深度解析 Kaito：Yap 活動是如何引爆社交飛輪的？

編譯：吳說區塊鏈

本期為 Alex 個人 YouTube 頻道內容，圍繞近期熱門的社交產品 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。通過分析 Kaito 在 Twitter 平台的選擇和其在加密社交數據收集、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，對比了類似項目的方向探索，指出 Kaito 如何通過 API 調用優化、KOL 圖譜構建以及社交綁定機制來突破傳統數據服務的限制，成功完成戰略轉型並建立了獨特的市場地位。同時，分享了相關行業從業者的創業經驗與洞見，直指 Web3 產品化與商業化過程中面臨的挑戰與機會。

Crypto 流量獲取方式：投放與裂變模式的區別

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，從消費品行業的視角來看，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，在加密行業中，Telegram 和 Discord 則屬於私域流量。相比之下，私域的流量更難以追蹤，結構也較為單一。

雖然也有 Reddit 或 Instagram、TikTok 等平台逐漸涉及加密行業，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，那可能需要借助小紅書、抖音、快手進行推廣，同時還需要 Bilibili 等種草平台，最後通過直通車或萬象台進行站內推廣。之後，再將流量引導到微信等私域進行轉化復購。

總的來說，Crypto 行業的流量獲取方式相對簡單，因為投放邏輯在當前行業階段無法承載足夠的效能。這就導致整個流量生態的獲取方式較為單一，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

兩年多以前，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，比如製作和傳播一張落地頁的動作相對較少。

在整個加密行業中，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。

裂變則是通過設計一個高效的裂變機制，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。用戶通過分享一張自己的 Crypto Twitter（CT）賬戶數據，比如展示有多少個 "smart follower"（智能關注者），形成一種類似網易雲年度歌單或消費賬單的玩法。本質上，這些機制的目的是通過用戶自發分享來實現裂變，從而獲得更多流量。

解釋完這些背景知識，也就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，難以標準化獲取所有內容，並且私域內的內容很難進行有效的加權評估。例如，如果某個社區全是圍繞 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獲取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，內容通常適合以長視頻的形式呈現。例如，可以是類似我現在錄製的這種單口視頻、訪談形式，或者是更側重於教程和互動類的內容，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，適合那種需要細致講解和學習的主題。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。

這些長視頻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。

相比之下，Twitter 天生適合用作數據平台，尤其是在社交數據集中度非常高的環境中。所有人的營銷預算幾乎都集中在 Twitter，形成了較高的共識。同時，Twitter 的社交圖譜也非常透明化，比如你的關注列表、互動次數（engagement）等數據都以外顯的形式呈現。而像 YouTube 這類平台，你很難獲取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，獲取類似的關係網數據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 作為主要陣地。

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。比如使用教育賬號或其他方式獲取數據，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 Kaito 這樣早期的項目，我猜測他們最初也採取了類似的策略，通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，他們完成融資並推出產品時，便只能依賴商用 API，而馬斯克收購 Twitter 後，也封堵了許多不規範的途徑。商用 API 的使用成本相當高，並且隨著調用次數的增加，這種成本會呈線性增長，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，也存在每月調用次數的上限（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（面向企業）模式，這是一種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。

具體而言，由於調用量固定，唯一的辦法就是通過提高單個用戶的價值來實現更大的經濟回報，通俗來說就是漲價。而這恰恰是產品的必要選擇，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，與我們的延時差不多。需要理解的是，延遲時間越短，所需的成本便越高。這是因為需要以更高的頻率掃取歷史數據，而這種成本的增長是指數級的。延遲時間的設定也直接影響了 API 調用的效率與經濟可行性。總而言之，Kaito 在 API 調用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

接下來談一下 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。這裡首先給出一個小結論------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一套邏輯進行衍生。

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，而不適合大規模用戶。我們也遇到過類似的問題------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項目火爆之前發現它們。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，比如 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，本可以通過數據驅動的工具避免。

此外，我們也研究過將 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，基於文本挖掘、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尽相同。

Kaito 的社區新聞工具探索及其行業潛力

在當前的模型框架下，一些現象級的主題，比如 meme 和 NFT，是非常顯著的。它們在這套邏輯中能表現出價格提升的潛力。然而，這類現象卻無法通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干預。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，通過集成 Twitter 的分時數據，就可以獲取所有推文的語料，並結合 ChatGPT 的接口進行加工。通過在前端調整 prompt（提示語），可以將這些數據以更直觀的形式輸出，從而生成許多即時性的社區新聞。

舉個簡單的例子：比如你看到大小寫 "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？" 通過這種方式，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，再通過提示語來總結邏輯。這類工具的潛力巨大，是一個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。它通過調用 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信息。然而，Alva 存在的問題是數據清洗的質量不夠高。他們花了大量時間對接數據網，但在數據精度和清洗的細致程度上仍有改進空間。相比之下，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，我通過這類工具獲得了快速答案。這類產品在加密行業的應用確實能顯著提升效率。兩年多以前，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，由於這類工具的調用成本較高（每次調用 GPT 接口都需要支付費用），導致產品毛利率偏低。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 圖譜構建在營銷中的作用

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，讓用戶無限次調用 API，這種產品很難有大的盈利空間，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，用於生成和分發自媒體內容，比如類似 "吳說" 或其他形式的社區新聞。這類工具不僅能提升效率，還能幫助項方在多平台上分發內容，比如通過 AI 生成短視頻發布在 TikTok，或者直接在推特發布。

我認為，這種產品方向並不是只有 Kaito 或 Galxe 可以嘗試，像 Mask 這樣的項目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 團隊的小夥伴聽到這些建議，希望你們能嘗試考慮一下。

對於 Kaito 來說，其目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 工具雖然可以盈利，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 通過轉向 KOL 圖譜構建，顯然是為了突破這一瓶頸。

早期對 Kaito 產品感興趣的用戶，與當時關注我們工具的用戶群體幾乎一致。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盈利性，但這種方向會陷入 "是否盈利" 的循環中。相比之下，KOL 圖譜則為營銷投放提供了精準支持，通過數據準確性提升投放效果，從而增加項方的營銷價值。

數據準確性是關鍵所在。雖然市面上有許多公司可以採集推特數據，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為數不多能夠做到準確的。數據準確性的核心在於 "洗數據"，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復測試和邏輯調整，這往往需要經驗和直覺結合。

舉例來說，中文社區的 Crypto Twitter（CT）往往存在較多噪音，權重需要降低。這種噪音導致中文 CT 通常比英文 CT 滯後 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。

通過精準的 KOL 圖譜，Kaito 能夠幫助項方優化投放策略，提升投放的準確率。這種產品不僅能協助項方實現更高效的營銷，還能從中獲得營銷費用，形成可持續的商業模式。選擇這一方向，正是 Kaito 在市場競爭中展現出的聰明策略。

Yap 活動背後的戰略邏輯與飛輪效應

在整個 Crypto 領域，投放廣告一直是一個相對模糊且低效的行為。目前的營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項方判斷哪些 KOL 值得投放，哪些不值得，通過數據分析提供有據可依的參考。這種精準性極大地提升了廣告的效率。

Kaito 通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，比如他們是否在某個項目上漲前就已經討論，而不是在項目上漲後才參與。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。這一切都可以通過時間戳和數據分析工具反復驗證。

核心圈層（在 Kaito 中稱為 "smart follower"）則衡量一個 KOL 影響力的深度。如果一個賬號有更多的聰明賬戶（即 smart follower）與之互動，其權重評分會更高。這樣可以幫助項方篩選出真正有影響力的 KOL，而非僅僅擁有大量粉絲的賬號。

Kaito 的 Yap 活動展現了其戰略轉型的成功。這一活動通過使用免費的 KOL 杠杆，大幅減少了營銷成本。傳統的營銷需要逐個聯繫 KOL 並支付高昂的費用，而 Kaito 直接公開了一個頁面，通過權重算法為 KOL 提供分配獎勵。這種方法既簡化了流程，也通過數據透明化提升了可信度。這種模式讓許多 KOL 自願參與推廣，幫助項目迅速擴散。

同時，Yap 活動還解決了潛在的風險問題。考慮到未來如果 Twitter 更改 API 規則，Kaito 通過 TGE 的方式讓所有 CT 用戶將賬戶綁定到其後台，主動授權數據使用。這種方式使 Kaito 逐漸脫離對 Twitter API 的依賴，並開始掌握自己的數據資產。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，項方的興趣增加，形成一個數據撮合的飛輪效應。

最終，Kaito 通過這種模式創造了類似於阿里媽媽或巨量引擎這樣的商業想像力，成為加密行業中一個成功的營銷生態平台。當前來看，這一戰略執行得相當成功。

創業反思：非典型精英背景的從業者如何突圍

如果所有 CT（Crypto Twitter）用戶都將自己的賬戶綁定到 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："這些數據是我的。"無論是項方還是 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，正值行業低谷，我們團隊不太擅長社交，行業內認識的人也很少。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。而其他三家直接忽略了我們，原因之一是我們的背景並不符合典型的精英創業者形象。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，我們通過 YouTube 等平台逐漸被更多行業人士關注。這些觀眾大多是業內的機構和從業者。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，因為稍顯尷尬。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，這一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。我們希望通過找到知名 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行。

對於那些非典型精英背景的創業者，我有一些建議。VC 更關注的是連接和關係網絡，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。如果你的產品真的好，就不要畏懼向外展示。如今，我也意識到構建社交影響力的重要性。通過社交網絡，你不僅能夠認識更多人，還能為未來創業積累一定的知名度和信任度。

對於觀看我影片或者瀏覽我 Twitter 的朋友們，我希望傳遞的信念是：無論你是否有精英背景，只要你的產品足夠優秀，我都願意為你提供幫助。好的產品和想法比華麗的履歷更加重要。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。