MegaETH究竟是怎麼分配公募份額的？

原文標題：MegaETH究竟是怎麼分配公募份額的？

原文作者：MegaETH

原文來源：

轉載：火星財經

處理一個超額認購 28 倍、參與人數超過 53,000 人的銷售活動，並不像聽起來那麼輕鬆。在我上一篇文章中，我提到我們此次銷售主要關注兩個羣體：

· 曾是 MegaETH 社區早期活躍成員的人

· 我們認爲會長期陪伴 MegaETH 的人

在銷售結束前幾天，@artemis_onchain（我們的數據負責人）和我在伊斯坦布爾會面，開始進行大量模擬。我們嘗試了許多不同的方法來「完美」衡量每個人的貢獻，但很快意識到，在這麼短的時間內這是不可能的，因爲「貢獻」是一個多維度的概念。

於是我們決定將問題拆分爲兩個部分：

· 公平地分配給現有社區成員

· 爲長期投資者建立一個數據驅動的評分與分配系統

本文接下來的部分將詳細介紹我們是如何完成這兩個目標的，以及我們最終達成的成果。

面向現有社區成員的分配

對於第一個分配池——我們的現有社區，我們採用了最傳統的方式：人工分配。

我們依托已有的社區基礎設施，包括 @Heisenbruh 和我們的版主網絡，整理了一份名單，涵蓋了自 MegaETH 脫離隱身模式以來，持續深度參與的成員。

這份名單包括那些：

· 早期就加入並持續活躍的成員

· 幫助塑造項目氛圍與價值觀的人

· 在熊市和沉寂期依然支持我們的人

· 在沒有代幣可供投機之前，就提供反饋、信號與能量的人

需要明確的是，這些人中的大多數並未選擇鎖倉。我們認爲這完全沒問題。他們的貢獻已經通過時間、關注和信任得到了回報。在我們看來，他們已經「付出了努力」。

本着透明的原則，我們在此公布我們認爲代表過去幾年核心社區的銷售參與者名單。

我們知道這份名單不可能完美，肯定有一些人被漏掉了。如果你是其中之一，我真的很抱歉。

除了這批社區成員，以及選擇一年鎖倉的應用開發者，其他人都不是由團隊親自挑選的。

即使在這批被團隊挑選的成員中，也並非每個人都獲得了完整額度的分配，差距其實還挺大的。

由於銷售規模和市場需求的限制，我們不得不做出一些取舍。但我們認爲，這種方式在尊重那些一路支持我們的人之餘，也避免了讓整個銷售變成一場純粹的「人氣競賽」。

相比算法自動分配的結果，這些用戶的額度普遍更高。除了前面提到的應用開發者，大多數參與者的份額都是不鎖倉的。

衡量長期投資者

第二個分配池，面向的是通過公開流程參與銷售的用戶，以及那些可能會成爲 MegaETH 的長期持有者。

在這一部分，我們希望採用更系統化的方式。我們設計了一套評分機制，綜合考慮以下幾個維度：

· 鏈上活躍度

· 社交信號與自然曝光度

· 與 MegaETH 的具體互動情況

· 是否將參與視爲長期投入（例如願意鎖倉一年）

我們的目標並不是獎勵「刷分玩家」，而是盡可能識別出真正有信念的參與者。

評估指標

我們在整體評分系統中使用了四項不同的指標：

Moni 分數既被用作：

· 一個基礎篩選條件

· 社交評分中的一個組成部分

舉個例子：

· 我的 Moni 分數大約是 7,000

· @artemis_onchain 的 Moni 分數大約是 300

基於這樣的分布，我們認爲將 Moni 分數設定在 50，是一個在大多數情況下合理的最低門檻。它並不是衡量用戶質量的完美指標，但在區分完全空白帳戶與至少有一定活躍度的用戶之間，仍然是一個有用的參考線。

關於社交驗證的替代方案，我們在後文也有討論和實際應用。

鏈上活躍度評分由多個維度組成，每個維度都有不同的權重。整體設計如下：

· 早期參與（15%）：代表早期採用者和願意承擔風險的行爲

· OG 資歷（15%）：長期參與整個加密生態的記錄

· 資產持有情況（15%）：作爲財務投入和「真金白銀」參與度的參考

· NFT 活動（7.5%）： 當前鏈上活躍度的體現，尤其是通過 NFT 的參與

· 近期活躍度（15%）：不只是過去的參與，更關注最近的鏈上行爲

· MegaETH 相關行爲（32.5%）：包括 CAP 分數、MEGA NFT 持有情況，以及特定測試網行爲等與 MegaETH 直接相關的參與記錄

社交評分綜合了多個維度：

· Moni 分數

· Kaito 數據

· 其他參考信息（如 [ ] 和 Ethos），用於人工審核

我們沒有依賴單一指標，而是疊加使用了多個工具。這種方式幫助我們有效排除了明顯的機器人和低質量的垃圾帳號，同時也更好地識別出真正融入社區的參與者。

Mega Score 是專門針對 MegaETH 的參與信號，包括：

· CAP 分數

· MEGA NFT 的持有情況

· 特定測試網行爲

我們在兩個方面使用了 Mega Score：

1. 作爲鏈上活躍度評分的一部分

2. 作爲某些篩選門檻的依據，確保真正參與 MegaETH 的用戶不會被通用鏈上行爲「Farmer」擠出分配範圍

爲什麼鎖倉很重要

我們對是否選擇將 $MEGA 鎖倉一年給予了較高權重。

在我們看來，在一個波動劇烈的市場中願意鎖倉一年，是強烈信念的體現。沒人能預測明天會發生什麼，而選擇一年鎖倉，就是在表達：「我不是來短線交易的，我是來長期參與的。」

參與者篩選與分配流程

在完成評分後，我們仍需決定兩件事：

1. 誰可以進入分配名單

2. 如何將評分轉化爲實際分配額度

我們將流程分爲兩類：

· 鎖倉參與者

· 非鎖倉參與者

對於選擇鎖倉的用戶，必須滿足以下任一條件，才會被納入考慮範圍：

· Moni 分數高於 50

· 鏈上評分高於 200

· Mega Score 顯示不止持有一個 Fluffle NFT

換句話說，你需要至少具備以下之一：

· 基礎的社交活躍度

· 明確的鏈上行爲信號

· 強烈的 MegaETH 參與記錄

在應用這些篩選條件後，約 29.4% 的鎖倉地址進入了分配名單，約爲 1,000 個地址。

一旦錢包通過篩選，其分配額度將根據最終評分決定，評分融合了鏈上與社交信號。我們採用了一種分段連續曲線的方式，在保障最低分配的同時，對高分用戶給予更高獎勵。

具體分配邏輯如下：

· 前 5%：線性下降，分配比例從 100% 到 95%

· 接下來的 3%（第 5%-8%）：快速下降，從 95% 到 55%

· 再接下來的 7%（第 8%-15%）：繼續下降，從 55% 到 35%

· 剩餘 85%：指數式遞減，最低分配爲 25%

非鎖倉地址需滿足以下任一條件，才可進入分配名單：

· Moni 分數 > 200

· 社交評分 > 200

· 鏈上評分 > 300

· Mega Score > 68（即至少持有一個 Fluffle）

只要你在鏈上活躍、社交信號強，或在 MegaETH 上有明顯參與記錄，就有資格參與，無需同時滿足所有條件。

實際篩選結果爲：在 49,976 個非鎖倉參與者中，共有 5,031 個錢包通過篩選，錄取率約爲 10.1%。即使是最低分配額度，競爭也非常激烈。我們信任算法的判斷，也清楚地知道，即使某些用戶在 MegaETH 上有大量活動和持倉，如果其他指標較弱，也可能無法入選。但這是一個公平的機制，我們尊重結果。

在通過篩選的名單中，我們根據綜合評分對錢包進行排名，並據此決定其獲得的分配比例。

排名越高，分配比例越高，隨着排名下降，分配比例逐漸減少。到達某一排名後，曲線趨於平緩，剩餘用戶獲得統一的最低分配。

小額出價與高分保護機制

我們注意到一些小額出價者在排名上與大額出價者持平。爲了確保公平，我們設定了一個機制：任何參與者的實際分配金額不得低於其排名相鄰的 5 個地址。

舉例來說，@thedefinvestor 在非鎖倉參與者中排名前 15，但他的出價並不高。按百分比分配，他本應獲得較少額度。而他的鄰居是滿額出價者，獲得了更高的分配。

爲了肯定 @thedefinvestor 的高排名表現，我們將他的分配提升至接近鄰居的水平。這也是部分 100% 分配比例的來源。

案例一：社交評分低，鏈上評分高

@cp0xdotcom 在 Twitter 上幾乎沒有存在感，也從未發過關於 MegaETH 的推文，因此社交評分很低。但他仍然在所有參與者中排名前 20，並獲得了其鎖倉出價的 92%。

他的優勢在於：

· 超過 8 年的鏈上歷史

· 消耗了 194 ETH 的 gas

· 在多個後來獲得廣泛採用的合約中早期參與

· 與 3,490 個獨立合約交互過

· 在過去 180 天中，有 164 天活躍於主網

· 沒有 NFT，也沒有 MegaETH 相關行爲

他的案例說明：即使沒有社交或 MegaETH 加持，只要在鏈上表現出色，依然可以獲得高排名。

案例二：鏈上評分低，社交評分高

@nics_off 幾乎是上述案例的反面。他提供的錢包鏈上歷史不到兩年，gas 消耗僅 1.5 ETH，與約 150 個合約交互，鏈上評分較低。但社交評分非常突出：

· Twitter 活躍度高

· 在 Kaito MegaETH 排行榜中排名第 13

· 發布了大量高質量的 MegaETH 內容

這些因素使他在非鎖倉參與者中排名第 17，並獲得該組別的最高分配比例（20%）。

他的案例也說明：僅有大量粉絲並不足夠，社交評分是 Moni 與 Kaito 的加權組合，MegaETH 相關內容的質量遠比粉絲數量更重要。

我們在排行榜前列看到許多類似案例，特別值得一提的是：

· @barthazian：在所有用戶中排名第一，各項指標均表現優異

· @0xMaxBT：被譽爲 MegaETH 測試網傳奇，是唯一一個完成所有測試網合約交互的參與者（共 53,000 人中唯一）

Sybil 攻擊防範機制

我們採用了多層 Sybil 防護措施：

1. 來自社區和外部團隊（如 Bubble Maps 和 Echo）的 Sybil 集羣報告，作爲直接篩選依據

2. 我們的評分系統本身也對 Sybil 不友好。要獲得高分，錢包必須有真實可信的鏈上行爲，低質量的關聯地址通常無法通過

3. 我們發現一些錢包或社交帳號關聯了多個 KYC 出價，一旦發現此類模式，相關請求將全部作廢

4. 對於已獲得分配的錢包，我們仍將持續進行 Sybil 檢查，若發現惡意行爲，我們保留退款權利