una historia clásica en la leyenda de las startups de Silicon Valley es la decisión de PayPal de pagar a las personas $10 por usar su producto. La razón era que si podías pagar a la gente por unirse, eventualmente el valor de la red sería lo suficientemente alto como para que nuevas personas se unieran gratis, y podrías dejar de pagar. Ciertamente pareció funcionar, ya que PayPal pudo dejar de pagar y seguir creciendo, lo que le permitió arrancar sus efectos de red.
en cripto, hemos adoptado y extendido este enfoque con airdrops, pagando a la gente no solo por unirse, sino típicamente por usar nuestros productos durante algún período.
los airdrops se han convertido en una herramienta multifacética utilizada para recompensar a los usuarios tempranos, descentralizar la gobernanza del protocolo y, francamente, para comercializar algo nuevo. La formalización de los criterios de distribución se ha convertido en un arte, especialmente al determinar quién debería ser recompensado y el valor atribuido a sus esfuerzos. En este contexto, tanto la cantidad de tokens distribuidos como el momento de su lanzamiento, a menudo a través de mecanismos como el vesting o la liberación gradual, desempeñan roles significativos. Estas decisiones deben estar fundamentadas en un análisis sistemático en lugar de basarse en conjeturas, sentimientos o precedentes. El uso de un marco más cuantitativo garantiza la equidad y la alineación estratégica con los objetivos a largo plazo.
el modelo de descuento cuasi-hiperbólicoproporciona un marco matemático para explorar cómo los individuos toman decisiones que implican compensaciones entre recompensas en diferentes momentos. Su aplicación es particularmente relevante en áreas donde la impulsividad y la inconsistencia a lo largo del tiempo influyen significativamente en la toma de decisiones, como decisiones financieras y comportamientos relacionados con la salud
el modelo está impulsado por dos parámetros específicos de la población: sesgo presente, ꞵ, y el factor de descuento, 𝛿.
este parámetro mide la tendencia de las personas a priorizar las recompensas inmediatas sobre las que están más lejos de manera desproporcionada. varía entre 0 y 1, donde un valor de 1 indica que no hay sesgo presente, reflejando una evaluación equilibrada y consistente en el tiempo de las recompensas futuras. a medida que los valores se acercan a 0, indican un sesgo presente cada vez más fuerte, lo que indica una preferencia intensificada por las recompensas inmediatas.
por ejemplo, dada la opción entre 50 hoy o 100 en un año, una persona con un alto sesgo presente (más cercano a 0) preferirá los $50 inmediatamente en lugar de esperar la suma más grande.
Este parámetro describe la tasa a la que disminuye el valor de las recompensas futuras a medida que aumenta el tiempo hasta su realización, teniendo en cuenta la disminución natural de su valor percibido con el retraso. El factor de descuento se cuantifica de manera más precisa en intervalos más largos, de varios años. Al evaluar dos opciones a corto plazo (menos de un año), este factor exhibe una variabilidad considerable, ya que las circunstancias inmediatas pueden influir desproporcionadamente en la percepción.
para poblaciones generalizadas, los estudios muestran que la tasa de descuento suele ser alrededor de 0.9. Sin embargo, este valor a menudo es sustancialmente más bajo entre grupos con tendencias al juego.Investigaciónindica que los jugadores habituales suelen exhibir un factor de descuento medio ligeramente por debajo de 0.8, mientras que los jugadores problema tienden a tener un factor de descuento más cercano a 0.5.
usando los términos anteriores, podemos expresar la utilidad u de recibir una recompensa x en el tiempo t a través de la siguiente fórmula:
u(t) = tu(x)
este modelo captura cómo varía el valor de las recompensas según su temporización: las recompensas inmediatas se evalúan con la utilidad completa, mientras que las recompensas futuras se ajustan a la baja en valor, teniendo en cuenta tanto el sesgo presente como la decaimiento exponencial.
el año pasado, el laboratorio de investigación de pantera llevó a cabo un estudio para cuantificar las tendencias de comportamiento de los usuarios de cripto. encuestamos a los participantes con dos preguntas directas.diseñadopara evaluar su preferencia por el pago inmediato versus recibir algún valor futuro.
Este enfoque nos ayudó a determinar valores representativos tanto para ꞵ como para 𝛿. Nuestros hallazgos revelaron que la muestra representativa de usuarios de cripto exhibe un sesgo presente ligeramente superior a 0.4 y un factor de descuento notablemente bajo.
el estudio reveló un por encima del promediosesgo presente y un factor de descuento bajo entre los usuarios de cripto, lo que sugiere una tendencia hacia la impaciencia y una preferencia por la gratificación inmediata sobre las ganancias futuras.
esto se puede atribuir a varios factores interconectados dentro del panorama cripto:
si bien los resultados del estudio pueden divergir de las normas del comportamiento humano típico, reflejan las características y tendencias de la base de usuarios de cripto actual. Esta distinción es especialmente pertinente para los proyectos que diseñan airdrops y distribuciones de tokens, ya que comprender estos comportamientos únicos permite una planificación más estratégica y una estructuración del sistema de recompensas.
toma, por ejemplo, el enfoque deDeriva, un dex de perps en solana, que recientemente lanzó su token nativo, drift. el equipo de drift incluyó un mecanismo de retraso en el tiempo en su estrategia de distribución de tokens, ofreciendo duplicar las recompensas para los usuarios que esperen 6 horas después del lanzamiento del token para reclamar su airdrop. el retraso en el tiempo se agregó para mitiGate.io la congestión causada típicamente por bots al comienzo de los airdrops y potencialmente ayudar a estabilizar el rendimiento del token al reducir la oleada inicial de vendedores.
de hecho, solo 7.5k, o el 15% (en el momento de escribir esto), de los reclamantes potenciales no esperaron las 6 horas para que se duplicaran sus recompensas. Según nuestra investigación presentada, con un valor duplicado para la recompensa, la deriva podría haberse retrasado unos meses y estadísticamente debería haber satisfecho a la mayoría de sus usuarios finales.
una historia clásica en la leyenda de las startups de Silicon Valley es la decisión de PayPal de pagar a las personas $10 por usar su producto. La razón era que si podías pagar a la gente por unirse, eventualmente el valor de la red sería lo suficientemente alto como para que nuevas personas se unieran gratis, y podrías dejar de pagar. Ciertamente pareció funcionar, ya que PayPal pudo dejar de pagar y seguir creciendo, lo que le permitió arrancar sus efectos de red.
en cripto, hemos adoptado y extendido este enfoque con airdrops, pagando a la gente no solo por unirse, sino típicamente por usar nuestros productos durante algún período.
los airdrops se han convertido en una herramienta multifacética utilizada para recompensar a los usuarios tempranos, descentralizar la gobernanza del protocolo y, francamente, para comercializar algo nuevo. La formalización de los criterios de distribución se ha convertido en un arte, especialmente al determinar quién debería ser recompensado y el valor atribuido a sus esfuerzos. En este contexto, tanto la cantidad de tokens distribuidos como el momento de su lanzamiento, a menudo a través de mecanismos como el vesting o la liberación gradual, desempeñan roles significativos. Estas decisiones deben estar fundamentadas en un análisis sistemático en lugar de basarse en conjeturas, sentimientos o precedentes. El uso de un marco más cuantitativo garantiza la equidad y la alineación estratégica con los objetivos a largo plazo.
el modelo de descuento cuasi-hiperbólicoproporciona un marco matemático para explorar cómo los individuos toman decisiones que implican compensaciones entre recompensas en diferentes momentos. Su aplicación es particularmente relevante en áreas donde la impulsividad y la inconsistencia a lo largo del tiempo influyen significativamente en la toma de decisiones, como decisiones financieras y comportamientos relacionados con la salud
el modelo está impulsado por dos parámetros específicos de la población: sesgo presente, ꞵ, y el factor de descuento, 𝛿.
este parámetro mide la tendencia de las personas a priorizar las recompensas inmediatas sobre las que están más lejos de manera desproporcionada. varía entre 0 y 1, donde un valor de 1 indica que no hay sesgo presente, reflejando una evaluación equilibrada y consistente en el tiempo de las recompensas futuras. a medida que los valores se acercan a 0, indican un sesgo presente cada vez más fuerte, lo que indica una preferencia intensificada por las recompensas inmediatas.
por ejemplo, dada la opción entre 50 hoy o 100 en un año, una persona con un alto sesgo presente (más cercano a 0) preferirá los $50 inmediatamente en lugar de esperar la suma más grande.
Este parámetro describe la tasa a la que disminuye el valor de las recompensas futuras a medida que aumenta el tiempo hasta su realización, teniendo en cuenta la disminución natural de su valor percibido con el retraso. El factor de descuento se cuantifica de manera más precisa en intervalos más largos, de varios años. Al evaluar dos opciones a corto plazo (menos de un año), este factor exhibe una variabilidad considerable, ya que las circunstancias inmediatas pueden influir desproporcionadamente en la percepción.
para poblaciones generalizadas, los estudios muestran que la tasa de descuento suele ser alrededor de 0.9. Sin embargo, este valor a menudo es sustancialmente más bajo entre grupos con tendencias al juego.Investigaciónindica que los jugadores habituales suelen exhibir un factor de descuento medio ligeramente por debajo de 0.8, mientras que los jugadores problema tienden a tener un factor de descuento más cercano a 0.5.
usando los términos anteriores, podemos expresar la utilidad u de recibir una recompensa x en el tiempo t a través de la siguiente fórmula:
u(t) = tu(x)
este modelo captura cómo varía el valor de las recompensas según su temporización: las recompensas inmediatas se evalúan con la utilidad completa, mientras que las recompensas futuras se ajustan a la baja en valor, teniendo en cuenta tanto el sesgo presente como la decaimiento exponencial.
el año pasado, el laboratorio de investigación de pantera llevó a cabo un estudio para cuantificar las tendencias de comportamiento de los usuarios de cripto. encuestamos a los participantes con dos preguntas directas.diseñadopara evaluar su preferencia por el pago inmediato versus recibir algún valor futuro.
Este enfoque nos ayudó a determinar valores representativos tanto para ꞵ como para 𝛿. Nuestros hallazgos revelaron que la muestra representativa de usuarios de cripto exhibe un sesgo presente ligeramente superior a 0.4 y un factor de descuento notablemente bajo.
el estudio reveló un por encima del promediosesgo presente y un factor de descuento bajo entre los usuarios de cripto, lo que sugiere una tendencia hacia la impaciencia y una preferencia por la gratificación inmediata sobre las ganancias futuras.
esto se puede atribuir a varios factores interconectados dentro del panorama cripto:
si bien los resultados del estudio pueden divergir de las normas del comportamiento humano típico, reflejan las características y tendencias de la base de usuarios de cripto actual. Esta distinción es especialmente pertinente para los proyectos que diseñan airdrops y distribuciones de tokens, ya que comprender estos comportamientos únicos permite una planificación más estratégica y una estructuración del sistema de recompensas.
toma, por ejemplo, el enfoque deDeriva, un dex de perps en solana, que recientemente lanzó su token nativo, drift. el equipo de drift incluyó un mecanismo de retraso en el tiempo en su estrategia de distribución de tokens, ofreciendo duplicar las recompensas para los usuarios que esperen 6 horas después del lanzamiento del token para reclamar su airdrop. el retraso en el tiempo se agregó para mitiGate.io la congestión causada típicamente por bots al comienzo de los airdrops y potencialmente ayudar a estabilizar el rendimiento del token al reducir la oleada inicial de vendedores.
de hecho, solo 7.5k, o el 15% (en el momento de escribir esto), de los reclamantes potenciales no esperaron las 6 horas para que se duplicaran sus recompensas. Según nuestra investigación presentada, con un valor duplicado para la recompensa, la deriva podría haberse retrasado unos meses y estadísticamente debería haber satisfecho a la mayoría de sus usuarios finales.