000」给出 topprice？ 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 topprice， 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)/6/16000eth 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-(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、topprice 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=floorprice 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=floorprice告诉我们 深度能更轻易地被一个 floorprice 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 topprice 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 forsightnews 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 Sshares 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=1K=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TomWan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。 来源：金色财经lg...
北美站
