Os usuários de encriptação tendem a preferir satisfação imediata
Estudos mostram que os usuários de encriptação geralmente apresentam uma forte preferência por recompensas imediatas e um baixo coeficiente de desconto, o que significa que eles preferem receber retornos imediatamente em vez de esperar por ganhos futuros. Essa descoberta tem uma importância significativa para o design de mecanismos de incentivo, como a distribuição de tokens.
Análise do Modelo de Desconto Hiperbólico
O modelo de desconto hiperbólico fornece uma estrutura matemática para explorar como os indivíduos ponderam recompensas em diferentes momentos. Este modelo é principalmente impulsionado por dois parâmetros:
Tendência imediata (ꞵ): Medir a tendência de uma pessoa em priorizar recompensas imediatas. Um valor de 1 indica nenhuma tendência imediata, enquanto um valor próximo de 0 indica uma forte preferência por recompensas atuais.
Coeficiente de desconto (𝛿): reflete a taxa à qual o valor dos retornos futuros diminui ao longo do tempo. O coeficiente de desconto para a população em geral é de cerca de 0,9, enquanto que para grupos com tendência ao jogo é visivelmente mais baixo.
Este modelo pode ser representado pela fórmula U(t) = tU(x) para expressar a utilidade U de obter uma recompensa x no tempo t.
Pesquisa descobriu
Um estudo realizado por uma instituição de pesquisa sobre utilizadores de encriptação revelou que este grupo apresenta uma propensão imediata superior a 0,4 e um coeficiente de desconto claramente mais baixo. Isso significa que os utilizadores de encriptação são menos pacientes do que a média das pessoas e preferem satisfação imediata.
As possíveis causas para esse fenômeno incluem:
encriptação mercado de oscilações cíclicas
O viés dos usuários sobre o valor futuro dos tokens
encriptação aplicações de natureza especulativa
Casos de aplicação prática
Uma exchange de produtos perpétuos adotou um mecanismo de recompensas com atraso ao lançar o token nativo, oferecendo recompensas em dobro para os usuários que aguardam 6 horas para receber o airdrop. Os resultados mostram que 85% dos requerentes optaram por esperar para obter mais recompensas.
Este caso ilustra que, através de um design adequado dos mecanismos de incentivo, é possível orientar eficazmente o comportamento dos usuários, equilibrando a satisfação imediata e os interesses a longo prazo. A equipe do projeto, ao elaborar um plano de distribuição de tokens, deve considerar plenamente as características comportamentais dos usuários de encriptação e desenvolver estratégias mais direcionadas.
Ver original
Esta página pode conter conteúdos de terceiros, que são fornecidos apenas para fins informativos (sem representações/garantias) e não devem ser considerados como uma aprovação dos seus pontos de vista pela Gate, nem como aconselhamento financeiro ou profissional. Consulte a Declaração de exoneração de responsabilidade para obter mais informações.
24 gostos
Recompensa
24
6
Partilhar
Comentar
0/400
RugDocScientist
· 22h atrás
Não fique a tagarelar, Tudo em e pronto.
Ver originalResponder0
SleepyValidator
· 07-21 17:20
Quem não quer ganhar sem fazer nada todos os dias?
Ver originalResponder0
ForkItAll
· 07-21 17:19
Já sabia que os idiotas só reconhecem o curto prazo!
Ver originalResponder0
not_your_keys
· 07-21 17:18
É realmente um irmão muito irritado.
Ver originalResponder0
MercilessHalal
· 07-21 17:14
A pesquisa diz para ser rápido rápido rápido dinheiro dinheiro dinheiro!
Ver originalResponder0
TokenSherpa
· 07-21 16:57
deixe-me explicar isso... dados empíricos sugerem que uma taxa de preferência temporal de 0,4+ é fundamentalmente problemática para uma tokenomics sustentável
encriptação dos usuários preferências devem ser atendidas imediatamente, o design do mecanismo de incentivo deve ser ponderado.
Os usuários de encriptação tendem a preferir satisfação imediata
Estudos mostram que os usuários de encriptação geralmente apresentam uma forte preferência por recompensas imediatas e um baixo coeficiente de desconto, o que significa que eles preferem receber retornos imediatamente em vez de esperar por ganhos futuros. Essa descoberta tem uma importância significativa para o design de mecanismos de incentivo, como a distribuição de tokens.
Análise do Modelo de Desconto Hiperbólico
O modelo de desconto hiperbólico fornece uma estrutura matemática para explorar como os indivíduos ponderam recompensas em diferentes momentos. Este modelo é principalmente impulsionado por dois parâmetros:
Tendência imediata (ꞵ): Medir a tendência de uma pessoa em priorizar recompensas imediatas. Um valor de 1 indica nenhuma tendência imediata, enquanto um valor próximo de 0 indica uma forte preferência por recompensas atuais.
Coeficiente de desconto (𝛿): reflete a taxa à qual o valor dos retornos futuros diminui ao longo do tempo. O coeficiente de desconto para a população em geral é de cerca de 0,9, enquanto que para grupos com tendência ao jogo é visivelmente mais baixo.
Este modelo pode ser representado pela fórmula U(t) = tU(x) para expressar a utilidade U de obter uma recompensa x no tempo t.
Pesquisa descobriu
Um estudo realizado por uma instituição de pesquisa sobre utilizadores de encriptação revelou que este grupo apresenta uma propensão imediata superior a 0,4 e um coeficiente de desconto claramente mais baixo. Isso significa que os utilizadores de encriptação são menos pacientes do que a média das pessoas e preferem satisfação imediata.
As possíveis causas para esse fenômeno incluem:
Casos de aplicação prática
Uma exchange de produtos perpétuos adotou um mecanismo de recompensas com atraso ao lançar o token nativo, oferecendo recompensas em dobro para os usuários que aguardam 6 horas para receber o airdrop. Os resultados mostram que 85% dos requerentes optaram por esperar para obter mais recompensas.
Este caso ilustra que, através de um design adequado dos mecanismos de incentivo, é possível orientar eficazmente o comportamento dos usuários, equilibrando a satisfação imediata e os interesses a longo prazo. A equipe do projeto, ao elaborar um plano de distribuição de tokens, deve considerar plenamente as características comportamentais dos usuários de encriptação e desenvolver estratégias mais direcionadas.