編譯| 吳說區塊鏈

本期為Alex 個人YouTube 頻道內容，圍繞著近期熱門的社群產品Kaito 展開，深入探討了其產品策略、市場背景及發展邏輯。 Alexon 是Ferryboat Research 的CIO。透過分析Kaito 在Twitter 平台的選擇和其在加密社交資料收集、處理及應用上的特點，闡釋了其高定價原因及核心優勢。此外，比較了類似專案的方向探索，指出Kaito 如何透過API 呼叫優化、KOL 圖譜建構以及社交綁定機制來突破傳統資料服務的限制，成功完成策略轉型並建立了獨特的市場地位。同時，分享了相關產業從業人員的創業經驗與洞見，直指Web3 產品化與商業化過程中所面臨的挑戰與機會。

Crypto 流量取得方式：投放與裂變模式的差異

Crypto 是一個高波動、高風險，並具有強金融屬性的領域。你可能從中發現機會，也可能需要為本金做好完全歸零的心理準備。接下來，我們來談談第一個部分：Kaito 以及類似的產品為什麼會選擇Twitter 作為主要陣地。

首先，從消費品產業的觀點來看，流量結構一般分為兩類：公域流量和私域流量。在獲取流量的方式上，又分為兩種主要路徑：投放和裂變。公域流量通常包括Twitter 和YouTube，在加密產業中，Telegram 和Discord 則屬於私域流量。相較之下，私域的流量更難以追踪，結構也較為單一。

雖然也有Reddit 或Instagram、TikTok 等平台逐漸涉及加密產業，但目前來看，Twitter 和YouTube 的流量集中度仍然是最高的。如果放到國內環境，那可能需要藉助小紅書、抖音、快手進行推廣，同時還需要Bilibili 等種草平台，最後透過直通車或萬像台進行站內推廣。之後，再將流量引導至微信等私域進行轉換複購。

總的來說，Crypto 產業的流量取得方式相對簡單，因為投放邏輯在目前產業階段無法承載足夠的效能。這就導致整個流量生態的取得方式較為單一，主要集中在裂變和分銷上。

不同地區用戶獲取成本及裂變效果的對比

兩年多前，我們在開發自己的工具產品時，曾經嘗試過投放策略。我投入了幾萬美元做測試，雖然具體數據不方便透露，但一個很明顯的結果是：獲取一個美國用戶的成本大約是獲取越南用戶的十倍。然而，越南用戶的裂變率卻顯著高於美國用戶。這表明，美國用戶不太傾向於主動參與裂變推廣，例如製作和傳播一張落地頁的動作相對較少。

在整個加密產業中，我認為獲取流量的方式歸根結底只有兩種：分銷和裂變。雖然這兩種方式本質上都屬於裂變的一種形式，但它們的應用邏輯卻有所不同。分銷更傾向於依靠KOL（關鍵意見領袖）或KOC（關鍵意見消費者）進行推廣，你將產品交由他們背書，再由他們分銷給散戶或零售用戶。

裂變則是透過設計一個高效率的裂變機制，打造一套吸引用戶主動參與的活動。例如，Kaito 的Yap 活動就是一個典型案例。用戶透過分享一張自己的Crypto Twitter（CT）帳號數據，例如展示有多少個「smart follower」（智慧追蹤者），形成一種類似網易雲年度歌單或消費帳單的玩法。本質上，這些機制的目的是透過使用者自發性分享來實現裂變，從而獲得更多流量。

解釋完這些背景知識，也可以理解我們當初為什麼選擇Twitter 作為主要平台，而不是私域。私域的最大問題在於，難以標準化取得所有內容，且私域內的內容很難進行有效的加權評估。例如，如果某個社群全是圍繞著Kaito 進行討論，你無法準確評估這些數據的真實價值和影響力。同時，私域平台的分散性也讓全面取得相關數據變得非常困難。正因如此，這並不是一個優先的選擇。

為什麼Kaito 選擇Twitter 作為主要平台

在YouTube 這類公域平台上，內容通常適合以長影片的形式呈現。例如，可以是類似我現在錄製的這種單口影片、訪談形式，或是更專注於教學和互動類別的內容，甚至是一些礦機操作指南。這樣的內容往往需要長時間的製作和觀看，適合那種需要細緻講解和學習的主題。因此，這種內容載體本質上並不適合圍繞即時性事件或熱點驅動的場景。

這些長影片內容通常更適合處理PoW（工作量證明）相關主題。所以儘管我們也嘗試在YouTube 和Farcaster 上引入Kaito 的監測和分析邏輯，但最終發現，能夠有效觀測的標的通常是像Kaspa 和Helium 這樣的項目，而對於像某些短期爆火的meme token 來說，表現就完全不行了。

相較之下，Twitter 天生就適合用來當作資料平台，尤其是在社群資料集中度非常高的環境。所有人的行銷預算幾乎都集中在Twitter，形成了較高的共識。同時，Twitter 的社群圖譜也非常透明化，例如你的關注清單、互動次數（engagement）等資料都以外顯的形式呈現。而像YouTube 這類平台，你很難獲得清晰的粉絲關係或互動細節。

最終，選擇Twitter 作為主要平台的原因在於，它是最優解。它的透明化社交圖譜和集中化流量結構，為我們提供了明確的優勢。相較之下，像YouTube 這種平台，取得類似的關係網資料是非常困難甚至不可能的。因此，無論是我們還是Kaito，都更傾向於優先選擇Twitter 作為主要立場。

Kaito 定價高的兩大原因：API 成本與法規限制

我們當時使用了一些“奇技淫巧”，那時Twitter 還未被馬斯克收購，系統中存在一些灰色地帶。例如使用教育帳號或其他方式取得數據，雖然不完全合規，但在早期階段，這種方式是普遍存在的。對於像Kaito 這樣早期的項目，我猜測他們最初也採取了類似的策略，透過這些非正式途徑獲取數據。然而，當產品開始商業化時，這種方式顯然無法繼續使用。

兩年前，當他們完成融資並推出產品時，只能依賴商用API，而馬斯克收購Twitter 後，也封鎖了許多不規範的途徑。商用API 的使用成本相當高，且隨著呼叫次數的增加，這種成本會呈線性成長，而非下降。

第二個導致定價高的原因是Twitter 的法規限制。即便是一家公司使用商用API，也存在每月呼叫次數的上限（具體次數記不清了）。這意味著，如果產品特別火爆，那麼調用量的限制會使ToC（面向消費者）的模式難以為繼。最終，我們和Kaito 在類似的時間點都選擇了ToB（以企業為導向）模式，這是一個可以最大化有限調用量經濟價值的最佳方案。對Kaito 而言，這是幾乎沒有其他可選的方向。

具體來說，由於呼叫量固定，唯一的辦法就是透過提高單一使用者的價值來實現更大的經濟回報，通俗來說就是漲價。而這正是產品的必要選擇，否則整個商業模式無法成立。

我了解到他們的延遲是15 分鐘左右，與我們的延遲差不多。需要理解的是，延遲時間越短，所需的成本就越高。這是因為需要以更高的頻率掃取歷史數據，而這種成本的成長是指數級的。延遲時間的設定也直接影響了API 呼叫的效率與經濟可行性。總而言之，Kaito 在API 呼叫成本和法規限制下的高定價有其合理性。

Kaito 產品方向的演進與選擇

接下來談談Kaito 的產品方向，以及為什麼他們從「trending」 類型的產品發展到現在的KOL 類型的功能。這裡先給一個小結論──並不是教別人怎麼創業，而是分享我們自己的經驗。我們曾經嘗試過多個方向，發現有三個方向可以基於這套邏輯來衍生。

第一個方向是自用的純Alpha 工具。 Kaito 的CEO 在一次Podcast 中提到，他們也曾經考慮過這個方向。如果工具只是用於Alpha 類型的用途，那麼越開發就越傾向於內部使用，而不適合大規模使用者。我們也遇到類似的問題──如果不收費，用戶可能不會珍惜；如果收費，為什麼不直接自己用？這類問題使得Alpha 工具通常更適合自用，而不是產品化。

我們自己曾經用類似Kaito 的邏輯開發了一套工具。這套工具的應用使得我們經常能夠在專案火爆之前發現它們。我們考慮過用這套邏輯給交易所做listing 工具。例如，我曾經想與Binance 合作，免費提供這套工具來優化他們的listing 選擇標準。因為某些項目，例如ACT，在我們基於Twitter 數據分析的「上帝視角」中根本沒有顯示任何值得關注的表現，但仍然被列上交易所。這種不合理的選擇，本來可以透過數據驅動的工具來避免。

此外，我們也研究將Alpha 邏輯應用於量化交易策略。我們在Badcase 上對前200 或前100 的項目進行測試，基於文字探勘、情緒分析等進行交易決策。測試結果顯示，這種策略對市值較小、易受情緒和事件驅動的項目更加顯著有效，而對於市值較大的項目效果有限。我相信Kaito 也做過類似的研究，畢竟他們的CEO 有交易背景。從這一點來看，我們和Kaito 在早期的出發點和邏輯上有很多相似之處，但最終選擇的道路卻不盡相同。

Kaito 的社區新聞工具探索及其產業潛力

在目前的模型架構下，一些現象級的主題，例如meme 和NFT，是非常顯著的。它們在這套邏輯中能展現價格提升的潛力。然而，這類現象卻無法透過標準化的程序化交易完全解決，因為它們仍然需要較強的人工幹預。這種特性使得它們雖然有效，但缺乏標準化。至於Kaito 內部是否有類似方向的產品並用於自身，這點我就不清楚了。

第二個值得探索的方向是新聞類和GPT 類產品。這是什麼意思呢？舉個例子，像現在的Alva（原Galxe）這種Web3 助手，透過整合Twitter 的分時數據，就可以取得所有推文的語料，並結合ChatGPT 的介面進行加工。透過在前端調整prompt（提示語），可以將這些數據以更直觀的形式輸出，從而產生許多即時性的社群新聞。

舉個簡單的例子：例如你看到大小寫「elisa」之爭時可能一頭霧水。這時你可以直接問這個工具：「大小寫的elisa 之爭的原因是什麼？發起人是誰？」 透過這種方式，工具會基於最新數據總結出答案。而原版GPT 無法做到這一點，因為它的數據有固定的截止日期，通常無法提供最新半年內的內容。你只能自己將相關語料爬取下來餵給GPT，再用提示語來總結邏輯。這類工具的潛力巨大，是值得深入探索的方向。

從目前來看，Kaito 似乎已經在探索這類產品或嘗試類似的方向。我提到的Alva 產品，就是一個不錯的例子。它透過呼叫Rootdata 等加密領域相關的API，整合了大量行業數據，點對點地連接用戶與行業資訊。然而，Alva 存在的問題是資料清洗的品質不夠高。他們花了大量時間對接資料網，但在資料精度和清洗的細緻程度上仍有改進空間。相較之下，Kaito 的優勢在於其數據的精準性，這是毋庸置疑的。

舉個實際案例，最近關於大小寫「elisa」之爭的問題，我透過這類工具獲得了快速答案。這類產品在加密產業的應用確實能顯著提升效率。兩年多前，我們也開發過類似的工具，測試結果顯示，它確實能夠提高工作效率。然而，當我們嘗試商業化時，遇到的核心問題是用戶的付費意願不夠強。儘管工具能夠提升效率，但並未針對某個核心痛點，這使得用戶缺乏強烈的購買動機。

此外，由於這類工具的呼叫成本較高（每次呼叫GPT 介面都需要支付費用），導致產品毛利率較低。因此，雖然這類工具有一定意義，但其商業化面臨較大挑戰。許多調用行為更多是出於促活目的，實際產生收入的場景有限，這些都成為了需要克服的難題。總的來說，這一方向雖然潛力巨大，但在實際落地中仍需更多優化和突破。

數據準確性與KOL 圖譜建構在行銷中的作用

在探討這些工具時，有一個核心問題：它們如何實現營收？如果單靠VIP 模式，讓使用者無限次呼叫API，這種產品很難有大的獲利空間，但它的存在是有意義的。它可以直接利用Kaito 的邏輯，讀取推特數據，用於產生和分發自媒體內容，例如類似「吳說」或其他形式的社群新聞。這類工具不僅能提升效率，還能幫助專案方在多平台上分發內容，例如透過AI 產生短影片發佈在TikTok，或直接在推特發布。

我認為，這種產品方向並不是只有Kaito 或Galxe 可以嘗試，像Mask 這樣的專案其實也非常適合做這件事。奇怪的是，Mask 目前似乎並未深度涉足這一方向。如果有Mask 團隊的朋友聽到這些建議，希望你們能試著思考一下。

對於Kaito 來說，其當前的產品方向已經表明他們希望走向更大的市值，而不是沿著Alpha 工具的路線繼續前進。 Alpha 工具雖然可以獲利，但缺乏產品化的潛力。如果只專注於此，它最終會局限於內部使用，無法形成面向更大市場的產品。 Kaito 透過轉向KOL 圖譜構建，顯然是為了突破這一瓶頸。

早期對Kaito 產品有興趣的用戶，與當時關注我們工具的用戶群幾乎一致。我們的工具在早期也被建議出售給一些交易公司或二級基金。雖然這些交易公司更關注獲利性，但這種方向會陷入「是否獲利」的循環中。相較之下，KOL 圖譜則為行銷投放提供了精準支持，透過數據準確性提升投放效果，進而增加專案方的行銷價值。

數據準確性是關鍵所在。雖然市面上有許多公司可以收集推特數據，但數據是否精準是另一回事。在公開市場上，Kaito 和我們早期的工具是少數能夠做到準確的。資料準確性的核心在於“洗資料”，這是最困難和關鍵的環節。採集數據相對簡單，但對數據進行加權和清洗則需要大量的反覆測試和邏輯調整，這往往需要經驗和直覺結合。

舉例來說，中文社群的Crypto Twitter（CT）往往有較多噪音，權重需要降低。這種噪音導致中文CT 通常比英文CT 延遲24 到48 小時。如何有效清洗和調整數據，是一項“看家本領”，也是公司核心競爭力所在。

透過精準的KOL 圖譜，Kaito 能夠幫助專案方優化投放策略，提升投放的準確率。這種產品不僅能協助專案方實現更有效率的行銷，還能從中獲得行銷費用，形成永續的商業模式。選擇這個方向，正是Kaito 在市場競爭中展現的聰明策略。

Yap 活動背後的策略邏輯與飛輪效應

在整個Crypto 領域，投放廣告一直是相對模糊且低效的行為。目前的行銷機構本質上更像是維持通訊錄的簡單工具，其手段相對單一。在這樣的背景下，Kaito 提供的工具可以幫助專案方判斷哪些KOL 值得投放，哪些不值得，透過資料分析提供有據可依的參考。這種精準性大大提升了廣告的效率。

Kaito 透過兩個關鍵指標來優化KOL 投放：正確性和核心圈層。正確性是指KOL 的判斷是否準確，例如他們是否在某個專案上漲前就已經討論，而不是在專案上漲後才參與。每次分享或推廣，KOL 的判斷是否正確都會被記錄和加權，影響其權重評分。這一切都可以透過時間戳記和資料分析工具反覆驗證。

核心圈層（在Kaito 稱為「smart follower」）則衡量一個KOL 影響力的深度。如果帳號有更多的聰明帳戶（即smart follower）與之互動，其權重評分會更高。這樣可以幫助專案方篩選出真正有影響力的KOL，而非僅僅擁有大量粉絲的帳號。

Kaito 的Yap 活動展現了其策略轉型的成功。這項活動透過使用免費的KOL 槓桿，大幅減少了行銷成本。傳統的行銷需要逐一聯繫KOL 並支付高昂的費用，而Kaito 直接公開了一個頁面，透過權重演算法為KOL 提供分配獎勵。這種方法既簡化了流程，也透過資料透明化提升了可信度。這種模式讓許多KOL 自願參與推廣，幫助計畫迅速擴散。

同時，Yap 活動也解決了潛在的風險問題。考慮到未來如果Twitter 更改API 規則，Kaito 透過TGE 的方式讓所有CT 使用者將帳戶綁定到其後台，主動授權資料使用。這種方式使Kaito 逐漸脫離對TwitterAPI 的依賴，並開始掌握自己的資料資產。這不僅讓Kaito 具備了更強的獨立性，還形成了供需雙方的正循環：隨著更多CT 用戶綁定，項目方的興趣增加，形成一個數據撮合的飛輪效應。

最終，Kaito 透過這種模式創造了類似阿里媽媽或巨量引擎這樣的商業想像力，成為加密產業中成功的行銷生態平台。目前來看，這一戰略執行得相當成功。

創業反思：非典型菁英背景的實務工作者如何突圍

如果所有CT（Crypto Twitter）用戶都將自己的帳號綁定到Kaito 的後台，那麼在未來進入二級市場時，Kaito 可以明確告訴外界：「這些資料是我的。」無論是專案方還是CT 用戶，這一綁定行為都能形成數據共識和趨勢。這正是Yap 活動背後的核心邏輯。

在結束Kaito 話題之前，我想先分享一個關於我們自己的小故事。我們在Kaito 融資之前，也開發過類似的產品，甚至可以說是同期進行的。兩年多前，我們同時嘗試了Alpha 工具和GPT 類工具的方向。當時，正值業界低谷，我們團隊不太擅長社交，業界認識的人也很少。儘管我們的產品有趣且具備潛力，但介紹我們給VC 的朋友寥寥無幾。

當時，我們接觸了四家VC，其中一家願意跟投，但需要我們找到領投方。而其他三家則直接忽略了我們，原因之一是我們的背景並不符合典型的菁英創業家形象。他們沒有深入了解我們的產品背後邏輯，甚至未嘗試去想像其潛在的價值，而是簡單地一票否決了。

直到後來，我們透過YouTube 等平台逐漸被更多產業人士關注。這些觀眾大多是業界的機構和從業者。即便如此，我仍沒有向那些曾經與我們接觸過的VC 提及過去的事情，因為稍微尷尬。有趣的是，我後來在時間線上看到曾經接觸過的VC 員工現在對Kaito 讚不絕口，這讓我感慨萬分。

我們最終選擇了走Alpha 工具的路線，這個選擇與我們當時的社交圈有限有關。我們認為如果沒有外界幫助，很難將ToB 的產品成功商業化。我們希望透過找到知名VC 的認可，借助他們的資源完成市場擴展，而不是僅憑我們自己艱難前進。

對於那些非典型菁英背景的創業者，我有一些建議。 VC 更關注的是連結和關係網絡，而不一定關注你的產品本身。然而，我始終相信好的產品能夠自我發聲。如果你的產品真的很好，就不要害怕向外展示。如今，我也意識到建構社交影響力的重要性。透過社群網絡，你不僅能認識更多人，還能為未來創業累積一定的知名度和信任度。

對於觀看我影片或瀏覽我Twitter 的朋友們，我希望傳遞的信念是：無論你是否有精英背景，只要你的產品夠優秀，我都願意為你提供幫助。好的產品和想法比華麗的履歷更重要。只要你拿出的東西能讓我認可，我會盡我所能幫助你找到資源。