Outlier Ventures: design e otimização de token orientados por dados

Dr. Achim Struve｜Palestrante‍‍‍‍‍

Sissi｜Compilação

Nota do editor:

Em um ecossistema simbólico, alcançar o desenvolvimento sustentável é fundamental. O vídeo mais recente da Outlier Ventures fornece uma perspectiva abrangente sobre os principais problemas enfrentados pelo ecossistema de tokens e oferece soluções e ferramentas práticas para enfrentar esses desafios.

Este vídeo destaca os princípios e métodos da Token Engineering, que oferece uma nova perspectiva para o planejamento e construção de sistemas de token. Ao mesmo tempo, complementadas por uma série de ferramentas práticas, como ferramentas de simulação baseadas em agentes, QTM, etc., essas ferramentas podem fornecer informações valiosas em diferentes estágios para ajudar o projeto a tomar decisões informadas. Com essas ferramentas de suporte, as startups da Web3 têm a oportunidade de alcançar um crescimento sustentável.

Este vídeo da Outlier Ventures traz uma nova visão para destacar o papel crítico da engenharia de token e ferramentas relacionadas na resposta das equipes de projeto à mudança, provando ser uma arma poderosa na adaptação ao ecossistema de token em constante mudança. A formação dessa cognição se beneficia de pesquisas e práticas aprofundadas sobre o ecossistema de tokens, permitindo que os participantes entendam melhor a dinâmica do ecossistema e tomem decisões mais informadas e previdentes. A seguir, a tradução e organização do conteúdo do vídeo. Para obter mais informações sobre engenharia de token, consulte o conteúdo anterior desta conta oficial. ‍‍

Três fases de design e otimização de token

Fase de descoberta

Ao construir um ecossistema de token bem-sucedido, as etapas principais precisam ser executadas no nível macro do ecossistema. Primeiro, o problema deve ser claramente definido e os desafios enfrentados claramente declarados. Em segundo lugar, o fluxo de valor entre as partes interessadas precisa ser esclarecido para garantir a robustez e o equilíbrio do ecossistema. Ao mesmo tempo, a racionalidade de todo o ecossistema e seus tokens, incluindo o uso razoável de tokens, precisa ser discutida e considerada em profundidade. Além disso, também é indispensável um planejamento de alto nível, que abrange como usar tokens de maneira eficaz e projetar várias soluções de conteúdo. Essas etapas críticas são essenciais para a construção de um ecossistema de token bem-sucedido.

fase de desenho

A parametrização é outra etapa crítica na construção de um ecossistema de tokens, que envolve a aplicação de ferramentas quantitativas como planilhas, ferramentas de simulação como cadCAD, Token Spice, Machinations, etc. Essas ferramentas podem ajudar as pessoas a obter modelos otimizados e validados, realizar análises e previsões de risco e obter informações sobre o fornecimento de tokens e as tendências de avaliação. Essas ferramentas quantitativas fornecem uma melhor compreensão do funcionamento do ecossistema para apoiar seu design e otimização.

Fase de implantação

A fase de implantação é crucial, pois coloca em prática a análise teórica e o design anteriores e, na verdade, implanta o ecossistema no blockchain. Nesta fase, diversas ferramentas precisam ser utilizadas, incluindo diferentes linguagens de programação como Solidity, Rust, etc., e ambientes de implantação como Hardhat. Por meio desse processo, o resultado final é o token ou produto real do ecossistema que realmente ganha vida e opera no blockchain.

Ferramenta de design de token

Nas três fases diferentes acima (descoberta, design e implantação), precisamos usar uma série de ferramentas, e o foco e o tipo dessas ferramentas variam em diferentes domínios. Não é aplicável apenas ao campo DeFi, mas também a vários projetos de aplicativos, infraestrutura, jogos e outros campos.

Ao considerar o nível de detalhe, há duas visões: Uma visão é que podemos olhar para o ecossistema de um ponto de vista qualitativo, usar padrões de mercado é suficiente e não requer nenhuma simulação. Outro ponto de vista é que é preciso criar um gêmeo digital, uma simulação 1:1 de todo o ecossistema, porque envolve muito risco financeiro. À medida que o progresso é feito em direção a uma maior precisão e aumenta a intensidade de recursos, o mesmo ocorre com o conhecimento de programação necessário. Isso também aumenta as demandas dos usuários - eles precisam ser capazes de programar para lidar com modelos mais complexos, o que pode comprometer a facilidade de uso. Portanto, para construir modelos de ecossistema mais detalhados, é necessário mais conhecimento de programação e uma boa compreensão da matemática.

No ecossistema de tokens, existem várias ferramentas que nos ajudam a entender e projetar o sistema. Na extremidade esquerda do “Diagrama de ferramenta de design de token” acima, há o modelo de planilha e algumas ferramentas qualitativas, como declaração do problema, declaração do problema das partes interessadas, mapeamento das partes interessadas e fluxos de valor específicos. Podemos até alavancar o raciocínio orientado por IA, como usar modelos de aprendizado de máquina para esboçar o primeiro design de token. E na parte do meio do gráfico, como QTM (Quantitative Token Model), embora também seja um modelo de planilha, abrange vários campos diferentes, não se limitando ao DeFi. Essa ampla cobertura pode resultar em perda de precisão, mas ajuda as startups a obter informações em primeira mão e uma compreensão inicial de seu ecossistema de tokens.

No lado esquerdo da figura, encontram-se ferramentas de simulação como o cadCAD, que podem realizar a modelagem 1:1 do ecossistema em um ambiente complexo. No geral, no ecossistema de tokens, escolher as ferramentas e metodologias adequadas é fundamental para o sucesso de uma startup. Diferentes tipos de ferramentas podem fornecer informações valiosas em diferentes estágios para ajudar as empresas a tomar decisões informadas e facilitar o desenvolvimento contínuo do ecossistema.

Visão geral do QTM

QTM é um modelo de token quantitativo que usa um tempo de simulação fixo de 10 anos, com cada etapa de tempo sendo um mês, portanto, é mais um modelo de macro simulação do que um modelo altamente preciso. No início de cada etapa de tempo, os tokens serão emitidos no ecossistema, portanto, existem módulos de incentivo, módulos de propriedade de token, módulos de airdrop etc. no modelo. Esses tokens serão então lançados em vários meta baldes, dos quais ocorre novamente uma redistribuição de utilidade generalizada mais refinada. Em seguida, defina pagamentos de recompensa, etc. a partir dessas ferramentas utilitárias. Existem também aspectos de negócios fora da cadeia, que também consideram a situação financeira geral do negócio, como destruição ou recompra, e também podem medir a adoção do usuário ou definir a adoção do usuário.

No entanto, é preciso enfatizar que a qualidade da saída desse modelo depende da qualidade da entrada. Portanto, antes de usar o QTM, uma pesquisa de mercado adequada deve ser feita para obter informações mais precisas e entender o que está acontecendo. Desta forma, pode-se obter um resultado de saída mais próximo da situação real. O QTM é visto como uma ferramenta educacional para startups em estágio inicial para ajudá-los a obter uma compreensão inicial de seu ecossistema, mas nenhum conselho financeiro deve ser extraído dele, nem os resultados devem ser considerados apenas.

análise de dados

A seguir, veremos os diferentes tipos de dados que podem ser extraídos de uma perspectiva de análise de dados. Em primeiro lugar, você pode observar o desenvolvimento do mercado geral da perspectiva do mercado macro, incluindo o mercado DeFi e o mercado de criptomoedas. Posteriormente, pode-se focar nas métricas das rodadas de captação de recursos para entender como o projeto está sendo financiado, como o montante de recursos arrecadados, avaliação e vendas de suprimentos em diferentes rodadas. Em segundo lugar, os padrões de comportamento dos participantes também podem ser estudados para obter informações sobre os hábitos de investimento dos outros.

Em comparação com as finanças tradicionais, os dados da cadeia são significativamente diferentes, porque os dados da cadeia são visíveis publicamente para todos e podem visualizar quase todas as transações no ecossistema. A partir disso, várias métricas como crescimento de usuários, valor total bloqueado (TVL), volume de transações etc. podem ser capturadas. Mais interessante, também é possível observar como diferentes mecanismos de incentivo afetam a operação do ecossistema. Além disso, plataformas de mídia social como Twitter, Reddit, Discord e Telegram desempenham um papel importante na economia de tokens e no desempenho do projeto.

Essas informações são dados públicos e muito valiosos que devem ser aproveitados para entender melhor os parâmetros do ecossistema e validar nossos modelos.

Abaixo está um exemplo onde podemos olhar para dados semelhantes às criações de aquisição. Embora este exemplo seja pequeno, em geral, é possível observar prazos de aquisição para diferentes grupos de partes interessadas. No gráfico acima, você pode ver os valores mínimo, médio, mediano e máximo do período de carência, que é uma análise do período de carência para todos os diferentes campos. Além disso, os mesmos dados podem ser segmentados para distinguir diferentes campos da indústria. Dessa forma, percebe-se que a distribuição dos dados em diferentes campos pode variar muito. Embora esses valores nem sempre sejam ideais, eles nos fornecem um ponto de partida.

Outro exemplo é sobre o saldo histórico do token bucket. Tomando o Maple Finance como exemplo, você pode verificar o status de seus tokens nativos, rastrear todas as transações em todo o ecossistema e classificá-los em “token buckets” específicos, como endereços relacionados ao Maple, endereço de exchanges centralizadas e endereços de exchanges descentralizadas, etc. Dessa forma, podemos olhar para o equilíbrio de cada parte interessada e observar o que está acontecendo em todo o ecossistema.

Neste exemplo, pode-se observar que os saldos de todos os endereços do Maple estavam declinando até meados de 22 de julho, quando o contrato de staking foi introduzido, fazendo com que uma grande quantidade do fornecimento de tokens fosse alocada para o contrato de staking. Também podemos observar que os VCs participam desse esquema de staking, que pode ser derivado diretamente do gráfico. Além disso, é possível observar como o equilíbrio do câmbio muda ao longo do tempo, o que ajuda muito a entender o que está acontecendo no ecossistema. Por fim, também é possível estudar o comportamento de estacas individuais ou endereços específicos para obter informações sobre o que está acontecendo.

Em um ecossistema de tokens, observar o comportamento de endereços específicos pode fornecer informações importantes sobre a liquidez do token. Por exemplo, quando os tokens são enviados de um contrato de staking para um endereço específico, é possível entender o que o destinatário está fazendo com esses tokens. Eles optam por reinvestir esses tokens, enviá-los de volta ao contrato de aposta, vendê-los ou implantá-los em outro lugar? Essas são informações importantes a serem analisadas para entender o comportamento de cada parte interessada, e podemos inserir esses dados em nossos modelos, ajudando a ajustá-los.

Esse modelo permite a análise do comportamento do destinatário do token não apenas para endereços individuais, mas também para grupos representativos de partes interessadas agregadas. Por exemplo, podemos analisar vários projetos de token, como Maple, Goldfinch e TrueFi, e descobrir que cerca de 38% dos tokens são enviados de volta ao contrato de penhor após a primeira transação após serem recebidos por meio do contrato de penhor. Isso se compara a cerca de 8% para exchanges centralizadas e cerca de 14% para exchanges descentralizadas. Ao revisar a alocação de token buckets em um determinado momento no QTM, é possível entender o fornecimento circulante de tokens. Esses valores podem ser aplicados aos nossos parâmetros para obter uma primeira visão de como o ecossistema se comporta.

Usando esses dados, podemos fazer previsões, como prever o suprimento de saldo de diferentes baldes no ecossistema nos próximos dez anos, incluindo fundações, equipes, distribuição de promessas, suprimento circulante geral e pools de liquidez. Ao mesmo tempo, a simulação ou previsão de preços também pode ser realizada. É importante ressaltar que essas previsões não visam especulações ou conselhos financeiros, mas sim nos ajudam a entender a relação entre atribuição de oferta e demanda de tokens e, portanto, o equilíbrio desses dois fatores.

Além disso, outros aspectos podem ser analisados, como a distribuição das diferentes frações de utilidade. Por exemplo, podemos entender quantos tokens são apostados, quantos são usados para o programa de incentivo à mineração de liquidez ou quantos tokens são queimados se houver um mecanismo de queima. Também podemos observar as recompensas mensais de serviços públicos para ver quanto valem esses incentivos em termos de dólares se os tokens puderem ser gastos em uma loja ou em outro lugar. É importante entender o uso geral do token, especialmente considerando o fator de custo ao incentivar o ecossistema.

Modelos baseados em dados

Outro tema são as novas formas de pensar sobre os planos de aquisição de direitos. Às vezes, as pessoas pensam que apenas planos de aquisição muito longos são necessários, mas isso nem sempre é bom, pois significa que a oferta na circulação inicial é muito baixa, levando à especulação e a um comportamento potencialmente exagerado no mercado. Portanto, propomos a introdução de um mecanismo de atribuição de tokens que adote ajustes, independente da demanda do mercado. Em outras palavras, não é necessário prever as necessidades do ecossistema, pois a liberação da atribuição será controlada pelo controlador de acordo com determinados indicadores-chave de desempenho previamente definidos. Esses KPIs podem incluir TVL, volume de transações, adoção do usuário, lucratividade dos negócios e muito mais. Neste exemplo, o preço do token é simplesmente usado.

Em um ecossistema de tokens, a relação entre atribuição e preço pode ser entendida analisando instâncias reais de tokens. Por exemplo, no primeiro ano do ecossistema, uma grande quantidade de oferta entra no mercado por aquisição, mas como o produto pode não estar maduro o suficiente, a demanda do mercado pode ser insuficiente e a adoção pode não ser grande, fazendo com que o preço de o token para cair. Esta situação pode ser simulada por um modelo (e.g. QTM), a partir do qual se pode observar um comportamento semelhante: na fase inicial, o preço de um token pode cair devido a uma grande oferta que entra no mercado. Então, com o tempo, quando a adoção muda, os usuários começam a se juntar e gerar receita, recompras podem ser feitas e o preço eventualmente se recupera.

No modelo, três diferentes cenários de demanda podem ser simulados: função logística, função linear e crescimento exponencial. O controlador basicamente gerencia diferentes emissões em diferentes pontos no tempo, e você pode ver que para cada cenário diferente de crescimento e demanda, em diferentes pontos no tempo, o controlador gerenciará diferentes emissões.

Quando os preços dos tokens aumentarem, mais tokens serão lançados no ecossistema, o que pode fazer com que os primeiros investidores vendam tokens, o que, por sua vez, fará com que o preço caia. Pelo contrário, quando o preço for inferior ao preço predefinido, a emissão de tokens será reduzida. No entanto, a emissão de tokens não cairá para zero, pois precisamos garantir que todos os investidores iniciais eventualmente recebam sua parte justa. Com esse mecanismo de controle, o preço do token aumentará novamente, reduzindo a volatilidade e estabilizando o ecossistema.

O preço é um indicador muito importante no ecossistema. Seria muito ruim para o ecossistema se o preço do token caísse 90% em um ano. Embora saibamos que não podemos prever com precisão o futuro, devemos pelo menos considerar o lado da demanda e tentar modelá-lo e prevê-lo. Isso não significa perseguir um determinado resultado ou um valor específico, mas explorar todo o espaço de solução disponível por meio de simulações de Monte Carlo e varreduras de parâmetros. Isso pode nos ajudar a entender as possibilidades em diferentes situações e desenvolver estratégias mais abrangentes e flexíveis.

Além disso, podemos atribuir diferentes pesos a essas atribuições. Por exemplo, no estágio inicial, os incentivos do ecossistema podem receber mais alocações de aquisição de token, enquanto as equipes podem receber uma parcela menor. No entanto, a situação pode mudar com o tempo, pois não queremos depender apenas da aquisição de tokens para impulsionar o desenvolvimento do ecossistema, queremos estabelecer um modelo de crescimento sustentável.

Vídeo original: