「空投」对于项目来说是好是坏?

链得得Dipublikasikan tanggal 2024-07-19Terakhir diperbarui pada 2024-07-19

撰文:Stacy Muur
编译:Chris,Techub News

本文是 Stacy Muur 对 Delphi Digital 最新的报告《Do Airdrops Hurt More Than Help》的总结和简单分析。Delphi Digital 在报告中探讨了最近的项目空投,分析空投前后项目的「健康状况」,并讨论代币发行面临的问题和解决方案:

2024 年,「空投」的现状并不乐观。用户的期望越来越小,项目的基本面也在不断恶化。为了探讨为何会发生这种现象,Delphi Digital 撰写了一份报告,标题是《Do Airdrops Hurt More Than Help》。

Delphi Digital 对当前空投策略的见解对用户和创始人来说都非常重要。

Uniswap 空投到现在已经四年了,但它仍然是 Web3 历史上最大的一次空投,空投的代币在最高价格时总价值达到了 64 亿美元。

自那以来,行业发生了显著变化,出现了大量的女巫攻击者和 airdrop farmers。

加密货币领域中最大的 50 次空投活动总共分发了价值超过 266 亿美元的代币。

这种不用初始资金就可以赚钱的机会没有被人忽视。现在,每次有新的项目发布时,都会吸引大量想要获得初始空投代币的女巫攻击者和机器人。因此,这些项目为了应对这些问题制定了新的空投标准和反女巫攻击的措施。

最初,Uniswap 使用的是固定奖励系统。随后,Jito 推出了分层空投方法。Optimism 团队则选择根据多种标准来分配代币的空投方式。而现在,我们引入了积分系统。


然而,对于许多受空投猎人欢迎的 dApp 来说,空投的主要问题是短期内吸引了大量的关注和参与,但在某个关键事件(如快照)之后,用户活跃度和参与度会急剧下降。空投效应往往会导致虚假的繁荣,实际用户对应用的兴趣和使用需求并没有真正增加。


让我们以 LayerZero 为例。

自四月份以来,Stargate 跨链桥交易量从 16.7 亿美元下降到 4.067 亿美元,交易量减少了 75%。我个人从未专门去 farming ZRO 代币,所以我获得的分配很正常,大约 400 美元。


在 ZK 空投之前,zkSync 每天产生的交易手续费与 Arbitrum 基本一样。然而,自快照公告和代币分发以来,这个数字一直在下降。最近,每日的交易手续费首次跌破 1 万美元。

Delphi Digital 的研究详细探讨了类似的案例,包括 Kamino 、Parcl、 Jito 和 Manta Network。这些项目也出现了类似的情况,这意味着在空投快照之后,项目的用户活跃度显著下降,后续的用户的参与度揭示了该项目在实际市场中的受欢迎程度。

这种无机增长(指通过空投等方式短期内吸引大量用户,但用户活跃度无法持续)的最大问题在于如何公平地评估协议并做出明智的投资决策。以下几种方法可能可以解决这些问题:

  • 跟踪日活跃用户(DAU)和月活跃用户(MAU)指标随时间的变化,查看在宣布空投快照和之后的激励措施后,用户活跃度是否有所下降。

  • 衡量空投后的预定时间(例如,1 周、1 个月)内,有多少用户继续使用平台。
  • 比较新用户与老用户的日活跃用户(DAU)或周活跃用户(WAU)比例。
  • 监控每个用户的交易数量。

监控用户正在使用哪些功能以及使用频率。如果空投后核心功能的使用持续或增加,这代表用户对平台保持了兴趣。

  • 跟踪钱包参与度指标。
  • 监控社区讨论和治理论坛上的活动。

2024 年空投面临的另一个问题是,许多新协议广泛采用了「低浮动、高 FDV」的代币模型。这种模式使新买家难以看到代币的增长潜力,消耗不了空投带来的抛压。

个人观点:

空投可以吸引新用户,其中一些用户可能会留下来。然而,这类似于 X 上的空投活动:大部分用户都会来参与,但真正留下来的用户少之又少。

作为投资者,需要区分有机增长(自然增长)和无机增长(通过短期激励获得的增长)。作为协议的开发者,确保你能够留住用户,以构建一个长期成功的产品。

作者:TechubNews;来自链得得内容开放平台“得得号”,本文仅代表作者观点,不代表链得得官方立场凡“得得号”文章,原创性和内容的真实性由投稿人保证,如果稿件因抄袭、作假等行为导致的法律后果,由投稿人本人负责得得号平台发布文章,如有侵权、违规及其他不当言论内容,请广大读者监督,一经证实,平台会立即下线。如遇文章内容问题,请联系微信:chaindd123

链得得仅提供相关信息展示,不构成任何投资建议

Bacaan Terkait

Model Besar AS Menuju Keterbatasan, Atas Nama Keamanan

Penulis: Xiao Jing, Editor: Xu Qingyang Pada akhir Juni 2026, pemerintah AS melakukan intervensi langsung terhadap model AI terdepan. Anthropic harus menarik model Fable 5 dan Mythos 5, sementara OpenAI meluncurkan GPT-5.6 dengan akses API terbatas hanya untuk mitra yang disetujui pemerintah. Proses ini menciptakan siklus "hentikan – negosiasi – izin bersyarat" dalam waktu kurang dari sebulan. Inti masalahnya adalah apakah model-model ini benar-benar terlalu kuat dan berbahaya. OpenAI dan Anthropic menyatakan, berdasarkan kerangka keamanan mereka sendiri, model-model ini tidak melewati ambang batas risiko yang tidak dapat diterima. Namun, pemerintah AS, yang dianggap kurang memiliki keahlian teknis di bidang AI terdepan, tetap memberlakukan pembatasan. Keputusan ini didorong oleh beberapa faktor: kemampuan model yang dapat didemonstrasikan, laporan keamanan dari pesaing (seperti Amazon), dan perintah eksekutif AI baru dari Presiden Trump yang membutuhkan contoh penegakan hukum. Situasi ini mengingatkan pada "Perang Kripto" tahun 1990-an, di mana pemerintah AS berusaha membatasi ekspor algoritma enkripsi kuat dengan alasan keamanan nasional. Upaya itu akhirnya gagal karena teknologi menyebar secara global, dan pembatasan justru merugikan perusahaan AS. Para ahli memperingatkan bahwa pembatasan serupa pada model AI dapat menghambat inovasi, mengganggu logika investasi industri, dan memperlambat difusi teknologi yang penting untuk keunggulan kompetitif jangka panjang. Dean W. Ball, mantan penasihat AI Gedung Putih, mengkritik proses persetujuan yang tidak transparan, tanpa standar jelas, dan tidak memiliki batas waktu. Dia memperingatkan bahwa jika hanya segelintir orang dan lembaga yang memiliki akses ke AI terdepan, hal itu justru dapat meningkatkan risiko konsentrasi kekuasaan. Sementara itu, model AI China terus berkembang dengan pendekatan sumber terbuka. Insiden Juni 2026 ini mungkin menandai dimulainya era di mana pemerintah AS menjadi gerbang wajib untuk peluncuran model AI terdepan, mengubah dinamika industri yang sebelumnya lebih terbuka.

链捕手37m yang lalu

Model Besar AS Menuju Keterbatasan, Atas Nama Keamanan

链捕手37m yang lalu

Ethereum Turun 45% Sejak Awal Tahun – Lalu Mengapa SharpLink dan Paus Masih Membeli?

Meskipun harga Ethereum (ETH) turun 20-45% sejak awal tahun, minat institusional terhadap aset kriptu terkemuka ini tetap kuat. SharpLink, setelah jeda delapan bulan, kembali membeli 5.000 ETH senilai sekitar $7,88 juta, diikuti penambahan 26.324 LSETH senilai $45,54 juta. Total kepemilikannya kini mencapai 876.285 ETH, menunjukkan keyakinan pada utilitas jangka panjang dan pendapatan staking Ethereum, meski menghadapi kerugian belum terealisasi hampir $1,71 miliar. Tren akumulasi ini juga tercermin pada aktivitas "paus" (whale), dengan satu dompet baru mengakumulasi 18.361 ETH senilai $28,9 juta dalam sembilan hari terakhir, menandakan persiapan untuk pergerakan harga di masa depan. Namun, kepercayaan yang kembali bangun ini belum sepenuhnya tercermin dalam permintaan institusional yang lebih luas. ETF Spot Ethereum justru mencatat arus keluar bersih, dengan penarikan $12,85 juta pada 26 Juni. Meski demikian, total aset yang dipegang penerbit ETF masih signifikan, senilai lebih dari $8,38 miliar, yang mengindikasikan penyesuaian posisi berkelanjutan daripada pelepasan total. Pada intinya, akumulasi oleh treasury perusahaan dan paus mendukung prospek jangka panjang Ethereum, tetapi pemulihan berkelanjutan masih bergantung pada membaiknya sentimen pasar dan arus masuk ETF yang lebih kuat untuk mengimbangi tekanan penjualan institusional yang masih ada.

ambcrypto5j yang lalu

Ethereum Turun 45% Sejak Awal Tahun – Lalu Mengapa SharpLink dan Paus Masih Membeli?

ambcrypto5j yang lalu

Baru Saja, DeepSeek V4 Perbarui DSpark, Kecepatan Inference Meningkat 80%

Baru-baru ini, DeepSeek V4 diperbarui dengan framework *Speculative Decoding* baru bernama **DSpark**, yang diklaim meningkatkan kecepatan inferensi hingga 80%. Pembaruan ini, yang juga disertai open-sourcing framework **DeepSpec**, berfokus pada optimasi teknikal dan peningkatan performa, bukan perubahan arsitektur model inti. DSpark mengimplementasikan **Semi-Autoregressive Generation** untuk menjaga throughput tinggi dan meningkatkan akurasi token yang dihasilkan oleh model draf (*draft model*). Inovasi utamanya adalah **Confidence-Scheduled Verification**, yaitu sistem penjadwalan yang cerdas dan adaptif. Sistem ini menggunakan *Confidence Head* untuk memperkirakan probabilitas penerimaan setiap token kandidat dan secara dinamis menyesuaikan panjang verifikasi berdasarkan beban kerja sistem (*hardware-aware*), sehingga mengalokasikan daya komputasi hanya ke token yang paling potensial. Dalam pengujian di berbagai domain (penalaran matematika, generasi kode, percakapan), DSpark menunjukkan peningkatan signifikan dibandingkan model *state-of-the-art* seperti Eagle3 dan DFlash. Pada kondisi *throughput* yang setara, DSpark meningkatkan kecepatan respons pengguna sebesar 57%-85% untuk model DeepSeek-V4 Flash dan Pro. DeepSpec, yang dirilis bersamaan, adalah *codebase* lengkap untuk melatih dan mengevaluasi model draf *speculative decoding*. Framework ini menyediakan pipeline standar (persiapan data, pelatihan, evaluasi) dan mendukung beberapa algoritma (DSpark, DFlash, Eagle3) serta model target (Qwen3, Gemma), memudahkan peneliti dan insinyur untuk mengembangkan dan menerapkan teknik percepatan inferensi pada model bahasa besar mereka sendiri.

marsbit7j yang lalu

Baru Saja, DeepSeek V4 Perbarui DSpark, Kecepatan Inference Meningkat 80%

marsbit7j yang lalu

Trading

Spot
活动图片