Outlier Ventures: дизайн і оптимізація токенів на основі даних

Доктор Ахім Струве｜Доповідач‍‍‍‍‍

Сіссі｜Компіляція

Примітка редактора:

В екосистемі токенів досягнення сталого розвитку є критично важливим. Останнє відео від Outlier Ventures надає комплексний погляд на ключові проблеми, з якими стикається екосистема токенів, і пропонує практичні рішення та інструменти для вирішення цих проблем.

У цьому відео висвітлюються принципи та методи розробки токенів, які відкривають новий погляд на планування та створення систем токенів. У той же час, доповнені низкою практичних інструментів, таких як засоби симуляції на основі агентів, QTM тощо, ці інструменти можуть надавати цінну інформацію на різних етапах, щоб допомогти проекту приймати обґрунтовані рішення. Завдяки цим допоміжним інструментам стартапи Web3 мають можливість досягти сталого зростання.

Це відео від Outlier Ventures приносить нове розуміння, щоб висвітлити важливу роль розробки токенів і пов’язаних інструментів у реакції проектних команд на зміни, виявившись потужною зброєю в адаптації до екосистеми токенів, що постійно змінюється. Формування цього знання сприяє поглибленому дослідженню та практиці екосистеми токенів, що дозволяє учасникам краще розуміти динаміку екосистеми та приймати більш обґрунтовані та далекоглядні рішення. Нижче наведено переклад і організацію відеовмісту. Щоб дізнатися більше про розробку токенів, перегляньте попередній вміст цього офіційного облікового запису. ‍‍

Три фази розробки та оптимізації токенів

Фаза відкриття

Щоб побудувати успішну екосистему токенів, ключові кроки необхідно виконати на макрорівні екосистеми. По-перше, проблема повинна бути чітко визначена, а виклики, з якими доводиться стикатися, чітко сформульовані. По-друге, потік цінностей між зацікавленими сторонами має бути проясненим, щоб забезпечити надійність і збалансованість екосистеми. У той же час раціональність усієї екосистеми та її токенів, включаючи розумне використання токенів, потребує глибокого обговорення та розгляду. Крім того, незамінним є високорівневе планування, яке охоплює, як ефективно використовувати токени та розробляти різні контентні рішення. Усі ці важливі кроки є невід’ємною частиною побудови успішної екосистеми токенів.

етап проектування

Параметризація є ще одним важливим кроком у побудові екосистеми токенів, яка передбачає застосування кількісних інструментів, таких як електронні таблиці, інструменти моделювання, такі як cadCAD, Token Spice, Machinations тощо. Ці інструменти можуть допомогти людям отримати оптимізовані та підтверджені моделі, провести аналіз ризиків і прогнозування, а також отримати уявлення про постачання токенів і тенденції оцінки. Ці кількісні інструменти забезпечують краще розуміння функціонування екосистеми для підтримки її проектування та оптимізації.

Фаза розгортання

Етап розгортання є вирішальним, він застосовує попередній теоретичний аналіз і дизайн на практиці та фактично розгортає екосистему на блокчейні. На цьому етапі необхідно використовувати різні інструменти, включаючи різні мови програмування, такі як Solidity, Rust тощо, і середовища розгортання, такі як Hardhat. Завдяки цьому процесу кінцевим результатом є фактичний токен екосистеми або продукт, який фактично оживає та працює в блокчейні.

Інструмент дизайну маркерів

На вищевказаних трьох різних етапах (виявлення, проектування та розгортання) нам потрібно використовувати серію інструментів, і фокус і тип цих інструментів відрізнятимуться в різних областях. Він застосовний не лише до сфери DeFi, але й до різних проектів додатків, інфраструктури, ігор та інших сфер.

Розглядаючи рівень деталізації, існує дві точки зору: одна точка зору полягає в тому, що ми можемо дивитися на екосистему з якісної точки зору, використання ринкових стандартів є достатнім і не потребує жодного моделювання. Інша точка зору полягає в тому, що необхідно створити цифрового двійника, симуляцію 1:1 усієї екосистеми, оскільки це пов’язано з великим фінансовим ризиком. У міру прогресу в напрямку підвищення точності та збільшення ресурсоємності зростають і необхідні знання програмування. Це також підвищує вимоги до користувачів – вони повинні вміти програмувати, щоб працювати зі складнішими моделями, що може поставити під загрозу зручність використання. Тому для побудови більш детальних моделей екосистеми потрібні додаткові знання з програмування та хороше розуміння математики.

В екосистемі токенів є різні інструменти, які допомагають нам зрозуміти та спроектувати систему. У лівому кінці «Діаграми інструменту проектування маркерів» вище є модель електронної таблиці та деякі якісні інструменти, такі як постановка проблеми, постановка проблеми зацікавлених сторін, відображення зацікавлених сторін і конкретні потоки цінностей. Ми навіть можемо використовувати міркування на основі штучного інтелекту, наприклад, використовувати моделі машинного навчання для розробки першого дизайну маркера. І в середній частині графіка, наприклад QTM (модель кількісних токенів), хоча це також модель електронної таблиці, вона охоплює кілька різних полів, не обмежуючись DeFi. Це широке охоплення може призвести до втрати точності, але воно допомагає стартапам отримати розуміння з перших рук і початкове розуміння екосистеми своїх токенів.

У лівій частині малюнка є інструменти моделювання, такі як cadCAD, які можуть виконувати моделювання 1:1 екосистеми в складному середовищі. Загалом, в екосистемі токенів вибір відповідних інструментів і методологій має вирішальне значення для успіху стартапу. Різні типи інструментів можуть надавати цінну інформацію на різних етапах, щоб допомогти підприємствам приймати обґрунтовані рішення та сприяти постійному розвитку екосистеми.

Огляд QTM

QTM — це кількісна модель токенів, яка використовує фіксований час моделювання в 10 років, причому кожен часовий крок становить один місяць, тому це більше модель макросимуляції, ніж високоточна модель. На початку кожного тимчасового кроку токени будуть випущені в екосистему, тому в моделі є модулі заохочення, модулі володіння токеном, модулі airdrop тощо. Потім ці маркери будуть розподілені в кілька мета-відер, з яких знову відбувається більш детальний узагальнений перерозподіл корисності. Потім визначте виплати винагород тощо за допомогою цих утиліт. Існують також бізнес-аспекти поза ланцюгом, які також враховують загальний фінансовий стан бізнесу, наприклад знищення або повторний викуп, а також можуть вимірювати прийняття користувачами або визначати прийняття користувачами.

Однак слід підкреслити, що вихідна якість цієї моделі залежить від якості вхідного. Тому перед використанням QTM необхідно провести адекватне дослідження ринку, щоб отримати більш точні дані та зрозуміти, що відбувається. Таким чином можна отримати вихідний результат, ближчий до реальної ситуації. QTM розглядається як навчальний інструмент для стартапів на ранніх стадіях, який допомагає їм отримати початкове розуміння своєї екосистеми, але не слід брати з нього жодних фінансових порад, а також не слід покладатися лише на результати.

аналіз даних

Далі ми розглянемо різні типи даних, які можна отримати з точки зору аналізу даних. Перш за все, ви можете спостерігати за розвитком ринку в цілому з точки зору макроринку, включаючи ринок DeFi і ринок криптовалют. Згодом можна зосередитися на показниках раундів збору коштів, щоб зрозуміти, як фінансується проект, як-от сума зібраних коштів, оцінка та продаж поставок у різних раундах. По-друге, моделі поведінки учасників також можна вивчати, щоб отримати уявлення про інвестиційні звички інших.

Порівняно з традиційними фінансами, дані в ланцюжку значно відрізняються, оскільки дані в ланцюжку загальнодоступні для всіх і можуть переглядати майже кожну транзакцію в екосистемі. З цього можна отримати різні показники, такі як зростання кількості користувачів, загальна заблокована вартість (TVL), обсяг транзакцій тощо. Що ще цікавіше, також можна спостерігати, як різні механізми стимулів впливають на роботу екосистеми. Крім того, платформи соціальних мереж, такі як Twitter, Reddit, Discord і Telegram, відіграють важливу роль в економіці токенів і ефективності проекту.

Ця інформація є загальнодоступною та дуже цінною, яку слід використовувати для кращого розуміння параметрів екосистеми та перевірки наших моделей.

Нижче наведено приклад, де ми можемо переглянути дані, подібні до створення прав. Незважаючи на те, що цей приклад невеликий, загалом можна спостерігати кінцеві терміни набуття прав для різних груп зацікавлених сторін. На діаграмі вище ви можете побачити мінімальне, середнє, середнє та максимальне значення для періоду набуття права, що є аналізом періоду набуття права для всіх різних полів. Крім того, одні й ті самі дані можна сегментувати, щоб розрізнити різні галузі промисловості. Таким чином, можна побачити, що розподіл даних у різних полях може сильно відрізнятися. Хоча ці значення не завжди можуть бути оптимальними, вони дають нам вихідну точку.

Інший приклад стосується історичного балансу токена. Взявши за приклад Maple Finance, ви можете перевірити статус його власних токенів, відстежувати всі транзакції в усій екосистемі та класифікувати їх за певними «токенами», такими як адреси, пов’язані з Maple, адреси централізованих бірж і адреси децентралізованих бірж, тощо Таким чином ми можемо переглянути баланс кожної зацікавленої сторони та спостерігати, що відбувається в екосистемі.

У цьому прикладі можна помітити, що баланси всіх адрес Maple знижувалися до середини липня 22, коли було введено контракт про стейкинг, що спричинило розподіл великої кількості токенів на контракт про стейкинг. Ми також можемо помітити, що венчурні капітальні вкладувачі беруть участь у цій схемі ставок, яку можна отримати безпосередньо з графіка. Крім того, можна спостерігати, як змінюється баланс обміну з часом, що дуже допомагає зрозуміти, що відбувається в екосистемі. Нарешті, також можна вивчити поведінку окремих часток або конкретних адрес, щоб отримати уявлення про те, що відбувається.

В екосистемі токенів спостереження за поведінкою конкретних адрес може надати важливу інформацію про ліквідність токенів. Наприклад, коли токени надсилаються з контракту про стейкинг на певну адресу, можна зрозуміти, що одержувач робить із цими токенами. Чи вирішують вони реінвестувати ці токени, знову відправити їх назад у контракт про ставку, продати їх чи розгорнути в іншому місці? Це ключові фрагменти інформації, які потрібно проаналізувати, щоб зрозуміти поведінку кожної зацікавленої сторони, і ми можемо повернути ці дані назад у наші моделі, допомагаючи точно налаштувати моделі.

Ця модель дозволяє аналізувати поведінку одержувачів токенів не лише для окремих адрес, але й для репрезентативних груп агрегованих зацікавлених сторін. Наприклад, ми можемо проаналізувати кілька проектів токенів, таких як Maple, Goldfinch і TrueFi, і виявити, що близько 38% токенів повертаються до договору застави після першої транзакції після отримання через договір застави. Це можна порівняти з приблизно 8 відсотками для централізованих бірж і приблизно 14 відсотками для децентралізованих бірж. Переглядаючи розподіл сегментів токенів у певний момент часу на QTM, можна зрозуміти циркуляційний запас токенів. Ці значення можна застосувати до наших параметрів, щоб отримати перший погляд на те, як поводиться екосистема.

Використовуючи ці дані, ми можемо робити прогнози, такі як прогнозування балансу пропозиції різних сегментів екосистеми в найближчі десять років або близько того, включаючи фонди, команди, розподіл застави, загальну оборотну пропозицію та пули ліквідності. У той же час також можна проводити моделювання або прогнозування ціни. Важливо підкреслити, що ці прогнози не призначені для спекуляцій чи фінансових порад, а радше допомагають нам зрозуміти взаємозв’язок між розподілом пропозиції та попитом на токени, а отже, баланс цих двох факторів.

Крім того, можна проаналізувати інші аспекти, такі як розподіл різних фракцій корисності. Наприклад, ми можемо зрозуміти, скільки токенів поставлено, скільки використовується для програми стимулювання майнінгу ліквідності або скільки токенів спалено, якщо є механізм спалювання. Ми також можемо переглянути щомісячні винагороди за комунальні послуги, щоб побачити, скільки коштують ці стимули в доларах, якщо токени можна витратити в магазині чи в іншому місці. Важливо розуміти загальне використання токена, особливо враховуючи фактор вартості під час стимулювання екосистеми.

Моделі, керовані даними

Інша тема — нові способи мислення щодо планів набуття прав. Іноді люди думають, що потрібні лише дуже довгострокові плани набуття прав, але це не завжди добре, оскільки це означає, що пропозиція в початковому обігу дуже низька, що призводить до спекуляцій та потенційного ажіотажу на ринку. Тому ми пропонуємо запровадити механізм атрибуції токенів, який приймає коригування незалежно від ринкового попиту. Іншими словами, немає необхідності прогнозувати потреби екосистеми, оскільки реліз атрибуції буде контролюватися контролером відповідно до певних ключових показників ефективності, визначених заздалегідь. Ці KPI можуть включати TVL, обсяг транзакцій, прийняття користувачами, прибутковість бізнесу тощо. У цьому прикладі просто використовується ціна токена.

В екосистемі токенів взаємозв’язок між атрибуцією та ціною можна зрозуміти, проаналізувавши екземпляри реальних токенів. Наприклад, у перший рік існування екосистеми велика кількість пропозиції надходить на ринок через передачу прав, але оскільки продукт може бути недостатньо зрілим, ринковий попит може бути недостатнім, а впровадження може бути невеликим, що спричинить ціну жетон для випадання. Цю ситуацію можна змоделювати за допомогою моделі (наприклад, QTM), з якої можна спостерігати подібну поведінку: на початковому етапі ціна токена може впасти через надходження на ринок великої пропозиції. Потім з часом, коли адаптація змінюється, користувачі починають приєднуватися та отримувати дохід, можна здійснювати викуп, і ціна зрештою відновлюється.

У моделі можна змоделювати три різні сценарії попиту: логістичну функцію, лінійну функцію та експоненціальне зростання. Контролер в основному керує різними викидами в різні моменти часу, і ви бачите, що для кожного окремого сценарію зростання та попиту в різні моменти часу контролер керуватиме різними викидами.

Коли ціни на токени зростають, більше токенів буде випущено в екосистему, що може змусити перших інвесторів продавати токени, що, у свою чергу, спричинить падіння ціни. Навпаки, коли ціна нижча за попередньо встановлену, випуск токенів буде зменшено. Однак випуск токенів не впаде до нуля, оскільки нам потрібно переконатися, що всі початкові інвестори зрештою отримають свою справедливу частку. За допомогою цього механізму контролю ціна токена знову зросте, що зрештою зменшить волатильність і стабілізує екосистему.

Ціна є дуже важливим показником в екосистемі. Це було б дуже погано для екосистеми, якби ціна токена впала на 90% за рік. Хоча ми знаємо, що не можемо точно передбачити майбутнє, принаймні нам слід розглянути сторону попиту та спробувати змоделювати та спрогнозувати його. Це не означає погоні за певним результатом або певним значенням, а дослідження всього доступного простору рішень за допомогою моделювання Монте-Карло та аналізу параметрів. Це може допомогти нам зрозуміти можливості в різних ситуаціях і розробити більш комплексні та гнучкі стратегії.

Крім того, ми можемо призначити різну вагу цим атрибуціям. Наприклад, на початковому етапі екосистемні стимули можуть отримувати більше розподілу токенів, тоді як команди можуть отримувати меншу частку. Однак з часом ситуація може змінитися, оскільки ми не хочемо покладатися виключно на токенінг для стимулювання розвитку екосистеми, ми хочемо створити модель сталого зростання.

Оригінальне відео: