第 28 章 · Crypto Growth 的本质是什么

一个现实问题

一个团队在复盘季度增长。投影上是一条漂亮的曲线。

第 1 周：日活地址 2000，平稳。 第 3 周：公布激励活动，日活 1.2 万。 第 6 周：宣布将按历史交互情况发放代币，日活 8 万，交易量涨了三十倍。 第 9 周：快照日。当天日活 11 万，创下历史新高，社群里全是截图。 第 10 周：快照结束。日活 1500。

比活动开始之前还低。

会议室里出现了三种说法，每一种都有人支持：

• 「市场不好，大环境是这样。」
• 「空投发得太少，没留住人。」
• 「产品本身有问题，得重做。」

三种说法有一个共同点：都无法验证，也都导不出下一步该做什么。

但这件事其实是可以算清楚的。这十周里发生的每一笔交易、每一个地址的诞生时间、每一次交互的内容，全部公开记录在链上。第 23 章已经教过怎么取这些数据。

所以真正的问题不是「为什么掉了」，而是两个更具体的问题：

第一，这 11 万里，有多少是来做一件他本来就想做的事的人？ 第二，这笔激励一共花了多少钱，买到了什么？

第二个问题有一个精确的答案，而且第 26 章那张损益表的第四行就是它的分子。

这一章要给的，是把这两个问题变成固定动作的方法。

思想实验

一家健身房在新区开业。

第一个月：老板发了 5000 张三个月免费卡。办卡的人排到街上，前台忙不过来，朋友圈里全是打卡照。每天进馆 900 人次。

第四个月：免费期结束。续费的有 120 人。每天进馆 140 人次。

老板花了三个月的场地、器械折旧和教练工资，买到了 120 个会员。这笔账可以算：总成本除以 120，就是一个真实会员的获取成本。 如果这个数字大于一个会员三年能贡献的会费，这次活动就是亏的——不管那三个月的照片有多热闹。

现在加三层细节，每一层都对应链上的一个真实现象。

第一层：有人专门来领礼品。 办卡送一条毛巾，于是出现了一个人，他用家人朋友的身份证办了 300 张卡，领了 300 条毛巾，一次都没进过馆。他不是骗子——他只是发现了一个「投入十分钟、产出三百条毛巾」的机会。

第二层：把规则改成「练满 60 次送」。 老板想，这下总能筛出真爱了吧。结果出现了新工种：有人雇了几个学生，每天到馆刷卡打卡，坐十分钟就走。刷满次数的成本低于奖品的价值，所以这件事一定会发生。

第三层：老板不知道奖品是什么，只说「将来会有回报」。 这一招短期内效果惊人：因为不知道门槛，所有人都倾向于多练一点；因为不知道奖品，所有人都按最好的情况想象。

但它有一个代价，而且这个代价是延迟兑现的：揭晓的那一天，绝大多数人会失望。 期望是每个人自己定的，而现实只有一个。那一天之后，这些人不仅不会再来，还会告诉别人这里不值得来。

三层之后，那条漂亮的曲线就不神秘了。它衡量的是奖励的吸引力，不是健身房的质量。

而真正该问的那个问题，从头到尾只有一个：免费期结束之后，有多少人自己回来了。

你来决定

你手上有一笔增长预算。四个花法。

观察结果

四个选项收束成一句话，它是这一章的核心：

激励只能买来第一次使用，留存必须靠产品本身。

把增长拆成五层，就能看清每种手段作用在哪里：

最后一行是整张表的重心。前四层都可以用钱直接买，第五层买不到。 而一个增长方案的全部价值，取决于第五层能接住前四层送来的人里的多少比例。

这解释了为什么行业里那么多「增长成功」之后紧跟着「用户消失」——不是因为方法错了，是因为前四层做到了极致，而第五层一直是零。

还有一件事必须说清楚：这一章不是反对激励。

激励在两种情况下是必要的，而且没有替代品：冷启动阶段（一个双边市场在没有任何一边的时候无法自己转起来，需要有人先付钱把第一边请进来）和所有权分发（把代币分给真实使用者，而不是只分给投资人和团队）。

问题从来不是「该不该发」，而是**「发完之后有没有人留下，以及你有没有去测量」**。

建立模型

把「用户」拆成四层

第 23 章留下的那个四层拆法，在这里变成固定动作：

四个数字一起看，「用户是谁」才有答案。只报第一层的增长汇报，等于什么都没报。

两个必须算出来的数字

第一个：真实获取成本。

每个留存用户的成本 = 激励总支出（按发放时价格折算）
                    ÷ 活动结束 90 天后仍活跃的地址数

分母用第四层，不用第一层。这两个分母算出来的结果经常差一到两个数量级，而只有前者能用来和用户的长期价值比较。

第二个：留存曲线的形状。

以活动结束日为零点，画出之后 90 天的活跃地址曲线。形状只有三种：

第二种里那个「稳住的位置」，就是这次活动的真实产出。 它减去活动前的基线，才是净增。

撸毛工作室的算术

这一层必须用设计者的视角来看，否则永远防不住。

规则很简单：只要「预期收益减去成本」大于零，这件事一定会发生，而且会被规模化。

预期收益 = 奖励的预期价值 × 拿到的概率
成本     = 手续费 + 资金占用 + 时间 + 地址与身份的准备成本

作为设计方，你能改的只有三个变量：

有一条规律值得记住：任何可以被清楚描述的门槛，都可以被规模化地满足。 所以真正有效的设计不是「更难的门槛」，而是让规模化本身变得不划算——比如奖励对单地址设上限（那么一千个地址的收益不是一个地址的一千倍），或者要求资金长期停留（那么资金成本随地址数线性增长）。

还有一件事要说清楚：这些参与者不是敌人。 他们是在按你写的规则理性行动。如果你的规则奖励了刷量，那么刷量就是你要的结果。规则里写了什么，你就会得到什么——这是第 20 章讲激励设计时那句话的另一种说法。

用链上数据验证「社区很大」

第 22 章留下的那个问题，在这里有一套固定的查法。任何一句「我们社区有 X 万人」，都可以用四个查询验证：

四个查询都不难，加起来不到一小时。而它们能把一句无法验证的宣传语，变成四个可以被引用的数字。

它叫什么

动手

零点：       某年某月某日（UTC）
观察窗口：   零点前 30 天，零点后 90 天
算哪些地址： 主合约 0x…（区块浏览器核对过），只算主网
算哪些事件： …（写出具体事件名）
去重方式：   按发起地址去重，通过聚合器来的会被计到聚合器头上（写进不确定性清单）

select
  date_trunc('day', block_time) as day,
  count(distinct tx_from)       as active_addresses,
  count(*)                      as tx_count,
  sum(amount_usd)               as volume_usd
from <平台的事件表>
where contract_address = <核对过的合约地址>
  and block_time between <零点 - 30 天> and <零点 + 90 天>
group by 1
order by 1

活动前基线   = 零点前 30 天的日均活跃地址
活动峰值     = 窗口内的最高日活跃地址
稳定后水平   = 零点后第 61 到 90 天的日均活跃地址

净增 = 稳定后水平 − 活动前基线

-- 第一层：活动期间有过交互的地址
-- 第二层：其中，首笔交易时间早于活动开始的（不是为活动而生的地址）
-- 第三层：其中，完成过至少一笔与激励无关的交互的
-- 第四层：其中，零点后 30 天仍有交互的

select
  date_trunc('week', first_tx_time) as cohort_week,
  count(*)                          as addresses
from <你构造的地址首次交易时间表>
group by 1
order by 1

按第一层算：激励总支出 ÷ 活动期间活跃地址数    = ______
按第四层算：激励总支出 ÷ 零点后 90 天仍活跃地址 = ______

这次活动的真实净增是：       ______ 个日活地址
每个留存用户的真实成本是：   ______
我不确定的地方（至少三条）： 1. …  2. …  3. …

AI Lab

第一步，请为下面这个协议设计一个为期 8 周的激励方案：
<协议描述：它做什么，现在有多少用户，想增长的是哪个行为>

方案要包含：
1. 目标行为：你希望用户做什么，为什么是这个行为
2. 门槛与权重：怎么算一个人的贡献
3. 发放形式与时间表
4. 预算：总额多少，按什么折算
5. 成功指标：活动结束后你用什么判断这次做得好不好

第二步，在同一份输出里，单独开一节，标题是「这个方案会被怎样利用」。
以一个专门薅激励的团队的视角，写出至少五条具体做法，每条包含：
- 具体怎么做
- 单个地址的成本大约是多少
- 一百个地址的规模化难度
- 我的方案有没有拦住它

第三步，单独开一节：活动结束之后，这些人为什么还会回来？
如果答案是「不会」，直接写「不会」。

规则：
- 不要写「加强反女巫措施」这类没有具体动作的话。
- 每一条防护措施都要说明它在链上怎么执行。

真实案例

改一个变量

带走的问题

本章自测

每个留存用户的成本 = 激励总支出 ÷ 活动结束 90 天后仍活跃的地址数

预期收益 = 奖励的预期价值 × 拿到的概率
成本     = 手续费 + 资金占用 + 时间 + 地址准备成本