Jedes DeFi-Protokoll, das ein Points-Programm betreibt, muss sich früher oder später derselben unbequemen Frage stellen: Wie viel von dieser Aktivität ist echte Nachfrage, und wie viel ist „Söldnerkapital“, das ein zukünftiges Token abfischt? Die eigenen Zahlen von TermMax – über 1 Million Nutzer, 837.000 registrierte Wallets, ein gemeldeter Peak von 170.000 täglich aktiven Nutzern über mehr als 100 Märkte hinweg – laden genau zu dieser Prüfung ein, weil sie in einer Pre-Mine-Phase aufgebaut wurden, die ausdrücklich darauf ausgelegt war, die Teilnahme zu belohnen, bevor TMX als handelbares Token existierte.
Das Klischee ist in der Kategorie mehr als verdient. Points-Programme erzeugen zuverlässig Aktivitäts-Spitzen, die in sich zusammenfallen, sobald die Belohnungen enden, denn ein bedeutender Teil dieses Volumens war nie am Produkt interessiert, sondern an der Positionierung für einen Airdrop. Die eigene Leaderboard-Dokumentation von TermMax enthält sogar eine Sybil-Prevention-Klausel, die sich das Recht vorbehält, Belohnungen für erkannte Sybil-Aktivität rückwirkend zu entziehen – was wiederum ein Eingeständnis ist, dass „gefarmte“, nicht-organische Teilnahme zu einem akuten Thema gehörte, gegen das man von Anfang an Verteidigungen aufbauen musste. Ein gestaffeltes Referral-System obendrauf, das Nutzer dafür belohnt, aktive „Referrees“ mitzubringen, setzt noch einen weiteren Hebel an: Es kann Schlagzeilen-Zahlen aufblasen, ohne dass dies zwingend tiefere organische Überzeugung vom Produkt widerspiegelt.
Hier ist der Punkt, an dem ich finde, dass das Bild differenzierter ist, als das Klischee es zulässt. Anders als ein Protokoll, das dauerhaft inflationsbedingte Emissionen ausschüttet, war TermMax’ Pre-Mine eine feste, gedeckelte Zuteilung: 40 Millionen TMX, 4% der gesamten Supply, einmalig über monatliche Kampagnen verteilt und danach endgültig abgeschlossen. Aktivität, die rein dazu erzeugt wurde, ein Programm zu „farmen“, das bereits beendet ist, sollte sich theoretisch heute als Rückgang der Nutzung zeigen – statt als dauerhafte Untergrenze, die durch fortlaufende Belohnungen gestützt wird. Ob dieser Rückgang tatsächlich eingetreten ist und wie viel echte, gebührenzahlende Aktivität darunter weiterhin existiert, ist die Zahl, die man direkt prüfen sollte – statt sie allein aus der Schlagzeilen-Nutzerzahl abzuleiten.
@TermMax #TermMax
Das Klischee ist in der Kategorie mehr als verdient. Points-Programme erzeugen zuverlässig Aktivitäts-Spitzen, die in sich zusammenfallen, sobald die Belohnungen enden, denn ein bedeutender Teil dieses Volumens war nie am Produkt interessiert, sondern an der Positionierung für einen Airdrop. Die eigene Leaderboard-Dokumentation von TermMax enthält sogar eine Sybil-Prevention-Klausel, die sich das Recht vorbehält, Belohnungen für erkannte Sybil-Aktivität rückwirkend zu entziehen – was wiederum ein Eingeständnis ist, dass „gefarmte“, nicht-organische Teilnahme zu einem akuten Thema gehörte, gegen das man von Anfang an Verteidigungen aufbauen musste. Ein gestaffeltes Referral-System obendrauf, das Nutzer dafür belohnt, aktive „Referrees“ mitzubringen, setzt noch einen weiteren Hebel an: Es kann Schlagzeilen-Zahlen aufblasen, ohne dass dies zwingend tiefere organische Überzeugung vom Produkt widerspiegelt.
Hier ist der Punkt, an dem ich finde, dass das Bild differenzierter ist, als das Klischee es zulässt. Anders als ein Protokoll, das dauerhaft inflationsbedingte Emissionen ausschüttet, war TermMax’ Pre-Mine eine feste, gedeckelte Zuteilung: 40 Millionen TMX, 4% der gesamten Supply, einmalig über monatliche Kampagnen verteilt und danach endgültig abgeschlossen. Aktivität, die rein dazu erzeugt wurde, ein Programm zu „farmen“, das bereits beendet ist, sollte sich theoretisch heute als Rückgang der Nutzung zeigen – statt als dauerhafte Untergrenze, die durch fortlaufende Belohnungen gestützt wird. Ob dieser Rückgang tatsächlich eingetreten ist und wie viel echte, gebührenzahlende Aktivität darunter weiterhin existiert, ist die Zahl, die man direkt prüfen sollte – statt sie allein aus der Schlagzeilen-Nutzerzahl abzuleiten.
@TermMax #TermMax
