前言
硅谷创业传说中的一个经典故事是,Paypal 决定向使用其产品的用户支付 10 美元。理由是,如果你能向用户支付加入费用,那么网络价值最终会变得足够高,以至于新用户会免费加入,你就可以停止付费。这似乎确实有效,因为 PayPal 能够停止付费并继续增长,从而启动其网络效应。
在加密货币领域,我们采用并扩展了这种方法,通过空投,不仅向加入的人支付费用,而且通常还向使用我们产品一段时间的人支付费用。 拟双曲线贴现模型空投已成为一种多方面的工具,用于奖励早期用户、分散协议治理,以及坦率地说,推销新产品。将分配标准正式化已成为一门艺术,特别是在确定谁应该获得奖励以及他们的努力应获得的价值时。在这种情况下,分发的代币数量和释放时间(通常通过归属或逐步释放等机制)都发挥着重要作用。这些决定应该以系统分析为基础,而不是依赖猜测、情绪或先例。使用更定量的框架可确保公平性并与长期目标战略一致。 拟双曲贴现模型提供了一个数学框架,用于探索个人如何在不同时间做出涉及奖励权衡的选择。它的应用在冲动和不一致性随时间显著影响决策的领域尤其重要,例如财务决策和与健康相关的行为。 该模型由两个特定于人群的参数驱动:当前偏差 ꞵ 和贴现因子 ?。 当前偏见(ꞵ):此参数衡量个人优先考虑即时奖励而非远期奖励的倾向。该参数在 0 到 1 之间变化,其中 1 表示没有即时偏见,反映对未来奖励的平衡、时间一致性评估。当值接近 0 时,它们表示即时偏见越来越强烈,表明对即时奖励的偏好增强。 例如,如果要在今天的 50 美元和一年后的 100 美元之间做出选择,具有较高即时偏见(接近 0)的人会选择立即获得 50 美元,而不是等待更大的金额。 折扣因子(?):此参数描述了未来奖励的价值随着实现时间的增加而减少的速率,解释了其感知价值随着延迟而自然下降的原因。折现因子在较长的多年间隔内更准确地量化。在短期内(不到一年)评估两个选项时,此因子表现出相当大的可变性,因为即时情况会不成比例地影响感知。 对于一般人群,研究表明折现率通常在 0.9 左右。然而,在有赌博倾向的群体中,这个值通常要低得多。研究表明,习惯性赌徒的平均折现因子通常略低于 0.8,而问题赌徒的折现因子往往接近 0.5。 使用上述术语,我们可以通过以下公式表示在时间 t 获得奖励 x 的效用 U: U(t) = tU(x) 这个模型捕捉到了奖励的价值如何根据其时间而变化:即时奖励按全部效用进行评估,而未来奖励的价值则向下调整,同时考虑到当前偏差和指数衰减。 实验去年,Pantera 研究实验室进行了一项研究,以量化加密货币用户的行为倾向。我们向参与者提出了两个简单的问题,旨在衡量他们更喜欢立即付款还是获得一些未来价值。 这种方法帮助我们确定了 ꞵ 和 ? 的代表值。我们的研究结果表明,加密货币用户的代表性样本表现出略高于 0.4 的现时偏差和明显较低的折现系数。
研究表明,加密货币用户的当前偏见高于平均水平,折扣率较低,这表明他们倾向于不耐烦,并且更喜欢即时满足而不是未来收益。 这可以归因于加密货币领域中的几个相互关联的因素: 周期性市场行为:加密货币市场以其波动性和周期性而闻名,代币的价值经常出现快速波动。这种周期性会影响用户行为,因为许多人习惯于在这些周期中穿梭,而不是采用传统金融中更常见的长期投资策略。频繁的起伏可能会导致用户对未来价值的折现率更高,担心潜在的低迷可能会抹去利润。 代币的污名:调查特别询问了代币及其预期的未来价值,这可能凸显了与代币特定交易相关的根深蒂固的污名。这种污名与代币估值的周期性和投机性有关,强化了对加密货币领域长期投资的谨慎态度。此外,假设调查使用法定货币或其他形式的奖励来衡量偏好。在这种情况下,加密货币用户的折现率可能与全球平均水平更接近,这表明奖励的性质可能会显著影响观察到的折现行为。 加密应用的投机性质:当今的加密生态系统深深植根于投机和交易,而这些特征在其最成功的应用中普遍存在。这种趋势凸显出,当前用户绝大多数青睐投机平台,调查结果也反映了这一偏好,表明用户强烈倾向于获得即时财务收益。
虽然研究结果可能与典型的人类行为规范不同,但它们反映了当前加密用户群的特征和趋势。这种区别对于设计空投和代币分配的项目尤其重要,因为了解这些独特的行为可以进行更具战略性的规划和奖励系统构建。 以 Solana 上的 perps DEX Drift 的方法为例,该公司最近推出了其原生代币 DRIFT。Drift 团队在其代币分配策略中包含了一个延时机制,为在代币发布后等待 6 小时领取空投的用户提供双倍奖励。增加时间延迟是为了缓解空投开始时通常由机器人造成的拥堵,并通过减少卖家的初始激增来潜在地帮助稳定代币的性能。 事实上,只有 7500(即 15%)(在撰写本文时)的潜在领取者没有等待 6 个小时来让他们的奖励翻倍。根据我们提出的研究,如果奖励价值翻倍,Drift 可能会推迟几个月,从统计上看,应该可以安抚大多数最终用户。
|