由 friend.tech 想到:「定价模型」决定产品生长方向
Continue Capital
2023-08-24 16:17
订阅此专栏
收藏此文章
越简单优雅定价模型,越能逼近区块链对价格发现的极高效率。


撰文:kriss


简单优雅,方能做到一生万物。


在区块链领域是否也由类似的「e=mc^ 2」生出万物?


uniswap 的 x*y=k ?

nft 的 price=floor price ?


先按下不表


我们先来看 friend.tech,一款 base 上大火的 socialfi


简单来说


1、当你注册好账户,链接上自己的 twitter,你会执行两笔交易:


  • 第一笔:「往自己的账户地址里存入大于 0.01 个 eth」激活自己的 wallet;
  • 第二笔:你自动花 0eth 买了自己的 share(8 月 22 号刚改名叫「key」)


然后你就发现,你已经被


证券化了!


所有人,可以无限制地买你的 share

它的初始价值为 0.0000625eth


你还会发现有个机器人已经默默地买了你,如果你粉丝太少,过一会儿它又原价把你卖出了:


  • 机器人可能通过你 twitter 粉丝数推算你的价值,购买你,赚取差价
  • 官方有为期 6 个月分发 1 亿积分的活动,意在撸空头


2、然后,当你想买卖任何人的 share 时,你发现,可以进行无限制地买卖,没有流动性限制,因为它的价格被一个内置的公式定价了


price  =  S^2  /  16000

S 是你现卖出的 shares 的总数


(买卖 shares 需要付出 10% 交易税:5% 到 creators wallet,5% 给项目方)



这公式意味着


1、  所有人的价格曲线是一致的,相同 shares 的数量对应一致的价格


2、  价格的增长的绝对值是线性的


价差= (S+1)^2  /  16000   —    S^2  /  16000  

        =(2S+1)/1600

价差是线性增长的


3、  但一开始增长率呈指数,越往后期,shares 到上百,增长率就平缓了


价差占价格的比重=((2S+1)/1600)/S^2  /  16000

=2S+1/S^2

是减小的


这个定价方式,简单点,你可以理解为排队堆箱子,你可以随时往上堆,也可以随时从最上面取走箱子,箱子里面的钱的绝对值,是线性增长的,但开始的增长率吓人,这意味着


在价值发现期:

只要你后面哪怕只有一个人认为 share 的价值低估了,愿意继续往上堆,那你就赚了


在价值回归期:

你只能祈祷你是那个发现价值回归的人,率先取走最上面那个大箱子,不然.......


在高价值区间的,线性稳定期:

有点蓝筹的意思,真进行价格发现


它早期模型极其旁氏,又有空投预期,还要和机器人比手速


但是你也会发现用这个机制会有个问题:

割的数量不是很多?


现在最贵的是创始人 race

在 8.22,也只有 154hoders 对应 3.2ethde eth price


以下是 8.22 和 8.23 的 top users,数量还

有所下降



那这个价格模型可以容纳最高的 shares 的上限是多少呢?


我们用巴菲特老爷子的午餐来计算


先简单算,短期内,巴菲特的午餐,500 万美金,分给社群里 S 份 share

那 (S^2  /  16000)S=5000000/1600

                                 S=368 shares

                                price=8eth

可以看到

1、  能达到的社群规模还是比较小的,价格一定意义上是有上限的

2、  它并不是一种订阅模式,把普遍、廉价的、费脑筋的真理卖给广大的人


这个定价模型真正可持续的是「卖稀缺性」,而不是订阅


虽然现在只能聊天

但聊天只是一个 floor price


聊天给个 floor price 就好了

我给你整点活儿呢?

给你看看我真正的稀缺资源,你要不要?


现在阶段是属于 creator 也一脸懵逼的状态

所以玩法很简单

谁有名,谁推特粉丝多,就买谁

机器人就扫谁,fomo 群众就冲谁

至于 creator 以后能不能给出足够的稀缺性

那是以后的事


所以这个公式最重要的属性是

给你真正的稀缺性定价?


nft 给出 floor price

「S^2  /  16000」给出 top price?


在 web3 里面搞订阅,搞付费聊天

不浪费吗

再说了 ,你花了钱,人家真愿意跟你聊天吗

一起讲个不知云云的叙事,热热闹闹地撸空投,然后散场?

价格的有效性,还是需要主动赋能

得拿出核心稀缺的活儿来,才值一个 top price,


遥想当年笑来老师的 500eth

如果放在一个定价系统里面,让大家一起欣赏优美的曲线



如果把巴老的午餐算得更极致一点:


因为从 share 持有者的角度看,每次交易付出 5% 给 ceator,可粗糙假设估值模型为 20 倍

一下子给巴菲特午餐 20 年估值,巴菲特自己先假设自己在卖出 S 份时符合自己的估值


然后

巴菲特自己给自己做市,把 S 份之前的 shares 全买了

花了

(1^ 2+2^ 2……+(S-1)^2)/16000=(2S^3-3S^2+S)/6/16000 eth


然后以(S^2  /  16000)这个价格兜售 S 份,每买进来一份 share,自己卖出一份稳定价格,一共卖出 S 份,能赚:


(S^2  /  16000)S - (2S^3-3S^2+S)/6/16000

=(4S^3+3S^2-S)/6/16000


令等于估值 5000000*20

4S^3+3S^2-S-6000000000=0


求得 S=1144

price=80eth


大概是

「一个顶级 nft 的价格,一个核心社群的规模」


但可以看出打到这个价格和规模挺难的,

这个定价模型决定的产品方向

应该不是旁氏,可能还真是为了定价本身


所以以上做的两次计算的假设基础是:

1、  creator 认为自己给 shares 提供了稀缺性价值,并且预先能做动作,比如给自己做市

2、  shares 持有者每个人都是稀缺性的评判者、做市商,共同来为稀缺性定价


稀缺性,在于不可复制的核心价值,在于实时性,在于 creator 当时的创造能力,和赋能意愿。


那人的一生起起伏伏稀缺性、高光时刻、top price 就会体现在,起伏的价格曲线上。


回过头来再看文首的


uniswap 的 x*y=k

nft 的 price=floor price


x*y=k 告诉我们

技术层面上,只要深度足够深,滑点能被抹平

更能在价值层面上,体现深度的价值,就是体现共识网络的价值


price=floor price 告诉我们

深度能更轻易地被一个 floor price 瓦解

那这个体系的价值,更来自于价格体系本身

类似于奢侈品,身份认同那一套

那在这个公式上面应用流动性挖矿

必塌


price=S^2  /  16000 告诉我们

top price 的定价模型,较高的价格,较有限的网络,都指向人的「核心稀缺定价体系」,

如果分母 16000 更大,那指向一个「价格被抹平的订阅系统」,16000 更小,那指向一个价格更加崎岖敏感的「超超 vip 定制服务体系」

至于这么简单的公式,早期带来的陡峭的曲线,极大的套利空间,烦恼者会是觉得这是个问题,聪明者会觉得这是机会。


毕竟,越简单,代表着系统更顽强,更公允,更繁荣,套利机会会被市场自己解决。


越简单优雅定价模型,越能逼近区块链对价格发现的极高效率,发现了价格,才能做另一件区块链很擅长的事,估值。


但是定价模型本身也决定了产品的价值和生长方向。


但是现在的定价是完全另一套逻辑

我们掉头再来试着找寻这种价格规律


1、  和 creator 供给的价值有无关系?

 无关


2、  和 creator 的粉丝数有无关系?

有关 ,但无法进行量化计算,遵循粉丝越多平均价格越高,可做参考

直接引用 forsight news 整理的数据



如下图,在 top 级别的推特粉丝数还是有很大的差异,甚至有几百几千的粉丝数在里面



可以看出

1、  和 creator 调动粉丝的行为有关,但无法量化

2、  存在自买,自刷,自吆喝,自我实现的行为在内


那我们尝试用一个简单的计算来测试价格范围


考虑一些要素

收入:交易税收入 + 刷积分预期收入

成本:自买成本


1、creator 的交易税收入



可以发现 earning/price 比例 K 有一个简单的范围

价格越高,吸引交易的频次越高,earning 越高

和价格排名,creator 的积极引导等都有关系,目前阶段来讲都是同质的条件

第一名 cobie 的 K 接近 30

前 4 名 K 值在 20-30 之间

第 5-50 名 K 值在 10-20 之间

第 51-400 名 K 值在 5-10 之间


所以我们后面计算会用 K=30\20\10 来计算


以 cobie 的交易数据进行分析




可以看到 cobie 的交易次数起伏很大,2/3 交易量来自于最近一周时间。

而平静期日交易量才 1-2eth


8.14 之前,最高价格 2.4eth,周期收入 35eth,K=15

8.14 之后,最高价格 3.2eth,周期收入 53eth,   K=16.5


而平静期日交易量才 1-2eth,我们假设交易平静期后续给 creator 最多带来 30% 的收益增量


所以我们取 K 值为 K=(30;20;10) (1/2)(4/3)

                                 =20;14;7 

带入后面的计算


2、刷积分预期收入


这部分我们不将故意刷积分收益计入

只计入用户在买卖中被动刷到的空投收入,或者不计算收入



我们令空投率为 20%,拿出 20% 的筹码来空投



其中 PE 可能在 10-30 之间,我们倾向于在流量过盛期,取低的 pe=10



计算可得,刷空投收益在付出的交易税成本的 3 倍左右


后面我们计算时,由于无法估算这部分收入,所以以买到 S 份 shares 再全部卖掉的交易量为一份交易量,系数定为 F


倾向于将用户取得被动刷空投收益时,F=0.5

或者完全不计入 F=0

后面计算再进行取舍哪个数据比较准确


则定刷积分交易量为 



下面我们可以粗略列公式,进行计算:


creator 交易税收入  +  (刷积分收益 - 刷积分成本) >=  自买 S shares 成本



其中



自买成本不一定通过纯自己买上来的,

这里仅取被动自做市,0.5 的成本


则:



其中有三个未知数,

刷空投系数 F ,分别取 0、0.5、1

交易税收系数 K,分别取 7、14、20

估值 PE,在短期数据偏高的情况下,尽量取小 10



计算得出的价格,基本符合现在的市场价格,证明了公式背后猜测的价格构成因素:

1、收益的大头,主要是 creator 的交易税收入构成,说明最主要的指标是看买卖的交易量,背后的表现事粉丝的活跃度,creator 的传播热情。

2、  收益一小部分来自于被动的空投收益,我们的计算结果,系数 F 似乎在 0.5-1 之间,说明市场对远期的空投收益,纳入价格的比例不多。

3、  价格中体现了一部分做市成本,大概在我们取的 0.5 的系数左右。


那我们怎么运用这个结论?


还是以 cobie 的数据图为例



1、  直接计算一天的交易量,作为指标右侧两个高点分别是 3.2 和 2.5


对应的 8.19 和 8.21 两天的交易量分别是 270eth 和 130eth

之前我们算出顶级 creator 价格的单个周期 earning/price=15

首先 15 这个值是不同级别对应不同价格的,需要斟酌

其次我们需要判断一个不是特别明确的数值,

即根据所在周期和热度判断这一天的交易量可能会占这个活跃周期的多少比例

例如

判断第一个高峰属于沉寂期后第一个高峰,判断这个周期有当天 4 倍交易量

即  price=270*4*0.05/15=3.6eth

接近 3.2

判断第二个高峰属于周期第二轮,判断周期总交易量有当天的 6 倍

即 price=130*6*0.05/15=2.6eth

接近 2.5


难点在于怎样判断交易量的占比?

另外不同的大 V、传播热情、和项目本身的热度会影响 K 值的波动


这种方式可能在推测同一个标的价格涨跌还有些难度,但可以用于捡漏一些价值未被发现的标的


2、当项目的确定性越来越高,空投收益系数也可能会部分纳入,这需要观察,会不会将价格提高到系数 F=1 K=20 时的 price=5.6?




阶段判断

现在观察 fee 这一个指标,不管是排名靠前的标的,还是协议整体,都已经从短期高点往下走了,不适宜追高,只能实时观测 fee 数据,或许有个别逆趋势的标的。


那还能做什么呢?


1、bot+social 是一个好方向。在早期,运用规律,利用 bot,或成为人肉 bot,可以赚钱,也可以开发 bot 项目。据 21.co 分析师 Tom Wan 监测,超过 113 个 Bot 合约已经在 friend.tech 获取 2 万余个 Key(Share),并获利超过 200 万美元。其中获利最多的 Bot 合约为 0xcc218bbd21e14944fcc121d161c9b9ae71b9cc85,收入为 56.9 万美元


2,粉丝多的用户,可以自购做市,可以参考我们文中公式算出的公式。


3、还可以完善这个稀缺性价格发现体系,比如


做一个更人性化的第三方 dashbord?

来展示:做市情况,买卖行为标记,creator 及时信息汇总,这些都及其需要

把每个人的 share 定价,可能技术问题不是首位,所以需要更多产品共同努力,各家资源注入,很难赢家通吃,那第三方数据分析平台价值就能凸显。


甚至第三方数据平台还能起到引导一条赛道的作用。

【免责声明】市场有风险,投资需谨慎。本文不构成投资建议,用户应考虑本文中的任何意见、观点或结论是否符合其特定状况。据此投资,责任自负。

Continue Capital
数据请求中
查看更多

推荐专栏

数据请求中
在 App 打开