众筹与可持续性困境：以可持续发展为目标的众筹活动表现是否更佳？一种机器学习方法

《Technical Innovations & Patient Support in Radiation Oncology》：Crowdfunding and the sustainability dilemma: Do sustainable-oriented campaigns perform better? A machine learning approach

本研究探讨可持续性披露对奖励型众筹（RBC）和股权型众筹（EC）的影响差异，采用机器学习分类方法识别可持续性项目，并验证文案长度作为调节变量的作用。结果表明，RBC中可持续性直接提升成功概率、资金总额和投资者数量，而EC中其效果受文案长度影响：短文案增强效果，长文案削弱甚至逆转效果。研究结合信号理论和认知视角，为不同众筹模型中的可持续性传播策略提供理论依据和实践指导。

　　### 群众募资中可持续性披露的影响及其差异

在当代经济环境中，可持续性已成为众多创业项目和融资活动的重要考量因素。随着公众对环境和社会责任的关注日益增长，可持续性不仅影响企业的品牌形象，还可能显著提升其在群众募资（crowdfunding）中的表现。然而，可持续性在不同群众募资模式中的作用机制仍存在争议，尤其是对于奖励型群众募资（Reward-Based Crowdfunding, RBC）和股权型群众募资（Equity Crowdfunding, EC）的影响差异。本文旨在探讨这些差异，并揭示可持续性信号在不同模型中如何被投资者接收，从而影响募资结果。

#### 不同募资模式下的投资者行为差异

在奖励型群众募资中，投资者主要被项目所传递的伦理价值和社会责任所吸引。因此，可持续性披露通常被视为一种自然且可信的信号，直接增强投资者的参与意愿和资金支持。这种模式下的项目往往以创意和社区互动为核心，因此，投资者更倾向于支持那些能够体现社会责任和环保理念的项目。在这样的背景下，投资者的认知负担较低，且更愿意接受关于可持续性的信息，即使这些信息较为简短。

相比之下，股权型群众募资的投资者则更多地关注项目的财务回报和投资风险。他们倾向于基于投资的经济逻辑做出决策，而可持续性在这一模型中可能仅在信息传达简洁且有说服力的情况下才能有效。因此，本文提出了一个关键的假设：在EC中，项目描述的长度会对可持续性信号的效果产生调节作用。较长的描述可能增加投资者的认知负担，从而削弱可持续性信号的可信度，甚至产生负面影响。

#### 机器学习在识别可持续性披露中的应用

传统的关键词分析和人工编码方法在识别可持续性项目时可能存在一定的偏差，因为这些方法往往无法捕捉文本的深层含义和隐含信息。本文采用了一种基于机器学习的文本分类方法，通过零样本分类模型（zero-shot classification model）对项目描述进行分析，以识别可持续性信号。这种方法通过自然语言处理（NLP）技术，能够更全面地理解文本内容，避免了传统方法在关键词选择上的局限性。

具体而言，本文使用了基于Transformer架构的零样本分类模型，该模型在未见样本的情况下，通过分析文本的语义特征来判断其是否符合可持续性类别。这一方法不仅提升了分类的准确性，还增强了对可持续性信号的客观性分析。通过这种方法，我们能够更精确地识别出那些在项目描述中体现可持续性的项目，为后续分析提供可靠的分类依据。

#### 研究结果与分析

通过分析592个意大利群众募资项目（337个RBC项目和255个EC项目），本文验证了上述假设。在RBC模型中，可持续性披露显著提升了项目的成功率、资金筹集额和投资者数量。这一结果表明，投资者在奖励型群众募资中对可持续性信号的反应更为积极，因为他们的决策更多基于价值认同和社会责任感，而非纯粹的经济利益。

而在EC模型中，可持续性信号的效果受到项目描述长度的显著影响。结果显示，虽然可持续性披露对项目成功率和资金筹集有正向作用，但这种作用会随着描述长度的增加而减弱。具体而言，较长的描述可能会导致信息过载，降低投资者对可持续性信号的可信度。这表明，在EC模型中，投资者更倾向于接受简洁且具有说服力的信息，而非冗长的叙述。

#### 实践意义与建议

本文的研究结果对创业者、群众募资平台和政策制定者具有重要的实践意义。首先，创业者应根据目标投资者的类型调整其可持续性信息的传达方式。在RBC中，可持续性可以作为项目的核心主题，通过富有情感和故事性的描述吸引投资者。而在EC中，创业者需要确保可持续性信息的简洁性和相关性，以增强其可信度和吸引力。

其次，群众募资平台可以考虑引入可持续性标签或徽章，帮助投资者快速识别那些符合可持续性标准的项目。此外，平台还可以提供培训，指导创业者如何有效地将可持续性融入其募资策略，同时保持描述的简洁性。通过这种方式，平台不仅能够提升项目的吸引力，还能促进可持续性投资的普及。

#### 理论贡献

本文不仅验证了可持续性信号在不同群众募资模型中的作用差异，还通过引入机器学习分类方法，为可持续性披露的识别和分析提供了新的视角。传统的关键词方法存在主观性和局限性，而机器学习方法能够更客观地捕捉文本的深层含义，从而提高研究的准确性。此外，本文还提出了一个关于可持续性信号传递机制的理论框架，即项目描述的长度在EC模型中作为认知过滤器，影响可持续性信号的解读。

#### 局限性与未来研究方向

尽管本文提供了有价值的见解，但其研究范围局限于意大利市场。由于各国的法律环境、文化背景和投资者偏好存在差异，未来的研究可以扩展到其他市场，以探讨可持续性在不同环境下对群众募资的影响。此外，本文主要关注了可持续性与募资结果之间的相关性，而未能确定其因果关系。因此，未来的研究可以采用实验或工具变量方法，以更准确地评估可持续性对项目成功的影响。

最后，本文的零样本分类方法虽然提高了分析的客观性，但也存在一定的局限性。例如，模型的分类依赖于其对文本语义的理解，而实际中投资者对可持续性的感知可能与模型的分类结果存在差异。因此，未来的研究可以尝试结合人工编码和机器学习方法，以获得更全面和准确的分类结果。

综上所述，本文揭示了可持续性在不同群众募资模型中的作用机制，并提出了针对性的实践建议。研究结果不仅为创业者和平台提供了指导，也为政策制定者提供了优化监管框架的依据。未来的研究可以进一步探索可持续性在不同市场环境中的影响，以及其在项目生命周期中的长期效果。