เรื่องราวคลาสสิคในตำนาน startup ในซิลิคอนวัลลีย์คือการตัดสินใจของ paypal ที่จะจ่ายเงิน 10 ดอลลาร์ให้กับผู้ใช้งานสินค้าของพวกเขา และมีเหตุผลว่าหากคุณสามารถจ่ายเงินให้กับผู้คนใช้งาน ในที่สุดมูลค่าของเครือข่ายจะสูงพอที่ผู้คนใหม่จะเข้าร่วมได้ฟรีและคุณสามารถหยุดการจ่ายเงินได้ ดูเหมือนว่ามันได้ผลกับ paypal ที่สามารถหยุดการจ่ายเงินและยังคงเติบโตต่อไป โดยการรองรับผลกระทบของเครือข่ายของมัน
ในคริปโตเราได้นำและขยายวิธีการนี้ด้วยการแจกจ่าย airdrops การจ่ายเงินให้ผู้คนไม่เพียงแค่เข้าร่วม แต่โดยทั่วไปเพื่อให้ใช้ผลิตภัณฑ์ของเราเป็นเวลาบางช่วง
Airdrops ได้กลายเป็นเครื่องมือหลายแง่มุมที่ใช้ในการให้รางวัลแก่ผู้ใช้รายแรก ๆ กระจายอํานาจการกํากับดูแลโปรโตคอลและตรงไปตรงมาเพื่อทําการตลาดสิ่งใหม่ ๆ การกําหนดเกณฑ์การกระจายอย่างเป็นทางการได้กลายเป็นศิลปะโดยเฉพาะอย่างยิ่งเมื่อพิจารณาว่าใครควรได้รับรางวัลและคุณค่าที่เกิดจากความพยายามของพวกเขา ในบริบทนี้ทั้งปริมาณของโทเค็นที่แจกจ่ายและระยะเวลาของการเปิดตัวซึ่งมักจะผ่านกลไกต่างๆเช่นการให้สิทธิ์หรือการปล่อยอย่างค่อยเป็นค่อยไปมีบทบาทสําคัญ การตัดสินใจเหล่านี้ควรมีพื้นฐานมาจากการวิเคราะห์อย่างเป็นระบบแทนที่จะอาศัยการคาดเดาความรู้สึกหรือแบบอย่าง การใช้กรอบเชิงปริมาณมากขึ้นช่วยให้มั่นใจได้ถึงความเป็นธรรมและการจัดตําแหน่งเชิงกลยุทธ์กับวัตถุประสงค์ระยะยาว
เดอะโมเดลการลดลงแบบควาซี-ไฮเปอร์โบลิค ให้กรอบทฤษฎีคณิตศาสตร์เพื่อสำรวจวิธีที่บุคคลต่าง ๆ ตัดสินใจเกี่ยวกับการต่อรองระหว่างรางวัลในเวลาที่แตกต่างกัน การประยุกต์ใช้ของมันเป็นสิ่งที่สำคัญโดยเฉพาะในพื้นที่ที่ความหุนหันพร้อมความไม่ต่อเนื่องตลอดเวลามีอิทธิพลต่อการตัดสินใจ เช่น การตัดสินใจทางการเงินและพฤติกรรมเกี่ยวกับสุขภาพ
โมเดลนี้ได้รับการขับเคลื่อนโดยพารามิเตอร์สองตัวที่เฉพาะเจาะจงกับปริมาณการเอื้ออำนวยให้ปัจจุบัน, ꞵ, และอัตราส่วนการลดหย่อน, 𝛿.
พารามิเตอร์นี้วัดแนวโน้มของบุคคลในการจัดลําดับความสําคัญของรางวัลทันทีมากกว่ารางวัลที่อยู่ไกลออกไปอย่างไม่เป็นสัดส่วน มันแตกต่างกันไประหว่าง 0 และ 1 โดยที่ค่า 1 บ่งชี้ว่าไม่มีอคติในปัจจุบันซึ่งสะท้อนถึงการประเมินผลตอบแทนในอนาคตที่สมดุลและสอดคล้องกับเวลา เมื่อค่าเข้าใกล้ 0 พวกเขาหมายถึงอคติในปัจจุบันที่แข็งแกร่งมากขึ้นซึ่งบ่งบอกถึงความชอบที่เพิ่มขึ้นสําหรับรางวัลทันที
ตัวอย่างเช่น หากมีทางเลือกระหว่าง 50 วันนี้หรือ 100 ในอีกปี คนที่มีความเอื้อเฟื้อที่สูง (ใกล้ 0) จะชอบ $50 ทันทีกว่าที่จะรอรับจำนวนที่มากกว่า
พารามิเตอร์นี้บ่งบอกถึงอัตราที่มูลค่าของรางวัลในอนาคตลดลงเมื่อเวลาที่จะเกิดรางวัลเพิ่มขึ้น โดยคำนึงถึงการลดลงของค่ามูลค่าที่รับรู้ไปกับการล่าช้า ปัจจัยลดลงนี้มีการประมาณค่าที่แม่นยำมากขึ้นในช่วงเวลายาว ๆ หลายปี เมื่อประเมินสองทางเลือกในระยะสั้น (น้อยกว่าหนึ่งปี) ปัจจัยนี้แสดงความผันผวนอย่างมากเนื่องจากสถานการณ์ที่เกิดขึ้นในขณะนั้นอาจมีผลกระทบอย่างไม่สมเหตุสมผล
สำหรับประชากรทั่วไป การศึกษาพบว่าอัตราส่วนส่วนลดมักอยู่ที่ราว 0.9 อย่างไรก็ตาม ค่านี้มักจะต่ำลงอย่างมีนัยสำคัญในกลุ่มที่มีแนวโน้มทางการพนันการวิจัยแสดงให้เห็นว่านักพนันเรื่อย ๆ ทั่วไปมักจะแสดงอัตราส่วนส่วนลดเฉลี่ยเล็กน้อยกว่า 0.8 ในขณะที่นักพนันปัญหามักมีอัตราส่วนลดเฉลี่ยใกล้เคียงกับ 0.5
โดยใช้คำที่กล่าวมาข้างต้น เราสามารถแสดงถึงประโยชน์ u ของการได้รับรางวัล x ในเวลา t ผ่านสูตรต่อไปนี้:
u(t) = tu(x)
โมเดลนี้รวบรวมว่ามูลค่าของรางวัลแตกต่างกันไปอย่างไรขึ้นอยู่กับเวลาของพวกเขา: รางวัลทันทีจะได้รับการประเมินอย่างเต็มรูปแบบในขณะที่รางวัลในอนาคตจะถูกปรับมูลค่าลงโดยพิจารณาจากอคติในปัจจุบันและการสลายตัวแบบเอ็กซ์โพเนนเชียล
ในปีที่ผ่านมา ทางห้องวิจัยของ Pantera ได้ดำเนินการศึกษาเพื่อวัดค่าพฤติกรรมของผู้ใช้คริปโต โดยเราได้สำรวจผู้เข้าร่วมโดยใช้คำถามสองข้อที่เข้าใจง่ายออกแบบแล้วเพื่อประเมินความชอบของพวกเขาในการชำระเงินทันทีเปรียบเทียบกับการรับค่าในอนาคตบางส่วน
วิธีนี้ช่วยให้เราสามารถระบุค่าแทนที่สำหรับทั้ง ꞵ และ 𝛿 ได้ ผลการวิจัยของเราเปิดเผยว่าตัวอย่างที่แทนคนใช้คริปโตมีความเอื้อเฟื้อปัจจุบันเกิน 0.4 และมีอัตราส่วนส่วนลดที่ต่ำอย่างมาก
การศึกษาเปิดเผยว่าดีกว่าเฉลี่ยความไว้เร็วในการตัดสินใจและตัวชี้วัดการลดราคาต่ำในผู้ใช้คริปโต หมายความว่ามีแนวโน้มที่จะเร่งด่วนและมีการใฝ่รักษาในความพึงพอใจทันทีมากกว่าการได้รับกำไรในอนาคต
นี่อาจเป็นเนื่องจากปัจจัยหลายปัจจัยที่เชื่อมโยงกันภายในทิวทัศน์คริปโต
ในขณะที่ผลการศึกษาอาจแตกต่างจากนิยมพฤติกรรมของมนุษย์ทั่วไป แต่กลับสะท้อนถึงลักษณะและแนวโน้มของผู้ใช้คริปโตปัจจุบัน ความแตกต่างนี้เป็นสิ่งสำคัญมากสำหรับโครงการที่ออกแบบแอร์ดรอปและการกระจายโทเค็น เนื่องจากการเข้าใจพฤติกรรมที่ไม่เหมือนใครเหล่านี้ช่วยให้สามารถวางแผนกลยุทธ์และโครงสร้างระบบรางวัลได้อย่างมีเล่ห์เหลี่ยม
เราลองพิจารณาวิธีการของDrift, perps dex บน Solana ซึ่งเพิ่งเปิดตัวโทเค็นดั้งเดิม Drift ทีมดริฟท์ได้รวมกลไกการหน่วงเวลาไว้ในกลยุทธ์การกระจายโทเค็นโดยเสนอให้รางวัลเป็นสองเท่าสําหรับผู้ใช้ที่รอ 6 ชั่วโมงหลังจากการเปิดตัวโทเค็นเพื่อรับ Airdrop ของพวกเขา การหน่วงเวลาถูกเพิ่มเข้าไปใน mitiGate.io ความแออัดซึ่งมักเกิดจากบอทในช่วงเริ่มต้นของ airdrops และอาจช่วยรักษาประสิทธิภาพของโทเค็นโดยการลดการเพิ่มขึ้นครั้งแรกของผู้ขาย
ในความเป็นจริงเท่านั้น7.5kหรือ 15% (ในขณะที่เขียน) ของผู้อ้างสิทธิ์ที่มีศักยภาพไม่ได้รอ 6 ชั่วโมงเพื่อให้รางวัลของพวกเขาเพิ่มขึ้นเป็นสองเท่า จากการวิจัยที่นําเสนอของเราด้วยมูลค่าสองเท่าสําหรับรางวัลการดริฟท์อาจล่าช้าไปสองสามเดือนและทางสถิติควรเอาใจผู้ใช้ปลายทางส่วนใหญ่
Mời người khác bỏ phiếu
เรื่องราวคลาสสิคในตำนาน startup ในซิลิคอนวัลลีย์คือการตัดสินใจของ paypal ที่จะจ่ายเงิน 10 ดอลลาร์ให้กับผู้ใช้งานสินค้าของพวกเขา และมีเหตุผลว่าหากคุณสามารถจ่ายเงินให้กับผู้คนใช้งาน ในที่สุดมูลค่าของเครือข่ายจะสูงพอที่ผู้คนใหม่จะเข้าร่วมได้ฟรีและคุณสามารถหยุดการจ่ายเงินได้ ดูเหมือนว่ามันได้ผลกับ paypal ที่สามารถหยุดการจ่ายเงินและยังคงเติบโตต่อไป โดยการรองรับผลกระทบของเครือข่ายของมัน
ในคริปโตเราได้นำและขยายวิธีการนี้ด้วยการแจกจ่าย airdrops การจ่ายเงินให้ผู้คนไม่เพียงแค่เข้าร่วม แต่โดยทั่วไปเพื่อให้ใช้ผลิตภัณฑ์ของเราเป็นเวลาบางช่วง
Airdrops ได้กลายเป็นเครื่องมือหลายแง่มุมที่ใช้ในการให้รางวัลแก่ผู้ใช้รายแรก ๆ กระจายอํานาจการกํากับดูแลโปรโตคอลและตรงไปตรงมาเพื่อทําการตลาดสิ่งใหม่ ๆ การกําหนดเกณฑ์การกระจายอย่างเป็นทางการได้กลายเป็นศิลปะโดยเฉพาะอย่างยิ่งเมื่อพิจารณาว่าใครควรได้รับรางวัลและคุณค่าที่เกิดจากความพยายามของพวกเขา ในบริบทนี้ทั้งปริมาณของโทเค็นที่แจกจ่ายและระยะเวลาของการเปิดตัวซึ่งมักจะผ่านกลไกต่างๆเช่นการให้สิทธิ์หรือการปล่อยอย่างค่อยเป็นค่อยไปมีบทบาทสําคัญ การตัดสินใจเหล่านี้ควรมีพื้นฐานมาจากการวิเคราะห์อย่างเป็นระบบแทนที่จะอาศัยการคาดเดาความรู้สึกหรือแบบอย่าง การใช้กรอบเชิงปริมาณมากขึ้นช่วยให้มั่นใจได้ถึงความเป็นธรรมและการจัดตําแหน่งเชิงกลยุทธ์กับวัตถุประสงค์ระยะยาว
เดอะโมเดลการลดลงแบบควาซี-ไฮเปอร์โบลิค ให้กรอบทฤษฎีคณิตศาสตร์เพื่อสำรวจวิธีที่บุคคลต่าง ๆ ตัดสินใจเกี่ยวกับการต่อรองระหว่างรางวัลในเวลาที่แตกต่างกัน การประยุกต์ใช้ของมันเป็นสิ่งที่สำคัญโดยเฉพาะในพื้นที่ที่ความหุนหันพร้อมความไม่ต่อเนื่องตลอดเวลามีอิทธิพลต่อการตัดสินใจ เช่น การตัดสินใจทางการเงินและพฤติกรรมเกี่ยวกับสุขภาพ
โมเดลนี้ได้รับการขับเคลื่อนโดยพารามิเตอร์สองตัวที่เฉพาะเจาะจงกับปริมาณการเอื้ออำนวยให้ปัจจุบัน, ꞵ, และอัตราส่วนการลดหย่อน, 𝛿.
พารามิเตอร์นี้วัดแนวโน้มของบุคคลในการจัดลําดับความสําคัญของรางวัลทันทีมากกว่ารางวัลที่อยู่ไกลออกไปอย่างไม่เป็นสัดส่วน มันแตกต่างกันไประหว่าง 0 และ 1 โดยที่ค่า 1 บ่งชี้ว่าไม่มีอคติในปัจจุบันซึ่งสะท้อนถึงการประเมินผลตอบแทนในอนาคตที่สมดุลและสอดคล้องกับเวลา เมื่อค่าเข้าใกล้ 0 พวกเขาหมายถึงอคติในปัจจุบันที่แข็งแกร่งมากขึ้นซึ่งบ่งบอกถึงความชอบที่เพิ่มขึ้นสําหรับรางวัลทันที
ตัวอย่างเช่น หากมีทางเลือกระหว่าง 50 วันนี้หรือ 100 ในอีกปี คนที่มีความเอื้อเฟื้อที่สูง (ใกล้ 0) จะชอบ $50 ทันทีกว่าที่จะรอรับจำนวนที่มากกว่า
พารามิเตอร์นี้บ่งบอกถึงอัตราที่มูลค่าของรางวัลในอนาคตลดลงเมื่อเวลาที่จะเกิดรางวัลเพิ่มขึ้น โดยคำนึงถึงการลดลงของค่ามูลค่าที่รับรู้ไปกับการล่าช้า ปัจจัยลดลงนี้มีการประมาณค่าที่แม่นยำมากขึ้นในช่วงเวลายาว ๆ หลายปี เมื่อประเมินสองทางเลือกในระยะสั้น (น้อยกว่าหนึ่งปี) ปัจจัยนี้แสดงความผันผวนอย่างมากเนื่องจากสถานการณ์ที่เกิดขึ้นในขณะนั้นอาจมีผลกระทบอย่างไม่สมเหตุสมผล
สำหรับประชากรทั่วไป การศึกษาพบว่าอัตราส่วนส่วนลดมักอยู่ที่ราว 0.9 อย่างไรก็ตาม ค่านี้มักจะต่ำลงอย่างมีนัยสำคัญในกลุ่มที่มีแนวโน้มทางการพนันการวิจัยแสดงให้เห็นว่านักพนันเรื่อย ๆ ทั่วไปมักจะแสดงอัตราส่วนส่วนลดเฉลี่ยเล็กน้อยกว่า 0.8 ในขณะที่นักพนันปัญหามักมีอัตราส่วนลดเฉลี่ยใกล้เคียงกับ 0.5
โดยใช้คำที่กล่าวมาข้างต้น เราสามารถแสดงถึงประโยชน์ u ของการได้รับรางวัล x ในเวลา t ผ่านสูตรต่อไปนี้:
u(t) = tu(x)
โมเดลนี้รวบรวมว่ามูลค่าของรางวัลแตกต่างกันไปอย่างไรขึ้นอยู่กับเวลาของพวกเขา: รางวัลทันทีจะได้รับการประเมินอย่างเต็มรูปแบบในขณะที่รางวัลในอนาคตจะถูกปรับมูลค่าลงโดยพิจารณาจากอคติในปัจจุบันและการสลายตัวแบบเอ็กซ์โพเนนเชียล
ในปีที่ผ่านมา ทางห้องวิจัยของ Pantera ได้ดำเนินการศึกษาเพื่อวัดค่าพฤติกรรมของผู้ใช้คริปโต โดยเราได้สำรวจผู้เข้าร่วมโดยใช้คำถามสองข้อที่เข้าใจง่ายออกแบบแล้วเพื่อประเมินความชอบของพวกเขาในการชำระเงินทันทีเปรียบเทียบกับการรับค่าในอนาคตบางส่วน
วิธีนี้ช่วยให้เราสามารถระบุค่าแทนที่สำหรับทั้ง ꞵ และ 𝛿 ได้ ผลการวิจัยของเราเปิดเผยว่าตัวอย่างที่แทนคนใช้คริปโตมีความเอื้อเฟื้อปัจจุบันเกิน 0.4 และมีอัตราส่วนส่วนลดที่ต่ำอย่างมาก
การศึกษาเปิดเผยว่าดีกว่าเฉลี่ยความไว้เร็วในการตัดสินใจและตัวชี้วัดการลดราคาต่ำในผู้ใช้คริปโต หมายความว่ามีแนวโน้มที่จะเร่งด่วนและมีการใฝ่รักษาในความพึงพอใจทันทีมากกว่าการได้รับกำไรในอนาคต
นี่อาจเป็นเนื่องจากปัจจัยหลายปัจจัยที่เชื่อมโยงกันภายในทิวทัศน์คริปโต
ในขณะที่ผลการศึกษาอาจแตกต่างจากนิยมพฤติกรรมของมนุษย์ทั่วไป แต่กลับสะท้อนถึงลักษณะและแนวโน้มของผู้ใช้คริปโตปัจจุบัน ความแตกต่างนี้เป็นสิ่งสำคัญมากสำหรับโครงการที่ออกแบบแอร์ดรอปและการกระจายโทเค็น เนื่องจากการเข้าใจพฤติกรรมที่ไม่เหมือนใครเหล่านี้ช่วยให้สามารถวางแผนกลยุทธ์และโครงสร้างระบบรางวัลได้อย่างมีเล่ห์เหลี่ยม
เราลองพิจารณาวิธีการของDrift, perps dex บน Solana ซึ่งเพิ่งเปิดตัวโทเค็นดั้งเดิม Drift ทีมดริฟท์ได้รวมกลไกการหน่วงเวลาไว้ในกลยุทธ์การกระจายโทเค็นโดยเสนอให้รางวัลเป็นสองเท่าสําหรับผู้ใช้ที่รอ 6 ชั่วโมงหลังจากการเปิดตัวโทเค็นเพื่อรับ Airdrop ของพวกเขา การหน่วงเวลาถูกเพิ่มเข้าไปใน mitiGate.io ความแออัดซึ่งมักเกิดจากบอทในช่วงเริ่มต้นของ airdrops และอาจช่วยรักษาประสิทธิภาพของโทเค็นโดยการลดการเพิ่มขึ้นครั้งแรกของผู้ขาย
ในความเป็นจริงเท่านั้น7.5kหรือ 15% (ในขณะที่เขียน) ของผู้อ้างสิทธิ์ที่มีศักยภาพไม่ได้รอ 6 ชั่วโมงเพื่อให้รางวัลของพวกเขาเพิ่มขึ้นเป็นสองเท่า จากการวิจัยที่นําเสนอของเราด้วยมูลค่าสองเท่าสําหรับรางวัลการดริฟท์อาจล่าช้าไปสองสามเดือนและทางสถิติควรเอาใจผู้ใช้ปลายทางส่วนใหญ่