작성자: Kevin Owocki, Devansh Mehta( @thedevanshmehta ), Vitalik Buterin에서 영감을 얻음
요약(TLDR)
우리는 앱 계층(특히 Qf, Retro Funding, Deep Funding과 같은 온체인 자본 배분 메커니즘 빌더)에 대한 지속 가능한 수수료 구조를 제안합니다. 이는 근본적인 긴장을 해결합니다.
- 건설업체는 이러한 시스템을 만들고 유지하기 위해 재정적 인센티브가 필요합니다.
- 하지만 수수료가 너무 높으면 효과가 떨어진다.
우리의 접근 방식은 규모가 작은 자금 풀에는 비례적으로 더 높은 수익을 제공하는 반면, 규모가 큰 자금 풀에는 점차적으로 최소한의 비율로 감소시켜 공공 및 민간 재원 조달의 전체 생태계에서 지속 가능성과 공정성을 보장합니다.
요약
온체인 자본 배분 메커니즘을 구축하는 사람들은 근본적인 갈등에 직면합니다. 이러한 시스템을 개발하고 유지하려면 실행 가능한 수익이 필요하지만, 과도한 수수료는 그 목적과 효과를 훼손할 수 있습니다.
이 게시물에서는 우리가 제안하는 솔루션을 간략하게 설명합니다. 이는 공공재, 민간 사업 또는 그 사이의 모든 것에 대한 자금 지원 여부에 관계없이 다양한 자본 배분 메커니즘 전반에 적용되는 역동적인 수수료 구조입니다.
저희의 접근 방식은 메커니즘 구축자들의 중요한 노고에 대한 보상과 대부분의 기금이 의도한 대로 사용되도록 보장하는 것 사이의 적절한 균형을 맞추는 것을 목표로 합니다. 공식 기반 접근 방식을 구현함으로써 과도한 지대 추출 없이 다양한 자금 조달 규모에 맞는 적절한 인센티브를 제공합니다.
문제 진술
공공재 자금 조달, 민간 투자 수단, 보조금 프로그램 및 다양한 하이브리드 모델을 포함하는 온체인 자본 배분 메커니즘은 장기적인 지속 가능성을 위협하는 심각한 과제에 직면해 있습니다.
재정적 수익의 필요성: 자본 배분 메커니즘을 구축하고 유지하는 데는 상당한 시간, 전문성, 그리고 자원 투자가 필요합니다. 적절한 재정적 수익이 없다면, 유능한 건설사들이 이러한 중요한 시스템을 구축하고 개선하는 데 전념할 가능성이 낮아집니다.
과도한 추출 위험: 반대로, 재정적 인센티브가 너무 높거나 시간이 지남에 따라 너무 높아지면 시스템이 추출적인 것으로 인식될 위험이 있습니다. 이는 해당 메커니즘에 대한 신뢰를 약화시키고 자본 의도된 목적, 즉 공공재, 민간 투자 또는 그 중간 형태로 유도하는 효율성을 저하시킬 수 있습니다.
이는 순수 공공재부터 순수 사적재까지 모든 영역에 걸쳐 온체인 자본 배분 시스템을 설계하는 데 근본적인 갈등을 야기합니다. 재정적 인센티브가 너무 적으면 생태계는 그러한 메커니즘을 구축할 수 있는 유능한 개발자를 유치하는 데 어려움을 겪습니다. 반면 인센티브가 너무 많으면 시스템이 지원하려는 프로젝트에서 과도한 가치를 추출하여 고객의 메커니즘 사용 의지를 저하시킬 위험이 있습니다.
솔루션: 동적 수수료 구조
우리는 새로운 온체인 자본 배분 메커니즘을 통해 창출된 가치와 이를 구축한 사람들이 획득한 가치의 균형을 맞추기 위한 간단한 공식을 제안합니다.
프로젝트가 $N을 얻으면 빌더는 $max(sqrt(1000 * N), N * 0.01)을 얻습니다.
쉽게 말해서:
소액 자금의 경우, 수수료는 제곱근 함수(sqrt(1000 * N))를 따르며, 이에 비례하여 더 높은 수익을 제공하여 소규모 풀에 대한 메커니즘 구축의 가치를 높입니다. 예를 들어, 자금 풀이 17만 달러라면, 1000 * 17만 달러의 제곱근 = 13,038.4달러 또는 7%가 간접비로 계산됩니다.
자금이 1,000만 달러를 초과하면 수수료는 1%의 정액 요율(N * 0.01)로 전환됩니다.
이는 자금 규모가 증가함에 따라 비례적으로 감소하는 부드러운 곡선을 생성합니다.
이 수수료 구조를 시각화해 보세요: (TVF = 총 흐름 가치)

이 접근 방식은 다음을 보장합니다.
- 소규모 할당 메커니즘은 재정적으로 실행 가능하며 유지 관리가 가능하므로 해당 분야의 실험이 촉진됩니다.
- 할당 풀이 커질수록 수수료에 대한 비율은 감소합니다.
- 모든 참가자를 위한 예측 가능하고 투명한 메커니즘이 있으며 복제됩니다.
이 스프레드시트를 사용하여 다양한 자금 조달 금액을 실험해 보고, 다양한 규모에서 공식이 어떻게 작동하는지 확인할 수 있습니다.
뛰어난 질문
우리는 이 공식이 유망한 접근 방식을 나타낸다고 믿지만, 커뮤니티 토론을 위한 몇 가지 질문이 여전히 남아 있습니다.
- 공식 감소 속도: 비례 수수료가 감소하는 현재 속도가 적절한가요? 더 빠르게 감소해야 할까요, 아니면 더 느리게 감소해야 할까요?
- 최소 스레스홀드(Threshold): 1%가 적절한 최소 이율인가요? 그리고 이 최소값에 도달하기 위한 적절한 스레스홀드(Threshold) 1,000만 달러인가요?
- 수수료 분배: 이 수수료를 전적으로 메커니즘 구축자에게 지급해야 할까요, 아니면 일부 금액을 프로젝트 자체의 종속성으로 분배해야 할까요? 이 공식을 종속성 스택 아래로 프랙탈 방식으로 적용해야 할까요?
다음 단계
이론에서 실천으로 옮기기 위해 우리는 다음과 같은 단계를 제안합니다.
다양한 유형의 자본 배분 메커니즘(공공재 자금 조달, 민간 투자 풀, 기타 모델)에 걸쳐 더 작은 테스트 라운드에서 이러한 수수료 메커니즘을 실험해 보세요.
가능한 특정 조종사
- 이를 다가오는 깃코인(Gitcoin) Grants 라운드(GG24)에서 커뮤니티 라운드 주최자를 위한 수수료 메커니즘으로 구현합니다.
- 이를 Deep Funding과 같은 새로운 자본 배분 실험에 대한 수수료 메커니즘으로 구현합니다.
공식에서 청구되는 오버헤드의 10-25%를 메커니즘 자체의 종속성(기본 스마트 계약 및 사용하는 오픈 소스 리포 등)에 자금을 지원하는 데 사용하는 것을 고려하십시오. 추출 수수료처럼 느껴질 수 있는 것을 메커니즘 자체의 종속성에 자금을 지원하는 건설적인 실험으로 전환하는 것입니다.
결론
온체인 자본 배분 메커니즘(공공재, 민간 사업, 또는 그 사이의 어떤 것에 대한 자금 지원이든)은 지속 가능한 인센티브를 통해 발전해야 합니다. 저희가 제안한 공식은 대부분의 자금이 의도된 목적지에 도달하도록 보장하는 동시에 개발자에게 적절한 보상을 제공하는 것을 목표로 합니다.
자금 규모에 따라 확장되는 동적 수수료 구조를 구현함으로써, 다양한 자금 규모와 활용 사례에서 효과적으로 작동하는 균형 잡힌 시스템을 구축할 수 있습니다. 이러한 접근 방식은 인센티브 부족이나 과도한 추출이라는 극단적인 상황을 방지하여 자본 배분 메커니즘 실험을 위한 더욱 지속 가능한 생태계를 조성합니다.
커뮤니티 여러분, 이러한 접근 방식을 실험하고 피드백을 제공하며 메커니즘을 개선하는 데 함께해 주시기를 부탁드립니다. 함께 노력한다면, 생태계 전반에 걸쳐 자본 효과적으로 분배하는 동시에 이러한 중요한 배분 메커니즘을 구축하고 유지하는 사람들에게 공정한 보상을 제공하는 자금 조달 시스템을 구축할 수 있을 것입니다.
부록 - 크라우드펀딩 세계에서 발생하는 수수료
더욱 부상하는 크라우드 펀딩의 세계에서는 이러한 메커니즘이 하나의 큰 풀이 설정된 세계와는 다르게 수수료를 할당할 것입니다.
예를 들면 다음과 같습니다.
예를 들어, 5천 달러를 45% 수수료로 따로 마련해 놓았다고 가정해 보겠습니다. 여기에 5천 달러를 더 추가하면 수수료는 32%로 줄어듭니다.
수수료는 발생형 방식과 기본형 방식에 따라 다르게 계산됩니다. 두 경우 모두 수수료는 다음과 같이 계산됩니다.
| 기본 방법론 | 1만 달러 * 32% = 3,200달러 |
|---|---|
| 누적 방법론 | 5천 달러 * 45% + 5천 달러 * 32% = 3,850달러 |
거의 모든 상황에서, 누적 방식(accrued methodology)은 기본 방식(basic methodology)보다 수수료 징수자에게 더 관대한 편입니다. 두 방식의 차이점은 다음과 같습니다.
기본 펀딩 풀에는 기본 방법론을 사용하고, 더 많은 크라우드펀딩 풀에는 누적 수수료를 사용하는 것이 좋습니다. 단, 공식을 정확히 어떻게 구현할지는 구현자에게 달려 있습니다. 이 방법론을 활용하는 데 도움이 되도록 워크시트에 '누적 수수료' 탭을 추가했습니다.
x-post: 공정한 수수료: 가치 창출과 가치 확보의 균형을 위한 역동적인 공식 - 연구 및 전략 정보 - ⛲️ Allo. 자본



