즉각적인 만족을 원하는 암호화폐 사용자의 강한 선호도 프로젝터가 토큰 할당을 최적화하는 방법

저자: 폴 베라디타킷, Pantera Capital 파트너, 번역: 골든 파이낸스 샤오조우

• 판테라 연구소의 연구에 따르면 암호화폐 사용자들은 현재 편향이 높고 할인 요인이 낮아 즉각적인 만족을 선호하는 것으로 나타났습니다.

• 현재 편차(ꞵ)와 할인 계수(?) ꞵ와 같은 매개변수를 포함하는 준 쌍곡선 할인 모델은 개인이 미래 수익보다 즉각적인 수익을 선호하는 경향을 이해하는 데 도움이 되며, 이는 특히 변동성이 크고 투기적인 암호화폐 시장에서 뚜렷하게 나타납니다.

• 이 연구는 초기 사용자 보상을 위한 에어드랍, 탈중앙화된 거버넌스, 신제품 마케팅 등 토큰 분배를 최적화하는 데 적용할 수 있습니다.

1, 머리말

실리콘밸리 스타트업의 대표적인 사례 중 하나는 Paypal이 자사 제품을 사용하는 사용자에게 10달러를 지급하기로 결정한 것입니다. 사람들에게 돈을 주고 제품을 사용하면 결국 네트워크의 가치가 충분히 높아지면 새로운 사람들이 무료로 가입할 것이고 유료화를 중단할 수 있다는 것이 그 이유였습니다. PayPal은 유료화를 중단한 후에도 네트워크 효과를 성공적으로 활용하면서 계속 성장할 수 있었기 때문에 이 전략은 효과가 있는 것으로 보였습니다.

이미지 src="https://img.jinse.cn/7241904_watermarknone.png" title="7241904" alt="ejrOGHCRZFCz2htupAaWsY0TDRbPvyms1F5T84xG.jpeg">

암호화폐 업계에서는 에어드랍을 통해 이러한 접근 방식을 채택하고 확장하여 사람들을 참여시킬 뿐만 아니라 일반적으로 시간이 지남에 따라 제품을 사용하도록 유도하고 있습니다.

2, 준과적 할인 모델

에어드롭은 얼리 어답터 보상, 탈중앙화된 프로토콜 거버넌스, 신제품 마케팅을 위한 다각적인 도구로 활용되고 있습니다. 특히 보상 대상과 보상 가치를 결정할 때 토큰 분배 기준을 공식화하는 것은 하나의 예술이 되었습니다. 이 경우 배포되는 토큰의 수와 배포 시기(일반적으로 배포 일정에 따라 또는 점진적으로 배포)가 모두 중요한 역할을 합니다. 이러한 결정은 추측이나 변덕, 선례가 아닌 체계적인 분석에 기반해야 합니다. 보다 정량적인 프레임워크를 사용하면 공정성과 장기적인 목표와의 전략적 연계성을 보장할 수 있습니다.

준쌍곡선 할인 모델은 개인이 여러 시점에서 보상 간의 선택을 어떻게 평가하는지 살펴볼 수 있는 수학적 프레임워크를 제공합니다. 이 모델의 적용은 충동적인 감정과 일관성이 시간이 지남에 따라 의사결정에 큰 영향을 미치는 영역(예: 재무적 결정 및 건강 관련 행동)에서 특히 중요합니다.

이 모델은 현재 편향(ꞵ)과 할인 계수(?)라는 두 가지 인구별 매개변수에 의해 구동됩니다. .

현재 편향(ꞵ):

이 매개변수는 개인이 장기적으로 불균형적인 보상보다 즉각적인 보상을 우선시하는 경향을 측정합니다. 0과 1 사이의 값으로, 1은 현재 편향이 없음을 나타내며 미래 보상의 균형에 대한 시간 일관적인 평가를 반영합니다. 값이 0에 가까워질수록 현재 편향이 점점 더 강해져 즉각적인 보상에 대한 선호도가 높다는 것을 나타냅니다.

예를 들어, 오늘 50달러와 1년 후 100달러 중 하나를 선택할 때 '현재 편향'(0에 가까운 값)이 높은 사람은 더 많은 돈을 받기 위해 기다리기보다는 즉시 50달러를 받는 쪽을 선택할 것입니다.

그리고 할인 계수(?)

이 매개변수는 현금화 시간이 길어질수록 미래 보상의 가치가 감소하는 비율을 나타내며, 이는 미래 보상의 인지된 가치가 지연됨에 따라 자연스럽게 감소할 것임을 시사합니다. 다년간의 긴 시간 간격에서는 할인 계수를 보다 정확하게 정량화할 수 있습니다. 이 매개변수는 즉각적인 상황이 인식에 불균형적인 영향을 미칠 수 있는 단기(1년 미만)에 두 가지 옵션을 평가할 때 높은 수준의 변동성을 나타냅니다.

연구에 따르면 일반 인구의 경우 할인율은 일반적으로 0.9 정도입니다. 그러나 도박 성향이 있는 그룹에서는 이 수치가 훨씬 더 낮습니다. 연구에 따르면 습관성 도박꾼의 평균 할인율은 일반적으로 0.8보다 약간 낮은 반면, 문제성 도박꾼의 할인율은 0.5에 가까운 경향이 있습니다.

위 조건을 사용하면 t 시점에 보상 x를 받는 효용 U를 다음과 같이 표현할 수 있습니다.

U(t) = tU(x)

이 모델은 보상 가치가 시간에 따라 어떻게 변화하는지를 파악할 수 있습니다. 즉각적인 보상은 최대 효용으로 평가하고, 미래 보상의 가치는 현재의 편향과 기하급수적 감쇠를 고려하여 하향 조정합니다.

3, 탐색적 실험

작년에 판테라 연구소는 암호화폐 사용자의 행동 성향을 정량화하기 위한 연구를 진행했습니다. 참가자들은 즉각적인 보상을 선호하는지, 아니면 미래의 가치를 포착하는 것을 선호하는지를 측정하기 위해 고안된 두 가지 간단하고 직관적인 질문으로 설문조사를 받았습니다.

이러한 접근 방식을 통해 저희는 ꞵ와 ? 의 대표 값을 결정하는 데 도움이 되었습니다. 그 결과, 암호화폐 사용자의 대표 표본은 현재 편차가 0.4를 약간 상회하고 할인율이 현저히 낮은 것으로 나타났습니다.

이미지 src="https://img.jinse.cn/7241905_watermarknone.png" title="7241905" alt="vPSgnE37w1NhUEoHIo45ivvXqgavnDDLsTUNSfXY.jpeg">

연구에 따르면 암호화폐 사용자들은 평균보다 높은 현재 편향과 낮은 할인율을 보이며, 이는 미래의 이익보다 충동적으로 행동하거나 즉각적인 만족을 선호하는 경향이 있음을 시사합니다.

이러한 현상은 암호화폐 공간에서 상호 연관된 여러 요인에 기인할 수 있습니다.

• 주기적인 시장 행동: 암호화폐 시장 변동성과 주기성으로 잘 알려진 토큰은 종종 가치의 급격한 변동을 경험합니다. 이러한 주기성은 사용자 행동에 영향을 미치는데, 많은 사람들이 전통적인 금융에서 흔히 볼 수 있는 장기 투자 전략을 채택하기보다는 이러한 주기 동안 투기하는 데 익숙하기 때문입니다. 잦은 기복은 사용자로 하여금 미래 가치를 더 크게 할인하게 만들고, 가격 하락으로 인해 수입이 없어질 날을 걱정하게 만들 수 있습니다.

• 토큰의 특성: 이번 설문조사에서는 토큰과 토큰의 미래 가치에 대해 구체적으로 질문했는데, 이는 토큰 거래의 고유한 특성을 보여줄 수 있습니다. 이러한 특성은 토큰 가치 평가의 주기적이고 투기적인 특성과 관련이 있으며, 암호화폐 영역에서 장기 투자에 대한 신중한 접근을 강조합니다. 또한 설문조사에서 선호도를 측정하기 위해 법정화폐 또는 다른 형태의 보상을 사용한다고 가정해 봅시다. 이 경우 암호화폐 사용자의 할인율은 글로벌 평균에 더 가까울 가능성이 높으며, 이는 보상의 성격 자체가 관찰된 할인 행동에 상당한 영향을 미칠 수 있음을 시사합니다.

• 암호화폐 앱의 투기적 성격: 오늘날의 암호화폐 생태계는 투기와 거래에 깊이 뿌리를 두고 있으며, 이는 가장 성공적인 앱에 널리 퍼져 있는 특징입니다. 이러한 경향은 현재 사용자들의 투기성 플랫폼에 대한 압도적인 선호도를 강조하며, 이는 즉각적인 금전적 이득에 대한 선호도가 높다는 설문조사 결과에서도 확인할 수 있습니다.

이 연구 결과는 일반적인 인간 행동의 규범과는 다를 수 있지만, 현재 암호화폐 사용자 커뮤니티의 특징과 트렌드를 반영하고 있습니다. 이러한 독특한 행동을 이해하면 더 나은 전략 계획과 보상 시스템 구조 설계로 이어질 수 있기 때문에 에어드랍과 토큰 분배를 설계하는 프로젝트에 특히 유용합니다.

최근 자체 네이티브 토큰인 DRIFT를 출시한 솔라나의 탈중앙화 무기한 계약 거래소인 Drift의 접근 방식을 예로 들면, Drift 팀은 토큰 배포 전략에 시간 지연 메커니즘을 추가하여 토큰 출시 후 6시간 동안 기다린 사용자가 에어드랍을 신청하면 두 배의 보상을 제공했습니다. 에어드랍 시작 시 봇으로 인한 네트워크 혼잡을 완화하고 초기 판매자 급증을 줄여 토큰 성능을 안정화하기 위해 시간 지연을 추가했습니다.

실제로 이중 보상을 받기 위해 6시간을 기다리지 않은 잠재적 청구자는 7,500명(작성 시점 기준 전체 에어드랍 청구자의 15%)에 불과했습니다. 저희가 제시한 연구에 따르면, 보상이 두 배로 늘어났다면 드리프트는 몇 달 동안 지연되었을 수 있으며, 통계적으로 대부분의 최종 사용자를 달랬을 것입니다.