Recentemente, a Starkware iniciou o seu aguardado airdrop. Como a maioria dos airdrops, resultou numa tonelada de controvérsia. O que, de uma forma trágica, já não surpreende realmente ninguém.
Então, por que é que isto continua a acontecer vezes sem conta? Poder-se-á ouvir algumas destas perspetivas:
Nenhuma destas perspetivas está errada, mas nenhuma destas perspetivas é completamente verdadeira por si só. Vamos analisar algumas abordagens para garantir que temos uma compreensão abrangente do problema em questão.
Existe uma tensão fundamental ao fazer um airdrop, você está escolhendo entre três fatores:
Muitas vezes acaba-se numa situação em que os airdrops funcionam bem numa dimensão, mas raramente conseguem encontrar um bom equilíbrio entre duas ou todas as três. A retenção em particular é a dimensão mais difícil, sendo que qualquer valor acima de 15% é tipicamente inaudito.
Deixando de lado a retenção, vamos examinar os primeiros 2 em mais detalhes: eficiência de capital e descentralização.
Para entender o primeiro ponto em torno da eficiência de capital, vamos introduzir um novo termo chamado de “coeficiente de sybil”. Basicamente, calcula quanto você se beneficia ao dividir um dólar de capital em um certo número de contas.
Onde você está neste espectro será, em última análise, o quão desperdiçado seu airdrop se tornará. Se você tem um coeficiente de sibil de 1, isso tecnicamente significa que você está executando um esquema de mineração de liquidez e irritará muitos usuários.
No entanto, quando chegar a algo como Celestia, onde o coeficiente de sybil se expande para 143, você vai obter um comportamento extremamente desperdiçado e uma agricultura desenfreada.
Isto leva-nos ao nosso segundo ponto em torno da descentralização: você quer, em última instância, ajudar o “pequeno” que é um usuário real e que está a arriscar ao usar o seu produto cedo - apesar de não ser rico. Se o seu coeficiente de síbil se aproximar muito de 1, então vai estar a dar quase nada ao “pequeno” e a maior parte aos “whales”.
Agora é aqui que o debate sobre o airdrop se torna acalorado. Você tem três classes de usuários que existem aqui:
3 é o pior, 1 ainda é aceitável e 2 é o ideal. Como diferenciamos entre os três é o grande desafio do problema de airdrop.
Então, como resolve este problema? Embora não tenha uma solução concreta, tenho uma filosofia sobre como resolver isto que tenho vindo a pensar nos últimos anos e também a observar em primeira mão: segmentação relativa ao projeto.
Vou explicar o que quero dizer. Amplie a visão e pense no meta-problema: você tem todos os seus usuários e precisa ser capaz de dividi-los em grupos com base em algum tipo de julgamento de valor. O valor aqui é específico do contexto para o observador, portanto, variará de projeto para projeto. Tentar atribuir algum tipo de "filtro de airdrop mágico" nunca será suficiente. Ao explorar os dados, você pode começar a entender como seus usuários realmente são e começar a tomar decisões baseadas em ciência de dados sobre qual é a maneira apropriada de executar seu airdrop por meio de segmentação.
Porque é que ninguém faz isto? Este é outro artigo que irei escrever no futuro, mas o resumo muito longo é que é um problema de dados difícil que requer experiência em dados, tempo e dinheiro. Não são muitas as equipas dispostas ou capazes de fazer isso.
A última dimensão sobre a qual quero falar é a retenção. Antes de falarmos sobre isso, provavelmente é melhor definir o que retenção significa em primeiro lugar. Eu resumiria da seguinte forma:
número de pessoas a quem é dado um airdrop
número de pessoas que mantêm o airdrop
A maioria dos airdrops comete o erro clássico de tornar isto numa equação única.
Para demonstrar isso, pensei que alguns dados poderiam ajudar aqui! Felizmente, o Optimism realmente executou airdrops de várias rodadas! Eu estava esperando encontrar alguns painéis de controle do Dune fáceis que me dessem os números de retenção que eu procurava, mas infelizmente estava errado. Então, decidi arregaçar as mangas e obter os dados por mim mesmo.
Sem complicar demais, eu queria entender uma coisa simples: como é que a percentagem de utilizadores com um saldo OP diferente de zero muda ao longo de airdrops sucessivos.
Fui para: https://github.com/ethereum-optimism/op-analytics/tree/main/reference_data/address_listspara obter a lista de todos os endereços que tinham participado no Airdrop da Optimism. Em seguida, construí um pequeno raspador que iria obter manualmente o saldo do OP de cada endereço na lista (queimou alguns dos nossos créditos internos de RPC para isso) e fiz um pouco de manipulação de dados.
Antes de mergulharmos, um aviso é que cada airdrop OP é independente do airdrop anterior. Não há bônus ou link para reter tokens do airdrop anterior. Eu sei o motivo, mas de qualquer forma, vamos continuar.
Dado a 248.699 destinatários com os critérios disponíveis aqui: https://community.optimism.io/docs/governance/airdrop-1/#background. O resumo é que os utilizadores receberam tokens pelas seguintes ações:
Depois de executar a análise de todos esses usuários e seus saldos de OP, obtive a seguinte distribuição. Os saldos de 0 são indicativos de usuários que despejaram, pois os tokens OP não reclamados foram enviados diretamente para os endereços elegíveis no final do airdrop (conformehttps://dune.com/optimismfnd/optimism-airdrop-1).
De qualquer forma, este primeiro airdrop é surpreendentemente bom em relação aos airdrops anteriores que observei! A maioria tem uma taxa de queda de 90% ou mais. Apenas 40% ter um saldo de 0% é surpreendentemente bom.
Eu queria então entender como cada critério desempenhava um papel na determinação se os usuários provavelmente reteriam tokens ou não. O único problema com esta metodologia é que os endereços podem estar em várias categorias, o que distorce os dados. Eu não levaria isso como certo, mas sim como um indicador aproximado:
Os utilizadores OP tiveram a maior percentagem de utilizadores com um saldo de 0, seguindo-se os utilizadores que foram excluídos do Etheruem devido ao preço. Obviamente, estes não eram os melhores segmentos para distribuir utilizadores. Os signatários Multisig foram os menos, o que penso ser um grande indicador, uma vez que não é óbvio para os airdrop farmers configurar um multi-sig onde assina transações para participar num airdrop!
Este airdrop foi distribuído para 307.000 endereços, mas na minha opinião, foi muito menos cuidadoso. Os critérios foram definidos da seguinte forma (fonte: https://community.optimism.io/docs/governance/airdrop-2/#background):
Para mim, isto intuitivamente parecia ser um critério ruim porque a votação de governança é algo fácil de automatizar e bastante previsível. Como veremos abaixo, minha intuição não estava muito errada. Fiquei surpreso com o quão baixa era a retenção na realidade!
Cerca de 90% dos endereços tinham um saldo de 0 OP! Estatísticas habituais de retenção de airdrop que as pessoas estão habituadas a ver. Gostaria de aprofundar mais este assunto, mas estou ansioso para passar para os restantes airdrops.
Este é, de longe, o melhor airdrop executado pela equipa OP. Os critérios são mais sofisticados do que antes e têm um elemento de “linearização” que foi mencionado em artigos anteriores. Isto foi distribuído para cerca de 31k endereços, portanto, mais pequeno mas mais eficaz. Os detalhes estão delineados abaixo (fonte: https://community.optimism.io/docs/governance/airdrop-3/#airdrop-3-allocations):
Um detalhe crítico a ter em conta aqui é que os critérios para votar on-chain são DEPOIS do período do último airdrop. Assim, os agricultores que entraram na primeira rodada pensaram 'ok, terminei de cultivar, é hora de passar para a próxima coisa'. Isso foi brilhante e ajuda nesta análise, pois veja estas estatísticas de retenção!
Uau! Apenas 22% destes destinatários de airdrop têm um saldo de token de 0! Para mim, isso sinaliza que o desperdício neste airdrop foi muito menor do que em qualquer um dos anteriores. Isso confirma a minha tese de que a retenção é crítica e os dados adicionais indicam que os airdrops de várias rodadas têm mais utilidade do que as pessoas lhes dão crédito.
Este airdrop foi dado a um total de 23 mil endereços e teve critérios mais interessantes. Pessoalmente, pensei que a retenção disso seria alta, mas depois de refletir sobre isso, tenho uma tese sobre por que provavelmente foi menor do que o esperado:
Certamente pensaria que as pessoas que criam contratos NFT seriam um bom indicador? Infelizmente não. Os dados sugerem o contrário.
Embora não seja tão ruim como o Airdrop #2, demos um grande passo atrás em termos de retenção em relação ao Airdrop #3.
A minha hipótese é que, se eles tivessem feito filtragem adicional em contratos NFT marcados como spam ou com alguma forma de “legitimidade”, esses números teriam melhorado significativamente. Este critério era demasiado amplo. Além disso, uma vez que os tokens foram distribuídos por airdrop para esses endereços diretamente (em vez de terem de ser reclamados), acaba-se numa situação em que criadores de NFT fraudulentos pensaram “uau, dinheiro grátis, é hora de despejar”.
Ao escrever este artigo e recolher os dados por mim mesmo, consegui provar/refutar certas suposições que se revelaram muito valiosas. Em particular, a qualidade do seu airdrop está diretamente relacionada com a qualidade dos seus critérios de filtragem. As pessoas que tentam criar uma “pontuação de airdrop” universal ou usam modelos avançados de aprendizagem automática acabarão por falhar devido a dados imprecisos ou a muitos falsos positivos. A aprendizagem automática é ótima até tentar entender como ela chegou à resposta que deu.
Ao escrever os scripts e códigos para este artigo, obtive os números do airdrop da Starkware, o que também é um exercício intelectual interessante. Vou escrever sobre isso no próximo post. As principais lições que as equipas devem aprender daqui:
Se estiver a pensar ativamente em fazer um airdrop ou quiser falar sobre este assunto, entre em contato. Passo todas as horas acordado a pensar neste problema nos últimos 3 anos. O que estamos a construir está diretamente relacionado com tudo o que foi mencionado acima, mesmo que não pareça à primeira vista.
Nota lateral: Tenho estado um pouco afastado das publicações devido à saúde frágil e a muito trabalho. Isso significa que a criação de conteúdo acaba por ficar em segundo plano. Estou a sentir-me gradualmente melhor e a expandir a equipa para garantir que consiga regressar a uma cadência regular por aqui.
Share
Recentemente, a Starkware iniciou o seu aguardado airdrop. Como a maioria dos airdrops, resultou numa tonelada de controvérsia. O que, de uma forma trágica, já não surpreende realmente ninguém.
Então, por que é que isto continua a acontecer vezes sem conta? Poder-se-á ouvir algumas destas perspetivas:
Nenhuma destas perspetivas está errada, mas nenhuma destas perspetivas é completamente verdadeira por si só. Vamos analisar algumas abordagens para garantir que temos uma compreensão abrangente do problema em questão.
Existe uma tensão fundamental ao fazer um airdrop, você está escolhendo entre três fatores:
Muitas vezes acaba-se numa situação em que os airdrops funcionam bem numa dimensão, mas raramente conseguem encontrar um bom equilíbrio entre duas ou todas as três. A retenção em particular é a dimensão mais difícil, sendo que qualquer valor acima de 15% é tipicamente inaudito.
Deixando de lado a retenção, vamos examinar os primeiros 2 em mais detalhes: eficiência de capital e descentralização.
Para entender o primeiro ponto em torno da eficiência de capital, vamos introduzir um novo termo chamado de “coeficiente de sybil”. Basicamente, calcula quanto você se beneficia ao dividir um dólar de capital em um certo número de contas.
Onde você está neste espectro será, em última análise, o quão desperdiçado seu airdrop se tornará. Se você tem um coeficiente de sibil de 1, isso tecnicamente significa que você está executando um esquema de mineração de liquidez e irritará muitos usuários.
No entanto, quando chegar a algo como Celestia, onde o coeficiente de sybil se expande para 143, você vai obter um comportamento extremamente desperdiçado e uma agricultura desenfreada.
Isto leva-nos ao nosso segundo ponto em torno da descentralização: você quer, em última instância, ajudar o “pequeno” que é um usuário real e que está a arriscar ao usar o seu produto cedo - apesar de não ser rico. Se o seu coeficiente de síbil se aproximar muito de 1, então vai estar a dar quase nada ao “pequeno” e a maior parte aos “whales”.
Agora é aqui que o debate sobre o airdrop se torna acalorado. Você tem três classes de usuários que existem aqui:
3 é o pior, 1 ainda é aceitável e 2 é o ideal. Como diferenciamos entre os três é o grande desafio do problema de airdrop.
Então, como resolve este problema? Embora não tenha uma solução concreta, tenho uma filosofia sobre como resolver isto que tenho vindo a pensar nos últimos anos e também a observar em primeira mão: segmentação relativa ao projeto.
Vou explicar o que quero dizer. Amplie a visão e pense no meta-problema: você tem todos os seus usuários e precisa ser capaz de dividi-los em grupos com base em algum tipo de julgamento de valor. O valor aqui é específico do contexto para o observador, portanto, variará de projeto para projeto. Tentar atribuir algum tipo de "filtro de airdrop mágico" nunca será suficiente. Ao explorar os dados, você pode começar a entender como seus usuários realmente são e começar a tomar decisões baseadas em ciência de dados sobre qual é a maneira apropriada de executar seu airdrop por meio de segmentação.
Porque é que ninguém faz isto? Este é outro artigo que irei escrever no futuro, mas o resumo muito longo é que é um problema de dados difícil que requer experiência em dados, tempo e dinheiro. Não são muitas as equipas dispostas ou capazes de fazer isso.
A última dimensão sobre a qual quero falar é a retenção. Antes de falarmos sobre isso, provavelmente é melhor definir o que retenção significa em primeiro lugar. Eu resumiria da seguinte forma:
número de pessoas a quem é dado um airdrop
número de pessoas que mantêm o airdrop
A maioria dos airdrops comete o erro clássico de tornar isto numa equação única.
Para demonstrar isso, pensei que alguns dados poderiam ajudar aqui! Felizmente, o Optimism realmente executou airdrops de várias rodadas! Eu estava esperando encontrar alguns painéis de controle do Dune fáceis que me dessem os números de retenção que eu procurava, mas infelizmente estava errado. Então, decidi arregaçar as mangas e obter os dados por mim mesmo.
Sem complicar demais, eu queria entender uma coisa simples: como é que a percentagem de utilizadores com um saldo OP diferente de zero muda ao longo de airdrops sucessivos.
Fui para: https://github.com/ethereum-optimism/op-analytics/tree/main/reference_data/address_listspara obter a lista de todos os endereços que tinham participado no Airdrop da Optimism. Em seguida, construí um pequeno raspador que iria obter manualmente o saldo do OP de cada endereço na lista (queimou alguns dos nossos créditos internos de RPC para isso) e fiz um pouco de manipulação de dados.
Antes de mergulharmos, um aviso é que cada airdrop OP é independente do airdrop anterior. Não há bônus ou link para reter tokens do airdrop anterior. Eu sei o motivo, mas de qualquer forma, vamos continuar.
Dado a 248.699 destinatários com os critérios disponíveis aqui: https://community.optimism.io/docs/governance/airdrop-1/#background. O resumo é que os utilizadores receberam tokens pelas seguintes ações:
Depois de executar a análise de todos esses usuários e seus saldos de OP, obtive a seguinte distribuição. Os saldos de 0 são indicativos de usuários que despejaram, pois os tokens OP não reclamados foram enviados diretamente para os endereços elegíveis no final do airdrop (conformehttps://dune.com/optimismfnd/optimism-airdrop-1).
De qualquer forma, este primeiro airdrop é surpreendentemente bom em relação aos airdrops anteriores que observei! A maioria tem uma taxa de queda de 90% ou mais. Apenas 40% ter um saldo de 0% é surpreendentemente bom.
Eu queria então entender como cada critério desempenhava um papel na determinação se os usuários provavelmente reteriam tokens ou não. O único problema com esta metodologia é que os endereços podem estar em várias categorias, o que distorce os dados. Eu não levaria isso como certo, mas sim como um indicador aproximado:
Os utilizadores OP tiveram a maior percentagem de utilizadores com um saldo de 0, seguindo-se os utilizadores que foram excluídos do Etheruem devido ao preço. Obviamente, estes não eram os melhores segmentos para distribuir utilizadores. Os signatários Multisig foram os menos, o que penso ser um grande indicador, uma vez que não é óbvio para os airdrop farmers configurar um multi-sig onde assina transações para participar num airdrop!
Este airdrop foi distribuído para 307.000 endereços, mas na minha opinião, foi muito menos cuidadoso. Os critérios foram definidos da seguinte forma (fonte: https://community.optimism.io/docs/governance/airdrop-2/#background):
Para mim, isto intuitivamente parecia ser um critério ruim porque a votação de governança é algo fácil de automatizar e bastante previsível. Como veremos abaixo, minha intuição não estava muito errada. Fiquei surpreso com o quão baixa era a retenção na realidade!
Cerca de 90% dos endereços tinham um saldo de 0 OP! Estatísticas habituais de retenção de airdrop que as pessoas estão habituadas a ver. Gostaria de aprofundar mais este assunto, mas estou ansioso para passar para os restantes airdrops.
Este é, de longe, o melhor airdrop executado pela equipa OP. Os critérios são mais sofisticados do que antes e têm um elemento de “linearização” que foi mencionado em artigos anteriores. Isto foi distribuído para cerca de 31k endereços, portanto, mais pequeno mas mais eficaz. Os detalhes estão delineados abaixo (fonte: https://community.optimism.io/docs/governance/airdrop-3/#airdrop-3-allocations):
Um detalhe crítico a ter em conta aqui é que os critérios para votar on-chain são DEPOIS do período do último airdrop. Assim, os agricultores que entraram na primeira rodada pensaram 'ok, terminei de cultivar, é hora de passar para a próxima coisa'. Isso foi brilhante e ajuda nesta análise, pois veja estas estatísticas de retenção!
Uau! Apenas 22% destes destinatários de airdrop têm um saldo de token de 0! Para mim, isso sinaliza que o desperdício neste airdrop foi muito menor do que em qualquer um dos anteriores. Isso confirma a minha tese de que a retenção é crítica e os dados adicionais indicam que os airdrops de várias rodadas têm mais utilidade do que as pessoas lhes dão crédito.
Este airdrop foi dado a um total de 23 mil endereços e teve critérios mais interessantes. Pessoalmente, pensei que a retenção disso seria alta, mas depois de refletir sobre isso, tenho uma tese sobre por que provavelmente foi menor do que o esperado:
Certamente pensaria que as pessoas que criam contratos NFT seriam um bom indicador? Infelizmente não. Os dados sugerem o contrário.
Embora não seja tão ruim como o Airdrop #2, demos um grande passo atrás em termos de retenção em relação ao Airdrop #3.
A minha hipótese é que, se eles tivessem feito filtragem adicional em contratos NFT marcados como spam ou com alguma forma de “legitimidade”, esses números teriam melhorado significativamente. Este critério era demasiado amplo. Além disso, uma vez que os tokens foram distribuídos por airdrop para esses endereços diretamente (em vez de terem de ser reclamados), acaba-se numa situação em que criadores de NFT fraudulentos pensaram “uau, dinheiro grátis, é hora de despejar”.
Ao escrever este artigo e recolher os dados por mim mesmo, consegui provar/refutar certas suposições que se revelaram muito valiosas. Em particular, a qualidade do seu airdrop está diretamente relacionada com a qualidade dos seus critérios de filtragem. As pessoas que tentam criar uma “pontuação de airdrop” universal ou usam modelos avançados de aprendizagem automática acabarão por falhar devido a dados imprecisos ou a muitos falsos positivos. A aprendizagem automática é ótima até tentar entender como ela chegou à resposta que deu.
Ao escrever os scripts e códigos para este artigo, obtive os números do airdrop da Starkware, o que também é um exercício intelectual interessante. Vou escrever sobre isso no próximo post. As principais lições que as equipas devem aprender daqui:
Se estiver a pensar ativamente em fazer um airdrop ou quiser falar sobre este assunto, entre em contato. Passo todas as horas acordado a pensar neste problema nos últimos 3 anos. O que estamos a construir está diretamente relacionado com tudo o que foi mencionado acima, mesmo que não pareça à primeira vista.
Nota lateral: Tenho estado um pouco afastado das publicações devido à saúde frágil e a muito trabalho. Isso significa que a criação de conteúdo acaba por ficar em segundo plano. Estou a sentir-me gradualmente melhor e a expandir a equipa para garantir que consiga regressar a uma cadência regular por aqui.