Membangun Ekonomi Atensi

Secara singkat, terdapat dua kategori aset utama:

1. Aset Arus Kas — meliputi saham dan obligasi. Aset jenis ini menghasilkan arus kas yang menjadi dasar penilaian investor.

2. Aset Penawaran & Permintaan — umumnya berupa komoditas dan forex, di mana harga bergerak mengikuti dinamika penawaran dan permintaan.

Perkembangan crypto belakangan ini telah melahirkan kategori aset baru—yang nilainya ditentukan oleh perhatian. Saat ini, “Aset Perhatian” didominasi oleh user-generated assets (UGA) seperti NFT, creator coin, dan memecoin. Aset ini menjadi titik referensi budaya dan harga yang mencerminkan fluktuasi perhatian masyarakat.

Memecoin memang menarik secara budaya, namun secara finansial masih jauh dari ideal. Aset Perhatian yang efisien seharusnya memungkinkan pelaku pasar memperoleh eksposur langsung terhadap tingkat perhatian pada suatu topik. Dengan demikian, pelaku pasar terdorong untuk memperdagangkan aset yang menurut mereka salah harga; pasar secara kolektif dapat membentuk harga yang merefleksikan prediksi atas perhatian.

Kami meyakini, dengan desain yang tepat, Aset Perhatian dapat berkembang menjadi kelas aset tersendiri. Untuk mempercepat gagasan ini, tulisan ini mengusulkan konsep Attention Oracle, sebuah konstruksi oracle baru yang memungkinkan terciptanya Attention Perps—instrumen inovatif bagi trader untuk mengambil posisi long maupun short atas tingkat perhatian terhadap figur budaya.

Secara garis besar, Attention Oracle mengumpulkan data dari pasar prediksi biner yang relevan, lalu memanfaatkan harga, likuiditas, dan jangka waktu untuk membentuk indeks agregat berbobot yang merekam perubahan perhatian. Agar mekanisme ini berjalan optimal, pasar dasar harus dipilih secara cermat agar benar-benar merepresentasikan input perhatian dunia nyata. Penggunaan pasar prediksi sebagai input bagi Attention Oracle menciptakan biaya manipulasi internal, sehingga secara teori dapat mengurangi risiko intervensi karena trader harus mempertaruhkan modal untuk memengaruhi indeks.

Mengapa Perlu Attention Perps

UGA telah menemukan product-market fit pada ranah spekulasi murni dan sangat efektif dalam melacak perhatian terhadap hal-hal yang bermula dari nol, seperti tren internet dan meme baru.

UGA memecahkan masalah penciptaan aset untuk sesuatu yang tidak dapat diakomodasi oleh sistem keuangan tradisional. Proses penerbitan aset tradisional cenderung lambat, mahal, dan regulasinya ketat sehingga membatasi jenis aset yang bisa diterbitkan. Aset Perhatian harus bergerak secepat internet agar tetap relevan dengan dinamika global. Kombinasi penerbitan token permissionless, mekanisme harga inovatif seperti bonding curve, dan DEX memungkinkan siapa saja menciptakan aset secara gratis, membangun likuiditas, serta memperdagangkannya secara global.

Menariknya, harga UGA biasanya dimulai dari nol. Ini merupakan fitur, bukan kekurangan, karena jika Anda menciptakan meme baru, perhatian terhadap meme tersebut pada saat lahir adalah nol. Secara intuitif, masuk di harga rendah sangat masuk akal. Hal ini juga membuka peluang bagi mereka yang jeli membaca tren untuk memonetisasi kemampuan tersebut dengan menciptakan aset berbiaya dasar rendah. Namun, UGA kurang ideal untuk memberikan eksposur finansial terhadap perhatian pada topik yang sudah eksis dan memiliki tingkat perhatian tinggi.

Contohnya, jika Anda ingin mengambil posisi long atas perhatian pada LeBron James, Anda bisa saja membuat memecoin, tetapi sudah ada puluhan token LeBron. Mana yang layak dibeli? Selain itu, memecoin LeBron yang baru akan dimulai di harga hampir nol, padahal LeBron adalah figur publik dengan perhatian sangat tinggi. Secara logis, tingkat perhatian LeBron seharusnya tidak bisa melonjak 100x dalam waktu singkat. Terakhir, jika Anda ingin mengambil posisi short, memecoin tidak mendukung mekanisme ini secara efisien.

Lalu, seperti apa aset yang ideal untuk topik eksisting dengan perhatian tinggi?

Beberapa kriteria utama antara lain:

• Harus memungkinkan posisi dua arah (long dan short)
• Harus terhubung ke sumber data nyata untuk mengukur perhatian
• Tidak boleh dimulai dari nol

Jika Anda cermati, perpetual futures contract (perps) sangat cocok: instrumen ini bersifat dua arah, memiliki oracle (sumber data), dan sebagai derivatif, nilainya tidak dimulai dari nol. Tantangan utama adalah membangun oracle untuk Attention Perps.

Beberapa tim telah mengembangkan solusi ini, seperti Noise. Di Noise, trader dapat mengambil posisi long atau short atas mindshare proyek crypto seperti MegaETH dan Monad. Noise menggunakan Kaito sebagai oracle, yang mengagregasi data dari media sosial dan berita untuk menghasilkan skor mindshare sebuah topik.

Namun, desain ini masih bisa dioptimalkan. Tujuan utama Attention Oracle adalah mengambil data terkait perhatian sebagai input, menerapkan fungsi tertentu, dan menghasilkan nilai bagi trader untuk mengambil posisi long maupun short.

Kendala utama penggunaan data media sosial adalah mudah dimanipulasi. Fenomena Goodhart’s Law berlaku di sini: di pasar yang kompetitif, trader akan berusaha memanipulasi input penentu harga. Kaito bahkan sudah mendesain ulang leaderboard dan filter anti-spam untuk mengatasi isu ini.

Selain itu, media sosial tidak sepenuhnya merefleksikan perhatian. Contoh: Shohei Ohtani memiliki basis penggemar global yang tersebar di berbagai platform media sosial, yang belum tentu semuanya terindeks oleh Kaito. Jika Shohei memenangkan World Series lagi, statusnya sebagai bintang meningkat, namun jumlah pengikut atau mention di media sosial belum tentu bertambah secara linear.

Attention Oracle: Pendekatan Berbasis Pasar

Kembali ke contoh LeBron James, misalkan Anda ingin memperdagangkan tingkat perhatian atas LeBron. Untuk membangun Attention Oracle, langkah pertama adalah mengumpulkan (atau menciptakan jika belum ada) sejumlah pasar prediksi biner terkait LeBron, seperti “Apakah LeBron James akan memiliki lebih dari X juta pengikut di akhir bulan?”, “Apakah LeBron James akan menjuarai kompetisi tahun 2026?”, “Apakah LeBron James akan menjadi MVP 2026?”, dan seterusnya. Oracle yang ideal akan menggunakan lebih banyak pasar dasar, namun untuk contoh ini kita gunakan tiga saja. Harga indeks dihitung dengan menggabungkan bobot harga, likuiditas, waktu resolusi, dan signifikansi dari masing-masing pasar.

Setiap pasar memiliki parameter harga, likuiditas, waktu resolusi, dan skor signifikansi. Untuk ilustrasi, kita gunakan rumus sederhana dalam penentuan bobot. Setiap pasar diberi skor signifikansi 1–10, serta faktor likuiditas dan waktu sebagai berikut:

Misalkan skor signifikansi tiga pasar adalah 8, 2, dan 10. Bobot masing-masing pasar menjadi:

Nilai perhatian akhir didapatkan sebagai berikut:

Jika waktu resolusi pasar masing-masing adalah 180, 20, dan 180 hari, dan skor signifikansi 8, 2, dan 10, maka hasil akhirnya adalah:

Terdapat metode yang lebih canggih untuk menghitung metrik perhatian, misalnya menggunakan open interest daripada volume perdagangan, mempertimbangkan korelasi antar peristiwa, penyesuaian kedalaman pasar, hubungan nonlinier antar variabel, dan lain-lain. Kami menyediakan website interaktif agar pembaca dapat membangun indeks sendiri menggunakan pasar Kalshi secara real-time.

Kelebihan utama konstruksi oracle berbasis pasar prediksi adalah manipulasi memerlukan biaya nyata. Jika trader mengambil posisi long atas perhatian LeBron dan ingin menaikkan harga, mereka harus membeli posisi di pasar prediksi biner yang mendasari. Dengan likuiditas pasar yang memadai, artinya mereka membeli di harga yang dinilai pasar sudah terlalu mahal.

Keunggulan lain yang kami yakini akan semakin penting seiring pertumbuhan pasar adalah pasar prediksi biner menyediakan spot market bagi market maker untuk melakukan hedging. Jika market maker short angka perhatian, mereka dapat melakukan hedging dengan mengambil posisi long di pasar prediksi yang membentuk indeks perhatian.

Adjacent telah membangun indeks menggunakan pasar likuid live di Kalshi untuk melacak tren politik seperti kontrol Demokrat vs Republik dan pemilihan walikota NYC. Kami yakin metodologi serupa dapat diterapkan untuk melacak perhatian pada topik apapun. Seiring pasar prediksi berkembang, cakupan topik yang layak akan semakin luas.

Ruang Desain Attention Oracle

Desain oracle kami memiliki sejumlah trade-off. Dalam merancang Attention Oracle secara menyeluruh, pertimbangan utama meliputi:

• Seberapa relevan input yang digunakan?
• Seberapa praktis input tersebut didapatkan?
• Seberapa mudah input tersebut dimanipulasi atau dimainkan?
• Fungsi apa yang diterapkan untuk menghitung skor perhatian?

Trade-off paling jelas dari desain oracle ini adalah input yang sulit diperoleh. Untuk membangun attention oracle LeBron James, Anda harus menciptakan banyak pasar prediksi likuid terkait LeBron. Pasar-pasar ini juga harus tetap likuid dan digantikan pasar baru seiring waktu. Karena itu, desain ini paling cocok untuk topik berprofil tinggi yang sudah memiliki pasar prediksi aktif, seperti Donald Trump atau Taylor Swift.

Trade-off lain: perhatian bisa meningkat tanpa memandang hasil pasar. Misal, meski LeBron gagal juara, perhatian terhadapnya bisa melonjak karena publik mempertanyakan performanya. Diskusi tentang usia atau penurunan performa LeBron bisa semakin ramai. Di dunia nyata, perhatian seringkali mengalir ke peristiwa tak terduga, sementara pasar prediksi hanya mengukur ekspektasi. Jika pasar memperkirakan LeBron menang MVP namun gagal, perhatian bisa meningkat meski indeks turun. Fans dan analis akan membahas isu keadilan pemilihan MVP.

Desain oracle terbaik kemungkinan merupakan kombinasi pasar prediksi, data media sosial, dan sumber lainnya. Google Trends baru saja membuka program alpha bagi developer untuk mengakses data tren pencarian melalui API. Volume pencarian internet jelas berkorelasi dengan perhatian, dan Google Trends menyaring pencarian duplikat, sehingga lebih tahan manipulasi dibanding metrik media sosial. Sumber lain bisa berupa analisis LLM untuk menyaring spam dari input yang mudah dimanipulasi, misalnya menilai headline berita atau posting trending di X.

Kami percaya bursa mapan seperti Kalshi dan Polymarket paling siap menawarkan Attention Perps karena telah memiliki banyak pasar likuid dan basis pengguna yang aktif memperdagangkan pasar baru. Namun, peluang Aset Perhatian tidak terbatas pada pemain besar.

Salah satu konfigurasi adalah vault yang memperdagangkan pasar prediksi dengan mandat long/short pada topik tertentu. Contoh, vault long Taylor Swift akan membeli kontrak Yes untuk event seperti lagu Top 10, tampil di Super Bowl, dan lain-lain. Manajer vault bertanggung jawab memilih pasar yang relevan dengan peningkatan perhatian.

Contoh lain, builder-deployed perpetuals dari Hyperliquid (HIP-3) memberi fleksibilitas pada market deployer dalam mendefinisikan oracle—pasar HIP-3 bisa menggunakan kombinasi harga Kalshi/Polymarket, data media sosial, Google Trends, headline berita, dan lainnya.

Perhatian Sebagai Kelas Aset

Ironisnya, aplikasi matang pertama dari Ekonomi Perhatian kemungkinan terjadi di pasar saham. Harga saham terdiri dari dua komponen: nilai DCF (intrinsik) dan nilai memetik.

Sebelumnya, mayoritas saham tidak memiliki nilai memetik signifikan. Namun, berkat WallStreetBets dan platform trading ritel 24x5 seperti Robinhood, semakin banyak saham yang memiliki nilai memetik berkelanjutan.

Tugas analis riset saham adalah menentukan harga saham. Metode penilaian DCF sudah baku, namun penilaian komponen memetik masih menjadi tantangan. Seiring semakin banyak aset diperdagangkan berdasarkan nilai memetik, diperlukan model penilaian yang relevan. Investor canggih sudah menggunakan indikator seperti pengikut, likes, dan impresi untuk mengukur sentimen. Pasar prediksi dan oracle dapat menjadi alat efektif untuk mengukur perhatian dan membangun model trading saham yang lebih baik.

Peluang Aset Perhatian jauh melampaui penetapan harga saham. Kami percaya prediksi perhatian memiliki nilai ekonomi besar. Perhatian menjadi indikator utama preferensi dan pengeluaran konsumen. Bisnis mengalokasikan anggaran R&D, rekrutmen, dan pemasaran berdasarkan arah perhatian. Tantangannya adalah membangun heuristik baru untuk memodelkan aliran perhatian.

Jika Anda membangun produk atau infrastruktur Aset Perhatian, silakan hubungi.

Disclosure: Tulisan ini tidak menyatakan opini atau pendapat terkait legalitas atau implikasi regulasi pada yurisdiksi manapun atas Attention Oracle, Attention Perps, atau produk lain yang berbasis, diturunkan dari, atau mengadopsi ide dalam tulisan ini.

Disclaimer:

1. Artikel ini merupakan reprint dari [Multicoin]. Seluruh hak cipta milik penulis asli [Eli Qian]. Jika ada keberatan atas reprint ini, silakan hubungi tim Gate Learn untuk penanganan lebih lanjut.
2. Disclaimer: Seluruh pandangan dan opini dalam artikel ini sepenuhnya milik penulis dan tidak merupakan saran investasi.
3. Penerjemahan artikel ke bahasa lain dilakukan oleh tim Gate Learn. Kecuali disebutkan, dilarang menyalin, mendistribusikan, atau melakukan plagiarisme atas artikel terjemahan.