Стійкий розвиток токен-екосистеми: всебічний погляд та практичні інструменти

Стійкий розвиток екосистеми токенів є ключовим питанням. Нещодавно випущене відео детально розглядає основні виклики, з якими стикається екосистема токенів, та пропонує практичні рішення і інструменти.

Відео підкреслює принципи та методи токеноміки, надаючи новий погляд на планування та створення токен-системи. Одночасно представлено ряд корисних інструментів, таких як інструменти моделювання на основі агентів, QTM тощо, які на різних етапах можуть надати цінну інформацію, що допомагає проектам приймати обґрунтовані рішення. Завдяки цим допоміжним інструментам стартапи Web3 отримають можливість досягти стійкого зростання.

Цей відео принесло нам нове розуміння, підкресливши ключову роль токен інженерії та пов'язаних інструментів у здатності команд проектів реагувати на зміни. Ці інструменти довели, що вони є потужною зброєю для адаптації до постійно змінюючоїся токен екосистеми. Формування цього розуміння стало можливим завдяки поглибленому вивченню та практиці токен екосистеми, що дозволило учасникам краще усвідомлювати динаміку екосистеми та приймати більш обґрунтовані та далекоглядні рішення.

Три етапи проектування та оптимізації Токенів

Виявлення етапу

Щоб побудувати успішну екосистему токенів, потрібно на макрорівні виконати кілька ключових кроків:

1. Чітко визначте проблему, ясно викладіть виклики, з якими стикаєтеся.
2. Чітко визначити потік цінностей між зацікавленими сторонами, щоб забезпечити стійкість та баланс екосистеми.
3. Ґрунтовне обговорення та розгляд доцільності всієї екосистеми та її Токенів, включаючи доцільне використання Токенів.
4. Провести високорівневе планування, яке охоплює, як ефективно використовувати Токен та розробити різні варіанти змісту.

Ці кроки є невід'ємними елементами створення успішної токен-екосистеми.

Етап проектування

Параметризація є ще одним ключовим етапом, що включає використання кількісних інструментів, таких як електронні таблиці, cadCAD, Token Spice, Machinations та інші симуляційні інструменти. Ці інструменти можуть допомогти отримати оптимізовані перевірені моделі, провести аналіз ризиків і прогнозування, а також глибше зрозуміти тенденції постачання та оцінки токенів. Завдяки цим кількісним інструментам можна краще зрозуміти роботу екосистеми, що надає потужну підтримку для її проєктування та оптимізації.

етап розгортання

Етап впровадження реалізує попередні теоретичні аналізи та проєктування, фактично розгортаючи екосистему на блокчейні. На цьому етапі потрібно використовувати різноманітні інструменти, включаючи різні мови програмування, такі як Solidity, Rust тощо, а також середовища розгортання, такі як Hardhat тощо. Завдяки цьому процесу в результаті створюється фактичний токен або продукт екосистеми, що дозволяє йому дійсно реалізуватися та функціонувати на блокчейні.

Інструмент проектування Токенів

На різних етапах ( виявлення, проєктування та впровадження ) необхідно використовувати ряд інструментів, акцент і типи яких у різних сферах також можуть відрізнятися. Вони підходять не лише для сфери DeFi, а й для різних проєктів застосувань, інфраструктури, ігор та інших областей.

При розгляді деталей існує дві точки зору: одна вважає, що екосистему можна розглядати з якісної точки зору, використавши ринкові стандарти, що є достатнім, без необхідності в жодному моделюванні; інша вважає, що потрібно створити цифрові близнюки для 1:1 моделювання всієї екосистеми, оскільки це пов'язано з великими фінансовими ризиками. З просуванням у більш точному напрямку та збільшенням ресурсної інтенсивності зростає також необхідність в програмних знаннях. Це також підвищує вимоги до користувачів — їм потрібно мати навички програмування, щоб впоратися з більш складними моделями, що може вплинути на зручність для користувача.

У екосистемі токенів існує безліч інструментів, які можуть допомогти зрозуміти та спроектувати цю систему. Зліва є моделі електронних таблиць і деякі якісні інструменти, такі як формулювання проблеми, формулювання проблеми зацікавлених сторін, картографування зацікавлених сторін, а також специфічні потоки вартості тощо. Навіть можна використовувати штучний інтелект для формулювання, наприклад, за допомогою моделей машинного навчання для створення першого дизайну токена.

У центральній частині, QTM( кількісний Токен модель ) хоча також є моделлю електронних таблиць, але охоплює кілька різних сфер, не обмежуючись тільки DeFi. Це широке охоплення може призвести до втрати точності, але воно дійсно може допомогти стартапам отримати перші враження, а також початкове розуміння їхньої екосистеми Токенів.

На правому кінці знаходяться симуляційні інструменти, такі як cadCAD, які можуть моделювати екосистему в 1:1 у складних умовах. Вибір відповідних інструментів і методів є критично важливим для успіху стартапів. Різні типи інструментів можуть надавати цінну інформацію на різних етапах, допомагаючи підприємствам приймати обґрунтовані рішення та сприяти стійкому розвитку екосистеми.

Огляд QTM

QTM є моделлю кількісного Токену, що використовує фіксований симуляційний час на 10 років, з кожним кроком часу, що триває один місяць, отже, більше нагадує макросимуляційну модель, а не високо точну модель. На початку кожного кроку часу Токени будуть випущені в екосистему, тому в моделі є модуль стимулювання, модуль належності Токенів, модуль аеродропів тощо. Після цього ці Токени будуть розподілені до кількох основних бочок, з яких знову буде проводитися більш детальне перерозподіл загальної корисності. Потім з цих інструментів корисності визначаються виплати винагород. Ще є поза ланцюгові бізнес-аспекти, які також враховують загальний фінансовий стан бізнесу, наприклад, може бути проведено знищення або викуп, а також можна оцінити рівень прийняття користувачів або визначити стан прийняття користувачів.

Потрібно підкреслити, що якість виходу цієї моделі залежить від якості входу. Тому перед використанням QTM необхідно провести достатнє дослідження ринку для отримання більш точної інформації про вхідні дані та глибшого розуміння того, що відбувається. Це дозволить отримати результати, більш близькі до реальних обставин. QTM розглядається як освітній інструмент для стартапів, який допомагає їм спочатку зрозуміти власну екосистему, але не слід з нього робити жодних фінансових рекомендацій і не слід покладатися лише на результати.

Аналіз даних

З точки зору аналізу даних можна виділити різні типи даних. По-перше, можна спостерігати за розвитком загального ринку з макроекономічної перспективи, включаючи ринок DeFi та ринок криптовалют. Потім можна звернути увагу на показники раундів збору коштів, щоб дізнатися про фінансування проекту, наприклад, кількість залучених коштів, оцінка та обсяги продажу на різних раундах. По-друге, також можна вивчити моделі поведінки учасників, щоб глибше зрозуміти інвестиційні звички інших.

На відміну від традиційних фінансів, дані в ланцюзі мають суттєві відмінності, оскільки дані в ланцюзі є відкритими для кожного і майже можна переглядати кожну транзакцію в екосистемі. З цього можна отримати різноманітні показники, такі як зростання користувачів, загальна заблокована вартість (TVL), обсяги торгівлі тощо. А ще більш цікаво, що можна спостерігати, як різні механізми стимулювання впливають на роботу екосистеми. Крім того, соціальні медіа платформи, такі як Twitter, Reddit, Discord і Telegram, відіграють важливу роль в економіці токенів та показниках проектів.

Ця інформація є відкритими та дуже цінними даними, які слід повною мірою використовувати для кращого розуміння параметрів екосистеми та верифікації моделей.

Наприклад, можна переглядати дані, подібні до створення терміна володіння. Загалом, можна спостерігати терміни володіння для різних груп зацікавлених сторін. Можна побачити мінімальне, середнє, медіанне та максимальне значення терміна володіння, які є частиною аналізу термінів володіння для всіх різних сфер. Також можна сегментувати ці дані, щоб розрізняти різні галузеві сфери. Таким чином, можна побачити, що розподіл даних в різних сферах може суттєво відрізнятися. Хоча ці значення можуть не завжди бути оптимальними, вони надають нам відправну точку.

Наведемо ще один приклад історичного балансу токенів. На прикладі певної фінансової платформи можна переглянути інформацію про її рідний токен та відстежувати всі транзакції в екосистемі, класифікуючи їх у конкретні "токенні бочки", наприклад, адреси, пов'язані з цією платформою, адреси централізованих бірж та адреси децентралізованих бірж тощо. Таким чином, ми можемо переглядати баланс кожного зацікавленого боку та спостерігати за тим, що відбувається в усій екосистемі.

У токен-екосистемі спостереження за поведінкою конкретних адрес може надати важливу інформацію про ліквідність токенів. Наприклад, коли токени надсилаються з контракту стейкінгу на конкретну адресу, можна зрозуміти, як отримувач обробляє ці токени. Вони вирішують повторно інвестувати ці токени, надіславши їх назад до контракту стейкінгу, чи продати, або ж розмістити їх в іншому місці? Це все є ключовою інформацією для розуміння поведінки кожного зацікавленого боку через аналіз, і ми можемо інтегрувати ці дані у нашу модель, що допоможе налаштувати модель.

Ця модель може аналізувати не лише поведінку отримувачів токенів окремих адрес, але й проводити аналіз для представницьких груп зацікавлених сторін. Наприклад, ми можемо проаналізувати кілька токенових проектів і виявити, що приблизно 38% токенів після отримання через контракт на стейкінг відразу ж відправляються назад до контракту на стейкінг. У порівнянні, частка централізованих бірж становить близько 8%, а частка децентралізованих бірж — близько 14%. Переглядаючи розподіл токенів на QTM на певний момент часу, можна зрозуміти ситуацію з обсягом обігу токенів. Ці значення можна застосувати до наших параметрів, щоб попередньо зрозуміти поведінку екосистеми.

Використовуючи ці дані, ми можемо здійснити прогнози, наприклад, щодо балансу постачання різних токенів в екосистемі протягом наступних десяти років, включаючи фонди, команди, розподіл стейкінгу, загальне обігове постачання та ліквідні пули тощо. Також можливе моделювання або прогнозування цін. Потрібно підкреслити, що ці прогнози не призначені для спекуляцій або фінансових консультацій, а допомагають нам зрозуміти взаємозв'язок між належністю постачання та попитом на токени, що, в свою чергу, дозволяє зрозуміти баланс цих двох факторів.

Крім того, можна проаналізувати інші аспекти, такі як розподіл різних частин утиліти. Наприклад, ми можемо дізнатися, скільки Токенів було заблоковано, скільки використано для програм стимулювання ліквідності, або, якщо є механізм знищення, скільки Токенів було знищено. Якщо Токени можна використовувати в магазинах або в інших місцях, ми також можемо спостерігати щомісячні винагороди за утиліту, щоб зрозуміти вартість цих стимулів у доларовому еквіваленті. Розуміння загального використання Токенів є надзвичайно важливим, особливо при стимулюванні екосистеми, коли потрібно враховувати витрати.

Модель, що базується на даних

Іншою темою є новий підхід до програм належності. Іноді люди вважають, що потрібно мати дуже довгі програми належності, але це не завжди добре, оскільки це означає, що початкове постачання в обігу дуже низьке, що викликає спекуляції на ринку та потенційні маніпуляції. Тому ми пропонуємо ввести механізм належності токенів з коригуванням, який не залежить від попиту на ринку. Іншими словами, передбачення потреб екосистеми не є необхідним, оскільки випуск належності буде контролюватися контролером на основі попередньо визначених певних ключових показників ефективності. Ці ключові показники ефективності можуть включати TVL, обсяги торгів, рівень прийняття користувачами, прибутковість бізнесу тощо. У цьому прикладі просто використано ціну токена.

У токенній екосистемі зв'язок між приналежністю та ціною можна зрозуміти, аналізуючи реальні приклади токенів. Наприклад, у перший рік початку екосистеми велика кількість постачання потрапила на ринок через приналежність, але через те, що продукт ще міг бути недостатньо зрілим, попит на ринку міг бути недостатнім, а обсяги впровадження - невеликими, що призвело до зниження ціни токена.