Da Paolo Veradittakit
Gli utenti crittografici hanno bisogno di un intervento?
Uno studio condotto dal Pantera Research Lab ha rilevato che gli utenti di criptovalute mostrano un elevato pregiudizio al presente e un basso fattore di sconto, indicando una forte preferenza per la gratificazione immediata.
Il modello di sconto quasi iperbolico, caratterizzato da parametri quali il present bias (ꞵ) e il fattore di sconto (𝛿), è utile per comprendere la tendenza degli individui a preferire i guadagni immediati rispetto ai guadagni futuri, comportamento particolarmente pronunciato nei mercati volatili e speculativi. mercato delle criptovalute.
Questa ricerca può essere applicata per ottimizzare le distribuzioni di token, come gli airdrop che servono a premiare i primi utenti, decentralizzare la governance e commercializzare nuovi prodotti.
introduzione
Una storia classica nella tradizione delle startup della Silicon Valley è la decisione di Paypal di pagare alle persone 10 dollari per utilizzare il loro prodotto. Il ragionamento era che se potessi pagare le persone per unirsi alla fine, il valore della rete sarebbe sufficientemente alto da far sì che nuove persone si uniscano gratuitamente e potresti smettere di pagare. Sicuramente sembrava funzionare, poiché PayPal è stata in grado di smettere di pagare e continuare a crescere, avviando così i suoi effetti di rete.
Nelle criptovalute, abbiamo adottato ed esteso questo approccio con gli airdrop, pagando le persone non solo per aderire, ma in genere per utilizzare i nostri prodotti per un certo periodo.
Modello di sconto quasi iperbolico
Gli airdrop sono diventati uno strumento poliedrico utilizzato per premiare i primi utenti, decentralizzare la governance del protocollo e, francamente, per commercializzare qualcosa di nuovo. Formalizzare i criteri di distribuzione è diventata un'arte, soprattutto quando si tratta di determinare chi dovrebbe essere premiato e il valore attribuito ai suoi sforzi. In questo contesto, giocano un ruolo significativo sia la quantità di token distribuiti che i tempi del loro rilascio, spesso attraverso meccanismi come il vesting o il rilascio graduale. Queste decisioni dovrebbero basarsi su un’analisi sistematica piuttosto che fare affidamento su congetture, sentimenti o precedenti. L’utilizzo di un quadro più quantitativo garantisce equità e allineamento strategico con gli obiettivi a lungo termine.
Il modello di sconto quasi iperbolico fornisce un quadro matematico per esplorare il modo in cui gli individui effettuano scelte che implicano compromessi tra i premi in momenti diversi. La sua applicazione è particolarmente rilevante in ambiti in cui l’impulsività e l’incoerenza nel tempo influenzano in modo significativo il processo decisionale, come le decisioni finanziarie e i comportamenti legati alla salute
Il modello è guidato da due parametri specifici della popolazione: la distorsione attuale, ꞵ, e il fattore di sconto, 𝛿.
Bias presente (ꞵ):
Questo parametro misura la tendenza degli individui a dare priorità in modo sproporzionato alle ricompense immediate rispetto a quelle più lontane. Varia tra 0 e 1, dove un valore pari a 1 indica assenza di distorsioni attuali, riflettendo una valutazione equilibrata e coerente nel tempo delle ricompense future. Quando i valori si avvicinano allo 0, indicano un pregiudizio attuale sempre più forte, indicando una maggiore preferenza per le ricompense immediate.
Ad esempio, potendo scegliere tra 50 oggi o 100 tra un anno, una persona con un elevato pregiudizio al presente (vicino a 0) preferirà immediatamente i 50 dollari piuttosto che aspettare la somma maggiore.
Fattore di sconto (𝛿):
Questo parametro descrive la velocità con cui il valore delle ricompense future diminuisce man mano che aumenta il tempo fino alla loro realizzazione, spiegando il naturale declino del loro valore percepito con ritardo. Il fattore di sconto viene quantificato in modo più accurato su intervalli pluriennali più lunghi. Quando si valutano due opzioni a breve termine (meno di un anno), questo fattore presenta una notevole variabilità poiché le circostanze immediate possono influenzare in modo sproporzionato la percezione.
Per le popolazioni generalizzate, gli studi mostrano che il tasso di sconto è solitamente intorno a 0,9. Tuttavia, questo valore è spesso sostanzialmente inferiore tra i gruppi con tendenze al gioco d’azzardo. La ricerca indica che i giocatori abituali in genere presentano un fattore di sconto medio leggermente inferiore a 0,8, mentre i giocatori problematici tendono ad avere un fattore di sconto più vicino a 0,5.
Utilizzando i termini sopra indicati, possiamo esprimere l'utilità U di ricevere una ricompensa x al tempo t attraverso la seguente formula:
U(t) = tU(x)
Questo modello cattura il modo in cui il valore delle ricompense varia a seconda della loro tempistica: le ricompense immediate vengono valutate alla massima utilità, mentre le ricompense future vengono adeguate al ribasso in termini di valore, tenendo conto sia della distorsione attuale che del decadimento esponenziale.
L'esperimento
L'anno scorso, il Pantera Research Lab ha condotto uno studio per quantificare le tendenze comportamentali degli utenti di criptovalute. Abbiamo intervistato i partecipanti ponendo due domande semplici progettate per valutare la loro preferenza per il pagamento immediato rispetto alla ricezione di un valore futuro.
Questo approccio ci ha aiutato ad accertare i valori rappresentativi sia di ꞵ che di 𝛿. I nostri risultati hanno rivelato che il campione rappresentativo di utenti di criptovalute presenta un bias attuale appena superiore a 0,4 e un fattore di sconto notevolmente basso.
Lo studio ha rivelato un pregiudizio attuale superiore alla media e un basso fattore di sconto tra gli utenti di criptovalute, suggerendo una tendenza all'impazienza e una preferenza per la gratificazione immediata rispetto ai guadagni futuri.
Ciò può essere attribuito a diversi fattori interconnessi all’interno del panorama crittografico:
Comportamento ciclico del mercato: il mercato delle criptovalute è noto per la sua volatilità e natura ciclica, con i token che spesso subiscono rapide fluttuazioni di valore. Questa periodicità influenza il comportamento degli utenti, poiché molti sono abituati a navigare attraverso questi cicli piuttosto che adottare le strategie di investimento a lungo termine più comuni nella finanza tradizionale. I frequenti alti e bassi possono indurre gli utenti a scontare più fortemente i valori futuri, diffidenti nei confronti di potenziali ribassi che potrebbero cancellare i profitti.
Stigma sui token: il sondaggio ha posto domande specifiche sui token e sul loro valore futuro percepito, il che avrebbe potuto evidenziare uno stigma radicato associato al trading specifico dei token. Lo stigma, legato alla natura periodica e spesso speculativa delle valutazioni dei token, rafforza un approccio cauto agli investimenti a lungo termine nel settore delle criptovalute. Inoltre, supponiamo che il sondaggio abbia misurato le preferenze utilizzando una valuta fiat o un’altra forma di ricompensa. In tal caso, i tassi di sconto degli utenti di criptovalute potrebbero allinearsi maggiormente alle medie globali, suggerendo che la natura della ricompensa potrebbe influenzare in modo significativo il comportamento di sconto osservato.
Natura speculativa delle applicazioni crittografiche: l'ecosistema crittografico di oggi è profondamente radicato nella speculazione e nel commercio, tratti prevalenti nelle sue applicazioni di maggior successo. Questa tendenza evidenzia che gli attuali utenti preferiscono in stragrande maggioranza le piattaforme speculative, una preferenza riflessa nei risultati dell’indagine, che mostrano una forte propensione verso guadagni finanziari immediati.
Sebbene i risultati dello studio possano discostarsi dalle tipiche norme di comportamento umano, riflettono le caratteristiche e le tendenze dell'attuale base di utenti crittografici. Questa distinzione è particolarmente pertinente per i progetti che progettano lanci aerei e distribuzioni di token, poiché la comprensione di questi comportamenti unici consente una pianificazione più strategica e una strutturazione del sistema di ricompensa.
Prendiamo, ad esempio, l'approccio di Drift, un DEX su Solana, che ha recentemente lanciato il suo token nativo, DRIFT. Il team di Drift ha incluso un meccanismo di ritardo nella propria strategia di distribuzione dei token, offrendo di raddoppiare i premi per gli utenti che aspettano 6 ore dopo il lancio del token per richiedere il proprio airdrop. Il ritardo è stato aggiunto per mitigare la congestione tipicamente causata dai bot all'inizio degli airdrop e potenzialmente aiuta a stabilizzare le prestazioni del token riducendo l'ondata iniziale di venditori.
Infatti, solo 7,5mila, ovvero il 15% (al momento in cui scrivo), dei potenziali richiedenti non hanno aspettato le 6 ore affinché i loro premi raddoppiassero. Sulla base della nostra ricerca presentata, con un valore raddoppiato per la ricompensa, Drift avrebbe potuto ritardare di alcuni mesi e statisticamente avrebbe dovuto accontentare la maggior parte dei suoi utenti finali.
Rimani aggiornato sulle ultime ricerche del Pantera Research Lab seguendo il nostro capo della ricerca, Matt Stephenson, e l'ingegnere di ricerca, Ally Zach.
-Paolo Veradittakit