ชื่อเรื่องต้นฉบับ: "InfoFi Dilemma in the Attention Economy"

แหล่งที่มา: Tiger Research Reports

ประเด็นสำคัญ

· InfoFi เป็นความพยายามอย่างมีโครงสร้างในการวัดความสนใจและกิจกรรมของผู้ใช้และเชื่อมโยงกับรางวัล

· อย่างไรก็ตาม ปัจจุบันมีปัญหาเชิงโครงสร้างบางประการ รวมถึงคุณภาพเนื้อหาที่ลดลงและรางวัลแบบรวมศูนย์

· สิ่งเหล่านี้ไม่ใช่ข้อจำกัดของโมเดล InfoFi เอง แต่เป็นปัญหาด้านการออกแบบในเกณฑ์การประเมินและวิธีการแจกรางวัล ซึ่งจำเป็นต้องได้รับการปรับปรุงอย่างเร่งด่วน

1. ยุคของความสนใจในรูปแบบโทเค็น

ความสนใจกลายเป็นทรัพยากรที่หายากที่สุดอย่างหนึ่งในอุตสาหกรรมสมัยใหม่ในยุคอินเทอร์เน็ต ข้อมูลล้นหลามในขณะที่มนุษย์มีความสามารถในการประมวลผลข้อมูลจำกัดอย่างมากความขาดแคลนนี้ทำให้บริษัทหลายแห่งแข่งขันกันอย่างดุเดือด และความสามารถในการแข่งขันเพื่อดึงดูดความสนใจของผู้ใช้กลายเป็นข้อได้เปรียบในการแข่งขันหลักของบริษัทต่างๆ

อุตสาหกรรมคริปโตแสดงให้เห็นถึงระดับการแข่งขันเพื่อดึงดูดความสนใจในรูปแบบที่รุนแรงยิ่งขึ้น ส่วนแบ่งความสนใจมีบทบาทสำคัญในการกำหนดราคาโทเค็นและการสร้างสภาพคล่อง ซึ่งกลายเป็นปัจจัยสำคัญในการกำหนดความสำเร็จหรือความล้มเหลวของโครงการ แม้แต่โครงการที่มีความก้าวหน้าทางเทคโนโลยีก็มักจะถูกตลาดกำจัดหากไม่สามารถดึงดูดความสนใจของตลาดได้

ปรากฏการณ์นี้เกิดจากลักษณะโครงสร้างของตลาดคริปโต ผู้ใช้ไม่เพียงแต่เป็นผู้เข้าร่วมแต่ยังเป็นนักลงทุนด้วย และความสนใจของพวกเขานำไปสู่การซื้อโทเค็นจริงโดยตรง สร้างความต้องการที่มากขึ้นและผลกระทบต่อเครือข่าย เมื่อความสนใจถูกรวมศูนย์ สภาพคล่องก็จะเกิดขึ้น และเรื่องราวต่างๆ ก็พัฒนาบนพื้นฐานของสภาพคล่องนี้ เรื่องราวที่สร้างขึ้นเหล่านี้จะดึงดูดความสนใจใหม่ๆ และก่อตัวเป็นวงจรอันดีงามเพื่อขับเคลื่อนการพัฒนาตลาด

2. InfoFi: ความพยายามอย่างเป็นระบบในการสร้างโทเค็นเพื่อดึงดูดความสนใจ

ตลาดทำงานโดยอาศัยความสนใจ โครงสร้างนี้ทำให้เกิดคำถามสำคัญขึ้นมา: ใครบ้างที่สามารถได้รับประโยชน์จากความสนใจนี้ได้อย่างแท้จริง ผู้ใช้สร้างความสนใจผ่านกิจกรรมชุมชนและการสร้างเนื้อหา แต่พฤติกรรมเหล่านี้วัดได้ยาก และไม่มีกลไกการให้รางวัลโดยตรงที่ชัดเจน จนถึงขณะนี้ ผู้ใช้ทั่วไปสามารถได้รับประโยชน์ทางอ้อมได้จากการซื้อและขายโทเค็นเท่านั้น ปัจจุบันไม่มีกลไกการให้รางวัลสำหรับผู้สนับสนุนที่สร้างความสนใจได้อย่างแท้จริง

เครือข่าย InfoFi ของ Kaito แหล่งที่มา: Kaito

InfoFi เป็นความพยายามในการแก้ไขปัญหานี้ InfoFi ผสมผสานข้อมูลกับการเงินเพื่อสร้างกลไกที่ประเมินการมีส่วนร่วมของผู้ใช้โดยอิงจากความสนใจที่เกิดจากเนื้อหาของพวกเขา (เช่น การดู ความคิดเห็น และการแชร์) และเชื่อมโยงข้อมูลเหล่านี้กับรางวัลโทเค็น ความสำเร็จของ Kaito ทำให้โครงสร้างนี้แพร่หลายไปอย่างกว้างขวาง

Kaito ประเมินกิจกรรมโซเชียลมีเดีย รวมถึงโพสต์และความคิดเห็น ผ่านอัลกอริทึม AI แพลตฟอร์มนี้มอบรางวัลโทเค็นตามคะแนน ยิ่งเนื้อหาที่สร้างโดยผู้ใช้ดึงดูดความสนใจได้มากเท่าไร โครงการก็จะได้รับการเปิดเผยมากขึ้นเท่านั้น Capital มองว่าความสนใจนี้เป็นสัญญาณและใช้สิ่งนี้ในการตัดสินใจลงทุน เมื่อความสนใจเพิ่มขึ้น เงินทุนก็จะไหลเข้าสู่โครงการมากขึ้น และรางวัลสำหรับผู้เข้าร่วมก็จะเพิ่มขึ้นตามไปด้วย ผู้เข้าร่วม โครงการ และเงินทุนทำงานร่วมกันผ่านข้อมูลความสนใจเป็นสื่อกลาง ซึ่งก่อให้เกิดวงจรอันดีงาม

โมเดล InfoFi มีส่วนสนับสนุนที่โดดเด่นในสามด้านหลัก

ประการแรก ระบบจะวัดผลกิจกรรมการมีส่วนร่วมของผู้ใช้ในกรณีที่เกณฑ์การประเมินไม่ชัดเจน ระบบคะแนนช่วยให้ผู้คนสามารถกำหนดผลงานได้อย่างเป็นระบบ และช่วยให้ผู้ใช้คาดการณ์ผลตอบแทนที่ตนจะได้รับจากพฤติกรรมเฉพาะได้ จึงช่วยปรับปรุงความยั่งยืนและความสม่ำเสมอของการมีส่วนร่วมของผู้ใช้

ประการที่สอง InfoFi เปลี่ยนความสนใจจากแนวคิดนามธรรมเป็นข้อมูลที่วัดผลได้และแลกเปลี่ยนได้ และเปลี่ยนการมีส่วนร่วมของผู้ใช้จากการบริโภคอย่างง่ายๆ เป็นกิจกรรมที่สร้างผลผลิต การมีส่วนร่วมออนไลน์ส่วนใหญ่เกี่ยวข้องกับการลงทุนหรือการแบ่งปันเนื้อหา และแพลตฟอร์มต่างๆ ก็สร้างรายได้จากความสนใจที่เกิดจากกิจกรรมเหล่านี้ InfoFi วัดผลการตอบสนองของตลาดของผู้ใช้ต่อเนื้อหาเหล่านี้ และออกรางวัลตามข้อมูลเหล่านี้ ส่งผลให้พฤติกรรมของผู้เข้าร่วมถูกมองว่าเป็นงานที่สร้างผลผลิต การเปลี่ยนแปลงนี้ทำให้ผู้ใช้มีบทบาทเป็นผู้สร้างมูลค่าเครือข่าย ไม่ใช่เพียงสมาชิกชุมชนเท่านั้น

ประการที่สาม InfoFi ลดเกณฑ์สำหรับการผลิตข้อมูล ในอดีต ผู้มีอิทธิพลบน Twitter และบัญชีสถาบันครอบงำการเผยแพร่ข้อมูลและครอบครองความสนใจและรางวัลส่วนใหญ่ แต่ในตอนนี้ ผู้ใช้ทั่วไปก็สามารถรับรางวัลที่จับต้องได้หลังจากได้รับความสนใจจากตลาดในระดับหนึ่ง สร้างโอกาสมากขึ้นสำหรับผู้ใช้จากภูมิหลังที่แตกต่างกันในการมีส่วนร่วม

3. กับดักเศรษฐกิจความสนใจที่เกิดจาก InfoFi

โมเดล InfoFi เป็นการทดลองออกแบบรางวัลใหม่ในอุตสาหกรรมคริปโตที่วัดการมีส่วนร่วมของผู้ใช้และเชื่อมโยงพวกเขากับรางวัล อย่างไรก็ตาม ความสนใจได้กลายเป็นมูลค่าที่รวมศูนย์มากเกินไป และผลข้างเคียงก็ค่อยๆ ปรากฏขึ้น

ปัญหาแรกคือการแข่งขันที่มากเกินไปเพื่อดึงดูดความสนใจและคุณภาพเนื้อหาที่ลดลง เมื่อความสนใจกลายเป็นมาตรฐานสำหรับรางวัล จุดประสงค์ในการสร้างเนื้อหาตอนนี้เปลี่ยนจากการให้ข้อมูลหรือสนับสนุนการมีส่วนร่วมที่มีความหมายไปเป็นเพียงเพื่อรางวัล Generative AI ทำให้การสร้างเนื้อหาง่ายขึ้น และชุดเนื้อหาที่ขาดข้อมูลหรือข้อมูลเชิงลึกที่แท้จริงแพร่กระจายอย่างรวดเร็ว เนื้อหาที่เรียกว่า "AI Slop" กำลังแพร่กระจายไปทั่วทั้งระบบนิเวศ ทำให้เกิดความกังวล

กลไกของ Loud แหล่งที่มา: Loud

โครงการ Loud แสดงให้เห็นแนวโน้มนี้ได้อย่างชัดเจน Loud พยายามสร้างความสนใจในรูปแบบโทเค็น และแพลตฟอร์มเลือกที่จะแจกรางวัลให้กับผู้ใช้ระดับสูงที่ได้รับความสนใจมากที่สุดในช่วงเวลาที่กำหนด โครงสร้างนี้ถือว่าน่าสนใจในเชิงทดลอง แต่ความสนใจกลายมาเป็นเกณฑ์เดียวสำหรับรางวัล ซึ่งนำไปสู่การแข่งขันที่มากเกินไประหว่างผู้ใช้และกระตุ้นให้เกิดการสร้างเนื้อหาคุณภาพต่ำซ้ำๆ จำนวนมาก ซึ่งท้ายที่สุดนำไปสู่การทำให้เนื้อหามีความเป็นเนื้อเดียวกันในชุมชนทั้งหมด

แหล่งที่มา: Kaito Mindshare

ปัญหาที่สองคือการรวมศูนย์รางวัล ผลตอบแทนที่เน้นความสนใจเริ่มมุ่งเน้นไปที่โครงการหรือหัวข้อเฉพาะ และเนื้อหาของโครงการอื่นๆ หายไปหรือลดลงจากตลาดอย่างเฉื่อยชา ซึ่งแสดงให้เห็นอย่างชัดเจนจากข้อมูลที่แชร์ของ Kaito ณ จุดหนึ่ง Loud ครองสัดส่วนมากกว่า 70% ของเนื้อหา crypto บน Twitter โดยครอบงำการไหลของข้อมูลภายในระบบนิเวศ เมื่อผลตอบแทนเน้นที่ความสนใจ ความหลากหลายของเนื้อหาจะลดลง และข้อมูลจะค่อยๆ ถูกสร้างขึ้นรอบๆ โครงการที่ให้ผลตอบแทนโทเค็นสูง ในท้ายที่สุด ขนาดของงบประมาณการตลาดจะกำหนดอิทธิพลภายในระบบนิเวศ

4. ข้อจำกัดเชิงโครงสร้างของ InfoFi: การประเมินและการกระจาย

4.1. ข้อจำกัดของวิธีการง่ายๆ ในการประเมินเนื้อหา

โครงสร้างรางวัลที่เน้นความสนใจทำให้เกิดคำถามพื้นฐาน: ควรประเมินเนื้อหาอย่างไรและควรแจกจ่ายรางวัลอย่างไร แพลตฟอร์ม InfoFi ในปัจจุบันส่วนใหญ่ตัดสินมูลค่าเนื้อหาโดยอิงจากตัวชี้วัดง่ายๆ เช่น ยอดดู ยอดไลค์ และความคิดเห็น โครงสร้างนี้ถือว่า "การมีส่วนร่วมสูงเท่ากับเนื้อหาที่ดี"

เนื้อหาที่มีส่วนร่วมสูงอาจมีคุณภาพข้อมูลหรือผลกระทบต่อการส่งมอบที่ดีกว่า แต่โครงสร้างนี้ใช้กับเนื้อหาที่มีคุณภาพสูงมากเป็นหลัก สำหรับเนื้อหาระดับล่างและระดับกลางส่วนใหญ่ ความสัมพันธ์ระหว่างปริมาณและคุณภาพของข้อเสนอแนะนั้นไม่ชัดเจน ส่งผลให้รูปแบบซ้ำซากและเนื้อหาเชิงบวกมากเกินไปได้รับคะแนนสูง ในขณะเดียวกัน เนื้อหาที่นำเสนอมุมมองที่หลากหลายหรือสำรวจหัวข้อใหม่ก็ไม่น่าจะได้รับการยอมรับอย่างที่สมควร

การแก้ปัญหาเหล่านี้ต้องใช้ระบบประเมินคุณภาพเนื้อหาที่สมบูรณ์ยิ่งขึ้น เกณฑ์การประเมินที่อิงตามการมีส่วนร่วมล้วนๆ จะได้รับการแก้ไข ในขณะที่ค่าเนื้อหาจะเปลี่ยนแปลงไปตามเวลาหรือตามการเปลี่ยนแปลงของสภาพแวดล้อม ตัวอย่างเช่น AI สามารถระบุเนื้อหาที่มีความหมายได้ และสามารถนำวิธีการปรับอัลกอริทึมตามชุมชนมาใช้ได้เช่นกัน วิธีหลังนี้สามารถช่วยให้ระบบประเมินตอบสนองต่อการเปลี่ยนแปลงได้อย่างยืดหยุ่นโดยให้อัลกอริทึมปรับเกณฑ์การประเมินตามข้อมูลข้อเสนอแนะของผู้ใช้ที่ให้มาเป็นประจำ

4.2. โครงสร้างรางวัล ความเข้มข้นและความจำเป็นในการสมดุล

ข้อจำกัดของการประเมินเนื้อหามีอยู่ร่วมกับปัญหาของโครงสร้างรางวัล ซึ่งยังทำให้ความลำเอียงในการไหลของข้อมูลรุนแรงขึ้น ระบบนิเวศ InfoFi ในปัจจุบันมักจะใช้กระดานผู้นำแยกต่างหากสำหรับแต่ละโครงการ ซึ่งใช้โทเค็นของตัวเองเพื่อรับรางวัล ภายใต้โครงสร้างนี้ โครงการที่มีงบประมาณการตลาดจำนวนมากสามารถดึงดูดเนื้อหาได้มากขึ้น และความสนใจของผู้ใช้มักจะมุ่งเน้นไปที่โครงการเฉพาะ

เพื่อแก้ปัญหาเหล่านี้ จำเป็นต้องปรับโครงสร้างการแจกจ่ายรางวัล โครงการแต่ละโครงการสามารถรักษารางวัลของตัวเองไว้ได้ และแพลตฟอร์มสามารถตรวจสอบความเข้มข้นของเนื้อหาแบบเรียลไทม์และใช้โทเค็นของแพลตฟอร์มเพื่อปรับ ตัวอย่างเช่น เมื่อเนื้อหาอาจมุ่งเน้นไปที่โครงการเฉพาะมากเกินไป รางวัลโทเค็นของแพลตฟอร์มอาจลดลงชั่วคราว และหัวข้อที่มีการครอบคลุมค่อนข้างต่ำสามารถรับโทเค็นของแพลตฟอร์มเพิ่มเติมได้ เนื้อหาที่ครอบคลุมหลายโครงการสามารถรับรางวัลเพิ่มเติมได้เช่นกัน สิ่งนี้จะสร้างสภาพแวดล้อมที่มีหัวข้อและมุมมองที่หลากหลาย

การประเมินและการให้รางวัลเป็นแกนหลักของโครงสร้างของ InfoFi การประเมินเนื้อหาจะกำหนดการไหลของข้อมูลในระบบนิเวศ และใครจะได้รับรางวัลอะไรก็มีความสำคัญเช่นกัน โครงสร้างปัจจุบันอาศัยระบบการประเมินมาตรฐานเดียวร่วมกับโครงสร้างรางวัลที่เน้นการตลาด ซึ่งเร่งการครอบงำของความสนใจในขณะที่ลดความหลากหลายของข้อมูลลงด้วย ความยืดหยุ่นของมาตรฐานการประเมินมีความจำเป็นสำหรับการดำเนินงานที่ยั่งยืน และการปรับสมดุลของโครงสร้างการแจกจ่ายยังเป็นความท้าทายสำคัญที่ระบบนิเวศ InfoFi เผชิญอยู่

5. ข้อสรุป

การทดลองที่มีโครงสร้างของ InfoFi มุ่งเป้าไปที่การวัดปริมาณความสนใจและแปลงเป็นมูลค่าทางเศรษฐกิจ โดยเปลี่ยนโครงสร้างการบริโภคเนื้อหาทางเดียวที่มีอยู่ให้เป็นเศรษฐกิจแบบมีส่วนร่วมที่เน้นที่ผู้ผลิต ซึ่งมีความสำคัญอย่างยิ่ง อย่างไรก็ตาม ระบบนิเวศ InfoFi ในปัจจุบันเผชิญกับผลข้างเคียงเชิงโครงสร้างในกระบวนการโทเค็นความสนใจ รวมถึงการลดลงของคุณภาพเนื้อหาและการเบี่ยงเบนของการไหลของข้อมูล ผลข้างเคียงเหล่านี้เป็นปัญหาในขั้นเริ่มต้นของการออกแบบมากกว่าข้อจำกัดของโมเดล

โมเดลการประเมินที่อิงตามข้อเสนอแนะที่เรียบง่ายเผยให้เห็นข้อจำกัด และโครงสร้างรางวัลที่ได้รับผลกระทบจากทรัพยากรการตลาดยังเผยให้เห็นปัญหาอีกด้วย มีความจำเป็นเร่งด่วนในการปรับปรุงระบบที่สามารถประเมินคุณภาพของเนื้อหาได้อย่างถูกต้อง รวมถึงกลไกการปรับอัลกอริทึมตามชุมชนและกลไกการปรับสมดุลในระดับแพลตฟอร์ม InfoFi มุ่งหวังที่จะสร้างระบบนิเวศที่สมาชิกสามารถรับรางวัลที่ยุติธรรมสำหรับการมีส่วนร่วมในการผลิตและเผยแพร่ข้อมูล เพื่อให้บรรลุเป้าหมายนี้ จำเป็นต้องมีการปรับปรุงทางเทคโนโลยี แต่ยังต้องสนับสนุนการมีส่วนร่วมของชุมชนในการออกแบบด้วย

ในระบบนิเวศของคริปโต ความสนใจทำงานเหมือนโทเค็น InfoFi เป็นการทดลองที่สำคัญในการออกแบบและดำเนินการโครงสร้างเศรษฐกิจใหม่ ศักยภาพของมันจะตระหนักได้อย่างเต็มที่ก็ต่อเมื่อพัฒนาเป็นโครงสร้างที่สามารถแบ่งปันข้อมูลและข้อมูลเชิงลึกที่มีค่าได้ ผลการทดลองนี้จะเร่งการพัฒนาเศรษฐกิจเชิงปริมาณข้อมูลในยุคดิจิทัล

ลิงก์ต้นฉบับ

ยินดีต้อนรับสู่ชุมชนทางการของ BlockBeats:

กลุ่ม Telegram สมัครสมาชิก: https://t.me/theblockbeats

กลุ่ม Telegram พูดคุย: https://t.me/BlockBeats_App

บัญชี Twitter ทางการ: https://twitter.com/BlockBeatsAsia