Judul Asli: Membangun Ekonomi PerhatianPenulis Asli: Eli Qian, Multicoin CapitalPenerjemah: Peggy, BlockBeats
Penulis asli: Rhythm BlockBeats
Sumber asli:
Reproduksi: Mars Finance
Catatan Editor: Di era ledakan informasi, perhatian itu sendiri sedang menjadi aset yang dapat diukur dan diperdagangkan. Artikel ini membahas bagaimana “aset perhatian” dapat dimonetisasi melalui pasar prediksi dan mekanisme oracle, serta mengusulkan metodologi untuk membangun “kontrak perpetual perhatian”. Seiring dengan nilai meme yang secara bertahap muncul dalam aset tradisional seperti saham, kita mungkin berada di ambang perhatian ekonomi menjadi kategori aset arus utama.
Berikut adalah isi asli:
Potensi finansial aset perhatian
Meskipun mungkin terlalu ringkas, aset secara umum dibagi menjadi dua kategori:
-
Aset arus kas - terutama mencakup saham dan obligasi. Jenis aset ini menghasilkan arus kas, yang digunakan investor untuk penilaian.
-
Aset Penawaran dan Permintaan - terutama berlaku untuk komoditas dan valuta asing. Harganya berfluktuasi sesuai dengan hubungan penawaran dan permintaan.
Baru-baru ini, bidang kripto melahirkan jenis aset baru—aset yang berdasarkan nilai perhatian. Saat ini, “aset perhatian” terutama adalah aset yang dihasilkan pengguna (UGAs), seperti NFT, token kreator, dan koin meme. Aset-aset ini berfungsi sebagai “titik Schelling” perhatian budaya, dan harganya mencerminkan fluktuasi perhatian.
Dari sudut pandang budaya, meme coin sangat menarik, tetapi dari sudut pandang keuangan, mereka masih memiliki banyak kekurangan. Aset perhatian yang efisien seharusnya memungkinkan peserta pasar untuk secara langsung mendapatkan eksposur keuangan terhadap perhatian suatu hal. Dengan cara ini, peserta akan termotivasi untuk memperdagangkan aset yang mereka anggap salah harga, dan pasar dapat membentuk harga yang mencerminkan prediksi perhatian melalui perilaku kolektif.
Kami percaya bahwa selama dibangun dengan baik, aset perhatian memiliki potensi untuk menjadi kelas aset yang nyata. Untuk mendorong ide ini, artikel ini mengusulkan konsep “Oracle Perhatian” (Attention Oracles), yang merupakan struktur oracle baru yang dapat mendukung “Kontrak Abadi Perhatian” (Attention Perps) — alat keuangan baru yang memungkinkan trader untuk melakukan long atau short pada perhatian budaya.
Singkatnya, oracle perhatian membangun indeks agregat berbobot dengan menggunakan pasar prediksi biner di sekitar topik tertentu, memanfaatkan harga, likuiditas, dan dimensi waktu, dengan tujuan menangkap perubahan perhatian. Untuk memastikan operasi yang efektif, pasar dasar harus dipilih dengan cermat untuk mewakili input perhatian yang relevan di dunia nyata. Menggunakan pasar prediksi sebagai input oracle perhatian juga memperkenalkan “biaya manipulasi tertanam”, yang secara teori dapat mengurangi manipulasi jahat, karena trader yang bersaing harus menanggung risiko modal untuk mempengaruhi indeks.
Mengapa kita perlu memperhatikan kontrak berjangka perpetual?
UGAs telah menemukan titik kecocokan pasar produk di bidang spekulasi murni, dan sangat terampil dalam melacak perhatian yang dimulai dari nol, seperti tren jaringan yang muncul dan meme.
Masalah yang diselesaikan oleh UGA adalah: menciptakan aset untuk hal-hal yang tidak dapat dijangkau oleh sistem keuangan tradisional. Proses penerbitan aset tradisional lambat, mahal, dan memiliki ambang regulasi yang tinggi, yang membatasi jangkauan aset yang dapat diterbitkan. Namun, aset perhatian harus beroperasi dengan kecepatan internet untuk mengikuti tren budaya global. Dengan menggabungkan mekanisme penerbitan token tanpa izin, seperti cara penetapan harga yang cerdas seperti kurva pengikat, serta dukungan likuiditas dari DEX, hampir siapa pun dapat membuat aset secara gratis, memulai likuiditas, dan membawanya ke pasar untuk diperdagangkan oleh orang lain.
Salah satu pengamatan terhadap UGA adalah: harganya biasanya dimulai dari nol. Ini bukanlah cacat, melainkan karakteristik. Karena jika Anda menciptakan meme baru dari nol, maka perhatian terhadapnya pada saat kelahiran adalah nol, sehingga masuk dengan harga rendah adalah masuk akal. Ini juga memungkinkan mereka yang mahir dalam mendeteksi tren awal untuk memonetisasi kemampuannya dengan menciptakan aset berbiaya rendah. Namun, ini juga berarti UGA tidak cocok untuk memberikan eksposur finansial pada hal-hal yang sudah memiliki banyak perhatian.
Misalnya, jika Anda ingin membeli perhatian LeBron James. Anda dapat membuat sebuah koin meme, tetapi di pasar sudah ada banyak token LeBron, koin mana yang harus Anda beli? Selain itu, harga koin meme LeBron yang baru akan mendekati nol, tetapi LeBron adalah salah satu tokoh paling terkenal di dunia, perhatian yang seharusnya sangat tinggi, tidak mungkin dalam waktu singkat melonjak 100 kali lipat. Terakhir, jika Anda ingin menjual perhatian tersebut, koin meme juga sangat sulit untuk mencapainya.
Jadi, seperti apa aset yang harus dimiliki untuk topik dengan perhatian tinggi yang sudah ada?
Beberapa persyaratan mungkin termasuk:
-
Kemampuan transaksi dua arah: Aset harus mendukung posisi long dan short.
-
Menghubungkan sumber data perhatian dunia nyata: Harus ada “sumber fakta” yang dapat diandalkan untuk mengukur perhatian.
-
Tidak seharusnya memulai dari nol: Aset harus memiliki nilai awal yang mencerminkan perhatian yang sudah ada.
Jika Anda memeriksa kebutuhan ini, Anda akan segera menyadari bahwa kontrak berjangka permanen (Perps) sangat sesuai: mereka bersifat dua arah, memiliki oracle (sumber fakta), dan sebagai produk derivatif tidak dimulai dari nol. Tantangan sebenarnya adalah bagaimana membangun oracle yang efektif untuk “kontrak permanen perhatian” (Attention Perps).
Saat ini sudah ada beberapa tim yang sedang meneliti masalah ini, seperti Noise. Di platform Noise, trader dapat melakukan long atau short pada beberapa proyek crypto (seperti MegaETH dan Monad) dengan “mindshare”. Noise menggunakan Kaito sebagai oracle, yang akan mengagregasi data media sosial dan berita, menghasilkan sebuah angka yang menunjukkan tingkat perhatian terhadap suatu topik.
Namun, desain ini masih memiliki ruang untuk perbaikan. Tujuan dari oracle perhatian adalah untuk mengambil data yang terkait dengan perhatian sebagai input, menerapkan fungsi tertentu untuk memproses data ini, dan mengeluarkan sebuah nilai untuk trader melakukan posisi beli atau jual.
Salah satu masalah menggunakan media sosial sebagai input adalah: media sosial mudah dimanipulasi. Ini mencerminkan varian dari hukum Goodhart: di pasar yang bersifat antagonis, pedagang akan mencoba memanipulasi data input untuk mempengaruhi harga. Kaito telah terpaksa merancang ulang papan peringkat dan mekanisme anti-spam mereka untuk menghadapi masalah ini.
Selain itu, media sosial tidak dapat menangkap perhatian dengan sempurna. Mengambil contoh Shohei Ohtani, dia memiliki basis penggemar global dan menggunakan berbagai aplikasi media sosial, tetapi platform-platform ini mungkin tidak semua diindeks oleh Kaito. Jika dia memenangkan World Series lagi, pesonanya akan semakin kuat, tetapi jumlah penggemar atau sebutan di media sosialnya tidak selalu akan meningkat secara linier.
Prediksi perhatian: metode berbasis pasar
Kembali ke contoh LeBron James yang kami sebutkan sebelumnya, misalkan Anda ingin memperdagangkan perhatian LeBron. Langkah pertama untuk membangun oracle perhatian untuknya adalah mengumpulkan (atau membuat, jika belum ada) beberapa pasar prediksi biner tentang LeBron, seperti:
“Apakah LeBron James akan memiliki lebih dari X juta penggemar sebelum akhir bulan ini?”; “Apakah LeBron James akan memenangkan kejuaraan pada tahun 2026?”; “Apakah LeBron James akan mendapatkan MVP pada tahun 2026?”
Sebuah peluang ramalan perhatian LeBron yang sempurna menggunakan lebih banyak pasar dasar, tetapi untuk contoh, kita sementara menggunakan tiga ini. Harga indeks akan dihitung dengan mengagregasi harga, likuiditas, waktu penyelesaian, dan pentingnya setiap pasar dengan pembobotan.
Untuk setiap pasar, kami memiliki harga, likuiditas, waktu penyelesaian, dan skor penting. Untuk memudahkan pemahaman, kami menggunakan rumus perhitungan bobot yang sangat sederhana. Skor untuk setiap pasar berkisar antara 1 hingga 10 dan menggabungkan faktor likuiditas dan waktu:
Jika kita memutuskan untuk menetapkan skor tiga pasar menjadi 8, 2, dan 10, maka bobot masing-masing pasar adalah:
Nilai perhatian akhir akan menjadi:
Jika kita mengasumsikan waktu penyelesaian untuk ketiga pasar ini masing-masing adalah 180 hari, 20 hari, dan 180 hari, dan skor kepentingan masing-masing adalah 8, 2, dan 10, maka menggabungkan faktor-faktor di atas akan menghasilkan:
Tentu saja, ada metode yang lebih kompleks yang dapat digunakan untuk menghitung indikator perhatian, seperti menggunakan open interest sebagai pengganti volume perdagangan, mempertimbangkan peristiwa terkait, menyesuaikan kedalaman pasar, hubungan non-linear antara variabel, dan lain-lain. Kami juga telah membuat situs web interaktif untuk pembaca agar dapat membuat indeks menggunakan pasar Kalshi secara real-time.
Keuntungan utama dari struktur oracle berbasis pasar prediksi ini adalah: perilaku manipulasi memiliki biaya nyata. Jika seorang trader mengambil posisi long pada perhatian LeBron dan ingin memanipulasi harga naik, mereka harus membeli posisi pasar prediksi biner yang mendasarinya. Misalkan likuiditas pasar yang mendasari cukup, ini berarti mereka perlu membeli posisi pada harga yang dianggap pasar terlalu tinggi.
Kami percaya bahwa seiring dengan perkembangan pasar ini, satu keuntungan yang sangat penting lainnya adalah: pasar prediksi biner menyediakan pasar spot bagi pembuat pasar untuk melakukan hedging. Jika seorang pembuat pasar melakukan short pada indeks perhatian, mereka dapat melakukan hedging terhadap eksposur risiko mereka dengan melakukan long pada posisi pasar prediksi dasar yang membentuk indeks tersebut.
Adjacent telah menggunakan pasar yang real-time dan likuid di Kalshi untuk membuat indeks yang melacak tren politik, seperti perebutan kekuasaan antara Partai Demokrat dan Partai Republik, serta pemilihan walikota New York City. Kami percaya pendekatan serupa juga dapat digunakan untuk melacak perhatian pada topik apa pun. Seiring perkembangan pasar prediksi, kumpulan topik yang dapat digunakan untuk membangun indeks perhatian juga akan terus berkembang.
Ruang desain oracle perhatian
Struktur oracle yang kami usulkan tidak tanpa kompromi. Ketika memikirkan oracle perhatian secara lebih luas, kami percaya bahwa beberapa aspek berikut adalah faktor pertimbangan utama:
-
Seberapa tinggi relevansi data yang dimasukkan?
-
Bagaimana kelayakan untuk mendapatkan data input ini?
-
Apakah data yang dimasukkan mudah untuk dimanipulasi atau digamifikasi?
-
Fungsi apa yang kami terapkan pada input untuk menghitung nilai perhatian?
Kompromi paling jelas dari oracle yang kami usulkan adalah: data input sulit untuk diperoleh. Jika Anda ingin membangun oracle perhatian tentang LeBron James, Anda harus terlebih dahulu membuat beberapa pasar prediksi yang likuid terkait dengan berbagai topik yang berhubungan dengan LeBron. Selain itu, pasar ini harus tetap likuid dari waktu ke waktu dan harus segera digantikan oleh pasar likuid baru ketika pasar yang ada menyelesaikan atau menjadi tidak relevan. Oleh karena itu, kami percaya desain ini paling cocok untuk beberapa topik dengan pasar prediksi yang matang yang sudah ada (misalnya Donald Trump atau Taylor Swift).
Pertimbangan lain adalah: perhatian mungkin meningkat terlepas dari hasil acara. Misalnya, bahkan jika LeBron tidak memenangkan kejuaraan lagi, perhatian orang terhadapnya mungkin tetap meningkat karena orang mulai mempertanyakan performanya. Mungkin akan ada diskusi luas tentang apakah dia benar-benar sudah tua, atau apakah dia sedang menurun. Demikian pula, perhatian di dunia nyata sering kali mengalir ke peristiwa yang tidak terduga, sementara pasar prediksi mengukur harapan terjadinya peristiwa. Jika pasar mengharapkan LeBron memenangkan MVP, tetapi dia tidak, perhatian mungkin meningkat sementara indeks turun. Penggemar dan komentator mungkin akan membahas apakah dia “dicuri” dari MVP, atau apakah proses pemilihan itu tidak adil.
Desain oracle terbaik mungkin akhirnya adalah kombinasi pasar prediksi, data media sosial, dan sumber lainnya. Google Trends baru-baru ini membuka proyek alpha yang memungkinkan pengembang mengakses data tren pencarian melalui API. Jumlah pencarian internet untuk suatu topik jelas berkaitan erat dengan tingkat perhatian, dan karena Google Trends memfilter pencarian yang berulang, ia mungkin lebih sulit untuk dimanipulasi dibandingkan data media sosial. Sumber lain mungkin menggunakan model bahasa besar (LLM) untuk menganalisis input yang lebih mudah dimanipulasi dan mencoba menyaring informasi sampah. Misalnya, LLM dapat memberi nilai perhatian berdasarkan judul media berita arus utama atau postingan populer di X (mantan Twitter).
Kami percaya bahwa bursa yang sudah mapan seperti Kalshi dan Polymarket paling mampu menawarkan kontrak perpetual perhatian (Attention Perps), karena mereka sudah memiliki banyak pasar dasar yang likuid, serta pengguna yang bersedia berdagang di pasar baru. Namun, kami tidak percaya bahwa peluang aset perhatian terbatas hanya pada platform besar ini.
Salah satu cara pengaturan adalah: brankas (vaults) pasar prediksi perdagangan, dengan topik tertentu sebagai target untuk membeli/jual. Misalnya, brankas yang melakukan pembelian pada Taylor Swift dapat membeli kontrak “ya” tentang apakah dia akan memiliki lagu Top 10, apakah dia akan tampil di Super Bowl, dan peristiwa lainnya. Pengelola brankas yang akan menentukan pasar mana yang terkait dengan peningkatan perhatian.
Contoh lain adalah penggunaan kontrak permanen yang diterapkan oleh builder Hyperliquid. HIP-3 memberikan fleksibilitas, memungkinkan penyedia pasar untuk menyesuaikan oracle—sebuah pasar HIP-3 dapat menggunakan kombinasi harga dari Kalshi/Polymarket, metrik media sosial, Google Trends, judul berita, dan lainnya.
Perhatian sebagai kategori aset
Ironisnya, aplikasi matang pertama dari ekonomi perhatian mungkin akan muncul di pasar saham. Harga saham terdiri dari dua bagian: nilai DCF (yaitu nilai intrinsik) dan nilai memetik (memetic value).
Dalam sejarah, sebagian besar saham tidak memiliki nilai meme yang signifikan. Namun, dalam beberapa tahun terakhir, berkat platform perdagangan ritel 24x5 seperti WallStreetBets dan Robinhood, semakin banyak saham yang mulai memiliki nilai meme yang berkelanjutan.
Tujuan analis riset saham adalah untuk menentukan harga saham. Meskipun sudah ada metode yang matang untuk menghitung bagian DCF, bagaimana dengan pemodelan bagian nilai meme? Dengan semakin banyaknya aset yang diperdagangkan dipengaruhi oleh nilai meme, mengembangkan metode pemodelan nilai meme menjadi penting. Investor yang matang telah menggunakan jumlah penggemar, jumlah suka, jumlah tampilan, dan indikator lainnya untuk mengukur sentimen pasar. Memprediksi pasar dan struktur oracle lainnya dapat menjadi alat yang berguna untuk mengukur perhatian saham, sehingga membangun model perdagangan yang lebih baik.
Namun, peluang aset perhatian jauh lebih dari sekadar penetapan harga saham. Kami percaya bahwa memprediksi perhatian itu sendiri adalah aktivitas yang memiliki nilai ekonomi. Perhatian adalah indikator utama preferensi dan pengeluaran konsumen. Perusahaan akan mengalokasikan anggaran R&D, perekrutan, dan pemasaran berdasarkan aliran perhatian. Kuncinya adalah menemukan metode heuristik baru untuk memodelkan aliran ini.
Jika Anda sedang membangun aset perhatian atau infrastruktur terkait, silakan hubungi kami.
