Датаприведений дизайн та оптимізація токенів

У процесі створення токен-екосистеми досягнення сталого розвитку є ключовою метою. Нещодавнє дослідження глибоко вивчило основні проблеми, з якими стикається токен-екосистема, і запропонувало ряд практичних рішень та інструментів.

Дослідження підкреслює важливість токенінгу, що надає нові перспективи для планування та побудови систем токенів. Одночасно були представлені різноманітні практичні інструменти, такі як симуляційні інструменти на основі агентів та кількісні моделі токенів (QTM) тощо, які можуть надати цінну інформацію для проєкту на різних етапах, допомагаючи ухвалювати обґрунтовані рішення. Використовуючи ці допоміжні інструменти, стартапи Web3 матимуть більше можливостей для досягнення довготривалої стабільної розробки.

Це дослідження підкреслює ключову роль токенінгу та супутніх інструментів у здатності команд проекту реагувати на зміни, ці інструменти виявилися потужною зброєю для адаптації до постійно мінливого токен-екосистеми. Це усвідомлення виникло з глибокого вивчення та практики токен-екосистеми, що дозволило учасникам краще зрозуміти динаміку екосистеми та приймати більш обґрунтовані та далекоглядні рішення.

Дизайн та оптимізація токенів у трьох етапах

Етап виявлення

При побудові успішної токен-екосистеми необхідно виконати кілька ключових кроків на макрорівні:

1. Чітко визначте проблему, ясно викладіть виклики, з якими ви стикаєтеся.
2. Чітко визначити рух цінностей між зацікавленими сторонами, щоб забезпечити стійкість і баланс екосистеми.
3. Глибоке обговорення всього екосистеми та її Токенів, включаючи обґрунтоване використання Токенів.
4. Здійснити високорівневе планування, яке охоплює, як ефективно використовувати Токен та розробити плани для різних аспектів.

Ці кроки є основою для створення успішної токен-екосистеми.

Етап проектування

Параметризація є ще одним ключовим етапом у будівництві екосистеми токенів, що передбачає використання різних 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 та прогнози, глибше зрозуміти тенденції постачання токенів та їх оцінки. Завдяки цим кількісним інструментам можна краще зрозуміти роботу екосистеми, що забезпечує підтримку для її проектування та оптимізації.

Етап розгортання

Етап розгортання втілює в життя попередній теоретичний аналіз і проектування, справжнє розгортання екосистеми на блокчейні. На цьому етапі потрібно використовувати різні інструменти, включаючи мови програмування, такі як Solidity, Rust, а також середовища розгортання, такі як Hardhat. Через цей процес врешті-решт реалізується та запускається фактичний токен або продукт екосистеми на блокчейні.

Інструмент проектування Токенів

На різних етапах ( виявлення, проєктування та розгортання ) необхідно використовувати ряд інструментів, які фокусуються та класифікуються по-різному в різних сферах. Ці інструменти підходять не лише для сфери DeFi, але й для різних проєктів застосування, інфраструктури, ігор тощо.

При розгляді деталей існує дві точки зору: одна вважає, що екосистему можна оцінювати з якісної точки зору, використання ринкових стандартів є достатнім; інша ж вважає, що потрібно створити цифрове близнюка, щоб здійснити 1:1 моделювання всієї екосистеми, оскільки це пов'язано з великими фінансовими ризиками. З розвитком у більш точному напрямку також зростатимуть вимоги до програмних знань, що ставить перед користувачами вищі вимоги.

У токенній екосистемі є кілька інструментів, які допомагають зрозуміти та спроектувати систему. Зліва направо, інструменти включають:

• Модель електронних таблиць та якісні інструменти (, такі як формулювання проблеми, картографування зацікавлених сторін тощо )
• AI-драйвинг інтерпретацій(, як використовувати моделі машинного навчання для розробки початкового Токену )
• QTM( кількісний Токен модель ), охоплює кілька сфер електронних таблиць моделі
• cadCAD та інші симуляційні інструменти, які можуть моделювати екосистему 1:1 у складних умовах

Вибір відповідних інструментів і методів є вирішальним для успіху стартапів. Різні типи інструментів можуть надати цінну інформацію на різних етапах, допомагаючи підприємствам приймати обґрунтовані рішення та сприяти сталому розвитку екосистеми.

Огляд QTM

QTM є моделлю кількісного Токену, що використовує фіксований симуляційний період у 10 років, з кожним часовим кроком по одному місяцю. На початку кожного часового кроку Токени вивільняються в екосистему, включаючи модуль стимулювання, модуль належності Токену, модуль аерозольного розподілу тощо. Ці Токени потім розподіляються в кілька основних фондів, після чого здійснюється більш детальне перерозподіл загальної корисності. Модель також враховує аспекти поза ланцюгом, такі як можливість знищення чи викупу, вимірювання рівня прийняття користувачами тощо.

Слід звернути увагу на те, що якість виходу QTM залежить від якості входу. Тому перед використанням QTM необхідно провести достатнє дослідження ринку, щоб отримати більш точну інформацію про входи. QTM вважається навчальним інструментом для ранніх стартапів, який допомагає на початковому етапі зрозуміти власну екосистему, але не слід покладатися виключно на його результати чи використовувати їх як фінансову пораду.

Аналіз даних

З точки зору аналізу даних можна виділити кілька типів даних:

1. Макроекономічний ринок, спостереження за загальним розвитком ринку.
2. Показники раунду збору коштів, дізнайтеся про фінансування проекту.
3. Дослідження поведінкових моделей учасників.
4. Аналіз даних на ланцюгу, включаючи зростання користувачів, загальну заблоковану вартість (TVL), обсяг торгівлі тощо.
5. Аналіз даних соціальних медіа платформ.

Ці відкриті та цінні дані повинні бути повністю використані для кращого розуміння параметрів екосистеми та верифікації моделей.

Наприклад, можна проаналізувати терміни володіння Токенами різними групами зацікавлених сторін, спостерігаючи за мінімумом, середнім значенням, медіаною та максимумом, а також провести сегментаційне порівняння за різними галузями.

Іншим прикладом є аналіз історичного балансу токенів. Наприклад, у певній екосистемі токенів можна відстежувати всі транзакції в цій екосистемі, класифікуючи їх у специфічні "токенні кошики", такі як адреси, пов'язані з проєктом, адреси, пов'язані з централізованими біржами, а також адреси децентралізованих бірж тощо. Таким чином, можна переглядати зміни балансу кожного зацікавленого боку та спостерігати за тим, що відбувається в екосистемі.

Спостереження за поведінкою конкретної адреси може надати важливу інформацію про ліквідність токенів. Наприклад, коли токени надсилаються з контракту на стейкінг на конкретну адресу, можна зрозуміти, як отримувач обробляє ці токени. Ця інформація допомагає зрозуміти поведінку кожного зацікавленого боку і може бути використана для коригування моделей.

Використовуючи ці дані, можна здійснити прогноз, наприклад, щодо балансу постачання різних токенів в екосистемі протягом наступних десяти років, включаючи фонди, команди, розподіл стейкінгу, загальне обігове постачання та ліквідні пулі тощо. Одночасно також можна здійснити моделювання або прогнозування цін. Ці прогнози в основному використовуються для розуміння взаємозв'язку між належністю постачання та попитом на токени, а не для спекуляцій або фінансових порад.

Крім того, можна проаналізувати й інші аспекти, такі як розподіл різних утиліт, ситуація зі ставками, програми стимулювання ліквідності, механізми знищення тощо. Розуміння загального використання Токенів є надзвичайно важливим, особливо при розгляді факторів витрат на стимулювання екосистеми.

Модель, що базується на даних

У токен-екосистемі взаємозв'язок між належністю та ціною можна зрозуміти, аналізуючи реальні приклади токенів. Наприклад, на ранньому етапі екосистеми значна кількість постачання потрапляє на ринок через належність, але оскільки продукт може бути ще недостатньо зрілим, а попит на ринку недостатній, це може призвести до зниження ціни токена. Цю ситуацію можна змоделювати за допомогою моделі (, спостерігаючи подібну поведінку.

У моделі можна змоделювати три різні сценарії попиту: логічну функцію, лінійну функцію та експоненціальне зростання. Контролер керує викидами в різні моменти часу, можна спостерігати, що для кожного різного зростання та сценарію попиту контролер управляє різними обсягами викидів у різні моменти часу.

Коли ціна токенів підвищується, більше токенів буде випущено в екосистему, що може призвести до продажу токенів ранніми інвесторами, що, в свою чергу, призведе до зниження ціни. Навпаки, коли ціна нижча за заздалегідь визначену ціну, обсяг випуску токенів зменшиться. Проте, обсяг випуску не зменшиться до нуля, щоб забезпечити, що всі початкові інвестори врешті-решт отримають належну частку. Завдяки цьому механізму контролю, ціна токенів знову підвищиться, що в кінцевому підсумку зменшить волатильність і стабілізує екосистему.

![Outlier Ventures: дані-драйвований дизайн та оптимізація Токен])https://img-cdn.gateio.im/webp-social/moments-0cdf69a2a12c753a31720c3a3b3e173f.webp(

Ціна є важливим показником в екосистемі. Хоча точно передбачити майбутнє неможливо, слід врахувати аспект попиту та намагатися його змоделювати та передбачити. За допомогою моделювання Монте-Карло та параметричного сканування можна дослідити весь доступний простір рішень, зрозуміти можливості в різних ситуаціях та розробити більш комплексні та гнучкі стратегії.

![Outlier Ventures: Датаприводний дизайн та оптимізація Токенів])https://img-cdn.gateio.im/webp-social/moments-435bd1b0ace052cfa82c2a225a653786.webp(

Крім того, можна здійснити різне вагове розподілення належності. Наприклад, на початковому етапі, екосистемні стимули можуть отримати більший розподіл токенів належності, в той час як команда отримує меншу частку. З часом ситуація може змінитися, оскільки ми прагнемо встановити стійку модель зростання, а не просто покладатися на належність токенів для розвитку екосистеми.

![Outlier Ventures: дані, що керують дизайном та оптимізацією Токен])https://img-cdn.gateio.im/webp-social/moments-4536866cbb79fd293d750cfd1f087444.webp(