Дилемма InfoFi в условиях экономики внимания

Автор: Джей Джо, Tiger Research

Подготовка материала: AididiaoJP, Foresight News

TL;DR

• InfoFi представляет собой структурированную попытку квантифицировать внимание и активность пользователей, связывая их с наградами.

• В настоящее время модель InfoFi сталкивается с некоторыми структурными проблемами, включая снижение качества контента и централизацию вознаграждений.

• Это не является ограничением самой модели InfoFi, а скорее проблемой дизайна критериев оценки и механизма распределения вознаграждений, требующей срочного улучшения.

Эра, когда внимание становится токеном

Внимание стало одним из самых дефицитных ресурсов в современных отраслях. В эпоху интернета наблюдается переизбыток информации, тогда как возможности человека по ее обработке крайне ограничены. Эта дефицитность побуждает множество компаний вести острую борьбу, и способность привлекать внимание пользователей стала ключевым конкурентным преимуществом бизнеса.

В криптоиндустрии конкуренция за внимание проявляется в еще более экстремальной форме. Доля внимания играет важную роль в ценообразовании токенов и формировании ликвидности, становясь решающим фактором успеха или провала проекта. Даже проекты с передовыми технологиями часто оказываются на обочине рынка, если им не удается привлечь внимание сообщества.

Это явление коренится в структурных особенностях крипторынка. Пользователи здесь выступают не только как участники, но и как инвесторы: их внимание напрямую конвертируется в реальные покупки токенов, создавая повышенный спрос и сетевой эффект. Там, где концентрируется внимание, формируется ликвидность, а нарративы развиваются именно на этой базе. Сложившиеся нарративы затем привлекают новое внимание, формируя позитивную петлю обратной связи и стимулируя развитие рынка.

InfoFi: систематическая попытка токенизации внимания

Рынок функционирует на основе вовлеченности и внимания. Такая структура порождает ключевой вопрос: кто на самом деле получает выгоду от этого внимания? Пользователи генерируют внимание через активность в комьюнити и создание контента, однако эти действия трудно измерить, а четкого механизма прямой награды до сих пор нет. На данный момент обычные пользователи получают косвенную выгоду исключительно через торговлю токенами. Для тех же, кто действительно создает это внимание, механизмы вознаграждения пока отсутствуют.

Сеть InfoFi от Kaito, источник: Kaito

InfoFi — это попытка решить данную проблему. Интегрируя информацию и финансы, InfoFi создала механизм, оценивающий вклад пользователя на основе сгенерированного его контентом внимания (например, просмотров, комментариев и репостов) и привязывающий его к токенам-наградам. Успех платформы Kaito способствовал широкому распространению данной структуры.

Kaito оценивает активность в социальных сетях, включая публикации и комментарии, с помощью алгоритмов ИИ. Платформа начисляет токены-награды в зависимости от баллов. Чем больше внимания привлекает пользовательский контент, тем выше охват получает проект. Капитал воспринимает этот интерес как сигнал и строит инвестиционные решения на его основе. По мере роста внимания в проект приходит все больше капитала, а вознаграшения участников увеличиваются. Участники, проекты и капитал взаимодействуют через данные о внимании, формируя замкнутый цикл взаимной выгоды.

Модель InfoFi внесла значительный вклад в три ключевых направления.

Во-первых, она позволила квантифицировать вклад пользователей, чья ценность ранее не могла быть четко оценена. Опираясь на систему баллов, она дает возможность структурно определить вклад, помогает пользователям прогнозировать награды за конкретные действия, повышая устойчивость и регулярность их вовлеченности.

Во-вторых, InfoFi трансформировала внимание из абстрактного понятия в измеряемые и торгуемые данные, превратив участие пользователей из простого потребления в продуктивную деятельность. Большинство существующих форм онлайн-участия сводятся к инвестированию или обмену контентом, в то время как платформы зарабатывают на привлеченном внимании. InfoFi количественно оценивает рыночную реакцию пользователей на контент и начисляет вознаграждения на основе этих данных, благодаря чему активность участников рассматривается как производственный труд. Этот переход наделяет пользователей ролью создателей ценности сети, а не просто пассивными участниками комьюнити.

В-третьих, InfoFi снизило порог входа для создания информации. Если раньше дистрибуцией информации на Twitter доминировали крупные инфлюенсеры и корпоративные аккаунты, забирая на себя основную долю внимания и наград, то теперь обычные пользователи, получив определенный уровень рыночного внимания, также могут рассчитывать на реальные вознаграждения. Это открывает новые возможности для участия людей с разным бэкграундом.

Ловушки экономики внимания, порождаемые InfoFi

Модель InfoFi представляет собой новый эксперимент в сфере проектирования вознаграждений внутри криптоиндустрии, квантифицирующий вклад пользователей и привязывающий его к выплатам. Однако внимание стало слишком централизованным активом, и его побочные эффекты постепенно становятся очевидными.

Первая проблема заключается в чрезмерной конкуренции за внимание и снижении качества контента. Когда внимание становится мерой вознаграждения, цель создания контента смещается от предоставления информации или стимулирования содержательного взаимодействия к простому желанию получить награду. Генеративный ИИ значительно упростил производство контента, из-за чего быстро распространяется массовый контент, лишенный реальной информации или инсайтов. Этот так называемый «AI Slop» (мусорный ИИ-контент) медленно проникает во всю экосистему, вызывая обоснованные опасения.

Механизм Loud, источник: Loud

Проект Loud наглядно демонстрирует эту тенденцию. Loud пытается токенизировать внимание, распределяя вознаграждения среди топ-пользователей, получивших наибольшее количество внимания за определенный период. Хотя такая структура весьма интересна с экспериментальной точки зрения, обращение внимания как единственного критерия награды приводит к перегретой конкуренции между пользователями, массовому появлению повторяющегося низкокачественного контента и, в конечном итоге, к полной однородности контента во всем сообществе.

Источник: Kaito Mindshare

Вторая проблема — централизация вознаграждений. Вознаграждения, зависящие от внимания, начали фокусироваться на определенных проектах или темах, в результате чего контент других проектов фактически начал исчезать или сокращаться на рынке, что наглядно показывают совместные данные Kaito. На пике своей популярности Loud контролировал более 70% крипто-контента в Twitter, полностью доминируя в информационном потоке экосистемы. Когда награды жестко привязаны к вниманию, разнообразие контента падает, а информация начинает генерироваться преимущественно вокруг проектов, предлагающих высокие токеновые вознаграждения. В конечном итоге именно объем маркетинговых бюджетов определяет уровень влияния внутри экосистемы.

Структурные ограничения InfoFi: оценка и распределение

4.1. Ограничения простых методов оценки контента

Приоритетная структура вознаграждений, ориентированная на внимание, ставит фундаментальный вопрос: как следует оценивать контент и как распределять награды? В настоящее время большинство платформ InfoFi оценивают ценность контента по простым метрикам, таким как просмотры, лайки и комментарии. Такой подход базируется на допущении, что «высокая вовлеченность равна качественному контенту».

Контент с высокой вовлеченностью действительно может обладать лучшей информационной ценностью или эффективностью донесения смысла, однако данная логика в полной мере применима лишь к exceptionally качественным материалам. Для большинства среднего и низкого уровня контента связь между количеством обратной связи и его качеством остается неочевидной, из-за чего высокими баллами часто отмечаются шаблонные форматы и излишне эмоциональные посты. В то же время контент, предлагающий плюрализм мнений или исследующий новые темы, зачастую не получает должного признания.

Решение этих проблем требует более совершенной системы оценки качества контента. Исключительно метрики вовлеченности дают статичную картину, тогда как ценность контента меняется со временем и в зависимости от контекста. Например, ИИ способен идентифицировать смысловой контент, к тому же можно внедрить методы корректировки алгоритмов на основе данных комьюнити. Второй вариант предполагает адаптацию алгоритмов под регулярные данные пользовательской обратной связи, что позволит системе оценки гибко реагировать на изменения.

4.2. Концентрация и необходимость баланса в структуре вознаграждений

Ограничения в оценке контента сочетаются с проблемами распределения наград, усугубляя перекосы в информационных потоках. В текущей экосистеме InfoFi каждый проект обычно ведет собственный рейтинг, выплачивая награды в собственных токенах. В таких условиях проекты с крупными маркетинговыми бюджетами способны генерировать больше контента, а внимание пользователей неизбежно концентрируется на конкретных активах.

Для решения этих задач требуется оптимизация механизма распределения вознаграждений. Каждый проект сможет сохранить свои внутренние фонды наград, в то время как платформа сможет в реальном времени отслеживать концентрацию контента и корректировать баланс с помощью нативных токенов протокола. Например, если контент окажется слишком сфокусирован на определенном проекте, награды в токенах платформы могут быть временно снижены, а темам с низким охватом будут предоставлены дополнительные выплаты. Материалы, освещающие сразу несколько проектов, также смогут получать бонусные вознаграждения. Это сформирует среду, способствующую разнообразию тем и точек зрения.

Оценка и вознаграждение составляют ядро структуры InfoFi. От того, как оценивается контент, зависит информационный поток экосистемы, а распределение наград имеет критическое значение. Текущая архитектура, сочетающая одномерную систему оценки с маркетингово-ориентированным распределением наград, ускоряет монополизацию внимания и одновременно снижает разнообразие информации. Гибкость критериев оценки жизненно важна для устойчивого функционирования, а достижение баланса в структуре распределения остается одной из ключевых задач для развития экосистемы InfoFi.

Заключение

Структурированный эксперимент InfoFi направлен на квантификацию внимания и его конвертацию в экономическую ценность, трансформируя традиционную одностороннюю структуру потребления контента в экономику участия, центрированную вокруг производителей. Значимость этого процесса невозможно переоценить. Однако текущая экосистема InfoFi сталкивается со структурными побочными эффектами в процессе токенизации внимания, среди которых деградация качества контента и искажение информационных потоков. Данные негативные явления следует рассматривать не столько как ограничения модели, сколько как типичные проблемы, возникающие на этапе первоначального проектирования.

Оценочные модели, основанные на простой обратной связи, продемонстрировали свою несостоятельность, равно как и структура вознаграждений, зависимая от маркетинговых ресурсов. В настоящее время остро нуждается в улучшении система, способная корректно оценивать качество контента, а также механизмы корректировки алгоритмов на уровне комьюнити и балансирующие регуляторы на уровне платформы. Цель InfoFi заключается в создании экосистемы, где участники получают справедливое вознаграждение за участие в производстве и распространении информации. Для достижения этой цели потребуются технологические доработки, а также активное вовлечение сообщества в процесс проектирования архитектуры.

В криптоэкосистеме внимание функционирует аналогично токенам. InfoFi представляет собой важный эксперимент по проектированию и запуску новой экономической модели. Лишь когда эта модель эволюционирует в платформу для свободного обмена ценной информацией и инсайтами, раскроется весь потенциал технологии. Результаты данного эксперимента ускорят развитие экономики квантифицированных данных в цифровую эпоху.