開始眾籌上的項目和成交數據靠譜嗎？

01-26

看了開始眾籌的項目，感覺挺靠譜的。所以想在上面參與一下，當作理財。那麼問題來了。開始眾籌上的項目是否靠譜？籌集金額的數據是不是真實？是否存在左手倒右手的情況？麻煩有在開始眾籌上進行過眾籌的朋友或者了解真實情況的朋友解答一些唄。

我算是比較早關注眾籌的了，平常比較感興趣，投過一些項目，開始眾籌算是比較大的眾籌平台了吧，基本上每天都有新的項目。一般閑來無事我都會看一下，有的時候看看其實心情也會很好。

因為之前在上面投了一個餐飲項目，在線下路演的時候和發起人一起座談了，總體來說這樣比較放心，另外沒有簽正式合同前都是可以隨時退款的，這點比較好！

平台只提供了一個發起人與投資人之間接觸的可能性

投資有風險，投資需謹慎

共建人與發起人簽署協議，不與平台簽署

****更新****

平台對於項目的露出也在一定程度上需要為項目負責

比如：對於項目數據的真實性等

作為在美國兩大眾籌網站有過成功眾籌經驗的生產型企業從業者，我最近也開始關注開始眾籌。跟輕鬆籌相比，開始眾籌似乎更加偏向於Lifestyle也就是生活方式的眾籌。換句話說，如果按這個理念發展下去，開始眾籌的粉絲群應該有的標籤是：小資，情懷，輕鬆，愛旅行，愛拍照，90後，享受生活 etc...

我沒有渠道了解開始眾籌的後台數據，但是似乎它很想擺脫京東，淘寶眾籌等「團購」眾籌的印象，而且客單價往往都比輕鬆籌高很多，也就是走精品眾籌路線。我所了解的一點就是開始眾籌發布的項目的融資額，是這個項目所有支持者所支付的最高額，意思就是說這個最高額也許是在眾籌期間（假設眾籌是30天）的第15天發生的，也許是第26天發生，也許是某一天。然後在眾籌結束那天，整個眾籌金額是可以低於這個最高餓的（因為有人後悔或者別的原因放棄支持，是可以隨時贖回的）。所以其實這個最高額度的參考意義並不大。我不確定最終的支持人數是不是也是最高峰的那個支持人數，還是眾籌結束時的最終人數。

一個眾籌的成功我個人覺得有兩大因素，一個是眾籌網站的大力支持（倒流量，給予好的網站位置並推薦，分享後台數據）一個是得有足夠得資金來做眾籌。眾籌並不是以小博大得一種方式，也許有，但也只是小概率事件。精心製作的高清照片或視頻，好的文案故事，真實的前期市場調研都是不可少的。眾籌的關鍵點是眾籌之前3-6個月，而不是眾籌之後。

所以，以美國的兩大眾籌網站來說，個人或者小公司已經眾籌門檻的水漲船高已經沒有資本玩眾籌了。再者就是，一些新奇的沒有技術門檻的產品，在眾籌階段就被國內各種不良商販給盯上，產品發貨前就可以在淘寶上以低於眾籌價格很多的價格買到，導致很多支持者退貨，這也給很多中小型眾籌個人或公司帶來極大的問題。在歐美，設計和創意是很多產品的價值和核心所在。但是在國內，並沒有這樣的認識，或者說現階段對這種知識產權的保護還很少。

有點跑題，回到開始眾籌的話題上，似乎他們最近開始發力民宿等房地產權益類項目。總的來說，就像所有的眾籌平台一樣，開始眾籌面對兩個主要問題：1. 怎麼高效審核眾籌發起者的資質 2.怎麼確保產品或者權益按眾籌所說給予到支持者。這兩點做好的眾籌平台，可以有成為眾籌明星平台的潛質。而且除了明星投資機構的背書外（經緯，崑崙萬維等），在這個平台上出幾個超級明星項目來增信也是初期的一種宣傳手段。所以我個人還在保持觀望態度，主要想了解一些權益類項目到期後的支付問題，如果沒有按初期的約定給予回報，平台會怎麼處理。從理論上來說，不可能所有的項目都按初期約定那樣順利發展的。

同業者，我就匿了吧。

風控缺失，項目風險較高，幫助發起人宣傳做的好，因團隊大多是傳媒人。

參與嘗鮮可以，不建議當作理財來資產配置，除非您喜歡高風險，低收益。

《數字的騙局》

#螞蟻私塾優秀筆記# 景三 2017/05/廣東班

我們在看某些文章的時候，通常會注意到他們是不是在拿大樣本數據說話，因為只有數字不會騙人。

但是，數字真的不會騙人嗎？

實際上，在這個數據被發表之前，可能會出現以下幾個使得數據無效的問題。

第一，樣本的問題。

1.問卷

採集數據大多數時候都是通過問卷，而一份幾乎同樣內容的問卷，排序方式不同，遣詞造句不同，調查方式不同，都有可能帶來截然不同的結果。

①排序方式的不同

比如說我先問一個人他與朋友的關係是否良好，再問一個人他是否感到幸福。與朋友關係不好的人，多半會回答生活不幸福。

而我反過來問，先問幸福，再問是否良好。得到的答案發現與朋友關係好不好與幸福指數並沒有那麼大。這就是排序方式不同帶來的結果不同。

②遣詞造句的不同

比方說我要問的是你對待區塊鏈是否樂觀。當我直接這樣問的時候，可能會得到真實的答案。

而我換一種方式，你覺得區塊鏈的發展是否一定樂觀，大多數人都會直接回答，不一定。

這就是遣詞造句的不同帶來的結果不同。

③調查方式的不同

上周班主任找我調查班裡情況，問我對任課老師有什麼評價。耿直的我直接問這是匿名的還是實名的。

如果是匿名的話我就認真回答，如果是實名的，那我就誇他幾句。

這就是調查方式的不同帶來的結果的不同。

以上是問卷本身的影響。

2.樣本

數據量，人群特徵和可變性都會影響數據的可靠性。

①數據量

樣本越大，越能稀釋掉那些特例造成的影響。

比如說你去大學裡調查大學生有多大比率購買了校園貸。如果你只去一家大學，而你去的那家大學正巧是校園貸的發起之處，你的結果就不可靠。

如果你調查的是多所大學的話，那麼特例占的比例會較小，不容易影響結果真實度。

②人群特徵

不同的人群的調查結果也不太一樣。

比如說你想去調查中國人的平均消費水平，然後往富人區轉了一圈，得到的結論是大家都挺有錢消費水平高，動不動就好幾個億的買什麼的。

這當然是不可靠的結論。

③可變性

重點來了，這是一個大坑。

第一個是數據的可變性，比方說你要去調查中國人根據有多少人開心。開心的話可能上一秒開心，下一秒又不開心了。這個數據隨時都在變化，而你的數據不變，所以你的結果不可靠。

第二個是數據導致的可變性。比如說根據大數據樣本得出IT行業將是新生行業，回報豐厚。而這會導致許多人才進入IT行業就業，競爭逐漸激烈，原本可以拿到10000薪資的人現在只能拿7000，你不要後面還有一大堆人排隊。回報變得沒有那麼那麼豐厚了。數據就變得不可靠了。

以上是樣本導致的數據不可靠，接下來是對數據的解讀導致的不可靠。

第二，數據的解讀。

1.睜眼說瞎話

這種概率不大，但也還是存在的。明明是大多數人都贊同，他偏偏解讀為大多數人都不贊同。

2.個人偏好

比如說我喜歡貓主子，當我拿到有80%的人喜歡貓主子這個數據的時候，我會解讀為養貓有助於身心健康，有利於家庭和諧。

但這兩者是否有關係就未必了。

3.用詞不同

比如說拿到的調查結果是有30％的人得了感冒。

一個解讀是，驚！竟有近三分之一的人得了感冒。

另一個解讀是，70％的人沒有得感冒，所以不必太過擔心。

兩種解讀的感受想必是不同的。

樣本的不同和解讀方式的不同都會造成數據的失效，當我們在看到一篇文章的拿出來的數據時，還是要多加警惕它是否真實可靠。

以上。

#螞蟻私塾優秀筆記#