互聯網融資（Internet financing）興起，群眾募資是許多中小企業、個人創業者獲取資金的重要管道，但常見的「全有、全無」的兩極募資結果，是每位創業者心中的痛。臺灣師範大學全球經營與策略研究所教授吳彥濬透過演算法，對募款前、後期評論研究進行情感分析，探討線上評論對募資結果的預測能力。結果顯示，若在募款時能加入前期評論，將顯著提升群眾募資的成功率。

　　吳彥濬擅長研究供應鏈管理、創新與創業、科技管理，這次他率領研究團隊，聚焦於分析群眾募資平台上的評論，特別是針對「事前評論」如何影響募資結果。研究團隊將美國知名募資平台Kickstarter上的12萬6593個專案，以及超過540萬則評論作為研究數據來源，並利用fastText等情感分析工具，以深度學習演算法為核心，提升預測準確性。

　　募資過程存在高度不確定性，如何募資成功，是每位創業者心中亟欲解決的關鍵課題。吳彥濬表示，在群眾募資中，評論的時機與內容具有決定性影響力，尤其群眾募資平台上的評論通常分為三個階段：第一階段是專案上架前的評論，第二階段是專案募資中的評論，第三階段則是募資結束後的評論，這類評論經常是使用者經驗回饋，而本次研究則聚焦在第一、二項「募款前」的階段。

　　吳彥濬說明，儘管多數評論發生於事後，「事前評論」往往基於贊助者對專案的初步印象或期待，更能有效預測專案的成功機率。研究發現，隨著募資進展，平台使用者對專案情感將逐漸趨向負面，這現象作用在成功和失敗的群眾募資專案中強度不同，但若能加入前期評論，將顯著提高預測準確性和召回率。

　　平台「全有全無」模式，意味著若專案未達標，創業者和平台方都會面臨資源損失。這項研究提供創業者明確的指導意見，也就是在專案籌備期和募資初期的評論管理，必須更加重視，也要考量早期評論所傳達的情感氛圍是否足夠積極。另一方面，也對募資平台有著重大貢獻，平台能分析事前評論的情感變化，及早預測專案的成功機率，進而篩選出具有潛力的專案，有助平台更好地分配資源，提高整體營運效率。

　　除此之外，該研究也為研究者帶來全新發現。團隊使用了不同演算法，結果顯示，深度學習演算法FNN在情感提取與預測準確性上最為優異。吳彥濬指出，在過往研究中，萃取情感用詞、演算法有不同方式，團隊經過多次測試，給予其他研究者在演算法、文字採礦工具上的建議，這便是針對研究者的貢獻。

　　但研究過程也非一路順遂，吳彥濬坦言，這份研究不確定性非常高，從界定研究問題、假設，到爬梳大量資料，一直到資料跑完之前，團隊都無法完全放心。他解釋，這項研究也是「全有跟全無」，若數據出來缺乏顯著性，或是過於模稜兩可，再怎麼撰寫研究報告也不會有人關注。

　　影響群眾募資的成敗因素非常多，談及進階研究，吳彥濬表示，人們經常希望用很少的力氣去解決大部分的問題，像是能否從募資主題就能預測募資結果，以及創業者如何回應這些線上評論，例如餐廳獲得負面評價，若能妥善回應，有時反而能創造更好的收益，促成更大的成功，有時回得不佳，結果可能慘上加慘，這些都是未來可再進一步聚焦的研究方向。

(採訪撰文 | 由本校公共事務中心提供)。

原文出處：Wang, W., Guo, L., & Wu, Y. J.(2022). The merits of a sentiment analysis of antecedent comments for the prediction of online fundraising outcomes.Technological Forecasting and Social Change, 174, Article 121070. https://doi.org/10.1016/j.techfore.2021.121070