Outlier Ventures : Conception et optimisation de jetons basés sur les données

Dr Achim Struve｜Conférencier‍‍‍‍‍

Sissi｜Compilation

Note de l’éditeur:

Dans un écosystème symbolique, la réalisation du développement durable est essentielle. La dernière vidéo d’Outlier Ventures offre une perspective complète sur les principaux problèmes auxquels est confronté l’écosystème des jetons et propose des solutions et des outils pratiques pour relever ces défis.

Cette vidéo met en lumière les principes et les méthodes de Token Engineering, qui offre une nouvelle perspective pour la planification et la construction de systèmes de jetons. Parallèlement, complétés par une série d’outils pratiques tels que les outils de simulation basés sur les agents, QTM, etc., ces outils peuvent fournir des informations précieuses à différentes étapes pour aider le projet à prendre des décisions éclairées. Avec ces outils de support, les startups Web3 ont la possibilité de réaliser une croissance durable.

Cette vidéo d’Outlier Ventures apporte de nouvelles informations pour souligner le rôle essentiel de l’ingénierie des jetons et des outils connexes dans la réponse des équipes de projet au changement, se révélant être une arme puissante pour s’adapter à l’écosystème des jetons en constante évolution. La formation de cette cognition bénéficie de recherches et de pratiques approfondies sur l’écosystème des jetons, permettant aux participants de mieux comprendre la dynamique de l’écosystème et de prendre des décisions plus éclairées et prévoyantes. Ce qui suit est la traduction et l’organisation du contenu vidéo. Pour plus d’informations sur l’ingénierie des jetons, veuillez vous référer au contenu précédent de ce compte officiel. ‍‍

Trois phases de conception et d’optimisation de jetons

Phase de découverte

Dans la construction d’un écosystème de jetons réussi, des étapes clés doivent être exécutées au niveau macro de l’écosystème. Premièrement, le problème doit être clairement défini et les défis à relever clairement énoncés. Deuxièmement, le flux de valeur entre les parties prenantes doit être clarifié pour assurer la robustesse et l’équilibre de l’écosystème. Dans le même temps, la rationalité de l’ensemble de l’écosystème et de ses jetons, y compris l’utilisation raisonnable des jetons, doit être discutée et examinée en profondeur. En outre, une planification de haut niveau est également indispensable, qui couvre la manière d’utiliser efficacement les jetons et de concevoir diverses solutions de contenu. Ces étapes critiques font toutes partie intégrante de la création d’un écosystème de jetons réussi.

phase de conception

Le paramétrage est une autre étape critique dans la construction d’un écosystème de jetons, qui implique l’application d’outils quantitatifs tels que des feuilles de calcul, des outils de simulation tels que cadCAD, Token Spice, Machinations, etc. Ces outils peuvent aider les utilisateurs à obtenir des modèles optimisés et validés, à effectuer des analyses et des prévisions des risques et à mieux comprendre les tendances de l’offre et de la valorisation des jetons. Ces outils quantitatifs permettent de mieux comprendre le fonctionnement de l’écosystème pour soutenir sa conception et son optimisation.

Phase de déploiement

La phase de déploiement est cruciale, elle met en pratique l’analyse théorique et la conception précédentes, et déploie réellement l’écosystème sur la blockchain. À ce stade, une variété d’outils doivent être utilisés, y compris différents langages de programmation tels que Solidity, Rust, etc., et des environnements de déploiement tels que Hardhat. Grâce à ce processus, le résultat final est le jeton ou le produit de l’écosystème réel qui prend réellement vie et fonctionne sur la blockchain.

Outil de conception de jetons

Dans les trois phases différentes ci-dessus (découverte, conception et déploiement), nous devons utiliser une série d’outils, et l’orientation et le type de ces outils varieront selon les domaines. Il s’applique non seulement au domaine DeFi, mais également à divers projets d’application, infrastructures, jeux et autres domaines.

En considérant le niveau de détail, il y a deux points de vue : Un point de vue est que nous pouvons regarder l’écosystème d’un point de vue qualitatif, l’utilisation des standards du marché est suffisante et ne nécessite aucune simulation. Un autre point de vue est qu’il est nécessaire de créer un jumeau numérique, une simulation 1:1 de tout l’écosystème, car cela implique beaucoup de risques financiers. À mesure que des progrès sont réalisés vers une plus grande précision et que l’intensité des ressources augmente, les connaissances en programmation requises augmentent également. Cela augmente également les exigences des utilisateurs - ils doivent être capables de programmer afin de gérer des modèles plus complexes, ce qui peut compromettre la convivialité. Par conséquent, pour construire des modèles d’écosystème plus détaillés, il faut plus de connaissances en programmation et une bonne compréhension des mathématiques.

Dans l’écosystème des jetons, il existe divers outils qui nous aident à comprendre et à concevoir le système. À l’extrémité gauche du «diagramme de l’outil de conception de jetons» ci-dessus, il y a le modèle de feuille de calcul et certains outils qualitatifs tels que l’énoncé du problème, l’énoncé du problème des parties prenantes, la cartographie des parties prenantes et des flux de valeur spécifiques. Nous pouvons même tirer parti du raisonnement basé sur l’IA, comme l’utilisation de modèles d’apprentissage automatique pour rédiger la première conception de jeton. Et dans la partie médiane du graphique, comme QTM (Quantitative Token Model), bien qu’il s’agisse également d’un modèle de feuille de calcul, il couvre plusieurs domaines différents, sans se limiter à DeFi. Cette large couverture peut entraîner une perte de précision, mais elle aide les startups à acquérir un aperçu de première main et une compréhension initiale de leur écosystème de jetons.

Sur le côté gauche de la figure, il y a des outils de simulation tels que cadCAD, qui peuvent effectuer une modélisation 1:1 de l’écosystème dans un environnement complexe. Dans l’ensemble, dans l’écosystème des jetons, le choix des outils et des méthodologies appropriés est essentiel au succès d’une startup. Différents types d’outils peuvent fournir des informations précieuses à différentes étapes pour aider les entreprises à prendre des décisions éclairées et faciliter le développement continu de l’écosystème.

Présentation de QTM

QTM est un modèle de jeton quantitatif qui utilise un temps de simulation fixe de 10 ans, chaque pas de temps étant d’un mois, il s’agit donc plus d’un modèle de simulation macro qu’un modèle très précis. Au début de chaque pas de temps, des jetons seront émis dans l’écosystème, il y a donc des modules d’incitation, des modules de propriété de jetons, des modules de largage aérien, etc. dans le modèle. Ces jetons seront ensuite répartis dans plusieurs méta-seaux à partir desquels une redistribution utilitaire généralisée plus fine a lieu. Ensuite, définissez les paiements de récompense, etc. à partir de ces outils utilitaires. Il existe également des aspects commerciaux hors chaîne, qui tiennent également compte de la situation financière générale de l’entreprise, comme la destruction ou le rachat, et peuvent également mesurer l’adoption par les utilisateurs ou définir l’adoption par les utilisateurs.

Cependant, il faut souligner que la qualité de sortie de ce modèle dépend de la qualité d’entrée. Par conséquent, avant d’utiliser QTM, une étude de marché adéquate doit être effectuée pour obtenir des données plus précises et avoir un aperçu de ce qui se passe. De cette manière, un résultat de sortie plus proche de la situation réelle peut être obtenu. QTM est considéré comme un outil pédagogique pour les startups en démarrage pour les aider à acquérir une première compréhension de leur écosystème, mais aucun conseil financier ne doit en être tiré, ni les résultats ne doivent être invoqués seuls.

l’analyse des données

Ensuite, nous examinerons les différents types de données qui peuvent être extraites du point de vue de l’analyse des données. Tout d’abord, vous pouvez observer le développement du marché global du point de vue du macro-marché, y compris le marché DeFi et le marché des crypto-monnaies. Par la suite, on peut se concentrer sur les mesures des cycles de collecte de fonds pour comprendre comment le projet est financé, comme le montant des fonds levés, l’évaluation et les ventes de fournitures lors des différents cycles. Deuxièmement, les modèles de comportement des participants peuvent également être étudiés pour mieux comprendre les habitudes d’investissement des autres.

Par rapport à la finance traditionnelle, les données sur la chaîne sont très différentes, car les données sur la chaîne sont publiquement visibles pour tout le monde et peuvent visualiser presque toutes les transactions de l’écosystème. À partir de là, diverses mesures telles que la croissance des utilisateurs, la valeur totale verrouillée (TVL), le volume de transactions, etc. peuvent être capturées. Plus intéressant, il est également possible d’observer comment différents mécanismes incitatifs affectent le fonctionnement de l’écosystème. De plus, les plateformes de médias sociaux telles que Twitter, Reddit, Discord et Telegram jouent un rôle important dans l’économie symbolique et la performance des projets.

Ces informations sont des données publiques et très précieuses qui devraient être exploitées pour mieux comprendre les paramètres de l’écosystème et valider nos modèles.

Vous trouverez ci-dessous un exemple où nous pouvons examiner des données similaires aux créations d’acquisition. Bien que cet exemple soit petit, en général, il est possible d’observer des délais d’acquisition pour différents groupes de parties prenantes. Dans le graphique ci-dessus, vous pouvez voir les valeurs minimale, moyenne, médiane et maximale pour la période d’acquisition, qui est une analyse de la période d’acquisition pour tous les différents champs. De plus, les mêmes données peuvent être segmentées pour distinguer différents domaines de l’industrie. De cette façon, on peut voir que la répartition des données dans différents domaines peut varier considérablement. Bien que ces valeurs ne soient pas toujours optimales, elles nous fournissent un point de départ.

Un autre exemple concerne le solde historique du seau de jetons. En prenant Maple Finance comme exemple, vous pouvez vérifier l’état de ses jetons natifs, suivre toutes les transactions dans l’ensemble de l’écosystème et les classer dans des “seaux de jetons” spécifiques, tels que les adresses liées à Maple, l’adresse d’échange centralisée et l’adresse d’échange décentralisée, etc. De cette façon, nous pouvons regarder l’équilibre de chaque partie prenante et observer ce qui se passe dans l’écosystème.

Dans cet exemple, on peut observer que les soldes de toutes les adresses Maple ont diminué jusqu’à la mi-juillet 22, date à laquelle le contrat de jalonnement a été introduit, ce qui a entraîné l’attribution d’une grande partie de l’offre de jetons au contrat de jalonnement. Nous pouvons également observer que les VC participent à ce schéma de jalonnement, qui peut être dérivé directement du graphique. De plus, il est possible d’observer comment l’équilibre des échanges évolue dans le temps, ce qui est très utile pour comprendre ce qui se passe dans l’écosystème. Enfin, il est également possible d’étudier le comportement des enjeux individuels ou des adresses spécifiques pour avoir un aperçu de ce qui se passe.

Dans un écosystème de jetons, l’observation du comportement d’adresses spécifiques peut fournir des informations importantes sur la liquidité des jetons. Par exemple, lorsque des jetons sont envoyés d’un contrat de jalonnement à une adresse spécifique, il est possible de comprendre ce que le destinataire fait avec ces jetons. Choisissent-ils de réinvestir ces jetons, de les renvoyer au contrat de jalonnement, de les vendre ou de les déployer ailleurs ? Ce sont des informations clés à analyser pour comprendre le comportement de chaque partie prenante, et nous pouvons réinjecter ces données dans nos modèles, aidant à affiner les modèles.

Ce modèle permet l’analyse du comportement des destinataires de jetons non seulement pour des adresses individuelles, mais également pour des groupes représentatifs de parties prenantes agrégées. Par exemple, nous pouvons analyser plusieurs projets de jetons tels que Maple, Goldfinch et TrueFi, et constater qu’environ 38 % des jetons sont renvoyés au contrat de gage après la première transaction après avoir été reçus via le contrat de gage. Cela se compare à environ 8% pour les échanges centralisés et à environ 14% pour les échanges décentralisés. En examinant l’allocation des seaux de jetons à un certain moment sur QTM, il est possible de comprendre l’offre de jetons en circulation. Ces valeurs peuvent être appliquées à nos paramètres pour avoir un premier aperçu du comportement de l’écosystème.

À l’aide de ces données, nous pouvons faire des prévisions, telles que la prévision de l’équilibre de l’offre de différents compartiments de l’écosystème au cours des dix prochaines années environ, y compris les fondations, les équipes, la distribution des promesses, l’offre globale en circulation et les pools de liquidités. Dans le même temps, une simulation ou une prévision des prix peut également être effectuée. Il est important de souligner que ces prévisions ne sont pas destinées à la spéculation ou aux conseils financiers, mais nous aident plutôt à comprendre la relation entre l’attribution de l’offre et la demande symbolique, et donc l’équilibre de ces deux facteurs.

De plus, d’autres aspects peuvent être analysés, comme la distribution des différentes fractions d’utilité. Par exemple, nous pouvons comprendre combien de jetons sont jalonnés, combien sont utilisés pour le programme d’incitation à l’extraction de liquidités ou combien de jetons sont brûlés s’il existe un mécanisme de gravure. Nous pouvons également examiner les récompenses mensuelles des services publics pour voir combien ces incitations valent en dollars si les jetons peuvent être dépensés dans un magasin ou ailleurs. Il est important de comprendre l’utilisation globale du jeton, en particulier compte tenu du facteur coût lors de l’incitation de l’écosystème.

Modèles basés sur les données

Un autre thème concerne les nouvelles façons de penser aux plans d’acquisition. Parfois, les gens pensent que seuls des plans d’acquisition très longs sont nécessaires, mais ce n’est pas toujours bon, car cela signifie que l’offre en circulation initiale est très faible, ce qui conduit à la spéculation et au battage médiatique potentiel sur le marché. Par conséquent, nous proposons d’introduire un mécanisme d’attribution de jetons qui adopte des ajustements, indépendamment de la demande du marché. En d’autres termes, il n’est pas nécessaire de prévoir les besoins de l’écosystème, puisque la libération de l’attribution sera contrôlée par le responsable du traitement en fonction de certains indicateurs clés de performance définis à l’avance. Ces KPI peuvent inclure la TVL, le volume de transactions, l’adoption par les utilisateurs, la rentabilité de l’entreprise, etc. Dans cet exemple, le prix du jeton est simplement utilisé.

Dans un écosystème de jetons, la relation entre l’attribution et le prix peut être comprise en analysant des instances de jetons réels. Par exemple, au cours de la première année de l’écosystème, une grande quantité d’offre entre sur le marché par le biais de l’acquisition, mais comme le produit peut ne pas être suffisamment mature, la demande du marché peut être insuffisante et l’adoption peut ne pas être importante, entraînant le prix de le jeton à déposer. Cette situation peut être simulée par un modèle (par exemple QTM), à partir duquel un comportement similaire peut être observé : dans la phase initiale, le prix d’un jeton peut baisser en raison d’une offre importante entrant sur le marché. Puis, au fil du temps, lorsque l’adoption change, les utilisateurs commencent à se joindre et à générer des revenus, des rachats peuvent être effectués et le prix finit par se rétablir.

Dans le modèle, trois scénarios de demande différents peuvent être simulés : fonction logistique, fonction linéaire et croissance exponentielle. Le contrôleur gère essentiellement différentes émissions à différents moments dans le temps, et vous pouvez voir que pour chaque scénario de croissance et de demande différent, puis à différents moments dans le temps, le contrôleur gérera différentes émissions.

Lorsque les prix des jetons augmentent, davantage de jetons seront libérés dans l’écosystème, ce qui peut amener les premiers investisseurs à vendre des jetons, ce qui entraînera une baisse du prix. Au contraire, lorsque le prix est inférieur au prix prédéfini, l’émission de jetons sera réduite. Cependant, l’émission de jetons ne tombera pas à zéro, car nous devons nous assurer que tous les investisseurs initiaux reçoivent finalement leur juste part. Avec ce mécanisme de contrôle, le prix du jeton augmentera à nouveau, réduisant finalement la volatilité et stabilisant l’écosystème.

Le prix est un indicateur très important dans l’écosystème. Ce serait très mauvais pour l’écosystème si le prix du jeton chutait de 90 % en un an. Bien que nous sachions que nous ne pouvons pas prédire l’avenir avec précision, nous devrions au moins considérer la demande et essayer de la modéliser et de la prévoir. Cela ne signifie pas rechercher un certain résultat ou une valeur spécifique, mais explorer l’ensemble de l’espace de solution disponible à travers des simulations de Monte Carlo et des balayages de paramètres. Cela peut nous aider à comprendre les possibilités dans différentes situations et à développer des stratégies plus complètes et flexibles.

De plus, nous pouvons attribuer différents poids à ces attributions. Par exemple, dans la phase initiale, les incitations écosystémiques peuvent recevoir plus d’allocations d’acquisition de jetons, tandis que les équipes peuvent recevoir une part plus petite. Cependant, la situation peut changer au fil du temps car nous ne voulons pas compter uniquement sur l’acquisition de jetons pour conduire le développement de l’écosystème, nous voulons établir un modèle de croissance durable.

Vidéo originale :