深度解析Kaito：Yap活动是如何引爆社交飞轮的？ 吴说区块链 ｜2025-01-06 12:00 全面解析热门专案Kaito的产品发展脉络、Yap 飞轮、创业思考。
编译| 吴说区块链
本期为Alex 个人YouTube 频道内容，围绕着近期热门的社群产品Kaito 展开，深入探讨了其产品策略、市场背景及发展逻辑。 Alexon 是Ferryboat Research 的CIO。透过分析Kaito 在Twitter 平台的选择和其在加密社交资料收集、处理及应用上的特点，阐释了其高定价原因及核心优势。此外，比较了类似专案的方向探索，指出Kaito 如何透过API 呼叫优化、KOL 图谱建构以及社交绑定机制来突破传统资料服务的限制，成功完成策略转型并建立了独特的市场地位。同时，分享了相关产业从业人员的创业经验与洞见，直指Web3 产品化与商业化过程中所面临的挑战与机会。
Crypto 流量取得方式：投放与裂变模式的差异
Crypto 是一个高波动、高风险，并具有强金融属性的领域。你可能从中发现机会，也可能需要为本金做好完全归零的心理准备。接下来，我们来谈谈第一个部分：Kaito 以及类似的产品为什麽会选择Twitter 作为主要阵地。
首先，从消费品产业的观点来看，流量结构一般分为两类：公域流量和私域流量。在获取流量的方式上，又分为两种主要路径：投放和裂变。公域流量通常包括Twitter 和YouTube，在加密产业中，Telegram 和Discord 则属於私域流量。相较之下，私域的流量更难以追踪，结构也较为单一。
虽然也有Reddit 或Instagram、TikTok 等平台逐渐涉及加密产业，但目前来看，Twitter 和YouTube 的流量集中度仍然是最高的。如果放到国内环境，那可能需要藉助小红书、抖音、快手进行推广，同时还需要Bilibili 等种草平台，最後透过直通车或万像台进行站内推广。之後，再将流量引导至微信等私域进行转换复购。
总的来说，Crypto 产业的流量取得方式相对简单，因为投放逻辑在目前产业阶段无法承载足够的效能。这就导致整个流量生态的取得方式较为单一，主要集中在裂变和分销上。
不同地区用户获取成本及裂变效果的对比
两年多前，我们在开发自己的工具产品时，曾经尝试过投放策略。我投入了几万美元做测试，虽然具体数据不方便透露，但一个很明显的结果是：获取一个美国用户的成本大约是获取越南用户的十倍。然而，越南用户的裂变率却显着高於美国用户。这表明，美国用户不太倾向於主动参与裂变推广，例如制作和传播一张落地页的动作相对较少。
在整个加密产业中，我认为获取流量的方式归根结底只有两种：分销和裂变。虽然这两种方式本质上都属於裂变的一种形式，但它们的应用逻辑却有所不同。分销更倾向於依靠KOL（关键意见领袖）或KOC（关键意见消费者）进行推广，你将产品交由他们背书，再由他们分销给散户或零售用户。
裂变则是透过设计一个高效率的裂变机制，打造一套吸引用户主动参与的活动。例如，Kaito 的Yap 活动就是一个典型案例。用户透过分享一张自己的Crypto Twitter（CT）帐号数据，例如展示有多少个「smart follower」（智慧追踪者），形成一种类似网易云年度歌单或消费帐单的玩法。本质上，这些机制的目的是透过使用者自发性分享来实现裂变，从而获得更多流量。
解释完这些背景知识，也可以理解我们当初为什麽选择Twitter 作为主要平台，而不是私域。私域的最大问题在於，难以标准化取得所有内容，且私域内的内容很难进行有效的加权评估。例如，如果某个社群全是围绕着Kaito 进行讨论，你无法准确评估这些数据的真实价值和影响力。同时，私域平台的分散性也让全面取得相关数据变得非常困难。正因如此，这并不是一个优先的选择。
为什麽Kaito 选择Twitter 作为主要平台
在YouTube 这类公域平台上，内容通常适合以长影片的形式呈现。例如，可以是类似我现在录制的这种单口影片、访谈形式，或是更专注於教学和互动类别的内容，甚至是一些矿机操作指南。这样的内容往往需要长时间的制作和观看，适合那种需要细致讲解和学习的主题。因此，这种内容载体本质上并不适合围绕即时性事件或热点驱动的场景。
这些长影片内容通常更适合处理PoW（工作量证明）相关主题。所以尽管我们也尝试在YouTube 和Farcaster 上引入Kaito 的监测和分析逻辑，但最终发现，能够有效观测的标的通常是像Kaspa 和Helium 这样的项目，而对於像某些短期爆火的meme token 来说，表现就完全不行了。
相较之下，Twitter 天生就适合用来当作资料平台，尤其是在社群资料集中度非常高的环境。所有人的行销预算几乎都集中在Twitter，形成了较高的共识。同时，Twitter 的社群图谱也非常透明化，例如你的关注清单、互动次数（engagement）等资料都以外显的形式呈现。而像YouTube 这类平台，你很难获得清晰的粉丝关系或互动细节。
最终，选择Twitter 作为主要平台的原因在於，它是最优解。它的透明化社交图谱和集中化流量结构，为我们提供了明确的优势。相较之下，像YouTube 这种平台，取得类似的关系网资料是非常困难甚至不可能的。因此，无论是我们还是Kaito，都更倾向於优先选择Twitter 作为主要立场。
Kaito 定价高的两大原因：API 成本与法规限制
我们当时使用了一些“奇技淫巧”，那时Twitter 还未被马斯克收购，系统中存在一些灰色地带。例如使用教育帐号或其他方式取得数据，虽然不完全合规，但在早期阶段，这种方式是普遍存在的。对於像Kaito 这样早期的项目，我猜测他们最初也采取了类似的策略，透过这些非正式途径获取数据。然而，当产品开始商业化时，这种方式显然无法继续使用。
两年前，当他们完成融资并推出产品时，只能依赖商用API，而马斯克收购Twitter 後，也封锁了许多不规范的途径。商用API 的使用成本相当高，且随着呼叫次数的增加，这种成本会呈线性成长，而非下降。
第二个导致定价高的原因是Twitter 的法规限制。即便是一家公司使用商用API，也存在每月呼叫次数的上限（具体次数记不清了）。这意味着，如果产品特别火爆，那麽调用量的限制会使ToC（面向消费者）的模式难以为继。最终，我们和Kaito 在类似的时间点都选择了ToB（以企业为导向）模式，这是一个可以最大化有限调用量经济价值的最佳方案。对Kaito 而言，这是几乎没有其他可选的方向。
具体来说，由於呼叫量固定，唯一的办法就是透过提高单一使用者的价值来实现更大的经济回报，通俗来说就是涨价。而这正是产品的必要选择，否则整个商业模式无法成立。
我了解到他们的延迟是15 分钟左右，与我们的延迟差不多。需要理解的是，延迟时间越短，所需的成本就越高。这是因为需要以更高的频率扫取历史数据，而这种成本的成长是指数级的。延迟时间的设定也直接影响了API 呼叫的效率与经济可行性。总而言之，Kaito 在API 呼叫成本和法规限制下的高定价有其合理性。
Kaito 产品方向的演进与选择
接下来谈谈Kaito 的产品方向，以及为什麽他们从「trending」 类型的产品发展到现在的KOL 类型的功能。这里先给一个小结论──并不是教别人怎麽创业，而是分享我们自己的经验。我们曾经尝试过多个方向，发现有三个方向可以基於这套逻辑来衍生。
第一个方向是自用的纯Alpha 工具。 Kaito 的CEO 在一次Podcast 中提到，他们也曾经考虑过这个方向。如果工具只是用於Alpha 类型的用途，那麽越开发就越倾向於内部使用，而不适合大规模使用者。我们也遇到类似的问题──如果不收费，用户可能不会珍惜；如果收费，为什麽不直接自己用？这类问题使得Alpha 工具通常更适合自用，而不是产品化。
我们自己曾经用类似Kaito 的逻辑开发了一套工具。这套工具的应用使得我们经常能够在专案火爆之前发现它们。我们考虑过用这套逻辑给交易所做listing 工具。例如，我曾经想与Binance 合作，免费提供这套工具来优化他们的listing 选择标准。因为某些项目，例如ACT，在我们基於Twitter 数据分析的「上帝视角」中根本没有显示任何值得关注的表现，但仍然被列上交易所。这种不合理的选择，本来可以透过数据驱动的工具来避免。
此外，我们也研究将Alpha 逻辑应用於量化交易策略。我们在Badcase 上对前200 或前100 的项目进行测试，基於文字探勘、情绪分析等进行交易决策。测试结果显示，这种策略对市值较小、易受情绪和事件驱动的项目更加显着有效，而对於市值较大的项目效果有限。我相信Kaito 也做过类似的研究，毕竟他们的CEO 有交易背景。从这一点来看，我们和Kaito 在早期的出发点和逻辑上有很多相似之处，但最终选择的道路却不尽相同。
Kaito 的社区新闻工具探索及其产业潜力
在目前的模型架构下，一些现象级的主题，例如meme 和NFT，是非常显着的。它们在这套逻辑中能展现价格提升的潜力。然而，这类现象却无法透过标准化的程序化交易完全解决，因为它们仍然需要较强的人工干预。这种特性使得它们虽然有效，但缺乏标准化。至於Kaito 内部是否有类似方向的产品并用於自身，这点我就不清楚了。
第二个值得探索的方向是新闻类和GPT 类产品。这是什麽意思呢？举个例子，像现在的Alva（原Galxe）这种Web3 助手，透过整合Twitter 的分时数据，就可以取得所有推文的语料，并结合ChatGPT 的介面进行加工。透过在前端调整prompt（提示语），可以将这些数据以更直观的形式输出，从而产生许多即时性的社群新闻。
举个简单的例子：例如你看到大小写「elisa」之争时可能一头雾水。这时你可以直接问这个工具：「大小写的elisa 之争的原因是什麽？发起人是谁？」 透过这种方式，工具会基於最新数据总结出答案。而原版GPT 无法做到这一点，因为它的数据有固定的截止日期，通常无法提供最新半年内的内容。你只能自己将相关语料爬取下来喂给GPT，再用提示语来总结逻辑。这类工具的潜力巨大，是值得深入探索的方向。
从目前来看，Kaito 似乎已经在探索这类产品或尝试类似的方向。我提到的Alva 产品，就是一个不错的例子。它透过呼叫Rootdata 等加密领域相关的API，整合了大量行业数据，点对点地连接用户与行业资讯。然而，Alva 存在的问题是资料清洗的品质不够高。他们花了大量时间对接资料网，但在资料精度和清洗的细致程度上仍有改进空间。相较之下，Kaito 的优势在於其数据的精准性，这是毋庸置疑的。
举个实际案例，最近关於大小写「elisa」之争的问题，我透过这类工具获得了快速答案。这类产品在加密产业的应用确实能显着提升效率。两年多前，我们也开发过类似的工具，测试结果显示，它确实能够提高工作效率。然而，当我们尝试商业化时，遇到的核心问题是用户的付费意愿不够强。尽管工具能够提升效率，但并未针对某个核心痛点，这使得用户缺乏强烈的购买动机。
此外，由於这类工具的呼叫成本较高（每次呼叫GPT 介面都需要支付费用），导致产品毛利率较低。因此，虽然这类工具有一定意义，但其商业化面临较大挑战。许多调用行为更多是出於促活目的，实际产生收入的场景有限，这些都成为了需要克服的难题。总的来说，这一方向虽然潜力巨大，但在实际落地中仍需更多优化和突破。
数据准确性与KOL 图谱建构在行销中的作用
在探讨这些工具时，有一个核心问题：它们如何实现营收？如果单靠VIP 模式，让使用者无限次呼叫API，这种产品很难有大的获利空间，但它的存在是有意义的。它可以直接利用Kaito 的逻辑，读取推特数据，用於产生和分发自媒体内容，例如类似「吴说」或其他形式的社群新闻。这类工具不仅能提升效率，还能帮助专案方在多平台上分发内容，例如透过AI 产生短影片发布在TikTok，或直接在推特发布。
我认为，这种产品方向并不是只有Kaito 或Galxe 可以尝试，像Mask 这样的专案其实也非常适合做这件事。奇怪的是，Mask 目前似乎并未深度涉足这一方向。如果有Mask 团队的朋友听到这些建议，希望你们能试着思考一下。
对於Kaito 来说，其当前的产品方向已经表明他们希望走向更大的市值，而不是沿着Alpha 工具的路线继续前进。 Alpha 工具虽然可以获利，但缺乏产品化的潜力。如果只专注於此，它最终会局限於内部使用，无法形成面向更大市场的产品。 Kaito 透过转向KOL 图谱构建，显然是为了突破这一瓶颈。
早期对Kaito 产品有兴趣的用户，与当时关注我们工具的用户群几乎一致。我们的工具在早期也被建议出售给一些交易公司或二级基金。虽然这些交易公司更关注获利性，但这种方向会陷入「是否获利」的循环中。相较之下，KOL 图谱则为行销投放提供了精准支持，透过数据准确性提升投放效果，进而增加专案方的行销价值。
数据准确性是关键所在。虽然市面上有许多公司可以收集推特数据，但数据是否精准是另一回事。在公开市场上，Kaito 和我们早期的工具是少数能够做到准确的。资料准确性的核心在於“洗资料”，这是最困难和关键的环节。采集数据相对简单，但对数据进行加权和清洗则需要大量的反覆测试和逻辑调整，这往往需要经验和直觉结合。
举例来说，中文社群的Crypto Twitter（CT）往往有较多噪音，权重需要降低。这种噪音导致中文CT 通常比英文CT 延迟24 到48 小时。如何有效清洗和调整数据，是一项“看家本领”，也是公司核心竞争力所在。
透过精准的KOL 图谱，Kaito 能够帮助专案方优化投放策略，提升投放的准确率。这种产品不仅能协助专案方实现更有效率的行销，还能从中获得行销费用，形成永续的商业模式。选择这个方向，正是Kaito 在市场竞争中展现的聪明策略。
Yap 活动背後的策略逻辑与飞轮效应
在整个Crypto 领域，投放广告一直是相对模糊且低效的行为。目前的行销机构本质上更像是维持通讯录的简单工具，其手段相对单一。在这样的背景下，Kaito 提供的工具可以帮助专案方判断哪些KOL 值得投放，哪些不值得，透过资料分析提供有据可依的参考。这种精准性大大提升了广告的效率。
Kaito 透过两个关键指标来优化KOL 投放：正确性和核心圈层。正确性是指KOL 的判断是否准确，例如他们是否在某个专案上涨前就已经讨论，而不是在专案上涨後才参与。每次分享或推广，KOL 的判断是否正确都会被记录和加权，影响其权重评分。这一切都可以透过时间戳记和资料分析工具反覆验证。
核心圈层（在Kaito 称为「smart follower」）则衡量一个KOL 影响力的深度。如果帐号有更多的聪明帐户（即smart follower）与之互动，其权重评分会更高。这样可以帮助专案方筛选出真正有影响力的KOL，而非仅仅拥有大量粉丝的帐号。
Kaito 的Yap 活动展现了其策略转型的成功。这项活动透过使用免费的KOL 杠杆，大幅减少了行销成本。传统的行销需要逐一联系KOL 并支付高昂的费用，而Kaito 直接公开了一个页面，透过权重演算法为KOL 提供分配奖励。这种方法既简化了流程，也透过资料透明化提升了可信度。这种模式让许多KOL 自愿参与推广，帮助计画迅速扩散。
同时，Yap 活动也解决了潜在的风险问题。考虑到未来如果Twitter 更改API 规则，Kaito 透过TGE 的方式让所有CT 使用者将帐户绑定到其後台，主动授权资料使用。这种方式使Kaito 逐渐脱离对TwitterAPI 的依赖，并开始掌握自己的资料资产。这不仅让Kaito 具备了更强的独立性，还形成了供需双方的正循环：随着更多CT 用户绑定，项目方的兴趣增加，形成一个数据撮合的飞轮效应。
最终，Kaito 透过这种模式创造了类似阿里妈妈或巨量引擎这样的商业想像力，成为加密产业中成功的行销生态平台。目前来看，这一战略执行得相当成功。
创业反思：非典型菁英背景的实务工作者如何突围
如果所有CT（Crypto Twitter）用户都将自己的帐号绑定到Kaito 的後台，那麽在未来进入二级市场时，Kaito 可以明确告诉外界：「这些资料是我的。」无论是专案方还是CT 用户，这一绑定行为都能形成数据共识和趋势。这正是Yap 活动背後的核心逻辑。
在结束Kaito 话题之前，我想先分享一个关於我们自己的小故事。我们在Kaito 融资之前，也开发过类似的产品，甚至可以说是同期进行的。两年多前，我们同时尝试了Alpha 工具和GPT 类工具的方向。当时，正值业界低谷，我们团队不太擅长社交，业界认识的人也很少。尽管我们的产品有趣且具备潜力，但介绍我们给VC 的朋友寥寥无几。
当时，我们接触了四家VC，其中一家愿意跟投，但需要我们找到领投方。而其他三家则直接忽略了我们，原因之一是我们的背景并不符合典型的菁英创业家形象。他们没有深入了解我们的产品背後逻辑，甚至未尝试去想像其潜在的价值，而是简单地一票否决了。
直到後来，我们透过YouTube 等平台逐渐被更多产业人士关注。这些观众大多是业界的机构和从业者。即便如此，我仍没有向那些曾经与我们接触过的VC 提及过去的事情，因为稍微尴尬。有趣的是，我後来在时间线上看到曾经接触过的VC 员工现在对Kaito 赞不绝口，这让我感慨万分。
我们最终选择了走Alpha 工具的路线，这个选择与我们当时的社交圈有限有关。我们认为如果没有外界帮助，很难将ToB 的产品成功商业化。我们希望透过找到知名VC 的认可，借助他们的资源完成市场扩展，而不是仅凭我们自己艰难前进。
对於那些非典型菁英背景的创业者，我有一些建议。 VC 更关注的是连结和关系网络，而不一定关注你的产品本身。然而，我始终相信好的产品能够自我发声。如果你的产品真的很好，就不要害怕向外展示。如今，我也意识到建构社交影响力的重要性。透过社群网络，你不仅能认识更多人，还能为未来创业累积一定的知名度和信任度。
对於观看我影片或浏览我Twitter 的朋友们，我希望传递的信念是：无论你是否有精英背景，只要你的产品够优秀，我都愿意为你提供帮助。好的产品和想法比华丽的履历更重要。只要你拿出的东西能让我认可，我会尽我所能帮助你找到资源。
深度数据KaitoFarcasterKOL
