크라우드 펀딩 플랫폼은 스타트업의 초기 자금충당 수단으로 성장해왔으며, 자금충당 수단 이외에도 상품의 시장성 진단을 위한 사전 판매, 창작자들의 작품 판매 등 다양한 목적으로 활용되고 있다. 크라우드 펀딩 관련 기존연구들은 동영상 수, 이미지 수, 기간 등의 수치 데이터를 변수로 주로 사용하였다. 그중 일부 연구에서는 비정형 데이터인 텍스트 변수를 활용하고 있으며 품사의 수, 문장의 길이 등을 사용하거나 토픽분석을 통해 추출한 토픽을 변수로 활용하고 있다. 하지만 이러한 변수들은 텍스트의 맥락적 의미를 포함하지 않거나 제한적으로 반영하고 있는 실정이다.
따라서 본 연구에서는 텍스트의 활용을 확장하고 문맥적 의미를 반영하기 위해 언어모델을 활용한다. 먼저, 딥러닝 예측모델과 딥러닝 분류모델로 두 개의 모델로 연구를 진행하였다. 텍스트 변수를 분석하기 위하여 2017년 발표된 사전학습된 BERT 모델과 직접 텍스트 자료를 입력하여 학습한 트랜스포머의 인코더 모델을 활용하였다. 또한 기존 연구와 달리 종속변수를 펀딩 서포터 수로 설정하였으며, 벡터와 수치 데이터를 활용하여 딥러닝 모델을 구축하였다. 그 다음으로 서포터 수가 날짜별로 증가하는 자료도 함께 이용하였다.
본 연구는 와디즈 사이트에서 2021년 1월부터 2023년 1월까지 총 9,755개의 펀딩이 완료된 데이터를 크롤링하였다. 크롤링한 데이터는 펀딩 사이트에서 제공하고 있는 프로젝트별 카테고리, 펀딩 이름, 펀딩 설명글, 본문 텍스트, 펀딩 기간, 펀딩 금액, 펀딩 서포터 수, 달성률, 옵션 가격, 옵션 수, 메인 이미지 수, 메인 동영상 수, 본문내 이미지 수, 본문내 동영상 수, 스크롤 길이, 일일 펀딩 금액 데이터이다. 딥러닝 모델에서 텍스트를 활용하여 BERT 및 트랜스포머 인코더(Encoder)에 넣어 분석한 데이터와 수치 데이터들을 활용하여, 전통적인 회귀모델과는 다른 형태의 구조를 가지고 더 좋은 결과를 만들 수 있었다. 본 연구는 플랫폼 사용자와 운영자 모두에게 크라우드 펀딩 성공을 이해하고 예측하는 새로운 접근 방식을 제시한다.