王 為， 李淑敏， 李 俊， 夏恩君

(北京理工大學 管理與經(jīng)濟學院， 北京100081)

2011—2016年中國眾籌行業(yè)經(jīng)歷了啟蒙、起步、成長、量變、質(zhì)變和規(guī)范的過程，且融資規(guī)模保持持續(xù)增長，互聯(lián)網(wǎng)巨頭在眾籌領域也完成初步布局。但近年來，中國正常運營的眾籌平臺數(shù)量逐年下降，優(yōu)質(zhì)項目缺失、籌資人在眾籌平臺難以籌集到所需資金、眾籌平臺風險較大等問題成為眾籌平臺倒閉的主要原因。此外，中國產(chǎn)品眾籌平臺，如京東眾籌、淘寶眾籌等產(chǎn)品眾籌項目在眾籌期間大部分都可完成目標籌集金額，超額融資率能夠有效地定義眾籌項目的進度與實際籌款效果。通過對產(chǎn)品眾籌超額融資率影響因素的研究，可以有效探究影響眾籌項目成功的要素，幫助中小企業(yè)利用合法途徑高效籌集投入生產(chǎn)和擴大生產(chǎn)所需要的資金，幫助眾籌平臺改善缺乏優(yōu)質(zhì)眾籌項目的現(xiàn)狀，并實現(xiàn)籌資人、投資人和平臺三贏的效果。鑒于此，本文從數(shù)據(jù)挖掘的角度出發(fā)，基于京東眾籌平臺的1 031個產(chǎn)品眾籌項目，通過Apriori算法計算關聯(lián)規(guī)則，探討眾籌項目的各屬性與超額融資率之間的關聯(lián)關系。

1 文獻回顧與理論分析

1.1 文獻回顧

眾籌的概念來源于眾包，Lambert 和Schwienbacher[1]對眾籌的定義為：在一個開放的互聯(lián)網(wǎng)平臺上，通過貨幣捐贈，或者通過換取未來產(chǎn)品、服務或股權(quán)的形式來為特定項目或企業(yè)提供金融支持的融資手段?？梢钥闯觯娀I包括兩個關鍵要素，互聯(lián)網(wǎng)平臺和大眾直接融資，對眾籌項目的支持可以是有償交換，也可以是無償捐贈。目前，不同學者對于眾籌現(xiàn)狀的研究也逐漸集中在細分領域。夏恩君等[2-3]對國外眾籌研究進行綜述和展望，在對基于知識圖譜的眾籌現(xiàn)狀和對未來研究方向進行探討后指出現(xiàn)有研究主要集中于參與動機、影響因素和面臨的風險等。魏可鑫[4]以眾籌理論、大眾參與理論和網(wǎng)絡環(huán)境下的用戶動機研究為基礎，構(gòu)建起投資人參與產(chǎn)品眾籌的行為模型，研究發(fā)現(xiàn)預期收益、眾籌平臺信任、促進因素以及參與意愿對參與行為的影響呈正相關關系。劉暢[5]通過運用精細加工可能性模型對影響眾籌產(chǎn)品眾籌項目成功率的因素進行研究，發(fā)現(xiàn)中心線索項目信息模糊程度、風險關鍵詞提示、項目動態(tài)更新次數(shù)、邊緣線索發(fā)起人社會資本、項目持續(xù)時間對項目融資成功率有顯著影響。Ahlers等[6]從項目投資人角度出發(fā)，認為項目投資人信息傳遞、溝通、交流與反饋等會影響項目成功。Mollick[7]認為與籌資人的距離也會成為投資人影響項目成功的因素。胡金焱和韓坤[8]探究了信息不對稱下產(chǎn)品眾籌市場逆向選擇和道德風險問題，發(fā)現(xiàn)融資完成率高的產(chǎn)品,質(zhì)量水平更低且逾期率更高。

根據(jù)眾籌項目成功的方式可以將眾籌分為全額眾籌和非全額眾籌兩類。全額眾籌是指當眾籌項目在眾籌期間內(nèi)達到籌資人設定的目標籌集金額時，該眾籌項目被認定為成功，否則已籌集資金需退還給投資人，即眾籌項目失??；非全額眾籌是指無論目標籌集金額是否達到，投資人所投資金會悉數(shù)歸為籌資人，投資人獲得產(chǎn)品或服務等相應回報。目前關于眾籌成功的影響因素研究多是將籌款率達到100%的眾籌項目作為研究目標，一般將項目籌款進度或成功率作為解釋變量，以是否達到100%來定義融資成功或失敗，來探究項目類型、規(guī)模、籌資額度、社會公眾對項目的關注度等因素對融資能否成功的影響。近年來，部分學者也會選擇用眾籌項目超額融資率作為被解釋變量，探究影響眾籌項目超額完成的因素。陳波等[9]以淘寶眾籌的7 091個成功眾籌項目為樣本，并對眾籌項目超額完成的影響因素進行了分析，得出項目籌資的過程中，超額成功率與支持的人數(shù)呈現(xiàn)倒“U”形的關系、支持喜歡人數(shù)對超額融資率有正面影響等結(jié)論。此外，方興和王博[10]利用分位數(shù)回歸研究了影響眾籌發(fā)起人超額籌資的因素，結(jié)果發(fā)現(xiàn)眾籌的基本屬性、投資門檻、發(fā)起人的努力程度以及社交網(wǎng)絡都對眾籌項目的超額籌資存在顯著影響。

然而，當前關于眾籌的相關研究很少涉及眾籌項目成功融資之后的情況，探究影響項目超額融資的因素對于提升產(chǎn)品眾籌項目成功度以及市場歡迎程度具有實踐應用價值。本文基于Apriori算法研究產(chǎn)品眾籌項目超額融資率的影響因素，一方面填充了眾籌超額融資率研究領域的部分理論空白，另一方采用數(shù)據(jù)挖掘的方法，拓展了研究眾籌領域的方法和思路。

1.2 理論分析

在產(chǎn)品眾籌中，籌資人會設置不同的回報檔和公益支持，籌集金額一部分為各檔支持人數(shù)與該檔設置金額成績之和，另一部分為公益籌集金額。因此，產(chǎn)品眾籌的超額融資率可以表示為

(1)

式中：T為超額融資率；Ui為第i檔的設定金額；Vi為第i檔的支持人數(shù)；Ui與Vi的乘積為該檔的實際籌集金額；W為公益籌集金額；D為每個項目的目標籌集金額。由超額融資率的表達式可知，在實際籌資活動中，每檔設定金額、每檔投資人數(shù)，以及公益籌集金額，這3個因素影響最終籌集金額，也正向影響超額融資率。每個眾籌項目的各檔支持金額在發(fā)起之后不能更改，且過高的支持金額會影響支持人數(shù)，每檔設定金額對超額融資率的影響體現(xiàn)為對支持人數(shù)的調(diào)節(jié)作用。另外，目標籌集金額越高超額融資率越低。

此外，從籌資人角度來看，項目籌資人歷史發(fā)起項目數(shù)作為項目籌資人的背書，能夠為該眾籌項目提供一定的信息保障。一般認為，項目籌資人發(fā)起的歷史項目越多(該平臺項目都會成功)，獲得的點贊數(shù)量越多，越容易贏得投資人的信任，投資人更有可能產(chǎn)生投資行為。同時，項目籌資人也可以支持其他項目，這在一定程度上會增加投資者對該籌資人的信任。

從投資人角度來看，項目關注人數(shù)、項目贊人數(shù)、項目進展(籌資人關于項目的后續(xù)聲明)，以及話題互動數(shù)、項目評論數(shù)等都會成為影響投資決策和投資人數(shù)的因素。王月升等[11]認為，項目的關注數(shù)體現(xiàn)了項目潛在投資者的數(shù)量，當瀏覽項目的人選擇關注項目時，代表對項目感興趣且有可能產(chǎn)生投資行為。根據(jù)搭便車理論，投資者會選擇得到多數(shù)人贊許的項目，跟隨受歡迎的發(fā)起人和項目，付出更少的成本獲得更大的收益。支持者與潛在支持者可對項目發(fā)表評論表達對項目的熱情或者不滿，這能在很大程度上影響其他潛在投資者的投資決策。Huang和Chen[12]通過對用戶在網(wǎng)上進行產(chǎn)品選擇的研究認為項目的評價數(shù)量會對下一個項目的支持人數(shù)與前期支持人數(shù)之間的正向關系起到調(diào)節(jié)作用。Gerber等[13]認為投資者在追求物質(zhì)回報的同時，會通過在眾籌平臺與投資人進行互動在眾籌過程中獲取到參與感，而社交互動影響會影響眾籌的成功率。

從項目信息來看，項目聲明是在眾籌頁面籌資人發(fā)表的關于該眾籌項目的聲明，當籌資人發(fā)表聲明時，會補充眾籌的產(chǎn)品說明、提供優(yōu)惠信息等，這在一定程度上可以向投資人傳遞更多的信息，從而促進投資人的投資行為，且聲明通過影響支持人數(shù)進而影響籌款率。眾籌項目的行業(yè)屬性也會影響投資人的選擇。比如陳波等[9]發(fā)現(xiàn)科技類項目具有明顯的融資劣勢，設計類、漫畫類項目具有較為明顯的融資優(yōu)勢。Schulz等[14]基于雙邊市場和金融中介理論可以將眾籌中介分為以盈利為目的、快樂主義和利他主義3類，投資人會發(fā)生基于不同目的的投資行為，如喜歡科技類投資人可能傾向于投資科技眾籌項目，公益項目會獲得更多公益支持等。項目的類別與項目籌款率之間存在關系，但不同平臺定位以及產(chǎn)品眾籌類別差異，無法推斷具體相關關系。

總體來看，項目籌資人的信用信息，眾籌項目自身的公開信息，投資人對該項目的支持、評論等是影響產(chǎn)品眾籌超額融資率的潛在因素。

2 研究方法

2.1 關聯(lián)規(guī)則

關聯(lián)規(guī)則(association rule)可用來挖掘數(shù)據(jù)的隱含特征，最早是由 Agrawal等[15]提出，它反映一個事物與其他事物之間的相互依存性和關聯(lián)性。作為數(shù)據(jù)挖掘領域的重要方法，關聯(lián)規(guī)則運用廣泛，最常見和最經(jīng)典的應用場景是購物籃分析，它可以用于分析顧客的購物習慣，并為制訂營銷策略和商品促銷提供有價值的參考。關聯(lián)規(guī)則可以發(fā)現(xiàn)大量數(shù)據(jù)中項集之間有趣的關聯(lián)或相關關系，如何從眾多的變量中快捷地選出關聯(lián)性最強的兩組或更多組變量是關聯(lián)規(guī)則算法的核心問題[16]。

關聯(lián)分析首先要找出頻繁項集，即經(jīng)常一起發(fā)生的事物的集合，然后再從頻繁項集中發(fā)現(xiàn)強關聯(lián)規(guī)則。評估頻繁項集的標準有3個，分別為支持度、置信度和提升度，它們的定義如下[17]：

1)支持度(support)。指關聯(lián)事件在項集X中出現(xiàn)的次數(shù)占總事物集S的比重，類似于頻率，即support(X)=count(X)/S。若支持度support(X)大于或等于給定的最小支持度 support(min)，則X稱為頻繁項集。

2)置信度(confidence)。一個事件X出現(xiàn)后，另一個事件Y出現(xiàn)的概率，相當于事件的條件概率。對于一條關聯(lián)規(guī)則X→Y，置信度confidence(X→Y)=support(XY)/ support(X)。

3)提升度(Lift)。指在表示含有事件X的條件下，同時含有事件Y的概率，與Y總體發(fā)生的概率之比。公式表示為Lift(X→Y)=support (Y|X)/support(Y)。若Lift(X→Y)>1，則規(guī)則“X→Y”被認為是有效的強關聯(lián)規(guī)則；若Lift(X→Y)<1，則規(guī)則“X→Y”被認為是無效的強關聯(lián)規(guī)則；當Lift(X→Y)=1，則X與Y相互獨立。

2.2 Apriori算法

作為挖掘頻繁項集的經(jīng)典數(shù)據(jù)挖掘算法，Apriori算法是通過使用頻繁項集的先驗性質(zhì)來壓縮搜索空間。依據(jù)頻繁項集的所有非空子集也一定是頻繁的這一特征，使用一種逐層搜索的迭代方法，由k項集探索(k+1)項集。每次通過支持度和置信度閾值進行篩選，直到不能再找到頻繁k項集為止。每找出一個Lk就需要一次數(shù)據(jù)庫的完整掃描。

Apriori算法的步驟核心可以總結(jié)為掃描事務并根據(jù)支持度獲得頻繁項集[18]，依次產(chǎn)生頻繁項集L1、L2、L3等，最終獲得頻繁k項集，具體操作過如下：

1)算法掃描所有的事務，獲得每個項，并且生成C1。然后對每個項進行計數(shù)。隨后根據(jù)最小支持度從C1中刪除不滿足的項，至此獲得頻繁1項集L1。

2)根據(jù)剪枝策略，L1的自身連接生成的集合可以產(chǎn)生候選2項集的集合C2，再掃描所有事務，對C2中每個項進行計數(shù)。同理，根據(jù)最小支持度從C2中刪除不滿足要求的項，獲得頻繁2項集L2。

3)根據(jù)剪枝策略，同第2)步，由L2自身連接生成的集合可以產(chǎn)生候選3項集的集合C3，并且掃描所有的事務，同時對C3的每個項進行計數(shù)。同理，根據(jù)最小支持度從C3中刪除不滿足項，獲得頻繁3項集L3。

以此類推，通過剪枝策略，L(k-1)的自身連接生成的集合可以產(chǎn)生候選k項集Ck，再掃描所有事務，并且對Ck中的每個項進行計數(shù)。根據(jù)提前設定好的最小支持度再從Ck中刪除不滿足的項，以此來獲得頻繁k項集。Apriori算法的具體實現(xiàn)過程如圖1所示。

圖1 Apriori算法過程示意圖

3 研究設計

3.1 屬性構(gòu)造

屬性是指一個數(shù)據(jù)字段，也表示數(shù)據(jù)對象的一個特征，通?？梢院吞卣?、變量、維度等詞互換使用，例如描述顧客對象的屬性可以包含顧客ID、姓名、地址等，給定屬性的觀測值稱為觀測，如果用來描述一個對象的一組屬性就被稱為屬性向量，或者特征向量[19]。良好的數(shù)據(jù)屬性構(gòu)造能夠提高數(shù)據(jù)挖掘的精度，對業(yè)務問題有用的信息才能更好地解釋業(yè)務問題。在關于項目影響的融資影響因素實證研究中，學者通過不同的研究和建模方法，得出對眾籌成功率影響的各種因素。鐘超[20]的研究結(jié)果表明，支持者人數(shù)、評論數(shù)量、“喜歡”的數(shù)量、社交網(wǎng)絡分享數(shù)量對項目成功率呈現(xiàn)正向影響。

基于文獻回顧與理論分析，本文屬性的構(gòu)造從項目籌資人、眾籌項目、投資人3個維度進行。京東眾籌平臺一般有4檔產(chǎn)品回報設置，每檔支持人數(shù)又產(chǎn)生4個屬性，再加上公益支持人數(shù)。一共包括17個屬性，見表1。

表1 屬性構(gòu)造

3.2 數(shù)據(jù)來源

由于本文探究的是產(chǎn)品眾籌項目屬性與超額融資率的關系，因此研究對象須是在規(guī)定的期限內(nèi)達到目標籌集金額的產(chǎn)品眾籌項目。本文選擇京東眾籌平臺為數(shù)據(jù)采取平臺，選擇上線并已結(jié)束了的產(chǎn)品眾籌項目，通過網(wǎng)絡爬蟲技術(shù)(八爪魚采集器)收集項目基本信息，數(shù)據(jù)采集時間為2018年12月21日。最終爬取到1 600個產(chǎn)品眾籌項目的基本信息，提取每個眾籌項目的籌集金額、超標金額、當前進度、總支持人數(shù)、截止日期、目標籌集金額、剩余時間、關注人數(shù)、點贊人數(shù)、項目聲明、話題互動數(shù)、公益支持人數(shù)、所屬行業(yè)、籌資人、籌資人歷史發(fā)起項目數(shù)、籌資人支持人數(shù)、第一檔設定金額、第一檔支持人數(shù)、第一檔回報產(chǎn)品數(shù)、第一檔回報產(chǎn)品剩余人數(shù)、回報時間、第二檔設定金額、第二檔回報人數(shù)、第二檔回報產(chǎn)品數(shù)、第二檔回報產(chǎn)品剩余數(shù)、第二檔回報周期、第三檔設定金額、第三檔支持人數(shù)、第三檔匯報產(chǎn)品數(shù)等36個字段的數(shù)值。

3.3 描述性統(tǒng)計

在爬取到的源數(shù)據(jù)中，存在較多字段缺失數(shù)據(jù)，因此需要對源數(shù)據(jù)進行進一步的清洗和處理，按以下兩個步驟進行：①對于多字段缺失數(shù)據(jù)采用刪除法，并對構(gòu)建屬性不必要字段直接刪除。②對文本類字段進行處理，并將所屬行業(yè)劃分為一級行業(yè)和二級行業(yè)兩個層級，關聯(lián)行業(yè)標簽字段。

在處理完缺失數(shù)據(jù)后，一共得到1 031條樣本數(shù)據(jù)，各屬性的描述性統(tǒng)計見表2。其中，超額融資率平均值為356%，說明項目平均籌款度遠超過100%，但中位數(shù)為60%，表明過半數(shù)項目的超額融資率超過了50%，中位數(shù)遠小于平均值，表明超過半數(shù)項目的超額融資率都遠小于平均超額融資率，超額融資率的最大值可達25 008%，最小值為0%。關注人數(shù)和點贊人數(shù)的數(shù)據(jù)特征與超額融資率較為相似，平均值遠大于中位數(shù)，數(shù)據(jù)標準差較大。另外，選取樣本的總目標籌集金額約為1億元。

表2 各屬性的描述性統(tǒng)計

3.4 數(shù)據(jù)轉(zhuǎn)換

由于不同屬性之間數(shù)據(jù)的差異較大，往往不在同一個數(shù)量級，因此需要對數(shù)據(jù)進行規(guī)范化處理。數(shù)據(jù)規(guī)范化是需要按照一定的比例將原數(shù)據(jù)縮放至一個區(qū)間，本文采用零-均值規(guī)范化法[9]。零-均值規(guī)范化法一方面是其可以在未知最值的情況下進行數(shù)據(jù)規(guī)范化，彌補了當未知最值的情況下無法使用最大-最小規(guī)范化的缺陷，另一方面根據(jù)均值和標準差進行規(guī)范化的數(shù)據(jù)消除了強影響點對數(shù)據(jù)分析的影響。

然后根據(jù)數(shù)據(jù)分布特征將離散區(qū)間劃分為2～15個不等的數(shù)量，然后利用Python對連續(xù)型數(shù)據(jù)源進行離散化處理。最后對所有屬性的數(shù)據(jù)區(qū)間進行編碼，每個屬性的區(qū)間編碼對應一個標準化區(qū)間和原始數(shù)據(jù)區(qū)間。如表3所示，目標屬性超額融資率共有15個區(qū)間編碼，其中T1的標準化區(qū)間為[-0.23,-0.21]，原始數(shù)據(jù)區(qū)間[0,45]，即對應超額融資率為0%～45%的項目(1)鑒于篇幅，其他屬性的離散化分類表未羅列，感興趣的讀者可向作者聯(lián)系索取。。

表3 目標屬性離散化及分類

3.5 建模流程

采用Apriori關聯(lián)規(guī)則算法對轉(zhuǎn)換后的數(shù)據(jù)進行分析，需要進行重復迭代。建模流程如圖2所示，輸入部分包括包含轉(zhuǎn)換后的數(shù)據(jù)和建立眾籌項目籌款率關聯(lián)規(guī)則模型的建模參數(shù)，輸出部分則是通過處理過程從輸入的眾籌屬性數(shù)據(jù)轉(zhuǎn)化而成的隱含的關于各屬性與目標屬性之間的未知關聯(lián)規(guī)則。建模參數(shù)最終設定為，支持度support=0.4，置信度confidence=0.8，通過搜索與重復迭代，發(fā)現(xiàn)與挖掘目標一致的有趣規(guī)則。

圖2 建模流程

4 研究結(jié)果與分析

在得到的眾多關聯(lián)規(guī)則中，需要挖掘出有效且有用的關聯(lián)規(guī)則。在支持度support=0.4，置信度confidence=0.8的條件下，共得到99條關聯(lián)規(guī)則，這些關聯(lián)規(guī)則中有無趣的關聯(lián)規(guī)則，因此需要篩選有趣的關聯(lián)規(guī)則進行分析。為了方便分析結(jié)論，分別從三元、四元和七元關聯(lián)規(guī)則來結(jié)果進行分析。

4.1 三元關聯(lián)規(guī)則結(jié)果分析

在支持度support=0.4，置信度confidence=0.8的條件下，共得到三元關聯(lián)規(guī)則8條，見表4。整體而言，提升度都大于1，表明每條關聯(lián)規(guī)則的屬性之間都具有相關性。具體來看：

1)對于編號1關聯(lián)規(guī)則而言，項目籌資人未投資其他項目、目標籌集金額在10萬、話題互動數(shù)在33條以下時，超額融資率偏低。

2)對于編號2關聯(lián)規(guī)則而言，項目聲明數(shù)在0～2條、以10萬為目標籌集金額且話題互動在33條以下時，眾籌項目的超額融資率偏低。

3)對于編號3關聯(lián)規(guī)則而言，話題互動在33條以下、以10萬為目標籌集金額且項目關注人數(shù)在0～207時，眾籌項目的超額融資率偏低。

4)對于編號4關聯(lián)規(guī)則而言，第4檔支持人數(shù)在0～12、以10萬為目標籌集金額且項目關注人數(shù)在0～207時，眾籌項目的超額融資率偏低。這也符合基本的常識認知，因為一般眾籌項目第三檔、第四檔的投資額度較大，在低檔資金相差不大的情形下，若高投資額度的支持人數(shù)相比于其他眾籌項目較少，那該項目實際籌集資金較少，在目標籌集金額相同且不變時，眾籌項目的超額融資率就偏低。

5)對于編號5關聯(lián)規(guī)則而言，公益支持人數(shù)在0～8、以10萬為目標籌集金額且項目關注人數(shù)在0～207時，眾籌項目的超額融資率偏低。由于公益支持不限定投資資金，屬于項目的純收益(無須回報商品或服務)，因此適當提高公益支持人數(shù)對于提升超額融資率也有著重要的作用。

其余關聯(lián)規(guī)則與上文分析思路相似，綜合上述結(jié)論，由三元關聯(lián)規(guī)則分析可知：

1)目標籌集金額設定為10萬的眾籌項目，具備項目關注人數(shù)偏低、項目聲明偏低、話題互動數(shù)偏低、籌資人未投資過其他項目時，該項目的實際超額融資率即偏低。在這種情形下，籌資人可以適當?shù)馗淖兓I資目標籌集金額或在不改變目標籌資金額的情況下，通過項目聲明(補充眾籌產(chǎn)品/服務信息)、與用戶互動(使用戶獲得更多信息)、投資其他項目作為背書等行為提高超額融資率。

2)目標籌集金額設定為10萬的眾籌項目，在第三檔、第四檔或者公益支持人數(shù)較少的情形下一定會獲得較低的超額融資率，這就意味著在不改變目標籌集金額的情形下，投資人需要通過提高或改善第三檔或第四檔產(chǎn)品回報或者體現(xiàn)產(chǎn)品公益性等方式提高眾籌項目的超額融資率。

4.2 四元關聯(lián)規(guī)則結(jié)果分析

在支持度support=0.4，置信度confidence=0.8的條件下，得到四元關聯(lián)規(guī)則27條，見表5?？梢园l(fā)現(xiàn)，在三元關聯(lián)規(guī)則的基礎上，挖掘出的四元關聯(lián)規(guī)則增加了項目點贊人數(shù)、籌資人歷史發(fā)起項目數(shù)等屬性，并且挖掘出行業(yè)等屬性特征，對比三元屬性可知：

1)將編號為9的關聯(lián)規(guī)則與編號為4和7的關聯(lián)規(guī)則對比分析可知，四元關聯(lián)規(guī)則在三元關聯(lián)規(guī)則的基礎上進行組合，即目標籌集金額在10萬、項目關注人數(shù)在0～207、話題互動數(shù)在33條以下且第四檔支持人數(shù)較少的眾籌項目會獲得較低的超額融資率；編號9～12的四元關聯(lián)規(guī)則是將三元關聯(lián)規(guī)則中的部分屬性進行組合，與三元關聯(lián)規(guī)則結(jié)論類似。

2)編號13～19的關聯(lián)規(guī)則在三元關聯(lián)規(guī)則的基礎上，挖掘出其他檔(如第一檔、第二檔)支持人數(shù)屬性與低超額融資率之間的關系，以編號13的關聯(lián)規(guī)則為例，在目標籌集金額為10萬、話題互動數(shù)在33條以下、項目關注人數(shù)在0～207且第二檔支持人數(shù)在0～42時，眾籌項目的超額融資率偏低。綜合三元和四元關聯(lián)規(guī)則可知，在目標籌集金額設置偏高時，每檔支持人數(shù)較低(1、2、3、4)、話題互動、關注、聲明等偏低的情況下，不易獲得高的超額融資率。

3)由20和21條關聯(lián)規(guī)則可知，籌資人歷史發(fā)起項目數(shù)也會成為影響低超額融資率的因素，籌資人歷史發(fā)起項目數(shù)偏低(1～4個)的眾籌項目，在未投資其他項目、目標籌集金額較高且話題互動數(shù)較低的情況下，超額融資率偏低。

4)同3)，由22～26條關聯(lián)規(guī)則可知，項目點贊人數(shù)是影響低超額融資率的因素。

5)由第27條關聯(lián)規(guī)則可知，第二檔支持人數(shù)為在0～42、籌資人歷史發(fā)起項目數(shù)偏低(1～4個)、第三檔支持人數(shù)偏低(1～11個)，且目標籌集金額在20萬得眾籌項目不易獲得較高的超額融資率。同理第28條也得出相似的規(guī)則和結(jié)論，即個檔支持人數(shù)較少、歷史發(fā)起項目少且目標籌集金額偏高的眾籌項目不易獲得超額融資率。且伴隨著目標籌集金額的上升，籌資人歷史發(fā)起項目數(shù)這個指標得到關注。

6)第29～34條關聯(lián)規(guī)則與三元關聯(lián)規(guī)則類似，得出在目標籌集金額在5萬～7萬的眾籌項目，具備項目關注人數(shù)偏低、項目聲明偏低、話題互動數(shù)偏低、投資人未投資過其他項目、項目點贊人數(shù)偏低、各檔支持人數(shù)較低這些屬性中一個或多個特性時，項目超額融資率偏低。

7)第35條關聯(lián)規(guī)則可知，在第二檔和第四檔支持人數(shù)偏低、點贊人數(shù)偏低時，電子科技類產(chǎn)品不易獲得較高的超額融資率，這與目標籌集金額的無必然關系。

綜上，四元關聯(lián)規(guī)則可以得到如下結(jié)論：

1)目標籌集金額在中檔及以上的(5萬～7萬、10萬)眾籌項目，具備項目關注人數(shù)偏低、項目聲明偏低、話題互動數(shù)偏低、籌資人未投資過其他項目、項目點贊人數(shù)偏低、各檔支持人數(shù)較低這些屬性中一個或多個特性時，項目超額融資率偏低。

2)伴隨著目標籌集金額的升高，挖掘出籌資人歷史發(fā)起項目數(shù)這一關鍵屬性，關注人數(shù)、項目聲明、點贊人數(shù)等屬性重要性減弱，即目標籌集金額高的眾籌項目更應該關注這一指標，可在上市新的大型高成本產(chǎn)品或服務之前通過小的低成本項目來提升歷史發(fā)起項目數(shù)這一屬性值，為進一步籌集高超額融資率的產(chǎn)品做準備。

3)在支持人數(shù)偏低、點贊人數(shù)偏低的情形下，電子科技類產(chǎn)品不易獲得較高的超額融資率，這與目標籌集金額的設定沒有必然的關聯(lián)關系。

4.3 七元關聯(lián)規(guī)則結(jié)果分析

五元、六元關聯(lián)規(guī)則的分析與上文類似，挖掘出項數(shù)最多的關聯(lián)規(guī)則為7項，即七元關聯(lián)規(guī)則。在支持度support=0.4，置信度confidence=0.8的條件下，得到七元關聯(lián)規(guī)則4條，見表6。這4條七元關聯(lián)規(guī)則，每條關聯(lián)規(guī)則都包含目標籌集金額為5萬～7萬，項目關注人數(shù)為0～207，第二檔支持人數(shù)為0～42，項目點贊人數(shù)為0～207這4個屬性，但是不包含每檔金額，說明每檔產(chǎn)品的設定金額與低融資率之間沒有必然的關聯(lián)關系，但是每檔的支持人數(shù)與融資率之間存在關聯(lián)關系。

由以上關聯(lián)規(guī)則分析可得，在關注人數(shù)、點贊人數(shù)、話題互動數(shù)偏低且未投資過其他項目的的情況下，目標籌集金額在中檔及以上的(主要在5萬～7萬)，各檔(主要為第二檔和第四檔)支持人數(shù)和公益支持人數(shù)較少，獲得的超額融資率就會偏低，而各檔金額的設定與超額融資率之間不存在關聯(lián)關系。

表4 三元關聯(lián)規(guī)則

表5 四元關聯(lián)規(guī)則

續(xù)表5

表6 七元關聯(lián)規(guī)則

5 結(jié)論與建議

本文基于Apriori關聯(lián)規(guī)則算法，研究影響產(chǎn)品眾籌項目超額融資率的因素，通過三元、四元和七元關聯(lián)規(guī)則的實證結(jié)果分析，可以得到以下結(jié)論：

1)目標籌集金額與超額融資率之間存在著緊密的關聯(lián)關系，目標籌集金額在5萬～7萬、10萬和20萬的眾籌項目會獲得較低的超額融資率，且隨著目標籌集金額的提升，對于籌資人歷史發(fā)起項目數(shù)這一指標的關注逐漸提升。

2)各檔金額的設定與超額融資率沒有必然的關聯(lián)關系，公益支持人數(shù)與超額融資率之間存在著一定程度的關聯(lián)。

3)在支持人數(shù)偏低、點贊人數(shù)偏低的情形下，電子科技類產(chǎn)品不易獲得較高的超額融資率，這與目標籌集金額的設定沒有必然的關聯(lián)關系。

4)各檔支持人數(shù)與超額融資率之間存在著密切的關聯(lián)關系，伴隨著目標籌集金額的提高，若想獲得較高的超額融資率，需要提升第二、第三、第四檔等高投資檔的支持人數(shù)。

為了提高眾籌項目超額融資率，使投資人更多地了解關于眾籌項目的必要信息，項目籌資人應該根據(jù)眾籌項目的目標籌集金額、關注人數(shù)、歷史發(fā)起項目數(shù)等屬性規(guī)劃和運營眾籌項目，本文從籌資人角度提出以下4點對策建議：

1)一般眾籌項目的目標籌集金額不宜過高。低融資率目標屬性總與中檔(5萬～10萬)、高檔(20萬及以上)目標籌集金額相關聯(lián)，高目標籌集金額的眾籌項目雖然可以獲得項目成功，但是不容易獲得較高的超額融資率。

2)中檔目標籌集金額眾籌項目應關注指標。對于目標籌集金額在10萬以下的眾籌項目而言，在目標籌集金額不變的前提下，應該重點關注項目關注人數(shù)、項目點贊人數(shù)、眾籌項目發(fā)布聲明數(shù)量、投資人籌資人活動數(shù)量、是否投資過其他項目等指標，通過運營、增加互動等形式增加用戶對產(chǎn)品或服務的了解，從而提高支持人數(shù)，達到提升超額融資率的目的。

3)高檔目標籌集金額眾籌項目應加強對籌資人歷史眾籌項目的重視。對于目標籌集金額超過10萬的眾籌項目而言，關注、點贊、評論等屬性的影響作用減小，籌資人以往發(fā)起的眾籌項目數(shù)成為影響眾籌項目超額融資率的關鍵指標。籌資人可以通過團隊形式，增加歷史眾籌項目數(shù)量，繼而為高目標籌集金額項目背書，這樣更容易獲得投資人信任。同時，籌資人應增加高檔金額的投資人數(shù)，妥善設置高檔對應的回報產(chǎn)品或服務，從而吸引更多用戶選擇高檔金額投資。

4)眾籌項目應關注公益支持人數(shù)。公益支持人數(shù)與超額融資率之間存在著一定程度的關聯(lián)，因此在實際運營過程中，眾籌籌資人應該適當提升公益支持檔的回報，例如發(fā)放成本較低的感謝信、署名款紀念品等，可以有效地吸引投資人進行投資，小額但大量的投資金額也能夠顯著提高實際籌集金額，從而提升眾籌項目的超額融資率。