Данные, основанные на проектировании и оптимизации токенов
В процессе создания экосистемы токенов достижение устойчивого развития является ключевой целью. Недавнее исследование углубленно изучило основные проблемы, с которыми сталкивается экосистема токенов, и предложило ряд практических решений и инструментов.
Исследование подчеркивает важность токен-инженерии, что предоставляет новый взгляд на планирование и создание токен-систем. Также представлены различные полезные инструменты, такие как симуляционные инструменты на основе агентов и количественные модели токенов (QTM) и другие, которые могут предоставить ценную информацию на различных этапах проекта, способствуя принятию обоснованных решений. Используя эти вспомогательные инструменты, стартапы Web3 получат больше шансов на достижение долгосрочной стабильной разработки.
Это исследование подчеркивает ключевую роль токен-инженерии и связанных инструментов в способности проектных команд справляться с изменениями, эти инструменты доказали свою эффективность как мощное оружие для адаптации к постоянно меняющейся токен-экосистеме. Это понимание возникло из глубокого изучения и практики токен-экосистемы, что позволяет участникам лучше понимать динамику экосистемы и принимать более обоснованные и дальновидные решения.
Три этапа проектирования и оптимизации токенов
Этап обнаружения
При создании успешной экосистемы токенов необходимо выполнить несколько ключевых шагов на макроуровне:
Четко определить поток ценности между заинтересованными сторонами, чтобы обеспечить устойчивость и сбалансированность экосистемы.
Подробное обсуждение всей экосистемы и разумности ее токенов, включая разумное использование токенов.
Провести высокоуровневое планирование, охватывающее, как эффективно использовать Токен и разрабатывать различные содержательные предложения.
Эти шаги являются основой для создания успешной Токен экосистемы.
Этап проектирования
Параметризация является еще одним ключевым шагом в строительстве экосистемы токенов, который включает применение различных количественных инструментов, таких как электронные таблицы, cadCAD, Token Spice, Machinations и другие инструменты моделирования. Эти инструменты помогают получить оптимизированные проверенные модели, проводить анализ рисков и прогнозирование, а также глубже понять тенденции предложения токенов и их оценки. С помощью этих количественных инструментов можно лучше понять работу экосистемы и предоставить поддержку для ее проектирования и оптимизации.
Этап развертывания
Этап развертывания включает в себя применение теоретического анализа и дизайна на практике, что приводит к реальному развертыванию экосистемы на блокчейне. Этот этап требует использования различных инструментов, включая языки программирования, такие как Solidity, Rust, и среды развертывания, такие как Hardhat. В результате этого процесса на блокчейне фактически реализуется и запускается экосистемный Токен или продукт.
Инструмент проектирования токенов
На различных этапах ( обнаружения, проектирования и развертывания ) необходимо использовать ряд инструментов, которые имеют разные акценты и типы в разных областях. Эти инструменты применимы не только в области DeFi, но и в различных приложениях, инфраструктуре, играх и других областях.
При рассмотрении деталей существует две точки зрения: одна считает, что экосистему можно рассматривать с качественной точки зрения, используя рыночные стандарты, этого достаточно; другая считает, что необходимо создать цифровую копию, чтобы выполнить 1:1 моделирование всей экосистемы, поскольку это связано с большими финансовыми рисками. С развитием в более точном направлении также увеличиваются требования к программированию, что также выдвигает более высокие требования к пользователям.
В экосистеме токенов существует множество инструментов, которые помогают понять и спроектировать систему. Слева направо инструменты включают:
Модель электронной таблицы и качественные инструменты (, такие как формулировка проблемы, карта заинтересованных сторон и т.д. )
AI-управляемое обоснование (, как использование моделей машинного обучения для разработки предварительного Токен дизайна )
QTM( Количественная модель токена ), охватывающая модели электронных таблиц в различных областях
такие инструменты моделирования, как cadCAD, могут проводить 1:1 моделирование экосистем в сложных условиях
Выбор подходящих инструментов и методов имеет решающее значение для успеха стартапов. Разные типы инструментов могут предоставлять ценную информацию на различных этапах, помогая компаниям принимать обоснованные решения и способствуя устойчивому развитию экосистемы.
Обзор QTM
QTM является моделью количественного Токена, использующей фиксированное симуляционное время в 10 лет, где каждый шаг времени составляет один месяц. В начале каждого шага времени Токены распределяются в экосистеме, включая модули стимулов, модули принадлежности токенов, модули аирдропа и т.д. Эти токены затем распределяются по нескольким основным ведрам, после чего происходит более детализированное перераспределение общей полезности. Модель также учитывает аспекты оффлайн-бизнеса, такие как возможность уничтожения или выкупа, оценка уровня принятия пользователями и др.
Следует отметить, что качество вывода QTM зависит от качества ввода. Поэтому перед использованием QTM необходимо провести тщательное исследование рынка, чтобы получить более точную информацию о вводе. QTM рассматривается как образовательный инструмент для стартапов, который помогает первоначально понять свою экосистему, но не следует полностью полагаться на его результаты или рассматривать их как финансовый совет.
Анализ данных
С точки зрения анализа данных можно извлечь несколько типов данных:
Макроэкономическая перспектива, наблюдение за развитием всего рынка.
Показатели раундов финансирования, ознакомьтесь с ситуацией с финансированием проекта.
Исследование моделей поведения участников.
Анализ данных на блокчейне, включая рост пользователей, общую заблокированную стоимость (TVL), объем торгов и т.д.
Анализ данных социальных медиа платформ.
Эти открытые и ценные данные должны быть использованы в полной мере для лучшего понимания параметров экосистемы и проверки моделей.
Например, можно проанализировать сроки владения токенами различными группами заинтересованных сторон, наблюдая за минимальным, средним, медианным и максимальным значениями, а также провести сравнительный анализ по различным отраслям.
Другим примером является анализ исторического баланса токенов. На примере экосистемы определенного токена можно отслеживать все транзакции в экосистеме, классифицируя их по определенным "токен-бочкам", таким как адреса, связанные с проектом, адреса, связанные с централизованными биржами, и адреса децентрализованных бирж и т.д. Таким образом, можно наблюдать изменения баланса каждого заинтересованного лица и следить за происходящим в экосистеме.
Наблюдение за поведением конкретного адреса может предоставить важную информацию о ликвидности токенов. Например, когда токены отправляются с контракта на стейкинг на конкретный адрес, можно понять, как получатель обрабатывает эти токены. Эта информация помогает понять поведение каждого заинтересованного лица и может быть использована для корректировки модели.
Используя эти данные, можно делать прогнозы, например, прогнозировать баланс поставок различных токенов в экосистеме на следующие десять лет, включая фонды, команды, распределение стейков, общий объем обращения и ликвидные пулы и т.д. В то же время можно проводить симуляцию или прогнозирование цен. Эти прогнозы в основном предназначены для понимания взаимосвязи между принадлежностью поставок и спросом на токены, а не для спекуляции или финансовых рекомендаций.
Кроме того, можно проанализировать и другие аспекты, такие как распределение различных полезных частей, ситуация со ставками, программы стимулов для ликвидного майнинга, механизмы сжигания и т. д. Понимание общей ситуации с использованием токенов имеет большое значение, особенно при учете факторов стоимости в стимулирующей экосистеме.
Модель, основанная на данных
В экосистеме токенов связь между принадлежностью и ценой можно понять, проанализировав примеры реальных токенов. Например, на ранних этапах экосистемы большое количество поставок входит в рынок через принадлежность, но из-за того, что продукт может быть еще недостаточно зрелым, спрос на рынке может быть недостаточным, что может привести к падению цены токена. Эта ситуация может быть смоделирована с помощью модели (, наблюдая за аналогичным поведением.
В модели можно смоделировать три различных сценария спроса: логическую функцию, линейную функцию и экспоненциальный рост. Контроллер управляет объемом выбросов в разные моменты времени, можно наблюдать, что для каждого из различных сценариев роста и спроса контроллер управляет разными объемами выбросов в разные моменты времени.
Когда цена токена растет, больше токенов будет выпущено в экосистему, что может привести к продаже токенов ранними инвесторами, тем самым вызывая снижение цены. Напротив, когда цена опускается ниже заранее установленной, объем выпуска токенов уменьшается. Однако объем выпуска не упадет до нуля, чтобы гарантировать, что все первоначальные инвесторы в конечном итоге получат свою долю. С помощью этого механизма контроля цена токена снова вырастет, в конечном итоге снизив волатильность и стабилизируя экосистему.
![Outlier Ventures：Данные, управляемые дизайном и оптимизацией токена])https://img-cdn.gateio.im/webp-social/moments-0cdf69a2a12c753a31720c3a3b3e173f.webp(
Цена является важным показателем в экосистеме. Хотя невозможно точно предсказать будущее, следует учитывать спрос и пытаться его моделировать и прогнозировать. С помощью методов Монте-Карло и параметрического сканирования можно исследовать все доступные варианты решений, понять возможности в различных ситуациях и разработать более комплексные и гибкие стратегии.
![Outlier Ventures: Данные-ориентированный Токен дизайн и оптимизация])https://img-cdn.gateio.im/webp-social/moments-435bd1b0ace052cfa82c2a225a653786.webp(
Кроме того, можно проводить различные распределения по весам принадлежности. Например, на начальном этапе экосистемные стимулы могут получить больше распределения токенов принадлежности, в то время как команда получит меньшую долю. С течением времени ситуация может измениться, поскольку мы хотим установить устойчивую модель роста, а не просто полагаться на распределение токенов для стимулирования развития экосистемы.
![Outlier Ventures: Данные, управляемые дизайном и оптимизацией Токенов])https://img-cdn.gateio.im/webp-social/moments-4536866cbb79fd293d750cfd1f087444.webp(
На этой странице может содержаться сторонний контент, который предоставляется исключительно в информационных целях (не в качестве заявлений/гарантий) и не должен рассматриваться как поддержка взглядов компании Gate или как финансовый или профессиональный совет. Подробности смотрите в разделе «Отказ от ответственности» .
14 Лайков
Награда
14
4
Репост
Поделиться
комментарий
0/400
AirdropHunterKing
· 6ч назад
Это не мусорный токен, а финансовая пирамида, написанная зря.
Посмотреть ОригиналОтветить0
Web3ProductManager
· 08-12 02:09
показать мне данные о удержании когорты для этих токен-моделей... интересно узнать о метриках day30, если честно
Дизайн экосистемы токенов, основанной на данных: всестороннее руководство от открытия до развертывания
Данные, основанные на проектировании и оптимизации токенов
В процессе создания экосистемы токенов достижение устойчивого развития является ключевой целью. Недавнее исследование углубленно изучило основные проблемы, с которыми сталкивается экосистема токенов, и предложило ряд практических решений и инструментов.
Исследование подчеркивает важность токен-инженерии, что предоставляет новый взгляд на планирование и создание токен-систем. Также представлены различные полезные инструменты, такие как симуляционные инструменты на основе агентов и количественные модели токенов (QTM) и другие, которые могут предоставить ценную информацию на различных этапах проекта, способствуя принятию обоснованных решений. Используя эти вспомогательные инструменты, стартапы Web3 получат больше шансов на достижение долгосрочной стабильной разработки.
Это исследование подчеркивает ключевую роль токен-инженерии и связанных инструментов в способности проектных команд справляться с изменениями, эти инструменты доказали свою эффективность как мощное оружие для адаптации к постоянно меняющейся токен-экосистеме. Это понимание возникло из глубокого изучения и практики токен-экосистемы, что позволяет участникам лучше понимать динамику экосистемы и принимать более обоснованные и дальновидные решения.
Три этапа проектирования и оптимизации токенов
Этап обнаружения
При создании успешной экосистемы токенов необходимо выполнить несколько ключевых шагов на макроуровне:
Эти шаги являются основой для создания успешной Токен экосистемы.
Этап проектирования
Параметризация является еще одним ключевым шагом в строительстве экосистемы токенов, который включает применение различных количественных инструментов, таких как электронные таблицы, cadCAD, Token Spice, Machinations и другие инструменты моделирования. Эти инструменты помогают получить оптимизированные проверенные модели, проводить анализ рисков и прогнозирование, а также глубже понять тенденции предложения токенов и их оценки. С помощью этих количественных инструментов можно лучше понять работу экосистемы и предоставить поддержку для ее проектирования и оптимизации.
Этап развертывания
Этап развертывания включает в себя применение теоретического анализа и дизайна на практике, что приводит к реальному развертыванию экосистемы на блокчейне. Этот этап требует использования различных инструментов, включая языки программирования, такие как Solidity, Rust, и среды развертывания, такие как Hardhat. В результате этого процесса на блокчейне фактически реализуется и запускается экосистемный Токен или продукт.
Инструмент проектирования токенов
На различных этапах ( обнаружения, проектирования и развертывания ) необходимо использовать ряд инструментов, которые имеют разные акценты и типы в разных областях. Эти инструменты применимы не только в области DeFi, но и в различных приложениях, инфраструктуре, играх и других областях.
При рассмотрении деталей существует две точки зрения: одна считает, что экосистему можно рассматривать с качественной точки зрения, используя рыночные стандарты, этого достаточно; другая считает, что необходимо создать цифровую копию, чтобы выполнить 1:1 моделирование всей экосистемы, поскольку это связано с большими финансовыми рисками. С развитием в более точном направлении также увеличиваются требования к программированию, что также выдвигает более высокие требования к пользователям.
В экосистеме токенов существует множество инструментов, которые помогают понять и спроектировать систему. Слева направо инструменты включают:
Выбор подходящих инструментов и методов имеет решающее значение для успеха стартапов. Разные типы инструментов могут предоставлять ценную информацию на различных этапах, помогая компаниям принимать обоснованные решения и способствуя устойчивому развитию экосистемы.
Обзор QTM
QTM является моделью количественного Токена, использующей фиксированное симуляционное время в 10 лет, где каждый шаг времени составляет один месяц. В начале каждого шага времени Токены распределяются в экосистеме, включая модули стимулов, модули принадлежности токенов, модули аирдропа и т.д. Эти токены затем распределяются по нескольким основным ведрам, после чего происходит более детализированное перераспределение общей полезности. Модель также учитывает аспекты оффлайн-бизнеса, такие как возможность уничтожения или выкупа, оценка уровня принятия пользователями и др.
Следует отметить, что качество вывода QTM зависит от качества ввода. Поэтому перед использованием QTM необходимо провести тщательное исследование рынка, чтобы получить более точную информацию о вводе. QTM рассматривается как образовательный инструмент для стартапов, который помогает первоначально понять свою экосистему, но не следует полностью полагаться на его результаты или рассматривать их как финансовый совет.
Анализ данных
С точки зрения анализа данных можно извлечь несколько типов данных:
Эти открытые и ценные данные должны быть использованы в полной мере для лучшего понимания параметров экосистемы и проверки моделей.
Например, можно проанализировать сроки владения токенами различными группами заинтересованных сторон, наблюдая за минимальным, средним, медианным и максимальным значениями, а также провести сравнительный анализ по различным отраслям.
Другим примером является анализ исторического баланса токенов. На примере экосистемы определенного токена можно отслеживать все транзакции в экосистеме, классифицируя их по определенным "токен-бочкам", таким как адреса, связанные с проектом, адреса, связанные с централизованными биржами, и адреса децентрализованных бирж и т.д. Таким образом, можно наблюдать изменения баланса каждого заинтересованного лица и следить за происходящим в экосистеме.
Наблюдение за поведением конкретного адреса может предоставить важную информацию о ликвидности токенов. Например, когда токены отправляются с контракта на стейкинг на конкретный адрес, можно понять, как получатель обрабатывает эти токены. Эта информация помогает понять поведение каждого заинтересованного лица и может быть использована для корректировки модели.
Используя эти данные, можно делать прогнозы, например, прогнозировать баланс поставок различных токенов в экосистеме на следующие десять лет, включая фонды, команды, распределение стейков, общий объем обращения и ликвидные пулы и т.д. В то же время можно проводить симуляцию или прогнозирование цен. Эти прогнозы в основном предназначены для понимания взаимосвязи между принадлежностью поставок и спросом на токены, а не для спекуляции или финансовых рекомендаций.
Кроме того, можно проанализировать и другие аспекты, такие как распределение различных полезных частей, ситуация со ставками, программы стимулов для ликвидного майнинга, механизмы сжигания и т. д. Понимание общей ситуации с использованием токенов имеет большое значение, особенно при учете факторов стоимости в стимулирующей экосистеме.
Модель, основанная на данных
В экосистеме токенов связь между принадлежностью и ценой можно понять, проанализировав примеры реальных токенов. Например, на ранних этапах экосистемы большое количество поставок входит в рынок через принадлежность, но из-за того, что продукт может быть еще недостаточно зрелым, спрос на рынке может быть недостаточным, что может привести к падению цены токена. Эта ситуация может быть смоделирована с помощью модели (, наблюдая за аналогичным поведением.
В модели можно смоделировать три различных сценария спроса: логическую функцию, линейную функцию и экспоненциальный рост. Контроллер управляет объемом выбросов в разные моменты времени, можно наблюдать, что для каждого из различных сценариев роста и спроса контроллер управляет разными объемами выбросов в разные моменты времени.
Когда цена токена растет, больше токенов будет выпущено в экосистему, что может привести к продаже токенов ранними инвесторами, тем самым вызывая снижение цены. Напротив, когда цена опускается ниже заранее установленной, объем выпуска токенов уменьшается. Однако объем выпуска не упадет до нуля, чтобы гарантировать, что все первоначальные инвесторы в конечном итоге получат свою долю. С помощью этого механизма контроля цена токена снова вырастет, в конечном итоге снизив волатильность и стабилизируя экосистему.
![Outlier Ventures：Данные, управляемые дизайном и оптимизацией токена])https://img-cdn.gateio.im/webp-social/moments-0cdf69a2a12c753a31720c3a3b3e173f.webp(
Цена является важным показателем в экосистеме. Хотя невозможно точно предсказать будущее, следует учитывать спрос и пытаться его моделировать и прогнозировать. С помощью методов Монте-Карло и параметрического сканирования можно исследовать все доступные варианты решений, понять возможности в различных ситуациях и разработать более комплексные и гибкие стратегии.
![Outlier Ventures: Данные-ориентированный Токен дизайн и оптимизация])https://img-cdn.gateio.im/webp-social/moments-435bd1b0ace052cfa82c2a225a653786.webp(
Кроме того, можно проводить различные распределения по весам принадлежности. Например, на начальном этапе экосистемные стимулы могут получить больше распределения токенов принадлежности, в то время как команда получит меньшую долю. С течением времени ситуация может измениться, поскольку мы хотим установить устойчивую модель роста, а не просто полагаться на распределение токенов для стимулирования развития экосистемы.
![Outlier Ventures: Данные, управляемые дизайном и оптимизацией Токенов])https://img-cdn.gateio.im/webp-social/moments-4536866cbb79fd293d750cfd1f087444.webp(