Outlier Ventures: diseño y optimización de tokens basados en datos

Dr. Achim Struve｜Disertante‍‍‍‍‍

Sissi｜Compilación

Nota del editor:

En un ecosistema simbólico, lograr el desarrollo sostenible es fundamental. El último video de Outlier Ventures brinda una perspectiva integral sobre los problemas clave que enfrenta el ecosistema de tokens y ofrece soluciones prácticas y herramientas para abordar estos desafíos.

Este video destaca los principios y métodos de Token Engineering, que brinda una nueva perspectiva para planificar y construir sistemas de tokens. Al mismo tiempo, complementadas con una serie de herramientas prácticas como herramientas de simulación basadas en agentes, QTM, etc., estas herramientas pueden proporcionar información valiosa en diferentes etapas para ayudar al proyecto a tomar decisiones informadas. Con estas herramientas de apoyo, las nuevas empresas de Web3 tienen la oportunidad de lograr un crecimiento sostenible.

Este video de Outlier Ventures brinda una nueva visión para resaltar el papel fundamental de la ingeniería de tokens y las herramientas relacionadas en la respuesta de los equipos de proyectos al cambio, demostrando ser un arma poderosa para adaptarse al ecosistema de tokens en constante cambio. La formación de esta cognición se beneficia de la investigación y la práctica en profundidad sobre el ecosistema de fichas, lo que permite a los participantes comprender mejor la dinámica del ecosistema y tomar decisiones más informadas y con visión de futuro. Lo siguiente es la traducción y organización del contenido del video. Para obtener más información sobre la ingeniería de tokens, consulte el contenido anterior de esta cuenta oficial. ‍‍

Tres fases de diseño y optimización de tokens

Fase de descubrimiento

Para construir un ecosistema de tokens exitoso, se deben ejecutar pasos clave a nivel macro del ecosistema. En primer lugar, el problema debe definirse claramente y los desafíos que se enfrentan deben establecerse con claridad. En segundo lugar, es necesario aclarar el flujo de valor entre las partes interesadas para garantizar la solidez y el equilibrio del ecosistema. Al mismo tiempo, la racionalidad de todo el ecosistema y sus tokens, incluido el uso razonable de tokens, debe discutirse y considerarse en profundidad. Además, la planificación de alto nivel también es indispensable, que cubre cómo usar tokens de manera efectiva y diseñar varias soluciones de contenido. Todos estos pasos críticos son parte integral de la construcción de un ecosistema de tokens exitoso.

fase de diseño

La parametrización es otro paso crítico en la construcción de un ecosistema de tokens, lo que implica la aplicación de herramientas cuantitativas como hojas de cálculo, herramientas de simulación como cadCAD, Token Spice, Machinations, etc. Estas herramientas pueden ayudar a las personas a obtener modelos optimizados y validados, realizar análisis y pronósticos de riesgos y obtener información sobre el suministro de tokens y las tendencias de valoración. Estas herramientas cuantitativas brindan una mejor comprensión del funcionamiento del ecosistema para respaldar su diseño y optimización.

Fase de implementación

La fase de implementación es crucial, pone en práctica el análisis y el diseño teóricos anteriores y, de hecho, implementa el ecosistema en la cadena de bloques. En esta etapa, es necesario utilizar una variedad de herramientas, incluidos diferentes lenguajes de programación como Solidity, Rust, etc., y entornos de implementación como Hardhat. A través de este proceso, el resultado final es el token o producto del ecosistema real que realmente cobra vida y opera en la cadena de bloques.

Herramienta de diseño de fichas

En las tres fases diferentes anteriores (descubrimiento, diseño e implementación), necesitamos usar una serie de herramientas, y el enfoque y el tipo de estas herramientas variarán en diferentes dominios. No solo es aplicable al campo DeFi, sino también a varios proyectos de aplicaciones, infraestructura, juegos y otros campos.

Al considerar el nivel de detalle, hay dos puntos de vista: un punto de vista es que podemos ver el ecosistema desde un punto de vista cualitativo, usar los estándares del mercado es suficiente y no requiere simulaciones. Otro punto de vista es que es necesario crear un gemelo digital, una simulación 1:1 de todo el ecosistema, porque implica mucho riesgo financiero. A medida que se avanza hacia una mayor precisión y aumenta la intensidad de los recursos, también lo hace el conocimiento de programación requerido. Esto también aumenta las demandas de los usuarios: deben poder programar para manejar modelos más complejos, lo que puede comprometer la facilidad de uso. Por lo tanto, para construir modelos de ecosistemas más detallados, se requieren más conocimientos de programación y una buena comprensión de las matemáticas.

En el ecosistema token existen diversas herramientas que nos ayudan a entender y diseñar el sistema. En el extremo izquierdo del “Diagrama de la herramienta de diseño de tokens” anterior, se encuentra el modelo de hoja de cálculo y algunas herramientas cualitativas, como la declaración del problema, la declaración del problema de las partes interesadas, el mapeo de las partes interesadas y los flujos de valor específicos. Incluso podemos aprovechar el razonamiento impulsado por la IA, como el uso de modelos de aprendizaje automático para redactar el primer diseño del token. Y en la parte central del gráfico, como QTM (Quantitative Token Model), aunque también es un modelo de hoja de cálculo, cubre múltiples campos diferentes, no limitado a DeFi. Esta amplia cobertura puede resultar en una pérdida de precisión, pero ayuda a las nuevas empresas a obtener información de primera mano y una comprensión inicial de su ecosistema de tokens.

En el lado izquierdo de la figura, hay herramientas de simulación como cadCAD, que pueden realizar un modelado 1:1 del ecosistema en un entorno complejo. En general, en el ecosistema de tokens, elegir las herramientas y metodologías adecuadas es fundamental para el éxito de una startup. Diferentes tipos de herramientas pueden proporcionar información valiosa en diferentes etapas para ayudar a las empresas a tomar decisiones informadas y facilitar el desarrollo continuo del ecosistema.

Descripción general de QTM

QTM es un modelo de token cuantitativo que utiliza un tiempo de simulación fijo de 10 años, con cada paso de tiempo de un mes, por lo que es más un modelo de simulación macro que un modelo de alta precisión. Al comienzo de cada paso de tiempo, se emitirán tokens en el ecosistema, por lo que hay módulos de incentivos, módulos de propiedad de tokens, módulos de airdrop, etc. en el modelo. Estos tokens luego se lanzarán en varios meta cubos desde los cuales nuevamente se lleva a cabo una redistribución de utilidad generalizada más detallada. Luego, defina pagos de recompensas, etc. desde estas herramientas de utilidad. También hay aspectos comerciales fuera de la cadena, que también consideran el estado financiero general del negocio, como la destrucción o la recompra, y también pueden medir la adopción del usuario o definir la adopción del usuario.

Sin embargo, debe enfatizarse que la calidad de salida de este modelo depende de la calidad de entrada. Por lo tanto, antes de usar QTM, se debe realizar una investigación de mercado adecuada para obtener entradas más precisas y obtener una idea de lo que está sucediendo. De esta forma, se puede obtener un resultado de salida más cercano a la situación real. QTM se ve como una herramienta educativa para las empresas emergentes en etapa inicial para ayudarlos a obtener una comprensión inicial de su ecosistema, pero no se debe extraer ningún consejo financiero de él, ni se debe confiar solo en los resultados.

análisis de los datos

A continuación, veremos los diferentes tipos de datos que se pueden extraer desde una perspectiva de análisis de datos. En primer lugar, puede observar el desarrollo del mercado general desde la perspectiva del mercado macro, incluido el mercado DeFi y el mercado de criptomonedas. Posteriormente, uno puede enfocarse en las métricas de las rondas de recaudación de fondos para comprender cómo se financia el proyecto, como la cantidad de fondos recaudados, la valoración y las ventas de suministros en diferentes rondas. En segundo lugar, también se pueden estudiar los patrones de comportamiento de los participantes para obtener información sobre los hábitos de inversión de los demás.

En comparación con las finanzas tradicionales, los datos en la cadena son significativamente diferentes, porque los datos en la cadena son visibles públicamente para todos y pueden ver casi todas las transacciones en el ecosistema. A partir de esto, se pueden capturar varias métricas, como el crecimiento del usuario, el valor total bloqueado (TVL), el volumen de transacciones, etc. Más interesante aún, también es posible observar cómo diferentes mecanismos de incentivos afectan el funcionamiento del ecosistema. Además, las plataformas de redes sociales como Twitter, Reddit, Discord y Telegram juegan un papel importante en la economía de tokens y el rendimiento del proyecto.

Esta información es información pública y muy valiosa que debe aprovecharse para comprender mejor los parámetros del ecosistema y validar nuestros modelos.

A continuación se muestra un ejemplo en el que podemos ver datos similares a las creaciones de derechos adquiridos. Si bien este ejemplo es pequeño, en general, es posible observar plazos de adjudicación para diferentes grupos de partes interesadas. En el gráfico anterior, puede ver los valores mínimo, promedio, mediano y máximo para el período de consolidación, que es un análisis del período de consolidación para todos los diferentes campos. Además, los mismos datos se pueden segmentar para distinguir diferentes campos de la industria. De esta forma, se puede observar que la distribución de datos en diferentes campos puede variar mucho. Si bien estos valores pueden no ser siempre óptimos, nos brindan un punto de partida.

Otro ejemplo es sobre el saldo histórico del cubo de fichas. Tomando Maple Finance como ejemplo, puede verificar el estado de sus tokens nativos, rastrear todas las transacciones en todo el ecosistema y clasificarlas en “grupos de tokens” específicos, como direcciones relacionadas con Maple, direcciones de intercambios centralizados y direcciones de intercambios descentralizados, etc. De esta manera, podemos mirar el equilibrio de cada parte interesada y observar lo que está sucediendo en todo el ecosistema.

En este ejemplo, se puede observar que los saldos de todas las direcciones de Maple han estado disminuyendo hasta mediados de julio 22, cuando se introdujo el contrato de participación, lo que provocó que una gran cantidad del suministro de tokens se asignara al contrato de participación. También podemos observar que los capitalistas de riesgo participan en este esquema de participación, que se puede derivar directamente del gráfico. Además, es posible observar cómo cambia el equilibrio del intercambio a lo largo del tiempo, lo cual es muy útil para entender qué está pasando en el ecosistema. Finalmente, también es posible estudiar el comportamiento de participaciones individuales o direcciones específicas para obtener una idea de lo que está sucediendo.

En un ecosistema de fichas, observar el comportamiento de direcciones específicas puede proporcionar información importante sobre la liquidez de las fichas. Por ejemplo, cuando los tokens se envían desde un contrato de participación a una dirección específica, es posible comprender qué está haciendo el destinatario con esos tokens. ¿Eligen reinvertir esos tokens, enviarlos nuevamente al contrato de participación, venderlos o implementarlos en otro lugar? Estas son piezas clave de información para analizar para comprender el comportamiento de cada parte interesada, y podemos retroalimentar estos datos en nuestros modelos, ayudando a ajustar los modelos.

Este modelo permite el análisis del comportamiento del destinatario del token no solo para direcciones individuales, sino también para grupos representativos de partes interesadas agregadas. Por ejemplo, podemos analizar múltiples proyectos de tokens como Maple, Goldfinch y TrueFi, y encontrar que aproximadamente el 38 % de los tokens se devuelven al contrato de compromiso después de la primera transacción después de recibirse a través del contrato de compromiso. Esto se compara con alrededor del 8 por ciento para los intercambios centralizados y alrededor del 14 por ciento para los intercambios descentralizados. Al revisar la asignación de cubos de tokens en un momento determinado en QTM, es posible comprender el suministro circulante de tokens. Estos valores se pueden aplicar a nuestros parámetros para obtener un primer vistazo de cómo se comporta el ecosistema.

Usando estos datos, podemos hacer predicciones, como pronosticar el suministro de equilibrio de diferentes cubos en el ecosistema en los próximos diez años, incluidas fundaciones, equipos, distribución de compromisos, suministro circulante general y fondos de liquidez. Al mismo tiempo, también se pueden realizar simulaciones o previsiones de precios. Es importante enfatizar que estos pronósticos no están destinados a la especulación o el asesoramiento financiero, sino que nos ayudan a comprender la relación entre la atribución de la oferta y la demanda de tokens y, por lo tanto, el equilibrio de estos dos factores.

Además, se pueden analizar otros aspectos, como la distribución de las distintas fracciones de utilidad. Por ejemplo, podemos entender cuántos tokens están apostados, cuántos se usan para el programa de incentivos de minería de liquidez o cuántos tokens se queman si hay un mecanismo de quemado. También podemos ver las recompensas de servicios públicos mensuales para ver cuánto valen esos incentivos en términos de dólares si los tokens se pueden gastar en una tienda o en otro lugar. Es importante comprender el uso general del token, especialmente teniendo en cuenta el factor de costo al incentivar el ecosistema.

Modelos basados en datos

Otro tema son las nuevas formas de pensar acerca de los planes de adjudicación. A veces, las personas piensan que solo se requieren planes de adquisición de derechos muy largos, pero esto no siempre es bueno, ya que significa que la oferta en circulación inicial es muy baja, lo que genera especulación y potencial exageración en el mercado. Por lo tanto, proponemos introducir un mecanismo de atribución de tokens que adopte ajustes, independientemente de la demanda del mercado. En otras palabras, no es necesario predecir las necesidades del ecosistema, ya que la liberación de la atribución será controlada por el controlador de acuerdo con ciertos indicadores clave de rendimiento definidos de antemano. Estos KPI pueden incluir TVL, volumen de transacciones, adopción de usuarios, rentabilidad comercial y más. En este ejemplo, simplemente se usa el precio del token.

En un ecosistema de fichas, la relación entre la atribución y el precio se puede entender analizando instancias de fichas reales. Por ejemplo, en el primer año del ecosistema, una gran cantidad de oferta ingresa al mercado a través de la adjudicación, pero dado que el producto puede no estar lo suficientemente maduro, la demanda del mercado puede ser insuficiente y la adopción puede no ser grande, lo que hace que el precio de la ficha para soltar. Esta situación se puede simular mediante un modelo (por ejemplo, QTM), a partir del cual se puede observar un comportamiento similar: en la fase inicial, el precio de un token puede caer debido a una gran oferta que ingresa al mercado. Luego, con el tiempo, cuando la adopción cambia, los usuarios comienzan a unirse y generan ingresos, se pueden realizar recompras y el precio finalmente se recupera.

En el modelo se pueden simular tres escenarios de demanda diferentes: función logística, función lineal y crecimiento exponencial. Básicamente, el controlador gestiona diferentes emisiones en diferentes puntos en el tiempo, y puede ver que para cada escenario diferente de crecimiento y demanda, luego en diferentes puntos en el tiempo, el controlador gestionará diferentes emisiones.

Cuando los precios de los tokens aumentan, se liberarán más tokens en el ecosistema, lo que puede hacer que los primeros inversores vendan tokens, lo que a su vez hará que el precio baje. Por el contrario, cuando el precio sea inferior al precio preestablecido, se reducirá la emisión de tokens. Sin embargo, la emisión de tokens no se reducirá a cero, ya que debemos asegurarnos de que todos los inversores iniciales finalmente reciban su parte justa. Con este mecanismo de control, el precio del token volverá a subir, lo que en última instancia reducirá la volatilidad y estabilizará el ecosistema.

El precio es un indicador muy importante en el ecosistema. Sería muy malo para el ecosistema que el precio del token se desplomara un 90% en un año. Si bien sabemos que no podemos predecir con precisión el futuro, al menos debemos considerar el lado de la demanda y tratar de modelarlo y pronosticarlo. Esto no significa perseguir un resultado determinado o un valor específico, sino explorar todo el espacio de soluciones disponible a través de simulaciones de Monte Carlo y barridos de parámetros. Hacerlo puede ayudarnos a comprender las posibilidades en diferentes situaciones y desarrollar estrategias más integrales y flexibles.

Además, podemos asignar diferentes pesos a estas atribuciones. Por ejemplo, en la etapa inicial, los incentivos del ecosistema pueden recibir más asignaciones de otorgamiento de tokens, mientras que los equipos pueden recibir una porción más pequeña. Sin embargo, la situación puede cambiar con el tiempo, ya que no queremos depender únicamente de la concesión de tokens para impulsar el desarrollo del ecosistema, queremos establecer un modelo de crecimiento sostenible.

Vídeo original: