Recentemente, a Starkware iniciou seu aguardado airdrop. Como a maioria dos airdrops, isso resultou em muita controvérsia. O que, de uma maneira trágica, não surpreende mais ninguém.
Então, por que isso continua acontecendo repetidamente? Alguém pode ouvir algumas dessas perspectivas:
Nenhuma dessas visões está errada, mas nenhuma dessas perspectivas é completamente verdadeira por si só. Vamos analisar algumas abordagens para garantir que tenhamos uma compreensão abrangente do problema em questão.
Existe uma tensão fundamental ao fazer um airdrop, você está escolhendo entre três fatores:
Você frequentemente acaba em um cenário onde airdrops atingem bem em 1 dimensão, mas raramente atingem um bom equilíbrio entre 2 ou todas as 3. A retenção em particular é a dimensão mais difícil, com algo acima de 15% geralmente inédito.
Deixando de lado a retenção, vamos examinar os primeiros 2 com mais detalhes: eficiência de capital e descentralização.
Para entender o primeiro ponto sobre eficiência de capital, vamos introduzir um novo termo chamado de “coerente de Síbila”. Basicamente, ele calcula o quanto você se beneficia ao dividir um dólar de capital em um certo número de contas.
Onde você se encontra nesse espectro será, em última análise, o quão desperdiçado seu airdrop se tornará. Se você tem um coeficiente sybil de 1, tecnicamente significa que você está executando um esquema de mineração de liquidez e irritará muitos usuários.
No entanto, quando você chega a algo como Celestia, onde o coeficiente sybil se expande para 143, você vai obter um comportamento extremamente desperdiçador e uma agricultura desenfreada.
Isso nos leva ao nosso segundo ponto sobre descentralização: você quer, em última análise, ajudar o “cara pequeno” que é um usuário real e está aproveitando a chance de usar seu produto cedo — apesar de não ser rico. Se o seu coeficiente de Sybil chegar muito perto de 1, então você vai estar dando quase nada para o “cara pequeno” e a maior parte para os “baleias”.
Agora é aqui que o debate sobre a 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 você resolve esse problema? Embora eu não tenha uma solução concreta, tenho uma filosofia sobre como resolver isso que venho pensando nos últimos anos e também observando em primeira mão: segmentação relativa ao projeto.
Vou explicar o que quero dizer. Amplie a visão e pense sobre o 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 para o contexto do observador e variará de projeto para projeto. Tentar atribuir algum "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 da segmentação.
Por que ninguém faz isso? Esse é outro artigo que escreverei no futuro, mas o resumo muito longo é que é um problema de dados difícil que requer expertise em dados, tempo e dinheiro. Não muitas equipes estão dispostas ou capazes de fazer isso.
A última dimensão sobre a qual quero falar é a retenção. Antes de discutirmos sobre isso, provavelmente é melhor definir o que significa retenção em primeiro lugar. Eu resumiria da seguinte forma:
número de pessoas para quem um airdrop é dado
número de pessoas que mantêm o Airdrop
A maioria dos airdrops comete o erro clássico de fazer disso uma equação única.
Para demonstrar isso, eu pensei que alguns dados poderiam ajudar aqui! Felizmente, a 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 conta própria.
Sem complicar demais, eu queria entender uma coisa simples: como a porcentagem de usuários com saldo de OP não nulo muda ao longo dos 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 participaram do airdrop da Optimism. Em seguida, construí um pequeno raspador que manualmente obteria o saldo da OP de cada endereço na lista (queimou alguns de nossos créditos internos de RPC para isso) e fiz um pouco de manipulação de dados.
Antes de mergulharmos, um aviso é que cada airdrop do 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. A TLDR é que os usuários 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 venderam, já que os tokens OP não reclamados foram enviados diretamente para os endereços elegíveis no final do airdrop (conformehttps://dune.com/optimismfnd/optimism-airdrop-1).
Independentemente, este primeiro airdrop é surpreendentemente bom em relação aos airdrops anteriores que eu observei! A maioria tem uma taxa de queda de 90% ou mais. Apenas 40% ter um saldo de 0% é surpreendentemente bom.
Eu então quis entender como cada critério desempenhava um papel na determinação de se os usuários provavelmente manteriam os tokens ou não. O único problema com essa metodologia é que os endereços podem estar em várias categorias, o que distorce os dados. Eu não levaria isso ao pé da letra, mas sim como um indicador aproximado:
Os utilizadores do OP de uma vez tiveram a maior percentagem de utilizadores com saldo 0, seguindo os utilizadores que foram excluídos do Etheruem. Obviamente, estes não eram os melhores segmentos para distribuir utilizadores. Os signatários Multisig foram os mais baixos, o que acho ser um grande indicador, uma vez que não é óbvio para os agricultores do airdrop configurar um multi-sig onde você assina transações para fazer um airdrop!
Esse airdrop foi distribuído para 307.000 endereços, mas foi bem menos cuidadoso na minha opinião. Os critérios foram estabelecidos da seguinte forma (fonte: https://community.optimism.io/docs/governance/airdrop-2/#background):
Para mim, isso intuitivamente parecia um critério ruim porque a votação de governança é uma coisa 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 verdade!
Perto de 90% dos endereços tinham um saldo de 0 OP! Essas são as estatísticas de retenção de airdrop habituais que as pessoas estão acostumadas a ver. Eu adoraria entrar mais a fundo nisso, mas estou ansioso para passar para os airdrops restantes.
Este é, de longe, o melhor airdrop executado pela equipe da OP. Os critérios são mais sofisticados do que antes e têm um elemento de “linearização” que foi mencionado em artigos anteriores. Isso foi distribuído para cerca de 31 mil endereços, portanto, menor, mas mais eficaz. Os detalhes estão delineados abaixo (fonte: https://community.optimism.io/docs/governance/airdrop-3/#airdrop-3-allocations:
Um detalhe crítico a ser observado aqui é que os critérios para votação on-chain são DEPOIS do período do último airdrop. Portanto, os agricultores que entraram na primeira rodada pensaram “ok, terminei a agricultura, é hora de seguir em frente para a próxima coisa”. Isso foi brilhante e ajuda com esta análise, porque olhe para essas 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 corrobora minha tese de que a retenção é fundamental e que dados adicionais indicam que a realização de airdrops de várias rodadas tem mais utilidade do que as pessoas imaginam.
Este airdrop foi dado a um total de 23k endereços e teve critérios mais interessantes. Pessoalmente, pensei que a retenção disso seria alta, mas depois de refletir sobre isso, tenho uma tese para explicar por que provavelmente foi menor do que o esperado:
Certamente você pensaria que as pessoas que criam contratos NFT seriam um bom indicador? Infelizmente não. Os dados sugerem o contrário.
Embora não seja tão ruim quanto o Airdrop #2, demos um grande passo atrás em termos de retenção em relação ao Airdrop #3.
Minha hipótese é que se eles fizessem filtragem adicional nos contratos NFT que foram marcados como spam ou tivessem alguma forma de “legitimidade”, esses números teriam melhorado significativamente. Este critério era muito amplo. Além disso, como os tokens foram distribuídos diretamente para esses endereços (em vez de terem que ser reivindicados), você acaba em uma situação em que os criadores de NFT de golpe pensaram “uau, dinheiro grátis. hora de despejar”.
Ao escrever este artigo e obter os dados por conta própria, consegui provar/refutar certas suposições que tinha e que se revelaram muito valiosas. Em particular, a qualidade do seu airdrop está diretamente relacionada com a eficácia dos seus critérios de filtragem. Pessoas que tentam criar uma pontuação de airdrop universal ou usar modelos avançados de aprendizado de máquina falharão devido a dados imprecisos ou a muitos falsos positivos. A aprendizagem de máquina é ótima até você tentar entender como ela chegou à resposta que deu.
Ao escrever os scripts e o código 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 equipes devem estar aprendendo daqui:
Se estiver pensando em fazer um airdrop ativamente ou quiser conversar sobre esse assunto, entre em contato. Eu passo todas as minhas horas acordadas pensando nesse problema e tenho feito isso nos últimos 3 anos. O que estamos construindo está diretamente relacionado a tudo isso, mesmo que não pareça ser assim à primeira vista.
Observação lateral: Tenho estado um pouco afastado das publicações devido à saúde frágil e ao excesso de trabalho. Isso significa que a criação de conteúdo geralmente acaba sendo deixada de lado. Estou me sentindo melhor aos poucos e expandindo a equipe para garantir que eu possa voltar a ter uma cadência regular aqui.
Compartir
Contenido
Recentemente, a Starkware iniciou seu aguardado airdrop. Como a maioria dos airdrops, isso resultou em muita controvérsia. O que, de uma maneira trágica, não surpreende mais ninguém.
Então, por que isso continua acontecendo repetidamente? Alguém pode ouvir algumas dessas perspectivas:
Nenhuma dessas visões está errada, mas nenhuma dessas perspectivas é completamente verdadeira por si só. Vamos analisar algumas abordagens para garantir que tenhamos uma compreensão abrangente do problema em questão.
Existe uma tensão fundamental ao fazer um airdrop, você está escolhendo entre três fatores:
Você frequentemente acaba em um cenário onde airdrops atingem bem em 1 dimensão, mas raramente atingem um bom equilíbrio entre 2 ou todas as 3. A retenção em particular é a dimensão mais difícil, com algo acima de 15% geralmente inédito.
Deixando de lado a retenção, vamos examinar os primeiros 2 com mais detalhes: eficiência de capital e descentralização.
Para entender o primeiro ponto sobre eficiência de capital, vamos introduzir um novo termo chamado de “coerente de Síbila”. Basicamente, ele calcula o quanto você se beneficia ao dividir um dólar de capital em um certo número de contas.
Onde você se encontra nesse espectro será, em última análise, o quão desperdiçado seu airdrop se tornará. Se você tem um coeficiente sybil de 1, tecnicamente significa que você está executando um esquema de mineração de liquidez e irritará muitos usuários.
No entanto, quando você chega a algo como Celestia, onde o coeficiente sybil se expande para 143, você vai obter um comportamento extremamente desperdiçador e uma agricultura desenfreada.
Isso nos leva ao nosso segundo ponto sobre descentralização: você quer, em última análise, ajudar o “cara pequeno” que é um usuário real e está aproveitando a chance de usar seu produto cedo — apesar de não ser rico. Se o seu coeficiente de Sybil chegar muito perto de 1, então você vai estar dando quase nada para o “cara pequeno” e a maior parte para os “baleias”.
Agora é aqui que o debate sobre a 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 você resolve esse problema? Embora eu não tenha uma solução concreta, tenho uma filosofia sobre como resolver isso que venho pensando nos últimos anos e também observando em primeira mão: segmentação relativa ao projeto.
Vou explicar o que quero dizer. Amplie a visão e pense sobre o 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 para o contexto do observador e variará de projeto para projeto. Tentar atribuir algum "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 da segmentação.
Por que ninguém faz isso? Esse é outro artigo que escreverei no futuro, mas o resumo muito longo é que é um problema de dados difícil que requer expertise em dados, tempo e dinheiro. Não muitas equipes estão dispostas ou capazes de fazer isso.
A última dimensão sobre a qual quero falar é a retenção. Antes de discutirmos sobre isso, provavelmente é melhor definir o que significa retenção em primeiro lugar. Eu resumiria da seguinte forma:
número de pessoas para quem um airdrop é dado
número de pessoas que mantêm o Airdrop
A maioria dos airdrops comete o erro clássico de fazer disso uma equação única.
Para demonstrar isso, eu pensei que alguns dados poderiam ajudar aqui! Felizmente, a 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 conta própria.
Sem complicar demais, eu queria entender uma coisa simples: como a porcentagem de usuários com saldo de OP não nulo muda ao longo dos 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 participaram do airdrop da Optimism. Em seguida, construí um pequeno raspador que manualmente obteria o saldo da OP de cada endereço na lista (queimou alguns de nossos créditos internos de RPC para isso) e fiz um pouco de manipulação de dados.
Antes de mergulharmos, um aviso é que cada airdrop do 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. A TLDR é que os usuários 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 venderam, já que os tokens OP não reclamados foram enviados diretamente para os endereços elegíveis no final do airdrop (conformehttps://dune.com/optimismfnd/optimism-airdrop-1).
Independentemente, este primeiro airdrop é surpreendentemente bom em relação aos airdrops anteriores que eu observei! A maioria tem uma taxa de queda de 90% ou mais. Apenas 40% ter um saldo de 0% é surpreendentemente bom.
Eu então quis entender como cada critério desempenhava um papel na determinação de se os usuários provavelmente manteriam os tokens ou não. O único problema com essa metodologia é que os endereços podem estar em várias categorias, o que distorce os dados. Eu não levaria isso ao pé da letra, mas sim como um indicador aproximado:
Os utilizadores do OP de uma vez tiveram a maior percentagem de utilizadores com saldo 0, seguindo os utilizadores que foram excluídos do Etheruem. Obviamente, estes não eram os melhores segmentos para distribuir utilizadores. Os signatários Multisig foram os mais baixos, o que acho ser um grande indicador, uma vez que não é óbvio para os agricultores do airdrop configurar um multi-sig onde você assina transações para fazer um airdrop!
Esse airdrop foi distribuído para 307.000 endereços, mas foi bem menos cuidadoso na minha opinião. Os critérios foram estabelecidos da seguinte forma (fonte: https://community.optimism.io/docs/governance/airdrop-2/#background):
Para mim, isso intuitivamente parecia um critério ruim porque a votação de governança é uma coisa 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 verdade!
Perto de 90% dos endereços tinham um saldo de 0 OP! Essas são as estatísticas de retenção de airdrop habituais que as pessoas estão acostumadas a ver. Eu adoraria entrar mais a fundo nisso, mas estou ansioso para passar para os airdrops restantes.
Este é, de longe, o melhor airdrop executado pela equipe da OP. Os critérios são mais sofisticados do que antes e têm um elemento de “linearização” que foi mencionado em artigos anteriores. Isso foi distribuído para cerca de 31 mil endereços, portanto, menor, mas mais eficaz. Os detalhes estão delineados abaixo (fonte: https://community.optimism.io/docs/governance/airdrop-3/#airdrop-3-allocations:
Um detalhe crítico a ser observado aqui é que os critérios para votação on-chain são DEPOIS do período do último airdrop. Portanto, os agricultores que entraram na primeira rodada pensaram “ok, terminei a agricultura, é hora de seguir em frente para a próxima coisa”. Isso foi brilhante e ajuda com esta análise, porque olhe para essas 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 corrobora minha tese de que a retenção é fundamental e que dados adicionais indicam que a realização de airdrops de várias rodadas tem mais utilidade do que as pessoas imaginam.
Este airdrop foi dado a um total de 23k endereços e teve critérios mais interessantes. Pessoalmente, pensei que a retenção disso seria alta, mas depois de refletir sobre isso, tenho uma tese para explicar por que provavelmente foi menor do que o esperado:
Certamente você pensaria que as pessoas que criam contratos NFT seriam um bom indicador? Infelizmente não. Os dados sugerem o contrário.
Embora não seja tão ruim quanto o Airdrop #2, demos um grande passo atrás em termos de retenção em relação ao Airdrop #3.
Minha hipótese é que se eles fizessem filtragem adicional nos contratos NFT que foram marcados como spam ou tivessem alguma forma de “legitimidade”, esses números teriam melhorado significativamente. Este critério era muito amplo. Além disso, como os tokens foram distribuídos diretamente para esses endereços (em vez de terem que ser reivindicados), você acaba em uma situação em que os criadores de NFT de golpe pensaram “uau, dinheiro grátis. hora de despejar”.
Ao escrever este artigo e obter os dados por conta própria, consegui provar/refutar certas suposições que tinha e que se revelaram muito valiosas. Em particular, a qualidade do seu airdrop está diretamente relacionada com a eficácia dos seus critérios de filtragem. Pessoas que tentam criar uma pontuação de airdrop universal ou usar modelos avançados de aprendizado de máquina falharão devido a dados imprecisos ou a muitos falsos positivos. A aprendizagem de máquina é ótima até você tentar entender como ela chegou à resposta que deu.
Ao escrever os scripts e o código 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 equipes devem estar aprendendo daqui:
Se estiver pensando em fazer um airdrop ativamente ou quiser conversar sobre esse assunto, entre em contato. Eu passo todas as minhas horas acordadas pensando nesse problema e tenho feito isso nos últimos 3 anos. O que estamos construindo está diretamente relacionado a tudo isso, mesmo que não pareça ser assim à primeira vista.
Observação lateral: Tenho estado um pouco afastado das publicações devido à saúde frágil e ao excesso de trabalho. Isso significa que a criação de conteúdo geralmente acaba sendo deixada de lado. Estou me sentindo melhor aos poucos e expandindo a equipe para garantir que eu possa voltar a ter uma cadência regular aqui.