Predicción del éxito de proyectos de videojuegos en Kickstarter con aprendizaje automático

Abstract

Kickstarter se ha convertido en el principal medio de financiamiento para proyectos de desarrolladores independientes. En esta plataforma se han subvencionado exitosamente alrededor de 2,500 proyectos de videojuegos. Aún cuando la de campañas exitosas parece considerable, es pertinente mencionar que 12,500 campañas de esta misma categoría fracasaron en recaudar su meta. Kickstarter establece en sus políticas que el capital recaudado en una campa˜na debe ser devuelto a sus respectivos contribuyentes, repercutiendo negativamente a los desarrolladores. Por lo tanto, resulta importante encontrar un medio de predección del éxito/fracaso de las campañas de videojuegos. Utilizando una base de datos con datos con variables homologadas de diversas fuentes como Kaggle, Kickstarter, Facebook y otras redes sociales, en el presente artículo se propone el uso de técnicas de desabalance de clases y la regresión logística para la predicción del éxito/fracaso de las campañas. Los resultados experimentales mostraron que es posible predecir el éxito/fracaso de una campa˜na con una media geométrica de 0.8870.