Makine Öğrenmesi Yöntemleriyle Kitle Fonlaması Projeleri İçin İş Zekası Platformu Tasarlanması Ve Etkilerinin Araştırılması


Aydın C. (Yürütücü), Kılınç M.(Yürütücü)

TÜBİTAK Projesi, 2021 - 2022

  • Proje Türü: TÜBİTAK Projesi
  • Başlama Tarihi: Kasım 2021
  • Bitiş Tarihi: Kasım 2022

Proje Özeti

Kitle fonlaması (KF), girişimci veya proje oluşturucularının finansman arayışını karşılamak üzere geliştirilmiş bir alternatif fon elde etme aracıdır. Diğer bir deyişle KF; bağış, destek ve yatırım şeklinde finansal kaynakların sağlanması amacıyla destekçi ya da yatırımcı kitlelerden fon alma eylemini ifade etmektedir (Yeh ve Chen, 2020). Özellikle kitlelerin oluşturabildiği fonlama gücünün internet ortamında daha kolay bir şekilde sağlanabilmesiyle birlikte KF son 10 yıl içerisinde oldukça popüler hale gelmiştir (Borrero-Domínguez vd., 2020). Bu popülerlik ve erişilebilirlik, artan proje sayısıyla birlikte yatırıcımlar tarafından girişimcilere verilen destek miktarını da arttırmıştır. Günümüzde, tüm projeler için toplanan fon 35 milyar dolar civarındadır (Crowdfunding Statistics, 2020). Dünya bankasının yayınladığı rapora göre KF projelerinin yalnızca 2025 yılında 90 milyar $ fon alması beklenmektedir (Sakarya vd., 2018). Dünya çapındaki fonlama miktarı oldukça fazla olmasına rağmen, Türkiye, genç ve dinamik nüfusu fazla olduğundan KF platformları için potansiyel bir fırsat olsa da, KF için olması gereken konumda değildir. Çünkü, KF platformları küresel olarak bakıldığında 24-35 yaş grubuna daha çok hitap etmektedir.  Bu kapsamda, KF için dünya çapında hazırlanan bir raporda Türkiye dünya sıralamasında genç nüfus oranı olarak 17. sırada olmasına rağmen, KF için toplanan fon miktarında ilk 30’a giremediği görülmektedir (Crowdfunding Statistics Worldwide Report, n.d.). 2025 yılında 90 milyar $ hacme ulaşması beklenen KF ekosisteminde pastadan daha büyük bir pay elde edilebilmesi için Türkiye’deki KF platformlarında hazırlanan proje sayısının, fonlama miktarının, KF bilinirliğinin ve başarı oranının arttırılması gerekmektedir. Ayrıca, KF genel yapısı ile ilgili Türkiye’de oldukça az bilimsel çalışma yapılmıştır. Yapılan çalışmalar da, KF dinamiklerinin web ortamına uyarlanmasıyla beraber proje başarısı için karar desteği sağlayacak bir model önerisi sunmamaktadır. Bu sebeple, insan sermayesi ve toplanan fon bakımından giderek büyüyen bu ekosistemin dinamiklerinin detaylı bir şekilde analiz edilerek araştırılması, proje başarı oranını arttıracak bir karar destek geliştirilmesi gerekmektedir. Çünkü proje oluşturucuların, fikir oluşturucuların, sanatçıların veriye dayalı sistemlere göre projelerinde iyileştirmeler yapmasıyla daha kaliteli projeler oluşturulabilecektir. Dolayısıyla, fon bulamadığı için gerçekleştirilemeyen bir çok fikir hayata geçirilerek hem KF platformları gelişecek hem de Türkiye için bir katma değer sağlanacaktır.

KF ekosistemi, proje yaratıcısı ya da girişimci, destekçi ya da yatırımcı ve online platform bileşenlerinden oluşmaktadır (Açıkgöz vd., 2020). Bu bileşenlerden proje yaratıcısı/girişimci, fikrini finanse etmek isteyen kişiler, destekçi/yatırımcılar ise finansal kazanç ya da sosyal sorumluluk sağlamaya çalışan kişiler olarak tanımlanmaktadır. KF temelli oluşturulan online platformlar ise fon alma eyleminin web ortamına yansıtan araçlar olarak düşünülmektedir. Global ölçekte olan Kickstarter ve Indiegogo gibi online ortamlar, popüler KF platformlarına örnek olarak gösterilebilir. Bu platformlar, her yıl binlerce projenin, iş fikrinin, kampanyanın hayata geçmesini sağlamaktadır. Fakat, son yıllarda yurtdışındaki KF pazarı hızla büyümesine rağmen, platformlardaki projeler başarılı bir şekilde finanse edilememektedir. Örneğin, 2019 yılında yapılan bir araştırmaya göre Kickstarter üzerindeki projelerin başarı oranı önceki yıllara göre düşüş gösterip %37,44 olarak ölçülmüştür (Yeh ve Chen, 2020).

Türkiye’de ise KF platformları 2011 yılı sonrasında tam olarak faaliyet göstermiş, 2013 yılı sonrasında ise tam bir hareketlenme durumu başlamıştır (Çubukçu, 2017). CrowdFon, FonlaBeni, Fongogo, ArıKovanı, Buluşum gibi platformların faaliyete geçmesiyle projelerin sayısı giderek artış göstermiştir. Günümüzde ise, FonBulucu, Startupfon, Startupmarket ve Ideanest platformlarının kurulmasıyla platform sayısı da artmıştır. Platformlar arasından ön çalışma gerçekleştirilen Fongogo’da, hazırlanan kampanyalar için 6.507.000 TL fon toplanmış, ama “ya hep ya hiç modeli” uygulandığı için bu fonun 5.437.000 TL’si başarılı projelere aktarılmıştır. Fakat her ne kadar KF platformlarına ilgi geçmiş yıllara göre artsa da, başarı oranı gözle görülür bir biçimde azalış eğilimi göstermektedir. Türkiye’deki KF platformlarıyla ilgili yapılan bir araştırmaya göre 2017’de KF başarı oranı %30 olarak belirtilmiştir (Çubukçu, 2017). Yine benzer bir araştırmada, 2018 yılında Türkiye’deki KF platformlarındaki başarı oranı %29,18 olarak belirtilmiştir (Çonkar ve Canbaz, 2018). 2021 yılına gelindiğinde ise proje sayısı yaklaşık 5 katına çıkmış fakat başarı oranı %26,6 oranına gerilemiştir. Bu gerilemenin sebepleri platformların proje oluşturucuları tarafından kullanışlı bulunamaması ve projelerin yeterince iyi hazırlanmadan veya yanlış meta verileriyle destekçilere sunulmasıdır (Kayhan, 2017). Dolayısıyla, KF platformlarında başarısız proje sayısının artması somut olarak kitle fonlamasını, girişimcilik ekosistemini ve katma değer oluşmasını olumsuz etkilemektedir. Çok iyi iş fikirleri ya da kampanyalar bile iyi hazırlanıp sunulmadığı için gerekli fonu alamamaktadır. Bu doğrultuda, başarısız olan her proje kalitesizdir anlamına gelmez. Bazı projeler yaratıcı bir şekilde ortaya koyulmuş olmasına rağmen, tasarımı ve hazırlanışı sebebiyle başarısız olabilir (Shi vd., 2021).

Ortaya koyulan problemle ilgili literatüre bakıldığında yurt dışındaki popüler KF platformlarının proje öznitelikleri kullanılarak makine öğrenmesi yöntemleriyle başarı tahminlemesi yapan ya da başarı faktörlerini inceleyen çalışmalara rastlanılmaktadır. Alazazi ve diğerlerinin yaptığı araştırmada, KF platformlarına eklenen projelerdeki hedef miktarı, kampanya yorum sayısı, sosyal medyadaki etki ve proje görselleri özniteliklerinin başarıyı etkilediği görülmektedir. Çalışmada ayrıca makine öğrenmesi algoritmalarıyla başarı tahminlemeleri yapılmış ve en iyi sonucu Destek Vektör Makineleri (SVM) algoritması vermiştir (Alazazi et al., n.d.). Jhaveri ve diğerlerinin 2019’da ortaya koyduğu diğer bir çalışmada, proje başarısını en çok etkileyen faktörlerin kampanya gün sayısı, hedef miktarı, projenin kategorisi, konum ve medya içerikleri olduğu belirtilmiştir. Ayrıca çalışma içerisinde Random Forest, CatBoost, XGBoost ve AdaBoost algoritmalarıyla başarı tahmini yapılmış ve AdaBoost %84 ile en iyi sonucu vermiştir (Jhaveri et al., 2019). Koch ve Siering’in 2015 yılında yaptığı araştırmada ise, proje açıklamasına dahil edilen metin, resim ve video şeklindeki kapsamlı bilgilerin finansman başarısını pozitif anlamda etkilediği belirtilmiştir. Ayrıca çalışma, gelecek araştırmalarda proje açıklaması gibi özniteliklerde daha derine inilerek kelime sayısının veri setine dahil edilmesini önermektedir (Koch & Siering, 2015). Borrero ve diğerlerinin yaptığı çalışmada, coğrafi konum değişkeni, insan sermayesi, cinsiyet ve deneyimin KF başarısı için büyük rolü olduğu vurgulanmaktadır. Çalışmada ayrıca İspanya’daki destekçilerin, proje sahibinin geçmiş deneyimlerine önem verdikleri belirtilmiştir (Borrero-Domínguez et al., 2020). Li ve diğerlerinin 2016 yılında gerçekleştirdiği çalışmada ise KF projelerinde sınıflandırma temelli yaklaşıma değinilmiş ve veri setindeki başarılı-başarısız proje sayısı dengesinin iyi kurulması gerektiği açıklanmıştır. Çalışmada önerilen diğer unsurlardan bir tanesi de proje yaratıcılarının, proje başlamadan önce hedef miktara ulaşma açısından diğer projelere göre nerede durdukları hakkında fikir sahibi olmalarının sağlanmasıdır. Bu öneri, karar destek süreçlerini yansıtmaktadır (Li et al., 2016). Literatür dinamikleri özetlendiğinde, yapılan çalışmalar büyük çaptaki KF platformlarının (Kickstarter ve Indiegogo) analizine yöneliktir. Ayrıca başarı sınıflandırması bu platformlar için yapılmasına rağmen, KF proje oluşturucularının karar desteği alabileceği dinamik bir web uygulaması henüz geliştirilmemiştir. Ayrıca, mevcut çalışmaların hiçbiri veri görselleştirme, raporlama veya KF verisinin karar alma süreçlerine aktarılmasını sağlamamaktadır. Çalışmamızın özgün tarafı, literatürde gelecek çalışmalarda da önerilen bu eksikliğin giderilmesi ve yalnızca Türkiye özelindeki veriler ile KF platformlarındaki başarının arttırılması için web tabanlı bir karar desteğinin sağlanmasıdır. Bu kapsamda yürütülecek proje ile, Türkiye’deki KF platformlarındaki verilerin toplanarak öznitelik seçimi yapılması, başarı oranını arttırmaya yönelik Ar-Ge faaliyetleriyle web tabanlı karar destek sistemi geliştirilmesi ve etkinliğinin değerlendirilmesi sağlanarak literatüre katkı sağlanacaktır. Bu hibrit yaklaşım ile KF projelerinin iyileştirileceği proje kapsamında öngörülmektedir.

Bu doğrultuda, ortaya koyulan problemin daha net anlaşılması için alt problemler şu şekilde tanımlanmaktadır;

1) Türkiye’de faaliyet gösteren KF platformlarındaki projelerin başarı oranlarının düşüş göstermesi, (Yurtdışındaki KF başarı oranı %38.1 iken Türkiye’de bu oran %26,6’dır.) KF platformlarındaki fikirlerin yeterince destek alamaması, KF platformlarından sağlanan katma değerin yetersiz oluşu.

2) KF platformları için projelerin daha iyi olmasını sağlayacak şekilde öneriler sunan ve başarı tahmini yapan web tabanlı bir karar destek sisteminin bulunmaması, proje destekçilerine iyi hazırlanmış projelerin önerildiği bir sistemin bulunmaması

3) Proje içeriğindeki metinlerin kategoriye uygun hazırlanmaması, hedef kitleye hitap etmemesi.

4) Proje ve destekçi arasındaki etkileşimin sağlanamaması.

Alt problem tipleriyle birlikte çözüm sağlamak amacıyla ilk olarak KF platformlarındaki veriler, veri kazıma teknikleriyle toplanarak önişlemeden geçirildikten sonra başarıya en çok etki eden öznitelikler seçilecektir. Sonrasında ise makine öğrenmesi algoritmalarıyla KF projesinin başarı tahmini yapılacak, iş zekası kapsamında OLAP küpleriyle detaylı sorgulamalar sağlanacaktır. Bu sorgulamalar ile proje için oluşturulacak öneriler belirlenerek proje oluşturucusuna web tabanlı karar desteği sağlanacaktır. Benzer şekilde projelere destek olmak isteyen kullanıcılara, sorgulamada başarılı olarak sınıflandırılan iyi hazırlanmış projeler önerilerek karar desteği sağlanacak ve projenin başarılı olma ihtimali gösterilecektir. Ayrıca, sorgulaması yapılan proje verileri sistemin veritabanına kaydedilerek, makine öğrenmesi algoritmalarının temel gereksinimi olan verilerin sisteme eklenmesi de sağlanacaktır. Sürdürülebilir yapıda olan sistemin işlevselliği ise, teknik ve kullanılabilirlik yönünden test edilerek analiz edilecektir.

Projenin misyonu, proje kapsamında geliştirilecek web uygulamasının kısa ve orta vadede taktiksel ve operasyonel karar desteği sağlaması ile Türkiye’deki KF projelerinin başarısının arttırılmasıdır. Uzun vadeli etki ise, KF içerisindeki daha fazla fikrin hayata geçmesi sağlanarak Türkiye’deki KF ve girişimcilik ekosistemi için katma değer oluşturulmasıdır. Bu kapsamda, “doktora tezinin yürütülmesi sırasında oluşan gereksinimin giderilmesi” amacıyla sunduğumuz projede, ulaşılabilirlik ön planda olup problem çözümüne istinaden geliştirilen model canlıya alınacaktır. Diğer bir deyişle, son kullanıcı KF projesi için başarı tahmini ve karar desteği alabilmek amacıyla projesinin özniteliklerini geliştirilecek web uygulaması üzerinde sorgulayacaktır. Sorgulama sonucunda elde edilen çıktıların nasıl bir yapıda olacağı, neyi hedeflediği, hangi yöntemlerle tasarlanacağı, araştırma soruları, sağlayacağı etkiler aşağıdaki bölümlerde detaylıca belirtilerek tartışılmıştır.