浅析X to Earn的产品方法论:频次、本金和劳动
目录:
1. X2earn: 最容易理解的Web3范式之一
2. X2earn产品方法论(基于2022年研究的假设)
3. 哪些场景适合做X2earn?
4. 对上述场景的结论
一、X2earn: 最容易理解的Web3范式之一
如果说Web3是一种晦涩的概念,那么X2earn是最接地气的一种产品形态。正如 A16Z 在future专栏中所说,人们以后的工作是在DAO和crypto network中,得到源源不断的收益。在这种范式下, 用户、产品和PMF(产品市场契合点)的概念被改变为参与者、网络和投入回报比 ,如下图所示。
(图1)x2earn范式转移的一个可能
让我们来广义讨论X2earn, 其实中本聪的点对点现金系统也是一个标准的X2earn的模型: 当你参与验证计算,贡献网络算力,就可以获得奖励,这个过程叫做“挖矿”。网络最重要的参与者(participants)是“矿工”,他们甚至出现在“用户”之前。因为有利可图,参与者越来越多,网络节点倍增,飞轮效应不断增加,参与者最终获得巨大利益。
因此,持续维持合理的成本/奖励的回报比,是极为重要的。
二、X2earn产品方法论(基于2022年研究的假设)
2.1 X2earn是一种要素市场
我们总结了市面上超过 50款X2earn 产品,发现共同点是:用token做冷启动,用市值的快速膨胀来吸引参与者(投入劳动or资本),直到规模出现,通过游戏化、收费服务,或外部性经济活动进行盈利。
对参与者来说,X2earn创造了一个新的要素市场,让自己的资本和劳动力可以发现更高效、公平的变现方式,得到合理的经济利益回报,创造社会价值。
2.2 x2earn产品设计的生命周期
(图2)X2earn的生命周期 - - FMResearch制图
1. 市值膨胀期
吸引参与者的时期,参与者的体量决定了网络的天花板。月活是最简单的指标,如果月活能够达100万,是一个“现象级”爆品;达到1000万,就是下一个 Ethereum 的潜力竞争者。
2. 市值收缩期
市值不可能无限膨胀,早期参与者获利后会离场观望。 我们需要关注在市值收缩的时候,是否有长期忠实的参与者留下来 ,其贡献值(客单投入成本)有多大?
3. 不确定期
漫长又不安的一个阶段,网络在寻找他的真实需求。 需要关注网络的发展,如何开发更多的生态产品,留住参与者。
4. 第二次增长曲线期
网络价值的第二次体现,爆发式增长。对游戏来说,是玩家的主动付费;对有商业模式的产品来说,是外部用户的付费使用;对一个Meme或者currency来说,是外部性经济活动形成规模。
5. 死亡螺旋期(一种可能性)
另一种可能性是,网络没有发现商业模式和足够的正外部性, 进入了死亡螺旋。
总之,成功的项目不断吸引参与者加入,失败的项目不断流失参与者。
三、哪些场景适合做X2earn?
3.1 参与者的投入回报三角:
我们若站在参与者的角度设计X2earn,理性的参与者会考虑这样的三角:
“我得到工作确认和奖励的频次是多久?”
“我需要投入的本金是多大?”
“我需要投入的劳动是什么?”
(图3)参与者的投入回报三角 - FMResearch制图
频次(frequency): 参与者完成任务和获得奖励的频率。举例: 比特币 矿机的参与频次是大约每9分钟,跑步的频次是每次跑步的间隔时间,可能数小时。
本金(capital): 参与者购买投入的财务成本。举例:矿机、流动性提供者的本金、某种准入NFT,或者某种硬件设备都属于本金。
劳动(work): 参与者在本金以外,需付出的汗水。举例:体力、知识、决策、和创作等重复发生的劳动价值。 需要明确,高频次的劳动往往是标准化的,门槛较低或者可以机械化的;低频次的劳动往往是个性化的,需要专业知识技能。
3.2 频次、本金、劳动的分类
这个三角的不同取舍,一共可以产生 八种场景 ,他们是如下这些:
(图4)三要素的8种分类 - FMResearch制图
我们来看一下哪些是更容易设计成x2earn模型的。
1. 高频、高本金、和高劳动
这一类的网络有 Bitcoin 和所有的mining networks;在新生代中有Chainlink,the Graph和Render Network等等。
优点: 网络沉淀的经济价值大,有机会形成fat protocol;
缺点: 网络经济体是内卷的,计算是标准化的,军备竞赛激烈,资本竞争激烈,组织化的机构林立,散户参与度很低,适合B端产品而非C端。
设计思路是:在验证工作的算法中引入更高的数学难度和随机性,让大型参与者的非对称优势不要无序增长,降低基尼系数。 虽然这一类网络是大多数产品设计者的终极目标,但不适合一开始就采用,因为它挡住了大量参与者的加入,容易变成少数人控制的游戏。在早期应当降低门槛,后续慢慢提高。
2. 高频、高本金、和低劳动
这一类网络的代表有:POS网络,Staking平台,Liquidity Mining的网络,以资产证明为准入门槛的网络等,属于这一类。
优点: 参与者不消耗太多劳动力,资本的效率极度放大,是非常有效的筹集资本和流动性的一种网络。
缺点: 在于被鲸鱼挟持的风险,在达不到收益要求后,巨鲸撤资引起网络价值下跌,进入死亡螺旋。
设计思路是:引入更多参与者相互博弈,增加参与者的忠诚度(利用POAP进行治理和参与奖励),和长期价值锁定资本(比如引入投票权机制)等。 引入更多工作量和劳动,是必然的方向。
3. 高频、低本金、和高劳动
这一类的代表项目是:Play to Earn,Move to Earn, Speak English to Earn,Learn to Earn, Drive to Earn,Share House to Earn等等。
优点: 参与者不需要很有钱,但是有劳动力付出就可以换取奖励。
缺点: 劳动不容易被量化,需要找到背后的商业模式。
设计思路是:引入更多的智能硬件和预言机等防作弊技术,并在经济价值创造方面下功夫, 一个方向是向内探索,设计更复杂和随机的游戏化商业生态 ,另一个是向外探索,寻找外部性的经济价值。
4. 高频、低本金、和低劳动
代表项目是:Sleep to Earn,Read to Earn,Share to Earn,Comment to Earn等。
优点: 门槛很低,参与者受众群体巨大。
缺点: 参与者画像不精准(谁都可以做“点赞”,“评论”,“分享”等动作),且劳动产生的价值很低,资本贡献也很低,容易变成低价值的网络。
设计思路是:提高参与者的本金或者劳动门槛,尽量找到具体的垂直场景,让简单的劳动变得更有意义。适当增加本金投入,让劳动参与者不会作恶,否则罚没本金。
5. 低频、低本金、和高劳动
低频的高劳动力,意味这种劳动的专业性更高,可能一周才能产出一次结果,得到一次奖励。参与者更小众,掌握某种专业技能。代表项目是:Research to Earn,Code to Earn,Create to Earn,Sing to Earn等等。
优点: 用户精准,劳动技术含量高,并且存在商业模式。
缺点: 参与者很精英化,规模难以做大,而且工作任务难以量化并且得到奖励。
设计思路是:把一个复杂的技能任务拆分为数个简单的任务,再组合。产品经理与其把所有的股票分析师链接起来做成一个research2earn,不如把research拆解成i)一个只负责收集信息的read 2 earn,加上一个ii)给出投资意见的 comment 2 earn,将复杂的research劳动简化成两个不同模块,加快结算频次,简化流程。
6. 低频次,高经济门槛,高劳动门槛
这种模型不常见,比较接近的是Venture DAO,即参与者共同出钱,共同做投资策略,一起分红。
难题: 这种网络的确认和激励频次很低,工作量难以衡量,工作任务极度不标准化,难以达成共识。所以很难形成规模。
在最后两种 “低频,高本金,低劳动” 和 “低频,低本金,低劳动” 场景中 ,参与者贡献的价值过低,我们认为这样的场景暂时不具备意义。
四、对上述场景的结论
4.1 选好大方向,高频打低频
频次是一种能量形式,他在设计中最为重要。如果网络的确认和奖励频次太低,有两个致命问题:
1)参与者没有及时反馈,容易迁移到其他竞品;
2)由于频次不高,网络治理者很难及时发现作弊和攻击,恶意参与者趁其不备一次性毁灭网络。
4.2 选定大方向后,拆分和组合很重要
(图5)繁杂任务的拆分和再组合- FMResearch制图
如果我们看到一个场景具备2earn的潜力,那么一定要尽可能把他拆分,其中高频的行为,可量化的行为,可以设计成2earn模型;不可量化的、复杂的、个性化的行为部分,保留中心化的业务模式继续运作。
X2earn是一个要素市场,所以要考虑市场的效率性和低摩擦。
4.3 不要仅围绕资本设计,要引入劳动价值
我们坚定相信X2earn 2.0(价值网络),应围绕劳动去设计,原因是:
-
网络更持久。 人性对金钱止损相对容易,对“浪费心血”难以割舍。
-
网络更有价值。无数的劳动力,可以 创造商品和服务。
-
网络能创造正外部性。容易产生更 丰富的上下游的产业链。
原文作者:FMResearchTeam
本文来自FutureMoney,Odaily星球日报经授权转载发布。
Bitcoin Price Consolidates Below Resistance, Are Dips Still Supported?
Bitcoin Price Consolidates Below Resistance, Are Dips Still Supported?
XRP, Solana, Cardano, Shiba Inu Making Up for Lost Time as Big Whale Transaction Spikes Pop Up
XRP, Solana, Cardano, Shiba Inu Making Up for Lost Time as Big Whale Transaction Spikes Pop Up
Justin Sun suspected to have purchased $160m in Ethereum
Justin Sun suspected to have purchased $160m in Ethereum