Pengguna enkripsi cenderung lebih suka kepuasan instan
Penelitian menunjukkan bahwa pengguna enkripsi biasanya menunjukkan kecenderungan yang lebih tinggi terhadap kepuasan instan dan koefisien diskon yang lebih rendah, yang berarti mereka lebih menyukai kepuasan instan daripada keuntungan jangka panjang. Temuan ini memiliki arti penting untuk merancang strategi airdrop dan distribusi token.
Analisis Model Diskonto Hiperbolik
Model diskonto hiperbolik adalah kerangka matematis yang digunakan untuk menganalisis bagaimana individu menilai imbalan pada berbagai titik waktu. Model ini sangat cocok untuk bidang seperti pengambilan keputusan keuangan yang dipengaruhi secara signifikan oleh dorongan dan inkonsistensi waktu. Model ini didorong oleh dua parameter kunci:
Kecenderungan Instan (ꞵ): Mengukur kecenderungan individu untuk lebih memprioritaskan imbalan saat ini daripada keuntungan jangka panjang. Nilai berada di antara 0 dan 1, semakin dekat ke 0 menunjukkan kecenderungan instan yang lebih kuat.
Koefisien diskonto (𝛿): mencerminkan laju pengurangan nilai pengembalian di masa depan seiring dengan keterlambatan waktu. Koefisien diskonto untuk populasi umum sekitar 0,9, sedangkan untuk populasi penjudi jelas lebih rendah.
Berdasarkan parameter ini, utilitas U dapat dinyatakan dengan rumus U(t) = tU(x) untuk mendapatkan hadiah x pada waktu t.
Penelitian Menemukan
Sebuah survei yang dilakukan oleh lembaga penelitian menunjukkan bahwa kecenderungan instan dari sampel pengguna enkripsi sedikit lebih tinggi dari 0,4, sementara koefisien diskonto jelas rendah. Ini menunjukkan bahwa mereka kurang sabar dibandingkan orang biasa dan lebih menyukai kepuasan instan.
Kemungkinan penyebab fenomena ini termasuk:
Pergerakan siklis pasar enkripsi mata uang
Bias pengguna terhadap nilai masa depan token
Keberadaan umum aplikasi spekulatif dalam ekosistem enkripsi saat ini
Temuan ini memberikan wawasan penting untuk merancang strategi airdrop dan distribusi token. Misalnya, suatu bursa produk perpetual menerapkan mekanisme imbalan tertunda saat meluncurkan token asli, memberikan imbalan ganda kepada pengguna yang menunggu selama 6 jam sebelum mengklaim airdrop. Hasilnya menunjukkan bahwa 85% penerima memilih untuk menunggu demi mendapatkan lebih banyak imbalan.
Menurut hasil penelitian, tim proyek bahkan dapat memperpanjang waktu tunggu hingga beberapa bulan dan masih dapat memenuhi harapan sebagian besar pengguna. Desain strategi yang didasarkan pada karakteristik perilaku pengguna ini membantu mengoptimalkan distribusi token dan mencapai hasil jangka panjang yang lebih baik.
Lihat Asli
Halaman ini mungkin berisi konten pihak ketiga, yang disediakan untuk tujuan informasi saja (bukan pernyataan/jaminan) dan tidak boleh dianggap sebagai dukungan terhadap pandangannya oleh Gate, atau sebagai nasihat keuangan atau profesional. Lihat Penafian untuk detailnya.
24 Suka
Hadiah
24
7
Posting ulang
Bagikan
Komentar
0/400
MetadataExplorer
· 07-10 16:03
investor ritel ya investor ritel, mau apa lagi penelitian
Lihat AsliBalas0
CryptoPunster
· 07-10 16:02
Sekarang harus melakukan airdrop, segera akan kaya raya! Siapa peduli dengan penelitian apa.
Lihat AsliBalas0
BrokenDAO
· 07-08 02:04
Satu lagi menara kaca dari mekanisme tata kelola, tidak ada yang menyebutkan biaya kepercayaan desentralisasi.
Lihat AsliBalas0
SmartContractPlumber
· 07-08 02:02
Jika risiko kerentanan tidak berkurang, jangan berharap untuk mempertahankan pengguna.
Lihat AsliBalas0
FlippedSignal
· 07-08 01:57
Airdrop adalah airdrop, masih mau diteliti apa?
Lihat AsliBalas0
All-InQueen
· 07-08 01:48
Bukankah ini berarti kita serakah untuk cepat?
Lihat AsliBalas0
NFTRegretter
· 07-08 01:45
Ini masih perlu diteliti? Airdrop selesai langsung Rug Pull.
Penelitian mengungkapkan bahwa pengguna enkripsi lebih memilih kepuasan instan, yang dapat memengaruhi strategi distribusi Token.
Pengguna enkripsi cenderung lebih suka kepuasan instan
Penelitian menunjukkan bahwa pengguna enkripsi biasanya menunjukkan kecenderungan yang lebih tinggi terhadap kepuasan instan dan koefisien diskon yang lebih rendah, yang berarti mereka lebih menyukai kepuasan instan daripada keuntungan jangka panjang. Temuan ini memiliki arti penting untuk merancang strategi airdrop dan distribusi token.
Analisis Model Diskonto Hiperbolik
Model diskonto hiperbolik adalah kerangka matematis yang digunakan untuk menganalisis bagaimana individu menilai imbalan pada berbagai titik waktu. Model ini sangat cocok untuk bidang seperti pengambilan keputusan keuangan yang dipengaruhi secara signifikan oleh dorongan dan inkonsistensi waktu. Model ini didorong oleh dua parameter kunci:
Kecenderungan Instan (ꞵ): Mengukur kecenderungan individu untuk lebih memprioritaskan imbalan saat ini daripada keuntungan jangka panjang. Nilai berada di antara 0 dan 1, semakin dekat ke 0 menunjukkan kecenderungan instan yang lebih kuat.
Koefisien diskonto (𝛿): mencerminkan laju pengurangan nilai pengembalian di masa depan seiring dengan keterlambatan waktu. Koefisien diskonto untuk populasi umum sekitar 0,9, sedangkan untuk populasi penjudi jelas lebih rendah.
Berdasarkan parameter ini, utilitas U dapat dinyatakan dengan rumus U(t) = tU(x) untuk mendapatkan hadiah x pada waktu t.
Penelitian Menemukan
Sebuah survei yang dilakukan oleh lembaga penelitian menunjukkan bahwa kecenderungan instan dari sampel pengguna enkripsi sedikit lebih tinggi dari 0,4, sementara koefisien diskonto jelas rendah. Ini menunjukkan bahwa mereka kurang sabar dibandingkan orang biasa dan lebih menyukai kepuasan instan.
Kemungkinan penyebab fenomena ini termasuk:
Temuan ini memberikan wawasan penting untuk merancang strategi airdrop dan distribusi token. Misalnya, suatu bursa produk perpetual menerapkan mekanisme imbalan tertunda saat meluncurkan token asli, memberikan imbalan ganda kepada pengguna yang menunggu selama 6 jam sebelum mengklaim airdrop. Hasilnya menunjukkan bahwa 85% penerima memilih untuk menunggu demi mendapatkan lebih banyak imbalan.
Menurut hasil penelitian, tim proyek bahkan dapat memperpanjang waktu tunggu hingga beberapa bulan dan masih dapat memenuhi harapan sebagian besar pengguna. Desain strategi yang didasarkan pada karakteristik perilaku pengguna ini membantu mengoptimalkan distribusi token dan mencapai hasil jangka panjang yang lebih baik.