硅谷创业史上的经典故事之一是PayPal决定支付用户10美元使用其产品。其理由是,如果你能付钱让人们加入,最终网络的价值会足够高,以至于新用户会免费加入,你就可以停止支付。这种策略显然奏效了,因为PayPal能够停止支付并继续增长,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,不仅支付人们加入,还通常支付他们在一段时间内使用我们的产品。
空投已成为一种多功能工具,用于奖励早期用户、去中心化协议治理,并且坦率地说,也是为了推广新产品。如何正式化分配标准已成为一门艺术,特别是在确定谁应该得到奖励以及他们的努力应得的价值时。在这种情况下,分配的代币数量和释放的时间(通常通过归属或逐步释放的机制)起着重要作用。这些决策应该基于系统分析,而不是依赖猜测、情感或先例。使用更量化的框架可以确保公平性,并与长期目标保持战略一致。
准超几何贴现模型提供了一个数学框架,用于探索个体在不同时间奖励之间做出选择时的权衡。其应用在冲动性和时间不一致性显著影响决策的领域(如金融决策和健康相关行为)尤为相关。该模型由两个特定于人群的参数驱动:现在偏好参数(ꞵ)和折扣因子(𝛿)。
这个参数衡量个体倾向于过度优先考虑即时奖励而不是更远未来奖励的倾向程度。它的取值范围在0到1之间,其中取值为1表示没有现在偏好,反映出对未来奖励进行平衡和时间一致性评估。随着数值接近0,表示现在偏好越强,表明对即时奖励的偏好程度增加。
例如,假设面对选择,要么今天拿到50美元,要么一年后拿到100美元,一个现在偏好较强的人(接近0)会更倾向于立即拿到50美元,而不愿意等待更大的金额。
这个参数描述了随着时间推移,未来奖励的价值随其实现时间的增加而减少的速率,考虑到其在延迟中的感知价值自然下降。折扣因子在较长的多年间隔内能更准确地量化。在评估短期内(一年以内)的两个选择时,这个因子表现出相当大的变异性,因为即时情况可以不成比例地影响感知。
对于一般人群,研究显示折扣率通常在0.9左右。然而,在具有赌博倾向的群体中,这个值通常显著低于0.9。研究表明,习惯性赌徒通常表现出略低于0.8的平均折扣因子,而问题赌徒倾向于具有接近0.5的折扣因子。
利用以上术语,我们可以通过以下公式表达接收时间为t时奖励x的效用U:
U(t) = x * 𝛿^t
这个模型捕捉了奖励价值如何根据其时间的变化而变化:即时奖励评估为完全效用,而未来奖励则按指数衰减调整其价值,考虑到现在偏好和指数衰减的影响。
去年,Pantera研究实验室进行了一项研究,量化加密货币用户的行为倾向。我们通过两个简单的问题调查参与者,旨在衡量他们对立即支付与未来价值收取的偏好。
这种方法帮助我们确定了代表性的现在偏好(ꞵ)和折扣因子(𝛿)的数值。我们的调查结果显示,代表性的加密货币用户样本表现出略高于0.4的现在偏好,并且折扣因子显著较低。
这项研究揭示了加密货币用户具有高于平均水平的现在偏好和较低的折扣因子,表明他们倾向于不耐烦,并更喜欢即时满足而非未来收益。
这可以归因于加密货币领域内几个相互关联的因素:
虽然研究结果可能偏离典型的人类行为规范,但它们反映了当前加密货币用户群体的特征和倾向。这种区别对于设计空投和代币分配的项目尤为重要,因为理解这些独特的行为可以实现更加战略性的规划和奖励系统结构。
以Solana上的永续合约去中心化交易所Drift为例,他们最近推出了其本地代币DRIFT。Drift团队在其代币分配策略中包含了时间延迟机制,为那些在代币上线后等待6小时后再领取空投的用户提供了双倍奖励。这种时间延迟的添加旨在减少空投初始阶段由机器人引起的拥堵,并有可能通过减少初始卖方的涌入来稳定代币的表现。
事实上,仅有7,500人,即15%(截至撰写本文时),的潜在领取者没有等待6小时以使他们的奖励翻倍。根据我们提出的研究,如果奖励值加倍,Drift本应可以延迟几个月,并在统计上安抚大多数终端用户
Share
Content
硅谷创业史上的经典故事之一是PayPal决定支付用户10美元使用其产品。其理由是,如果你能付钱让人们加入,最终网络的价值会足够高,以至于新用户会免费加入,你就可以停止支付。这种策略显然奏效了,因为PayPal能够停止支付并继续增长,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,不仅支付人们加入,还通常支付他们在一段时间内使用我们的产品。
空投已成为一种多功能工具,用于奖励早期用户、去中心化协议治理,并且坦率地说,也是为了推广新产品。如何正式化分配标准已成为一门艺术,特别是在确定谁应该得到奖励以及他们的努力应得的价值时。在这种情况下,分配的代币数量和释放的时间(通常通过归属或逐步释放的机制)起着重要作用。这些决策应该基于系统分析,而不是依赖猜测、情感或先例。使用更量化的框架可以确保公平性,并与长期目标保持战略一致。
准超几何贴现模型提供了一个数学框架,用于探索个体在不同时间奖励之间做出选择时的权衡。其应用在冲动性和时间不一致性显著影响决策的领域(如金融决策和健康相关行为)尤为相关。该模型由两个特定于人群的参数驱动:现在偏好参数(ꞵ)和折扣因子(𝛿)。
这个参数衡量个体倾向于过度优先考虑即时奖励而不是更远未来奖励的倾向程度。它的取值范围在0到1之间,其中取值为1表示没有现在偏好,反映出对未来奖励进行平衡和时间一致性评估。随着数值接近0,表示现在偏好越强,表明对即时奖励的偏好程度增加。
例如,假设面对选择,要么今天拿到50美元,要么一年后拿到100美元,一个现在偏好较强的人(接近0)会更倾向于立即拿到50美元,而不愿意等待更大的金额。
这个参数描述了随着时间推移,未来奖励的价值随其实现时间的增加而减少的速率,考虑到其在延迟中的感知价值自然下降。折扣因子在较长的多年间隔内能更准确地量化。在评估短期内(一年以内)的两个选择时,这个因子表现出相当大的变异性,因为即时情况可以不成比例地影响感知。
对于一般人群,研究显示折扣率通常在0.9左右。然而,在具有赌博倾向的群体中,这个值通常显著低于0.9。研究表明,习惯性赌徒通常表现出略低于0.8的平均折扣因子,而问题赌徒倾向于具有接近0.5的折扣因子。
利用以上术语,我们可以通过以下公式表达接收时间为t时奖励x的效用U:
U(t) = x * 𝛿^t
这个模型捕捉了奖励价值如何根据其时间的变化而变化:即时奖励评估为完全效用,而未来奖励则按指数衰减调整其价值,考虑到现在偏好和指数衰减的影响。
去年,Pantera研究实验室进行了一项研究,量化加密货币用户的行为倾向。我们通过两个简单的问题调查参与者,旨在衡量他们对立即支付与未来价值收取的偏好。
这种方法帮助我们确定了代表性的现在偏好(ꞵ)和折扣因子(𝛿)的数值。我们的调查结果显示,代表性的加密货币用户样本表现出略高于0.4的现在偏好,并且折扣因子显著较低。
这项研究揭示了加密货币用户具有高于平均水平的现在偏好和较低的折扣因子,表明他们倾向于不耐烦,并更喜欢即时满足而非未来收益。
这可以归因于加密货币领域内几个相互关联的因素:
虽然研究结果可能偏离典型的人类行为规范,但它们反映了当前加密货币用户群体的特征和倾向。这种区别对于设计空投和代币分配的项目尤为重要,因为理解这些独特的行为可以实现更加战略性的规划和奖励系统结构。
以Solana上的永续合约去中心化交易所Drift为例,他们最近推出了其本地代币DRIFT。Drift团队在其代币分配策略中包含了时间延迟机制,为那些在代币上线后等待6小时后再领取空投的用户提供了双倍奖励。这种时间延迟的添加旨在减少空投初始阶段由机器人引起的拥堵,并有可能通过减少初始卖方的涌入来稳定代币的表现。
事实上,仅有7,500人,即15%(截至撰写本文时),的潜在领取者没有等待6小时以使他们的奖励翻倍。根据我们提出的研究,如果奖励值加倍,Drift本应可以延迟几个月,并在统计上安抚大多数终端用户