出现成功组的效率改进模式,进一步证实了失败组处于k模型的停滞区内,尚未过渡到进步区,学习效果微弱.

最后,成功组和失败组均遵循二者各自的、高度可预测的模式,而这种模式在最终结果出现很早之前便可区分.虽然发起人刚进入众筹市场时水平和能力差距不大,但不同的学习模式使得这种微小的差异在后期愈发明显和加大,最终导致进入k模型的不同阶段.

间接经验对成功组和失败组的效率影响与直接经验类似,随着累计支持数的增多,成功组伴随着效率上的提升,而失败组未能充分利用支持项目所积累的间接经验.

4.3 成功组和失败组绩效对比

筹资比可作为绩效的衡量指标.对直接经验进行分析时,分别比较成功组和失败组首次失败以及第三次失败的筹资比;对间接经验进行分析时,分别比较成功组和失败组支持一次项目和支持两次项目后的绩效,如图7.

图7 成功组和失败组绩效对比

由图7(a),成功组的总体筹资比始终显著高于失败组,对于成功组来说,虽然同样是失败的经历,但相较于首次,其绩效获得了一定程度上的提升,说明从过往失败中进行了学习,然而失败组却观察不到这种进步的现象,甚至有所倒退,说明其并没有从失败经历中进行有效学习,难以获取经验或未对经验加以有效利用.由图7(b),成功组在支持两个项目后,其项目发起时的筹资比较之仅支持过一次项目,出现了明显的改进,发起人通过支持他人的项目,学习了他人的策略和方法,并通过项目最终是否成功来判定质量好坏,从而积累了一定的间接经验,作用于接下来自身所发起的项目中,使得个人项目绩效改进,反观失败组,即使支持了两次项目,其自身也并未获得经验的提升,无法将这种间接经验助益于自己的项目中,忽略了对间接经验的积累和利用,因此难以获得筹资成功.

5 结论

(1) 经验的学习过程并非连续渐进的上升模式,不符合运气模型和学习模型,而是非线性的,初期总体绩效处于较低水平,到达某个阶段后绩效才明显改善,显现出“量变引起质变”的规律.发起人可以通过k模型,辅助判断目前的学习和成长阶段,从而有针对性地制定干预措施.

(2) 成功组和失败组的连续失败次数大致相当,并未有明显的差异,通常会认为成功组只需经历较少次数的失败便可快速获得成功,但结果表明其仍需经历一定次数的失败,也并非所有的失败都能导向成功.

(3) 发起人经验学习对众筹的影响从整体上看仍是积极的,但成功组和失败组的学习机制存在差异,且二者在早期便可区分.成功组内,经验学习机制是通过绩效的改进和效率的提升来发挥作用的,直接经验使得后续项目的筹资比上升,也使相邻发起项目之间的时间间隔缩短,而失败组却缺乏这两方面的提高.

(4) 发起人可以通过支持项目积累间接经验,同直接经验的作用效果类似,间接经验同样可以促进发起人自身发起项目的绩效提升,在项目甄别过程中也更为高效.

文中从连续发起这一动态视角出发探索了发起人的学习机制,验证了学习过程的阶段性和非连续性,但仍存在一些研究局限.未来可考虑进一步结合面板数据的特点,分阶段地对经验学习机制做更为深入的实证检验,以更好地对现有结论形成补充.此外,文中仅提出了一个简单的基准模型,后续研究将纳入更多的影响因素,将单变量模型拓展为多变量模型,也可尝试探索其他众筹模式的学习机制.