在公益众筹平台上将回归捐赠者与项目匹配-研究论文

【文件属性】：
文件名称：在公益众筹平台上将回归捐赠者与项目匹配-研究论文
文件大小：800KB
文件格式：PDF
更新时间：2021-06-10 03:22:15
Recommender Systems Crowdfunding 我们提出了一种方法，将返回的捐助者与慈善众筹平台上的筹款活动相匹配。 我们的方法基于效用最大化捐赠者的结构计量经济学模型，他们可以从捐赠中获得利他（来自他人的福利）和利己主义（来自个人动机）效用——这是慈善捐赠的独特特征。 我们使用来自 DonorsChoose.org（最大的 K-12 教育众筹平台）的综合数据集来估计我们的模型。 我们发现，与文献中流行的个性化推荐方法相比，所提出的模型更准确地识别了捐赠者在未来一段时间内愿意捐赠的项目，以及他们愿意捐赠的金额。 从估计的模型中，我们发现主要是利己因素激发了三分之二以上的捐款，但是，在筹款活动的过程中，这两种动机都发挥着共生作用：利己主义的动机在活动的早期阶段推动了资金该项目的可行性尚不清楚，而利他的动机有助于在后期实现筹资目标。 最后，考虑到所有项目的需求以及捐助者的不同预算和偏好，我们使用所提出的模型设计了一个推荐政策，以最大化每周的总资金。 我们估计，在数据周期的最后 14 周，这样的政策将多筹集 2.5% 的捐款，通过将项目分配给更可行的项目，为项目提供 9% 的资金，为更多项目提供资金 17%，并提供 15%与当前系统相比，捐赠对捐赠者的效用更大。 与直觉相反，我们发现，与每周最大化捐助者总效用的政策相比，使每周总资金最大化的政策随着时间的推移会为捐助者带来更高的效用。 原因是资金最大化政策将捐赠集中在更可行的项目上，从而导致获得更多资助的项目，并最终实现更高的捐赠者效用。