Entwickler und Investoren brauchen aussagekräftige Metriken und bessere Werkzeuge, um Projekte zu analysieren und Entscheidungen darüber zu treffen
Daten sind unsere beste Chance, die Vergangenheit, Gegenwart und Zukunft zu verstehen.
Im traditionellen Finanzwesen ist die Beschaffung von Daten relativ schwierig. Andererseits hat die Blockchain die Barrieren für Daten durchbrochen und jedem Zugang zu einem riesigen Informationsbuch verschafft. Die Menge der verfügbaren Daten hat jedoch ein weiteres Problem geschaffen: Die Suche nach wertvollen Informationen ist kompliziert.
Es gibt Dutzende von Tools, die den Menschen helfen, DeFi-Daten mit einer Vielzahl von Metriken zu analysieren. Allerdings sind diese Metriken meist recht einfach. In diesem Artikel stellen wir die nützlichsten Metriken sowie die fortgeschritteneren Daten vor, die in Footprint Analytics‘ kommendem Tool DeFi 360,
Grundlegende Daten
- TVL
TVL ist in der Regel die erste Kennzahl, auf die man schaut, und sie spiegelt den Gesamtwert aller von den Nutzern gesperrten Vermögenswerte wider. Das TVL-Wachstum wird oft verwendet, um zu beurteilen, ob sich das Projekt in einem Aufwärtstrend befindet.
Footprint Analytics – TVL Trend
TVL wird in Dollar gemessen. Da sich die Preise von Kryptowährungen schnell ändern, ist es schwierig zu erkennen, ob der Anstieg oder der Rückgang der TVL auf die Preisänderung oder auf das Hinzufügen weiterer Investitionen zurückzuführen ist. Daher ist es notwendig, neben der TVL auch die bereinigte TVL zu beachten.
Die Statistiken von Footprint Analytics zeigen zum Beispiel, dass die TVL in ETH von Liquity (ein Kreditprogramm, das nur ETH für das Verleihen von Stablecoins sperren kann) im schwarzen Rahmen der untenstehenden Grafik leicht rückläufig ist, während die TVL in USD steigt. Dies ist auf den steigenden ETH-Preis zurückzuführen, der die Illusion erweckt, dass sich das Projekt in einem Aufwärtstrend befindet.
Footprint Analytics – TVL in ETH vs USD
Komplexe Projekte wie Aave und Yearn, die sowohl Lock- als auch Lend-Funktionen anbieten, erschweren die Verwendung der TVL als Metrik und machen es notwendig, sie mit anderen zu kombinieren.
- Nettoliquidität
Die
Nettoliquidität bezieht sich auf die Veränderung der Zu- und Abflüsse gegenüber dem Vortag oder dem Vormonat. Die Veränderungen können weiter analysiert werden in Bezug auf Zu- und Abflüsse und darauf, ob die Hauptquelle der Zugang oder der Verlust von Nutzern ist
- Einnahmen
DEX-basierte Protokolle können nicht allein an der TVL gemessen werden, da Swaps auch Einnahmen generieren. Das oberste Ziel dieser Art von Projekten ist die Maximierung der Rentabilität, und die Einnahmen spiegeln die Betriebsergebnisse wider.
Footprint Analytics – Revenue
Token Daten
Die meisten Plattformen geben Governance-Token aus, einige verwenden ein Zwei-Token-Modell. Die Token-Daten spiegeln in gewisser Weise die Marktakzeptanz der Plattform wider
- Grundlegende Informationen
Der Preis ist die intuitivste Metrik, und der Anstieg und Fall steht in engem Zusammenhang mit Angebot und Nachfrage auf dem Markt. Der Preis ist auch die Kennzahl, die am schnellsten beeinflusst wird, wenn ein wichtiges Ereignis eintritt. So musste Cream am 27. Oktober seinen zweiten großen Angriff überstehen und verlor 130 Millionen. Dies führte dazu, dass der Preis von CREAM eine Klippe hinunterfiel.
Footprint Analytics – Token Price – CREAM
Für diejenigen, die duale Token wie MakerDAO und Liquity ausgeben, kann die Überwachung der Anzahl der geprägten DAIs und LUSDs auch den Grad der Nutzerbeteiligung widerspiegeln.
Die Marktkapitalisierung eines Tokens ist die Multiplikation des Preises mit dem zirkulierenden Angebot und spiegelt den Marktwert eines Projekts in der DeFi-Branche wider.
- Anzahl der Token-Inhaber & Haltedauer
Die Anzahl der Token-Inhaber spiegelt wider, wie viele Nutzer das Token-Modell der Plattform gutheißen. Besonders wichtig ist die Anzahl der Token, die eingesetzt werden, um Governance-Rechte zu erhalten, was die DAO-Situation der Plattform widerspiegelt.
Die Haltedauer zeigt, ob das Projekt mehr Nutzer anzieht, die an den langfristigen Wert des Projekts glauben, als Spekulanten.
- Utility
Das Handelsvolumen spiegelt die Aktivität eines Tokens auf dem Markt wider, und sein Verhältnis zur Marktkapitalisierung ist ähnlich wie die Umsatzrate. Ein höherer Umlauf spiegelt einen Token mit einem höheren Aufmerksamkeitsgrad wider, während ein niedrigerer Umlauf einen Token mit geringerer Aufmerksamkeit darstellt.
Footprint Analytics – MKR Volume
Der Nutzen des Tokens ist ebenfalls erwähnenswert, d.h. ob der gemintete Token auf der Plattform eingesetzt wird, um den Governance-Token zu nutzen, oder in anderen externen Protokollen hinterlegt wird, um Einnahmen zu erzielen.
Der Stablecoin von Liquity, LUSD, wird beispielsweise zu 61 % in den Stability Pool der eigenen Plattform eingezahlt. LUSD spielt seine Rolle als Stablecoin im Umlauf im Vergleich zum Nutzen von DAI nicht.
Advanced Metrics
- Pool Daten
Alle TVLs eines DeFi-Projekts bestehen aus Pools. Um die Gründe für die Metriken herauszufinden, muss also die Poolstruktur eines bestimmten Projekts untersucht werden. Zum Beispiel: Poolgrößen, TVLs und Volumenänderungen.
Footprint Analytics – Pools Overview
- Benutzermetriken
Das Projekt dreht sich immer um die Nutzer, und die genaue Erfassung der Zielnutzer ist der Kern der Projektentwicklung. Durch Datenklassifizierung und Layering-Analyse der Nutzer können qualitativ hochwertige Nutzer schneller gefunden werden
- Benutzerporträt
Die Gesamtnutzer können in neue und aktive Nutzer unterteilt werden. Neue Nutzer spiegeln die Marktexpansion wider, während aktive Nutzer das Potenzial des Projekts für weiteres Wachstum widerspiegeln.
Footprint Analytics – Adressübersicht
Die Analyse der Veränderung des Transaktionsbetrages, des Haltebetrages und der Verweildauer pro Nutzer ermöglicht es uns, die durchschnittliche Nutzerqualität zu verstehen
Footprint Analytics – Active Address
Durchschnittswerte können zwar allgemeine Trends im Nutzerverhalten aufzeigen, sind aber als Grundlage für die Projektumsetzung ungeeignet. Durchschnittswerte verwässern oft wichtige Daten, und es ist eine tiefere Schichtung der Nutzer erforderlich, um die wirklichen Probleme zu finden und den richtigen Aktionsplan zu entwickeln.
Footprint Analytics – Handelsvolumenverteilung
- Benutzerfluktuation
Wale generieren den größten Wert für die Plattform und die Entwickler müssen verhindern, dass diese Nutzer abwandern. Durch die Sortierung der Nutzer ist es möglich, Nutzerporträts zu erstellen und sich auf große Konten zu konzentrieren.
Einblicke in die Investitionspräferenzen von Nutzern können ein tieferes Verständnis der Nutzer vermitteln und potenzielle Nutzergruppen aufdecken, indem alle DeFi-Plattformen analysiert werden, in die die Zielnutzer investiert haben.
Footprint Analytics – Verteilung von Adressinvestitionsprotokollen
Kreuzanalyse
Kreuzanalyse bezieht sich auf die vergleichende Analyse mehrerer Metriken zusammen. Analysten und Entwickler können sie nutzen, um Korrelationen zwischen Metriken zu finden und Geschäftshypothesen aufzustellen.
Wenn wir zum Beispiel den effektiven Jahresumsatz mit der Anzahl der Nutzer oder mit der TVL vergleichen, können wir die Ergebnisse analysieren, um zu sehen, ob die Erhöhung des effektiven Jahresumsatzes mehr Nutzer anzieht.
In einem anderen Beispiel kann ein Analyst den Preis eines Projekts mit dem Preis von BTC vergleichen, um festzustellen, ob die Preisbewegungen durch Änderungen des inneren Werts des Projekts oder durch größere Marktkräfte verursacht werden.
Footprint Analytics – Token Price (MKR vs BTC)
Die Lego-Attribute von DeFi sollten ebenfalls nicht übersehen werden, wobei die Metriken von eng verwandten Projekten oft ein wichtiger Faktor für die Bewegung sind. So hat Convex zum Beispiel das Wachstum von Curve’s TVL angekurbelt.
Footprint Analytics – Curve VS Convex in TVL
Zusammenfassung
Es gibt viele Analysetools auf dem Markt, aber sie beschränken sich in der Regel auf oberflächliche Metriken.
Damit die Beteiligten datengestützte Entscheidungen treffen können, ist es wichtig, tiefer zu graben und fortschrittliche Analysen auf Blockchain-Daten anzuwenden.
