Yazan: Paul Veradittakit, Ortak, Pantera Capital
Tercüme: xiaozou, altın finans
Pantera Araştırma Laboratuvarı tarafından yapılan bir araştırma, kripto kullanıcılarının daha yüksek şimdiki önyargı ve daha düşük indirim faktörleri sergilediğini ve bunun da anlık hazzın güçlü bir tercihine işaret ettiğini buldu.
Mevcut önyargı (ꞵ) ve indirim katsayısı (?) gibi parametrelerle karakterize edilen yarı hiperbolik indirim modeli, bireylerin değişken ve spekülatif doğada ortaya çıkan bir davranış olan gelecekteki kazançlar yerine anlık getirileri tercih etme eğilimini anlamaya yardımcı olur. Bu özellikle piyasada belirgindir.
Bu araştırma, erken kullanıcıları ödüllendirmek için airdroplar, yönetimin merkezi olmayan hale getirilmesi ve yeni ürünlerin pazarlanması gibi token dağıtımını optimize etmek için uygulanabilir.
1. Önsöz
Silikon Vadisi'ndeki start-up'ların klasik bir hikayesi, Paypal'ın, ürününü kullanmaları karşılığında kullanıcılara 10 dolar ödeme kararıdır. Mantık şu; eğer insanlara ürünü kullanmaları için para ödeyebiliyorsanız, sonunda ağın değeri yeterince yüksek olduğunda, yeni insanlar ücretsiz olarak katılacak ve siz de ödemeyi bırakabilirsiniz. PayPal, ödemeyi bıraktıktan sonra ağ etkilerini başarılı bir şekilde kanalize ederek büyümeye devam edebildiğinden, hile işe yaramış gibi görünüyordu.
Kripto alanında, bu yaklaşımı airdrop'larla benimsedik ve genişlettik; yalnızca insanları dahil etmekle kalmadık, aynı zamanda onları bir süreliğine ürünümüzü kullanmaya devam ettirdik.
2. Yarı hiperbolik indirim modeli
Airdrop'lar, ilk kullanıcıları ödüllendirmek, protokol yönetimini merkezileştirmek ve açıkçası yeni ürünleri pazarlamak için her şeyin en iyisi haline geldi. Token dağıtım standartlarını resmileştirmek, özellikle kimin ödüllendirileceğine ve ne kadar değerle ödüllendirileceğine karar verirken bir sanat haline geldi. Bu durumda hem tahsis edilen token sayısı hem de dağıtım zamanlaması (genellikle bir dağıtım planına göre veya kademeli olarak dağıtılır) önemli bir rol oynar. Bu kararlar tahminlere, kaprislere veya emsallere değil, sistem analizine dayanmalıdır. Daha niceliksel bir çerçeve kullanmak, adaleti ve uzun vadeli hedeflerle stratejik uyumu sağlar.
Yarı hiperbolik indirim modeli, bireylerin farklı zamanlarda ödüller arasında nasıl ödünleşim seçimleri yaptığını keşfetmek için matematiksel bir çerçeve sağlar. Bu modelin uygulanması, özellikle finansal kararlar ve sağlıkla ilgili davranışlar gibi dürtüsel duyguların ve tutarsızlıkların zaman içinde karar almayı önemli ölçüde etkileyeceği alanlarda önemlidir.
Model, farklı popülasyonlara özgü iki parametre tarafından yönlendirilmektedir: mevcut sapma (ꞵ) ve indirim katsayısı (?).
Mevcut önyargı (ꞵ):
Bu parametre, bireyin orantısız uzun vadeli ödüller yerine anlık ödüllere öncelik verme eğilimini ölçer. 0 ile 1 arasında değişir; 1 değeri mevcut önyargının olmadığını gösterir ve gelecekteki ödül dengesinin zamanla tutarlı bir değerlendirmesini yansıtır. Değer 0'a yaklaştıkça, giderek daha güçlü bir mevcut eğilime işaret eder, bu da anlık ödüllere yönelik yüksek bir tercihe işaret eder.
Örneğin, bugün 50$ ile yıllık 100$ arasında bir seçim yapılırsa, şimdiki zaman eğilimi yüksek (0'a yakın bir değer) olan biri, daha fazla para almayı beklemek yerine hemen 50$ almayı seçecektir.
ve indirim faktörü (?)
Bu parametre, geri ödemeye kadar geçen süre arttıkça gelecekteki ödüllerin değerinin düşme oranını tanımlar; bu da gelecekteki ödüllerin algılanan değerinin doğal olarak gecikmeyle azalacağını gösterir. Çok yıllık daha uzun zaman aralıklarında indirim faktörü daha doğru bir şekilde ölçülebilir. Bu parametre, kısa bir süre içinde (bir yıldan az) iki seçeneği değerlendirirken, yakın çevre algıyı orantısız bir şekilde etkileyebileceğinden yüksek değişkenlik gösterir.
Araştırmalar genel nüfus için indirim oranının genellikle 0,9 civarında olduğunu gösteriyor. Ancak kumar eğilimi olan gruplarda bu değer genellikle çok daha düşüktür. Araştırmalar, kumar oynamayı alışkanlık haline getirenlerin genellikle 0,8'in biraz altında bir ortalama indirim faktörüne sahip olduğunu, sorunlu kumarbazların ise 0,5'e yakın bir indirim faktörüne sahip olma eğiliminde olduğunu gösteriyor.
Yukarıdaki koşulları kullanarak, x ödülünü t zamanında almanın faydasını U şu şekilde ifade edebiliriz:
U(t) = tU(x)
Bu model, ödüllerin değerinin zaman içinde nasıl değiştiğini yakalar: anlık ödüller tam faydayla değerlendirilirken gelecekteki ödüllerin değeri, mevcut önyargı ve üstel bozulma faktörleri dikkate alınarak aşağıya doğru ayarlanır.
3. Keşif ve deney
Geçen yıl Pantera Araştırma Laboratuvarı, kripto kullanıcılarının davranışsal eğilimlerini ölçmek için bir çalışma yürüttü. Katılımcılara anlık ödülleri mi yoksa gelecekteki bir değeri mi tercih ettiklerini ölçmek için tasarlanmış iki basit soruyla anket yaptık.
Bu yöntem ꞵ ve ?'nin temsili değerlerini belirlememize yardımcı oldu. Sonuçlarımız, kripto kullanıcılarının temsili bir örneğinin 0,4'ün biraz üzerinde bir mevcut önyargı ve önemli ölçüde daha düşük bir indirim faktörü sergilediğini gösteriyor.
Çalışma, kripto kullanıcılarının ortalamanın üzerinde mevcut önyargıya ve daha düşük indirim katsayılarına sahip olduğunu ortaya çıkardı; bu da onların dürtüsel davranma eğiliminde olduklarını ve gelecekteki kazançlar yerine anlık tatmini tercih ettiklerini gösteriyor.
Bu, kripto para birimi alanındaki birbiriyle ilişkili birkaç faktöre bağlanabilir:
Döngüsel Piyasa Davranışı: Kripto piyasaları, volatiliteleri ve döngüsellikleri ile bilinir; tokenlar genellikle hızlı değer dalgalanmaları yaşar. Bu döngüsellik, birçok insanın geleneksel finansta daha yaygın olan uzun vadeli yatırım stratejilerini kullanmak yerine bu döngüler sırasında spekülasyon yapmaya alışkın olması nedeniyle kullanıcı davranışını etkilemektedir. Sık sık yaşanan iniş ve çıkışlar, kullanıcıların bir gün fiyatın düşeceği ve her şeylerini kaybedebilecekleri korkusuyla gelecekteki değeri daha önemli ölçüde düşürmelerine neden olabilir.
Tokenların Özellikleri: Ankette özellikle tokenlar ve bunların algılanan gelecekteki değerleri hakkında sorular soruldu; bu, token ticaretinin kökleşmiş özelliklerini gösterebilir. Bu özellik, token değerlemelerinin döngüsel ve spekülatif doğasıyla ilişkilidir ve kripto para birimi alanına uzun vadeli yatırımlar konusundaki dikkatliliğin altını çizer. Ayrıca, anketin tercihi ölçmek için fiat para birimini veya başka bir ödül biçimini kullandığını varsayalım. Bu durumda, kripto kullanıcılarının indirim oranları küresel ortalamaya daha yakın olabilir, bu da ödüllerin doğasının gözlemlenen indirim davranışını önemli ölçüde etkileyebileceğini öne sürüyor.
Kripto Uygulamalarının Spekülatif Doğası: Günümüzün kripto ekosisteminin kökleri spekülasyona ve ticarete dayanmaktadır ve bu özellikler en başarılı uygulamalarında da yaygındır. Bu eğilim, spekülatif platformlara yönelik mevcut ezici kullanıcı tercihini vurgulamaktadır; anket sonuçlarında da görülebileceği üzere, anlık finansal kazançlar yönünde güçlü bir tercih görülmektedir.
Bu çalışmanın sonuçları tipik insan davranış normlarından farklı olsa da mevcut kripto kullanıcı popülasyonunun özelliklerini ve eğilimlerini yansıtıyor. Bu ayrım, özellikle airdrop ve token dağıtımlarını tasarlayan projeler için geçerlidir çünkü bu benzersiz davranışları anlamak, daha iyi stratejik planlama ve ödül sistemi yapısı tasarımına olanak tanır.
Örneğin, yakın zamanda kendi yerel tokeni DRIFT'i piyasaya süren, Solana'da merkezi olmayan bir sürekli sözleşme borsası olan Drift'in yaklaşımını ele alalım. Drift ekibi, token dağıtım stratejisine bir zaman geciktirme mekanizması dahil ederek, airdrop'larını almak için token serbest bırakıldıktan sonra 6 saat bekleyen kullanıcılara çifte ödül sağladı. Eklenen zaman gecikmesinin amacı, airdropun başlangıcında botların neden olduğu ağ tıkanıklığını hafifletmek ve potansiyel olarak satıcıların ilk artışını azaltarak token performansının istikrara kavuşturulmasına yardımcı olmaktır.
Aslında, yalnızca 7.500 (bu yazının yazıldığı sırada toplam airdrop talep sahiplerinin %15'i) potansiyel talep sahipleri çifte ödül almak için 6 saat beklemeyi başaramadı. Sunduğumuz araştırmaya göre, ödül değeri iki katına çıkarsa Drift birkaç ay gecikebilir ve istatistiksel olarak çoğu son kullanıcıyı memnun edecektir.