Pengembangan Berkelanjutan Ekosistem Token: Perspektif Menyeluruh dan Alat Praktis

Sustainable development of ekosistem Token adalah isu kunci. Sebuah video yang baru-baru ini dirilis membahas secara mendalam tantangan utama yang dihadapi oleh ekosistem Token, serta memberikan solusi dan alat praktis.

Video ini menekankan prinsip dan metode rekayasa Token, memberikan perspektif baru untuk merencanakan dan membangun sistem Token. Sementara itu, diperkenalkan serangkaian alat praktis, seperti alat simulasi berbasis proxy, QTM, dan lainnya, yang dapat memberikan informasi berharga di berbagai tahap, membantu proyek membuat keputusan yang bijak. Dengan bantuan alat-alat ini, proyek startup Web3 akan memiliki kesempatan untuk mencapai pertumbuhan yang berkelanjutan.

Video ini memberikan kita pemahaman baru, menyoroti peran kunci dari rekayasa Token dan alat terkait dalam membantu tim proyek menghadapi perubahan. Alat-alat ini terbukti menjadi senjata yang kuat untuk beradaptasi dengan ekosistem Token yang terus berubah. Pembentukan pemahaman ini berkat penelitian dan praktik mendalam tentang ekosistem Token, memungkinkan para peserta untuk lebih baik memahami dinamika ekosistem dan membuat keputusan yang lebih bijaksana serta visioner.

Tiga Tahap Desain dan Optimasi Token

Fase Penemuan

Membangun ekosistem Token yang sukses membutuhkan pelaksanaan beberapa langkah kunci di tingkat makro:

1. Menentukan masalah dengan jelas, menyatakan tantangan yang dihadapi dengan jelas.
2. Menentukan aliran nilai di antara para pemangku kepentingan, memastikan ketahanan dan keseimbangan ekosistem.
3. Diskusikan dan pertimbangkan secara mendalam tentang keseluruhan ekosistem dan rasionalitas koinnya, termasuk penggunaan koin yang rasional.
4. Melakukan perencanaan tingkat tinggi, mencakup bagaimana menggunakan Token secara efektif serta mendesain berbagai konten.

Langkah-langkah ini adalah elemen yang tidak terpisahkan dalam membangun ekosistem Token yang sukses.

Tahap desain

Parameterisasi adalah langkah kunci lainnya, melibatkan penggunaan alat kuantitatif seperti spreadsheet, cadCAD, Token Spice, Machinations, dan alat simulasi lainnya. Alat-alat ini dapat membantu menghasilkan model yang telah divalidasi dan dioptimalkan, melakukan analisis risiko dan prediksi, serta memahami tren pasokan dan penilaian koin dengan lebih mendalam. Melalui alat kuantitatif ini, kita dapat memahami cara kerja ekosistem dengan lebih baik dan memberikan dukungan yang kuat untuk perancangannya dan optimasinya.

fase penggelaran

Tahap penerapan akan menerapkan analisis teori dan desain sebelumnya ke dalam praktik, dengan benar-benar menerapkan ekosistem ke dalam blockchain. Tahap ini memerlukan penggunaan berbagai alat, termasuk berbagai bahasa pemrograman seperti Solidity, Rust, dan lingkungan penerapan seperti Hardhat. Melalui proses ini, akhirnya menghasilkan token atau produk ekosistem yang nyata, sehingga dapat benar-benar diimplementasikan dan dijalankan di blockchain.

Token Design Tool

Dalam berbagai tahap ( menemukan, merancang, dan menerapkan ), diperlukan serangkaian alat, yang fokus dan jenisnya juga akan berbeda di berbagai bidang. Alat-alat ini tidak hanya berlaku untuk bidang DeFi, tetapi juga untuk berbagai proyek aplikasi, infrastruktur, game, dan lain-lain.

Ketika mempertimbangkan aspek detail, terdapat dua pandangan: satu berpendapat bahwa ekosistem dapat dilihat dari sudut kualitatif, menggunakan standar pasar sudah cukup, tanpa perlu simulasi; yang lain berpendapat bahwa perlu dibuat kembar digital, melakukan simulasi 1:1 terhadap seluruh ekosistem, karena ini melibatkan risiko dana yang besar. Seiring dengan kemajuan ke arah yang lebih akurat dan peningkatan intensitas sumber daya, pengetahuan pemrograman yang dibutuhkan juga akan meningkat. Ini juga meningkatkan tuntutan terhadap pengguna—mereka perlu memiliki kemampuan pemrograman untuk menangani model yang lebih kompleks, yang mungkin mempengaruhi kenyamanan pengguna.

Dalam ekosistem Token, ada berbagai alat yang dapat membantu memahami dan merancang sistem tersebut. Di sisi kiri, terdapat model spreadsheet dan beberapa alat kualitatif, seperti pernyataan masalah, pernyataan masalah pemangku kepentingan, pemetaan pemangku kepentingan, serta aliran nilai tertentu. Bahkan, pemikiran yang didorong oleh AI dapat digunakan, seperti menggunakan model pembelajaran mesin untuk menyusun desain Token pertama.

Di bagian tengah, model koin kuantitatif QTM( ) meskipun juga merupakan model spreadsheet, namun mencakup berbagai bidang yang berbeda, tidak terbatas pada DeFi. Cakupan yang luas ini mungkin menyebabkan kehilangan akurasi, tetapi ini benar-benar dapat membantu startup mendapatkan wawasan langsung, serta pemahaman awal tentang ekosistem Token mereka.

Di sisi kanan, ada alat simulasi seperti cadCAD yang dapat memodelkan ekosistem secara 1:1 dalam lingkungan yang kompleks. Memilih alat dan metode yang tepat sangat penting untuk keberhasilan startup. Berbagai jenis alat dapat memberikan informasi berharga pada berbagai tahap, membantu perusahaan membuat keputusan yang bijaksana dan mendorong perkembangan berkelanjutan ekosistem.

Ringkasan QTM

QTM adalah model token kuantitatif yang menggunakan waktu simulasi tetap selama 10 tahun, dengan setiap langkah waktu selama satu bulan, sehingga lebih mirip dengan model simulasi makro, bukan model yang sangat akurat. Pada awal setiap langkah waktu, token akan dikeluarkan ke dalam ekosistem, sehingga dalam model terdapat modul insentif, modul kepemilikan token, modul airdrop, dan lain-lain. Selanjutnya, token-token ini akan dimasukkan ke dalam beberapa ember utama, dari mana redistribusi utilitas umum yang lebih terperinci akan dilakukan. Kemudian, dari alat utilitas ini, pembayaran hadiah dan lain-lain didefinisikan. Ada juga aspek bisnis off-chain, yang juga mempertimbangkan kondisi umum keuangan bisnis, seperti dapat dilakukan penghancuran atau pembelian kembali, serta dapat mengukur tingkat adopsi pengguna atau mendefinisikan situasi adopsi pengguna.

Perlu ditekankan bahwa kualitas keluaran model ini tergantung pada kualitas masukan. Oleh karena itu, sebelum menggunakan QTM, penelitian pasar yang memadai harus dilakukan untuk mendapatkan informasi masukan yang lebih akurat dan memahami dengan lebih mendalam apa yang sedang terjadi. Dengan cara ini, hasil keluaran yang lebih mendekati situasi nyata dapat diperoleh. QTM dianggap sebagai alat pendidikan untuk perusahaan rintisan, membantu mereka memahami ekosistem mereka secara awal, tetapi tidak boleh dijadikan dasar untuk memberikan saran keuangan, dan hasilnya tidak boleh hanya diandalkan.

analisis data

Dari sudut pandang analisis data, berbagai jenis data dapat diekstrak. Pertama, perkembangan keseluruhan pasar dapat diamati melalui perspektif pasar makro, termasuk pasar DeFi dan pasar koin. Selanjutnya, indikator dari tahap penggalangan dana dapat diperhatikan untuk memahami situasi pendanaan proyek, seperti jumlah dana yang terkumpul, valuasi, dan situasi penjualan volume pasokan di berbagai tahap. Kedua, pola perilaku peserta juga dapat diteliti untuk memahami kebiasaan investasi orang lain.

Dibandingkan dengan keuangan tradisional, data di blockchain memiliki perbedaan yang signifikan karena data di blockchain tersedia untuk umum dan hampir setiap transaksi dalam ekosistem dapat dilihat. Dari sini, berbagai indikator dapat diambil, seperti pertumbuhan pengguna, total nilai terkunci (TVL), volume transaksi, dan lainnya. Yang lebih menarik adalah, kita juga dapat mengamati bagaimana berbagai mekanisme insentif mempengaruhi operasi ekosistem. Selain itu, platform media sosial seperti Twitter, Reddit, Discord, dan Telegram memainkan peran penting dalam ekonomi token dan kinerja proyek.

Informasi ini adalah data yang terbuka dan sangat berharga, seharusnya memanfaatkan data ini dengan baik untuk memahami parameter ekosistem dan memvalidasi model dengan lebih baik.

Misalnya, Anda dapat melihat data yang mirip dengan periode vesting yang dibuat. Secara umum, Anda dapat mengamati periode vesting dari berbagai kelompok pemangku kepentingan. Anda dapat melihat nilai minimum, rata-rata, median, dan maksimum dari periode vesting, yang merupakan analisis terhadap semua periode vesting yang berbeda di berbagai bidang. Anda juga dapat memecah data yang sama untuk membedakan berbagai sektor industri. Dengan cara ini, Anda dapat melihat bahwa distribusi data di berbagai bidang mungkin memiliki perbedaan yang besar. Meskipun nilai-nilai ini mungkin tidak selalu optimal, mereka memberikan kita titik awal.

Mari kita ambil contoh lain tentang saldo historis token bucket. Menggunakan suatu platform keuangan sebagai contoh, kita dapat memeriksa keadaan token asli mereka dan melacak semua transaksi di seluruh ekosistem, mengkategorikannya ke dalam "token bucket" tertentu, seperti alamat yang terkait dengan platform tersebut, alamat yang terkait dengan bursa terpusat, serta alamat bursa terdesentralisasi, dll. Dengan cara ini, kita dapat melihat saldo setiap pemangku kepentingan dan mengamati apa yang terjadi di seluruh ekosistem.

Dalam ekosistem Token, mengamati perilaku alamat tertentu dapat memberikan informasi penting tentang likuiditas Token. Sebagai contoh, ketika Token dikirim dari kontrak staking ke alamat tertentu, kita dapat memahami bagaimana penerima menangani Token tersebut. Apakah mereka memilih untuk menginvestasikan kembali Token ini, mengirimkannya kembali ke kontrak staking, atau menjualnya, atau mungkin menerapkannya di tempat lain? Semua ini adalah informasi kunci yang dapat dipahami melalui analisis perilaku setiap pemangku kepentingan, dan kita dapat mengembalikan data ini ke model kita, yang membantu menyesuaikan model.

Model ini tidak hanya dapat menganalisis perilaku penerima token dari alamat individu, tetapi juga dapat melakukan analisis terhadap kelompok pemangku kepentingan yang representatif. Sebagai contoh, kita dapat menganalisis beberapa proyek token dan menemukan bahwa sekitar 38% token yang diterima melalui kontrak staking, transaksi pertama mereka langsung dikirim kembali ke kontrak staking. Sebagai perbandingan, proporsi di bursa terpusat sekitar 8%, sedangkan di bursa terdesentralisasi sekitar 14%. Dengan meninjau distribusi ember token pada titik waktu tertentu di QTM, kita dapat memahami situasi pasokan sirkulasi token. Nilai-nilai ini dapat diterapkan pada parameter kita, sehingga kita dapat memahami perilaku ekosistem secara awal.

Dengan memanfaatkan data ini, kita dapat melakukan prediksi, seperti memprediksi keadaan pasokan saldo dari berbagai koin dalam ekosistem selama sepuluh tahun ke depan, termasuk alokasi yayasan, tim, staking, pasokan sirkulasi keseluruhan, dan kolam likuiditas, dll. Selain itu, kita juga dapat melakukan simulasi atau prediksi harga. Penting untuk ditekankan bahwa prediksi ini tidak digunakan untuk spekulasi atau saran keuangan, tetapi membantu kita memahami hubungan antara kepemilikan pasokan dan permintaan token, sehingga kita dapat memahami keseimbangan antara kedua faktor tersebut.

Selain itu, kita juga dapat menganalisis aspek lain, seperti distribusi bagian utilitas yang berbeda. Misalnya, kita dapat memahami berapa banyak Token yang dipertaruhkan, berapa banyak yang digunakan untuk program insentif pertambangan likuiditas, atau jika ada mekanisme pembakaran, berapa banyak Token yang dibakar. Jika Token dapat digunakan di toko atau tempat lain, kita juga dapat mengamati hadiah utilitas bulanan untuk memahami nilai insentif ini dalam nilai dolar. Memahami keseluruhan penggunaan Token sangat penting, terutama ketika mempertimbangkan faktor biaya dalam menginspirasi ekosistem.

Model yang Didorong oleh Data

Tema lainnya adalah cara baru dalam memikirkan rencana vesting. Terkadang orang berpikir bahwa hanya diperlukan rencana vesting yang sangat panjang, tetapi ini tidak selalu baik, karena ini berarti pasokan dalam sirkulasi awal sangat rendah, yang dapat memicu spekulasi dan potensi manipulasi di pasar. Oleh karena itu, kami mengusulkan untuk memperkenalkan mekanisme vesting token yang disesuaikan, yang tidak terpengaruh oleh permintaan pasar. Dengan kata lain, memprediksi permintaan ekosistem tidaklah perlu, karena pelepasan vesting akan dikendalikan oleh pengendali berdasarkan sejumlah indikator kinerja utama yang telah ditentukan sebelumnya. Indikator kinerja utama ini dapat mencakup TVL, volume perdagangan, tingkat adopsi pengguna, profitabilitas bisnis, dan lain-lain. Dalam contoh ini, hanya harga token yang digunakan.

Dalam ekosistem Token, hubungan antara kepemilikan dan harga dapat dipahami dengan menganalisis contoh Token yang nyata. Misalnya, pada tahun pertama dimulainya ekosistem, pasokan besar masuk ke pasar melalui kepemilikan, tetapi karena produk mungkin belum cukup matang, permintaan pasar mungkin tidak mencukupi, dan adopsi tidak besar, menyebabkan harga Token turun.