jakiro
作者：Kerman Kohli，DeFi Weekly創始人；翻譯：比特鏈視界xiaozou
最近，Starkware開始了他們備受期待的空投。就像大多數空投一樣，該空投也引發了大量爭議。悲哀的是，這已經不再是什麼讓人感到驚訝的事了。
那麼，為什麼這種情況一次又一次發生？你可能會聽到一些這樣的觀點：
· 內部人士只想套現幾十億美元甩手走人
· 團隊不知道該怎麼做，也沒有合適的顧問
· 鯨魚應該被給予更多優先權，因為他們帶來了TVL
· 空投關乎加密貨幣的民主化
· 沒有farmer，就沒有協議的使用或壓力測試
· 不一致的空投激勵措施將繼續產生奇怪的副作用
這些觀點都沒有錯，但這些觀點本身也並非完全正確。讓我們來進行一下分析，以確保我們對手頭的問題有一個全面的理解。
在進行空投時存在一個基本的緊張關係，你需要在以下三個因素中做出選擇：
· 資本效率
· 去中心化
· 留存率
你經常會遇到這樣的情況：空投在一個維度上效果很好，但在兩個維度或所有三個維度之間卻很難達到良好的平衡。留存率是最難的一個維度，高於15%的留存率是聞所未聞的。
· 資本效率被定義為你給參與者多少代幣的標準。你越是有效地分配你的空投，它就越容易成為流動性挖礦（每存入一美元就有一枚代幣）——有利於鯨魚用戶。
· 去中心化的定義是誰將獲得你的代幣，以及在什麼標準下獲得你的代幣。最近的空投採用了任意標準的做法，以便最大限度地讓更多用戶獲取代幣。這通常是一件好事，因為它使你免於法律上的麻煩，並因你讓人致富而帶給你更大的影響力。
· 留存率的定義是會有多少用戶在空投後繼續持有空投代幣。從某種意義上說，這是一種衡量用戶與你的意圖是否一致的方法。留存率越低，你的用戶就與你的意圖越不一致。10%的留存率作為行業基準意味著只有1 / 10的地址是出於正確的原因出現在這裡！
先不談留存率，讓我們來更詳細地研究一下前兩個因素：資本效率和去中心化。
資本效率
為了理解資本效率，讓我們認識一個新的術語，叫做「sybil係數」。它基本上可計算將一美元的資金分配給一定數量的帳戶所帶來的收益。
你的sybil係數結果最終決定了空投的浪費程度。如果你的sybil係數為1，從技術上講，這意味著你正在運行一個流動性挖礦方案，這會激怒很多用戶。
然而，當你到達像Celestia這樣的程度，也就是sybil係數膨脹到143時，你將會看到極端浪費行為和猖獗的farming挖礦。
去中心化
這就將我們帶到了第二個因素：去中心化。你最終想要幫助「小人物」，他們才是真正的用戶，並希望他們抓住機會儘早使用你的產品——儘管他們並不富有。如果你的sybil係數太接近於1，那麼你將無法給予「小人物」任何東西，而更有可能讓「鯨魚」受益。
這就是空投爭論變得激烈的地方。此處存在三類用戶：
-
在這裡賺快錢，然後轉身離開的「小人物」 （可能在這個過程中使用多個錢包）。
-
喜歡你的產品會繼續留下來的「小人物」。
-
「像很多小人物一樣活動的行業礦工」在這個階段絕對會拿走你的大部分激勵代幣，然後在轉移到下一個目標之前將它們賣掉。
第三類是最糟糕的用戶，第一類還可以接受，第二類是最優質的。我們如何區分這三類用戶對空投來說是巨大挑戰。
那麼如何解決這個問題呢？雖然我沒有具體的解決方案，但我有一個關於如何解決這個問題的想法，我花了幾年的時間思考並進行第一手觀察：項目細分。
我會詳細解釋我的意思。現在請先思考一個根本問題：你擁有所有用戶，你需要能夠基於某種價值判斷將他們劃分為不同的群組。這裡的價值是特定於觀察者的，因此會因項目而異。試圖歸咎於一些「神奇的空投過濾器」是永遠不夠的。通過研究數據，你可以開始了解你的用戶真正的樣子，並開始做出基於數據科學的決策，對你的空投進行細分執行。
為什麼沒人這麼做？我以後的文章會談到這個，但這是一個硬數據問題，需要數據專業知識，時間和金錢投入。沒有多少團隊願意或能夠做到這一點。
留存率
最後一個維度就是留存率。在我們討論留存率之前，最好先定義一下留存率的含義。我將其總結如下：
獲得空投的人數/持有空投的人數
大多數空投所犯的典型錯誤是將其視為一次性的。
為了證明這一點，我認為一些數據可能會有所幫助！幸運的是，Optimism實際上已經執行了多輪空投！我希望能找到一些簡單的Dune儀錶盤，讓我獲得想要的留存率數據，但不幸的是，我錯了。所以，我決定擼起袖子自己去收集數據。
我並不想將事情弄得過度複雜化，我想要理解一件簡單的事：持有OP餘額的用戶百分比在連續空投過程中是如何變化的。
我到github網站找到了所有參與Optimism空投的地址列表。然後我構建了一個小的scraper，手動抓取列表中各個地址的OP餘額，並進行了一些數據整理。
在我們繼續之前，需要提醒的是，每次OP空投都獨立於之前的空投。保留之前的空投代幣沒有獎勵或連結。我知道其中的原因，我們來繼續吧。
首輪空投
共有248,699名用戶獲取空投代幣，用戶獲取的代幣可進行以下操作：
-
OP主網用戶（9.2萬個地址）
-
重複的OP主網用戶（1.9萬個地址）
-
DAO選民（8.4萬個地址）
-
多籤籤名者（1.95萬個地址）
-
L1上的Gitcoin捐贈者（2.4萬個地址）
-
被擠出以太坊的用戶（7.4萬個地址）
在對所有這些用戶及其OP餘額進行分析後，我得到了以下分布。0餘額表明用戶丟棄了代幣，因為無人申領的OP代幣在空投結束時被直接發送到合格的地址。
無論如何，與我觀察到的之前的空投相比，第一輪空投出乎意料地好！只有40%的人的餘額是零，這個結果是非常好的。
然後，我想了解各標準如何在確定用戶是否可能保留代幣方面發揮作用。這種方法的唯一問題是，地址可能分屬多個類別，這會扭曲數據。我不會只從表面上來看，這是一個粗略指標：
OP用戶一度擁有最高比例的0餘額用戶，緊隨其後的是那些被擠出以太坊的用戶。顯然，這些都不是最適合分配用戶的細分市場。多籤籤名者佔百分比最低，我認為這是一個很好的指標，因為對於空投farmer來說，設置多重籤名的情況並不明顯（你可以籤署交易進行空投挖礦）。
第二輪空投
這輪空投被分配給307,000個地址，但在我看來，這遠沒有那麼周到。
-
治理委託獎勵基於委託的OP數量和委託的時間長度。
-
對支付gas費超過一定金額的活躍的Optimism用戶提供部分gas回扣。
-
更多獎勵取決於與管理和使用相關的附加屬性。
對我來說，這是一個很糟糕的標準，因為治理投票對於機器人來說是一件很容易的事情，而且是相當可預測的。正如我們將在下文發現的，我的直覺並沒有太離譜。我很驚訝留存率竟然如此之低！
接近90%的地址持有的OP餘額為零！這是人們經常看到的空投留存數據。我很想深入了解情況但我更關心留下的空投代幣。
第三輪空投
這是目前為止OP團隊執行得最好的一次空投。標準比以前更複雜，並且具有「線性化」元素。這些空投代幣被分配給大約31000個地址，所以雖然規模更小，但更有效。
-
委託OP x天數=委託OP累計總數（例如委託20 OP，委託100天：20 * 100 = 2,000 委託OP）。
-
委託必須在快照期間（UTC時間2023年1月20日0:00，UTC時間2023年7月20日0:00）通過OP治理進行鏈上投票。
這裡需要注意的一個關鍵細節是，鏈上投票的標準是在最後一輪空投之後。所以第一輪來的farmer會想「好吧，我不幹了，該轉到下一個目標了「。這麼做很明智，對分析很有幫助，請看看這些留存率數據吧！
這些空投接收者中只有22%的人代幣餘額為零！在我看來，這表明這輪空投的浪費率遠遠低於之前的任何一輪。這就印證了我的觀點，即留存率是至關重要的，還有更多的數據表明，多輪空投比人們預期的更有效。
第四輪空投
這輪空投分配給了共2.3個地址，並且有一個更加有趣的標準。我個人認為這輪空投的留存率會很高，但經過思考之後，我認為留存率可能低於預期，為什麼？
-
你在超級鏈上創建了吸引人的NFT。涉及到由你的地址創建的NFT轉帳交易的OP鏈（OP主網、Base、Zora）上的總gas會在空投截止前的365天（2023年1月10日至2024年1月10日）裡進行衡量。
-
你在以太坊主網上創建了吸引人的NFT。涉及到由你的地址創建的NFT轉帳交易的以太坊L1上的總gas將在空投截止前的365天（2023年1月10日至2024年1月10日）內進行衡量。
你肯定會認為人們創建NFT合約是一個很好的指標吧？很遺憾，並非如此。數據顯示了截然不同的情況。
雖然這輪空投不像第二輪那麼糟糕，但相對於第三輪空投來說，我們在留存率方面已經倒退了一大步。
我的想法是，如果他們對NFT進行額外的spam或合法性過濾，留存率將會顯著提高。這個標準太寬泛了。此外，由於代幣是直接空投到這些地址上的（而非必須經過申領），你最終會陷入這樣一種情況：詐騙NFT的創作者會說「哇，免費的錢。是時候拋了。」
結論
當我撰寫本文並親手找數據時，我設法證明或反駁我的某些假設，而這些假設後來被證明是非常有價值的。特別是，你的空投質量與你的過濾標準有直接關係。試圖創建一個通用的「空投評分」或使用先進的機器學習模型的人會失敗，容易獲取不準確的數據或大量錯誤信息。機器學習是很了不起，但在你試圖理解它是如何得出它所給出的答案後，你就不會這麼認為了。
空投團隊應該從中吸取的主要經驗教訓是：
-
不要再做一次性空投！你這是搬起石頭砸自己的腳。你應該想要部署類似於a/b測試的激勵機制。可通過大量的迭代以及吸取過去的經驗教訓來指導你的未來目標。
-
在之前空投的基礎上建立標準，你將提高你的空投效率。實際上，要給在一個錢包裡持有代幣的人更多的代幣。讓你的用戶明白，他們應該堅持使用一個錢包，只有在絕對必要的情況下才更換錢包。
-
獲取更好的數據，以確保更智能更高優質的細分。糟糕的數據等同於糟糕的結果。正如我們在上文中所看到的，標準的「可預測性」越低，留存率結果就越好。
