Outlier Ventures: データ駆動型トークンの設計と最適化

アヒム・ストルーヴェ博士｜講演者‍♀️

シシィ｜編集

編集者注:

トークンエコシステムでは、持続可能な開発を達成することが重要です。 Outlier Ventures の最新ビデオは、トークン エコシステムが直面する主要な問題について包括的な視点を提供し、これらの課題に対処するための実用的なソリューションとツールを提供します。

このビデオでは、トークン システムの計画と構築に新しい視点を提供するトークン エンジニアリングの原理と手法に焦点を当てています。同時に、エージェントベースのシミュレーション ツールや QTM などの一連の実用的なツールによって補完されるこれらのツールは、さまざまな段階で貴重な情報を提供し、プロジェクトが情報に基づいた意思決定を行うのに役立ちます。これらの支援ツールにより、Web3 スタートアップ企業は持続可能な成長を達成する機会を得られます。

Outlier Ventures によるこのビデオは、プロジェクト チームの変化への対応におけるトークン エンジニアリングと関連ツールの重要な役割を強調する新たな洞察をもたらし、変化し続けるトークン エコシステムに適応するための強力な武器であることが証明されています。この認識の形成は、トークンエコシステムに関する徹底的な研究と実践から恩恵を受け、参加者がエコシステムのダイナミクスをより深く理解し、より多くの情報に基づいた先見の明のある意思決定を下せるようになります。以下はビデオコンテンツの翻訳と構成です。トークンエンジニアリングの詳細については、この公式アカウントの以前のコンテンツを参照してください。 ‍‍

トークンの設計と最適化の 3 つのフェーズ

発見フェーズ

トークン エコシステムを構築して成功するには、主要な手順をエコシステムのマクロ レベルで実行する必要があります。まず、問題を明確に定義し、直面する課題を明確に述べる必要があります。第二に、エコシステムの堅牢性とバランスを確保するために、ステークホルダー間の価値の流れを明確にする必要があります。同時に、トークンの合理的な使用を含め、エコシステム全体とそのトークンの合理性について、徹底的に議論し検討する必要があります。さらに、トークンを効果的に使用し、さまざまなコンテンツ ソリューションを設計する方法を含む、高レベルの計画も不可欠です。これらの重要な手順はすべて、トークン エコシステムを成功させるために不可欠です。

設計段階

パラメータ化は、トークン エコシステムの構築におけるもう 1 つの重要なステップであり、スプレッドシートなどの定量的ツール、cadCAD、Token Spice、Machinations などのシミュレーション ツールの適用が含まれます。これらのツールは、最適化および検証されたモデルを取得し、リスク分析と予測を実施し、トークンの供給と評価の傾向についての洞察を得るのに役立ちます。これらの定量的ツールは、エコシステムの機能をより深く理解し、その設計と最適化をサポートします。

導入フェーズ

導入フェーズは非常に重要であり、これまでの理論的な分析と設計を実践し、ブロックチェーン上にエコシステムを実際に導入します。この段階では、Solidity、Rust などのさまざまなプログラミング言語や Hardhat などの展開環境など、さまざまなツールを使用する必要があります。このプロセスを通じて、最終結果は、実際に生命を吹き込まれ、ブロックチェーン上で動作する実際のエコシステム トークンまたは製品になります。

トークン設計ツール

上記の 3 つの異なるフェーズ (検出、設計、展開) では、一連のツールを使用する必要があります。これらのツールの焦点と種類はドメインによって異なります。 DeFi分野だけでなく、さまざまなアプリケーションプロジェクト、インフラ、ゲームなどの分野にも応用可能です。

詳細レベルを考慮する場合、2 つの見解があります。1 つの見解は、定性的な観点からエコシステムを見ることができ、市場標準を使用するだけで十分であり、シミュレーションを必要としないというものです。もう 1 つの観点は、経済的リスクが大きいため、エコシステム全体を 1 対 1 でシミュレーションするデジタル ツインを作成する必要があるということです。精度の向上とリソースの集約が進むにつれて、必要なプログラミングの知識も増加します。これにより、ユーザーに対する要求も高まります。ユーザーは、より複雑なモデルを処理するためにプログラムできる必要があり、ユーザーの使いやすさが損なわれる可能性があります。したがって、より詳細な生態系モデルを構築するには、より多くのプログラミングの知識が必要であり、数学の十分な理解も必要です。

トークンのエコシステムには、システムの理解と設計に役立つさまざまなツールがあります。上記の「トークン設計ツール図」の左端には、スプレッドシート モデルと、問題ステートメント、ステークホルダーの問題ステートメント、ステークホルダー マッピング、特定のバリュー ストリームなどの定性ツールがいくつかあります。最初のトークン設計の草案に機械学習モデルを使用するなど、AI 主導の推論を活用することもできます。そしてグラフの真ん中のQTM（Quantitative Token Model）などは、これもスプレッドシートモデルではありますが、DeFiに限らず複数の異なる分野をカバーしています。この広範な対象範囲により精度が失われる可能性がありますが、スタートアップがトークン エコシステムについて直接の洞察を獲得し、初期の理解を得るのに役立ちます。

図の左側には、複雑な環境における生態系の 1:1 モデリングを実行できる cadCAD などのシミュレーション ツールがあります。全体として、トークン エコシステムでは、適切なツールと方法論を選択することがスタートアップの成功にとって重要です。さまざまな種類のツールがさまざまな段階で貴重な情報を提供し、企業が情報に基づいた意思決定を行い、エコシステムの継続的な開発を促進するのに役立ちます。

QTM の概要

QTM は、10 年の固定シミュレーション時間を使用し、各タイム ステップが 1 か月である定量的トークン モデルであるため、高精度モデルというよりはマクロ シミュレーション モデルに近いです。各タイムステップの開始時にトークンがエコシステムに放出されるため、モデルにはインセンティブ モジュール、トークン所有権モジュール、エアドロップ モジュールなどが含まれます。これらのトークンはいくつかのメタ バケットにキャストされ、そこから再びよりきめの細かい一般化されたユーティリティの再配布が行われます。次に、これらのユーティリティツールから報酬の支払いなどを定義します。オフチェーン ビジネスの側面もあります。これには、破棄や再購入などのビジネスの一般的な財務状況も考慮され、ユーザーの採用を測定したり、ユーザーの採用を定義したりすることもできます。

ただし、このモデルの出力品質は入力品質に依存することを強調する必要があります。したがって、QTM を使用する前に、より正確な情報を取得し、何が起こっているかを洞察するために適切な市場調査を行う必要があります。これにより、より現実に近い出力結果を得ることができる。 QTM は、初期段階のスタートアップが自社のエコシステムを最初に理解するのに役立つ教育ツールとみなされていますが、QTM から財務上のアドバイスを引き出すべきではなく、結果のみに依存すべきでもありません。

＃＃＃＃ データ分析

次に、データ分析の観点から抽出できるさまざまな種類のデータを見ていきます。まず、DeFi市場や仮想通貨市場を含めたマクロ市場の視点から市場全体の発展を観察することができます。その後、資金調達ラウンドの指標に注目して、さまざまなラウンドでの資金調達額、評価、供給販売など、プロジェクトに資金がどのように供給されているかを理解できます。第二に、参加者の行動パターンを研究して、他の人の投資習慣についての洞察を得ることができます。

従来の金融と比較すると、チェーン上のデータは誰にでも公開され、エコシステム内のほぼすべてのトランザクションを閲覧できるため、チェーン上のデータは大きく異なります。これにより、ユーザーの増加、ロックされた合計値 (TVL)、トランザクション量などのさまざまな指標を取得できます。さらに興味深いことに、さまざまなインセンティブメカニズムがエコシステムの運営にどのような影響を与えるかを観察することも可能です。さらに、Twitter、Reddit、Discord、Telegram などのソーシャル メディア プラットフォームは、トークン エコノミクスとプロジェクトのパフォーマンスにおいて重要な役割を果たします。

この情報は公開されている非常に貴重なデータであり、生態系パラメーターをより深く理解し、モデルを検証するために活用する必要があります。

以下は、権利確定作成と同様のデータを確認できる例です。この例は小規模なものですが、一般に、さまざまな利害関係者グループの権利確定期限を観察することが可能です。上のグラフでは、権利確定期間の最小値、平均値、中央値、最大値が表示されます。これは、さまざまなフィールドすべての権利確定期間の分析です。さらに、同じデータをセグメント化して、異なる業界分野を区別することもできます。このように、さまざまな分野のデータの分布は大きく異なる可能性があることがわかります。これらの値は常に最適であるとは限りませんが、出発点としては役立ちます。

別の例は、トークン バケットの履歴残高に関するものです。 Maple Finance を例に挙げると、ネイティブ トークンのステータスを確認し、エコシステム全体のすべてのトランザクションを追跡し、それらを Maple に関連するアドレス、集中型交換アドレス、分散型交換アドレスなどの特定の「トークン バケット」に分類できます。等このようにして、各ステークホルダーのバランスを確認し、エコシステム全体で何が起こっているかを観察できます。

この例では、ステーキング契約が導入された 7 月 22 日中旬まで、すべての Maple アドレスの残高が減少しており、大量のトークン供給がステーキング契約に割り当てられていることがわかります。また、VC がこのステーキング スキームに参加していることも観察でき、これはグラフから直接導き出すことができます。さらに、取引のバランスが時間の経過とともにどのように変化するかを観察することができるため、エコシステムで何が起こっているかを理解するのに非常に役立ちます。最後に、個々のステークまたは特定のアドレスの動作を研究して、何が起こっているかを洞察することも可能です。

トークン エコシステムでは、特定のアドレスの動作を観察すると、トークンの流動性に関する重要な情報が得られます。たとえば、トークンがステーキングコントラクトから特定のアドレスに送信されると、受信者がそれらのトークンを使って何をしているかを理解することができます。彼らはそれらのトークンを再投資することを選択するのでしょうか、再度ステーキング契約に送り返すか、販売するか、あるいは他の場所に展開することを選択しますか?これらは各利害関係者の行動を理解するために分析すべき重要な情報であり、このデータをモデルにフィードバックして、モデルの微調整に役立てることができます。

このモデルにより、個々のアドレスだけでなく、集約された関係者の代表的なグループについても、トークン受信者の動作を分析できます。たとえば、Maple、Goldfinch、TrueFi などの複数のトークン プロジェクトを分析すると、トークンの約 38% がプレッジ コントラクトを通じて受信された後、最初のトランザクション後にプレッジ コントラクトに送り返されることがわかります。これに対し、集中型取引所では約 8 パーセント、分散型取引所では約 14 パーセントです。ある時点でのトークンバケットの割り当てをQTM上で確認することで、トークンの循環供給状況を把握することができます。これらの値をパラメータに適用すると、エコシステムがどのように動作するかを初めて確認できます。

これらのデータを使用すると、財団、チーム、誓約の分配、全体的な循環供給、流動性プールなど、今後 10 年程度のエコシステム内のさまざまなバケットの供給バランスの予測などの予測を行うことができます。同時に、価格シミュレーションや予測も行うことができます。これらの予測は投機や財務上のアドバイスを目的としたものではなく、供給属性とトークン需要の関係、つまりこれら 2 つの要素のバランスを理解するのに役立つことを強調することが重要です。

さらに、さまざまな利用割合の分布など、他の側面も分析できます。たとえば、ステーキングされているトークンの数、流動性マイニング インセンティブ プログラムに使用されているトークンの数、またはバーン メカニズムがある場合はバーンされたトークンの数を理解できます。また、月々の公共料金の報酬を調べて、トークンを店舗などで使用できる場合、それらのインセンティブがドル換算でどれくらいの価値があるかを確認することもできます。特にエコシステムにインセンティブを与える際のコスト要因を考慮して、トークンの全体的な使用状況を理解することが重要です。

データ駆動型モデル

もう 1 つのテーマは、権利確定計画に関する新しい考え方です。時々、非常に長期の権利確定計画のみが必要であると考える人がいますが、これは必ずしも良いことではありません。これは、初期流通時の供給が非常に少ないことを意味し、市場での投機や潜在的な誇大宣伝につながることを意味します。したがって、市場の需要とは独立して、調整を採用するトークン帰属メカニズムを導入することを提案します。言い換えれば、アトリビューションのリリースは、事前に定義された特定の主要業績評価指標に従ってコントローラーによって制御されるため、エコシステムのニーズを予測する必要はありません。これらの KPI には、TVL、トランザクション量、ユーザーの採用、ビジネスの収益性などが含まれます。この例では、単にトークンの価格が使用されています。

トークン エコシステムでは、実際のトークン インスタンスを分析することで、属性と価格の関係を理解できます。たとえば、エコシステムの初年度には、権利確定を通じて大量の供給が市場に入りますが、製品が十分に成熟していない可能性があるため、市場の需要が不十分で採用が大きくならず、価格が高騰する可能性があります。ドロップするトークン。この状況はモデル (QTM など) でシミュレートでき、そこから同様の動作が観察できます。初期段階では、市場に大量の供給が入ったため、トークンの価格が下落する可能性があります。その後、時間の経過とともに採用状況が変化すると、ユーザーが参加し始めて収益がもたらされ、買い戻しが行われるようになり、最終的には価格が回復します。

このモデルでは、ロジスティック関数、線形関数、指数関数的成長という 3 つの異なる需要シナリオをシミュレートできます。コントローラーは基本的に、異なる時点で異なる排出量を管理します。異なる成長と需要のシナリオごとに、コントローラーは異なる時点で異なる排出量を管理することがわかります。

トークンの価格が上昇すると、より多くのトークンがエコシステムに放出され、初期の投資家がトークンを売却する可能性があり、その結果、価格が下落します。逆に、価格が設定価格よりも低い場合には、トークンの発行が減らされます。ただし、すべての初期投資家が最終的に公平な分配を確実に受け取る必要があるため、トークンの発行はゼロにはなりません。この制御メカニズムにより、トークンの価格は再び上昇し、最終的にボラティリティが低下し、エコシステムが安定します。

価格はエコシステムにおいて非常に重要な指標です。トークンの価格が1年で90％も急落したら、エコシステムにとって非常に悪影響を及ぼします。将来を正確に予測できないことはわかっていますが、少なくとも需要側を考慮し、モデル化して予測するように努める必要があります。これは、特定の結果や特定の値を追うことを意味するのではなく、モンテカルロ シミュレーションとパラメーター スイープを通じて利用可能な解空間全体を探索することを意味します。そうすることで、さまざまな状況における可能性を理解し、より包括的で柔軟な戦略を立てることができます。

さらに、これらの属性に異なる重みを割り当てることができます。たとえば、初期段階では、エコシステムのインセンティブはより多くのトークン権利確定割り当てを受け取る可能性がありますが、チームはより少ないシェアを受け取る可能性があります。ただし、エコシステムの発展を推進するためにトークンの権利確定だけに依存するのではなく、持続可能な成長モデルを確立したいため、状況は時間の経過とともに変化する可能性があります。

元のビデオ: