空投三難困境：要獲客、留存又要去中心化，該如何實踐？

2024-03-28 15:03:12

今年以來，空投爭議頻繁發生，像是 StarkNet 和 Polyhedra 等案例。本文源自 Kerman Kohli 所著文章，希望探討了理想中的空投實踐應當如何執行，由深潮整理、編譯及撰稿。
（前情提要：免費空投最後上車教學》預言機 Supra 註冊破50萬，代幣發行即在眼前）
（背景補充： Ether.Fi 啟動第二季空投！將投出 5000 萬枚 ETHFI，佔總供應量5%，並引入等級系統）

本文目錄

最近，Starkware 發起了備受期待的空投活動。像大多數空投一樣，這引起了大量爭議。那麼為什麼這種情況會一而再、再而三地發生呢？人們可能會聽到以下一些觀點：

團隊內部人員只想拋售並套現數十億美元
團隊不知道更好的做法，也沒有得到正確的建議
鯨魚應該被給予更高的優先順序，因為他們帶來了總鎖倉價值
空投是為了使加密貨幣的參與變得更加民主化
沒有擼毛的人，就沒有協議的使用或壓力測試
不匹配的空投激勵繼續產生奇怪的副作用

這些觀點都沒有錯，但也沒有一個完全正確。讓我們深入瞭解其中的一些觀點，以確保我們對當前的問題有一個全面的瞭解。進行空投時你必須在三個因素之間做出選擇：

資本效率
去中心化
留存率

你往往會發現，空投在一個維度上表現不錯，但很少能在兩個或所有三個維度上取得良好的平衡。

資本效率 是指用於確定向參與者提供多少代幣的標準。你分配空投的效率越高，它就越會變成流動性挖礦（每存入一美元就獲得一個代幣），這會使鯨魚受益。

去中心化 是指誰獲得你的代幣以及根據什麼標準。最近的空投採用了採用任意標準的方法，以最大化獲得代幣的人群覆蓋範圍。這通常是一件好事，因為它可以避免你陷入法律糾紛，並為讓人們變得富有並贏得更多的聲望。

留存率 定義為空投後用戶的留存率。在某種意義上，這是一種衡量使用者與你的意圖有多一致的方式。留存率越低，使用者與你的意圖越不一致。作為行業基準，10% 的留存率意味著 10 個地址中只有 1 個是你真正的使用者！

將留存率放在一邊，讓我們更詳細地審視前兩個因素：資本效率和去中心化。

資本效率

為了理解關於資本效率的第一點，讓我們介紹一個新術語：「女巫係數（sybil co-efficient）」。它基本上計算了你從將一美元資本分配到一定數量帳戶中獲得多少好處。

你在這個範圍內的位置最終將決定你的空投將變得多麼浪費。如果你的 sybil 係數為 1，從技術上講，這意味著你正在執行一個流動性挖礦計劃，會激怒許多使用者。

然而，當你像 Celestia 這樣的專案，sybil 係數激增至 143 時，你會看到極其浪費的行為和猖獗的流動性挖礦行為。

去中心化

這將我們帶到了關於去中心化的第二點：你最終想幫助的是「小人物」，他是一個真正的使用者，並且願意早期使用你的產品，儘管他們並不富裕。如果你的 sybil 係數接近於 1，那麼你將幾乎沒有給「小人物」多少空投，而大部分空投給了「鯨魚」。

現在，空投辯論變得激烈起來。在這裡存在三類使用者：

「小人物 A」，他們只是想快速賺點錢然後離開（也許在此過程中使用幾個錢包）
「小人物 B」，他們得到空投後依舊想留下來，且喜歡你的產品
「行為像許多小人物的專業擼空投的人」，他們絕對是為了拿走大部分你的激勵，然後轉移到下一個專案上。

第三種人是最糟糕的，第一種人在某種程度上仍然可以接受，第二種人是最佳的。我們如何區分這三者是空投問題的重大挑戰。

那麼，你如何解決這個問題呢？雖然我沒有一個具體的解決方案，但我對如何解決這個問題有一個哲學思考，我在過去的幾年裡一直在思考並親自觀察：專案相關細分（ project-relative segmentation）。

我會解釋一下我的意思。放大來看，思考一下元問題：你有所有的使用者，你需要能夠根據某種價值判斷將它們分成幾組。這裡的價值是與觀察者特定的環境相關的，因此會因專案而異。試圖賦予某種「神奇的空投過濾器」是永遠不夠的。通過探索資料，你可以開始瞭解你的使用者真正的情況，並開始基於資料科學的決策來執行你的空投具體方式。

為什麼沒有人這樣做呢？這是另一篇我將來會寫的文章，但非常簡短的總結是，這是一個需要資料專業知識、時間和金錢的難題。沒有多少團隊願意或能夠做到這一點。

留存率

我想討論的最後一個維度是留存率。在我們談論之前，最好先定義一下留存率的含義。我會總結如下：留存率 = 接收到空投的人數 / 保留空投的人數。

大多數空投都會犯一個典型的錯誤，那就是讓這成為一個一次性的事情。

為了證明這一點，我覺得這裡可能需要一些資料！幸運的是，OP 實際上執行了多輪空投！我希望我能找到一些簡單的 Dune 儀表板，給我提供我想要的留存資料，但不幸的是我錯了。所以，我決定親自去獲取資料。

我不想過於複雜，只想瞭解一件簡單的事情：隨著連續空投的進行，擁有非零 OP 餘額的使用者的百分比如何變化。

我訪問了這個網站，獲取了所有參與 OP 空投的地址列表。然後我建立了一個小的爬蟲程式，手動獲取列表中每個地址的 OP 餘額（為此使用了我們內部的一些 RPC 積分），並進行了一些資料處理。

在我們深入研究之前，一個重要的提示是，每個 OP 空投都獨立於上一個空投。沒有任何獎勵或連結來保留上一個空投的代幣。

空投 1

根據此處提供的標準發給了 248,699 名收件人，簡而言之，使用者是基於以下跌動而獲得代幣的：

OP 主網使用者（9.2 萬地址）
重複的 OP 主網使用者（1.9 萬地址）
DAO 選民（8.4 萬地址）
多重簽名簽署者（1.95 萬地址）
在 L1 上的 Gitcoin 捐助者（2.4 萬地址）
因以太坊價格而被排除在外的使用者（7.4 萬地址）

在對所有這些使用者及其 OP 餘額進行分析後，我得到了以下分佈。0 餘額表明使用者已拋售，因為未索賠的 OP 代幣會直接傳送到符合條件的地址，詳情請點選這個網站。

無論如何，與我觀察到的以往執行的空投相比，這第一次空投出人意料地好！大多數的空投率都在 90% 以上。餘額為 0% 的只有 40%，好得出奇。

然後我想了解每個標準如何在確定使用者是否可能保留代幣方面發揮作用。這種方法的唯一問題是地址可能屬於多個類別，這會扭曲資料。我不會只看表面價值，而是一個粗略的指標：

在一次性 OP 使用者中，餘額為 0 的使用者比例最高，其次是因以太坊價格而被排除的使用者。很明顯，這些使用者並不是最好的使用者群。多重簽名使用者的比例最低，我認為這是一個很好的指標，因為對於空投農民來說，建立一個多重簽名來進行空投交易並不明顯！

空投 2

這次空投分發給了 307,000 個地址，但在我看來，這個空投思考得不夠周到。標準設定如下：

基於委託的 OP 數量和委託時間的治理委派獎勵。
對在 Gas 費用上花費了一定金額的活躍 OP 使用者的部分 Gas 退款。
由與治理和使用相關的附加屬性確定的乘數獎勵。

對我來說，這在直覺上感覺不是一個好的標準，因為治理投票是一件容易被機器人操縱和相當可預測的事情。正如我們將在下面看到的，我的直覺並沒有太離譜。我很驚訝實際留存率是多麼低！

接近 90% 的地址持有 0 OP 餘額！這是人們習慣看到的常見空投保留統計資料。我很想更深入地討論這個問題，但我更想轉向剩下的空投。

空投 3

這絕對是 OP 團隊執行最好的空投。其標準比以往更復雜。此空投分發給約 31,000 個地址，因此規模較小但更有效。以下是詳細資訊，來源請點選此處：

每天委託的 OP 累計金額（即 100 天委託 20 個 OP：20 * 100 = 2,000 個 OP 委託 x 天）。
在快照期間（2023 年 1 月 20 日 0:00 UTC 至 2023 年 7 月 20 日 0:00 UTC）必須在 OP 治理鏈上投票的代表。

這裡需要注意的一個關鍵細節是，在鏈上投票的標準是在上一輪空投期間之後。因此，第一輪參與的使用者可能會想「好的，我完成了空投需要做的工作，是時候轉向下一件事情了」。這一點很棒，因為這有助於進行分析，看看這些保留統計資料！

只有 22% 的空投接收者的代幣餘額為 0！對我來說，這表明這次空投的浪費遠遠少於以往的任何一次。這符合我的論點，即留存率是至關重要的，並且多輪空投的附加資料比人們所認為的更有用。

空投 4

此空投共發放給 23,000 個地址，並具有更有趣的標準。我個人認為此次的保留率會很高，但經過思考後，我對為什麼可能低於預期的理由有了假設：

您在超級鏈上建立了參與交易的 NFT。OP 鏈（OP Mainnet, Base, Zora）上涉及您地址建立的 NFT 轉移交易的總 Gas。在空投截止前的 365 天（2023 年 1 月 10 日至 2024 年 1 月 10 日）內測量。
您在以太坊主網上建立了吸引人的 NFT。在空投截止日期之前的過去 365 天內（2023 年 1 月 10 日至 2024 年 1 月 10 日），涉及您地址建立的 NFT 轉移的交易中，以太坊 L1 的總 Gas 量。

你肯定會認為建立 NFT 合約的人會是一個很好的指標吧？不幸的是，並非如此。資料表明情況正好相反。

雖然情況並不像空投 2 那麼糟糕，但相對於空投 3，我們在留存率方面退了一大步。

我的假設是，如果他們對被標記為垃圾郵件或具有某種「合法性」的 NFT 合約進行了額外的過濾，這些數位將得到顯著改善。這個標準太寬泛了。此外，由於代幣直接空投到這些地址（而不必要求認領），你會發現一個情況，即詐騙 NFT 創作者會認為「哇，這是免費的錢。是時候賣掉了」。

結語

當我寫這篇文章並自己獲取資料時，我設法證明 / 反駁了我的某些假設，這些假設被證明是非常有價值的。特別是，您的空投品質與您的篩選標準有直接關係。

試圖建立一個通用的「空投評分」或使用先進的機器學習模型的人會因為不準確的資料或大量誤報而失敗。機器學習是偉大的，直到你嘗試理解它是如何得出答案的。

在撰寫本文的指令碼和程式碼時，我得到了 Starkware 空投的資料，這也是一種有趣的鍛鏈。我將在下一篇文章中談論這個。團隊應該從中學到的關鍵點是：

停止進行一次性的空投！這是在搬起石頭砸自己的腳。您想要部署類似 A/B 測試的激勵措施。大量迭代並利用過去的經驗來指導您的未來目標。
具有建立在過去空投基礎上的標準，您將提高您的效率。實際上，給予在同一錢包中持有代幣的人更多代幣。讓您的使用者清楚地知道，他們應該堅持使用一個錢包，並且只在絕對必要時才更換錢包。
獲得更好的資料以確保更智慧和更高品質的空投細分。糟糕的資料 = 糟糕的結果。正如我們在上面的文章中所看到的，標準的「可預測性」越低，留存率的結果就越好。