Friend.Tech原生代幣上線即暴跌98%！空投遠低於預期，哪3個原因造成的？|數位時代 BusinessNext

Friend.Tech原生代幣上線即暴跌98%！空投遠低於預期，哪3個原因造成的？

去中心化社交平台Friend.Tech宣布空投後，本將上演一場空投盛宴，但卻在代幣上線後，暴跌近98%，引發加密社區一眾嘲諷。

空投收益遠低預期，且分配過於「集中」

FRIEND上線空投後，一些分析師對分配機制進行了批評，聲稱創作者相比散戶投資者獲得了更多的代幣分配。加密分析平台DYOR的創始人Hitesh Malviya表示，此次分配是一次「集中空投」。

空投最大接收者快速清倉，部分用戶甚至無法領取

Friend.Tech上最大的空投接收者在空投後幾小時內就售出了所有代幣，引發了對市場的擔憂。區塊鏈數據顯示，最大的鯨魚「Murphys1d」在空投上線幾個小時後，售出了超過5.5萬枚FRIEND代幣，導致價格最初下跌約50%。巨鯨的拋售引發市場恐慌性拋售，引起進一步下跌。

在此期間，一些用戶抱怨API出現故障，導致無法在價格下跌時領取代幣。加密交易員Luke Martin在X平台表示：「我不斷刷新頁面試圖領取，眼看著我的空投的價值在2小時內從7位數降到了5位數，但無法領取」。

研究人員0xCygaar指出，流量激增導致Friend.Tech的後端超載，而且顯然沒有採取任何擴展措施。用於檢查用戶資格的證明也出現故障，甚至出現了一些通過瀏覽器BaseScan手動從合約中領取空投的教學。

即使是那些成功領取代幣的人也頗有怨言，其價格在不到四個小時內從2.78美元跌至1.49美元，暴跌了46%。社群認為，FRIEND除了在BunnySwap上交易外不可轉移，開發人員僅增加0.01美元的流動性是其價格如此迅速下跌的主要因素。

Club功能也遭質疑

Friend.Tech最初於2023年8月推出，僅提供獎勵積分系統的邀請服務，V2版本引入了Money Club 、新積分系統等新功能。Money Club將為用戶提供專屬的金融討論和交流空間，而新的積分系統則是為了獎勵用戶在平台上的貢獻和互動。

但Club功能也受到了一些用戶的批評。一方面為了給Club功能引流，在空投設計中，每個用戶只有10%的空投可直接領取，獲得全額空投需要加入「Money Club」，以及在v2上關注10位用戶。而軟體也有一些bug，如有用戶報告新創建的Club沒有顯示。此外，Friend.Tech也不忘默默恰飯，以太坊投資者@eric.eth指出，Friend.Tech v2在應用程式中集成了自己的交易所（RabbitRouter + BunnySwap），收取1.5%的交易費。

Dune數據顯示，自5月4日發布V2以來，Club數已達112,346個，總交易額達16,899,404 FRIEND，Club費用達252,651 FRIEND。

值得一提的是，儘管Friend.Tech代幣上線後表現「不佳」，但仍有巨鯨盈利。據Lookonchain 5月5日監測，FRIEND前5大買家已累計浮盈289萬美元。

此外，據The Data Nerd監測，3天前，一位聰明的投資者0xA26花費了118萬美元，以平均入場費1.61美元累積了73.2萬枚FRIEND，目前未實現利潤約為80.7萬美元。

儘管存在爭議，Friend.Tech目前仍是Web3社交媒體領域的重要參與者，至於未來能否繼續引領SocialFi新浪潮，一起拭目以待。

在 AI 快速進入企業營運核心的時代，數據不再只是被動的分析素材，而是 AI 模型運作與決策優化的重要基礎。

零售品牌積極累積大量第一方數據，例如會員資料、交易紀錄以及線上與線下行為數據，但因這些數據分散於不同系統，缺乏統一的身分識別機制以及明確的元數據（Metadata）定義，導致難以整合與分析，同時，也影響 AI 對這些數據資產的理解與應用。

為解決上述挑戰，Vpon 威朋將累積十餘年的實務經驗轉化為產品與服務，如 Audience Center 與 AI Agent 等解決方案，並透過專業顧問團隊協助企業完成數據收集、清理、整合與分析等關鍵流程，從資料清理到 AI-Ready 再到落地應用，讓行銷與業務團隊能以自然語言將數據查詢與分群受眾逐步自動化，大幅縮短過去仰賴技術與分析團隊溝通需求與開發分析邏輯的時間。

Vpon 助零售業打造 AI-Ready 數據基礎，以 Audience Center 驅動業務商機

如何建立 AI Ready 數據基礎建設？

Vpon 威朋數據科學經理廖宜楷指出，在 AI 驅動的時代，數據的品質決定模型價值。其中四個關鍵分別是：建構標準化的數據採集與處理管線，透過統一的工程規範，確保所有進入系統的數據在格式、維度與質量上具備高度一致性；其次是定義語義清晰的元數據（Metadata）體系，確保數據能夠被 AI 理解與使用，從而產出具備可靠性的產出結果；再來是打破企業內部的「數據孤島」，透過完整整合線上（Web/App）行為與線下（POS/CRM）會員資訊，建構全方位的會員數據輪廓，精準捕捉消費者的跨通路行為軌跡。最後，數據的價值隨時間遞減，AI 的決策品質取決於數據的「新鮮度」，因此，數據的持續更新與自動化維護，不僅能讓企業在動態市場中保持敏銳，還可進一步深化會員輪廓分析的即時性。

舉例來說，在 Vpon 團隊的協助下，台灣百貨零售龍頭透過整合 Web 與 App 行為資料，並將線上與線下數據集中於數據中台進行分析，將傳統耗時數小時的複雜資料庫分析工作縮短至秒級回應，並基於此高效率基礎，進一步開發不同業務主題的預測與分群模型，提升行銷精準度與營運決策的敏捷性。

扎實數據基礎的價值落實：Audience Center 如何賦能企業實現「數據即戰力」？

有了堅實的數據底座後，下一步是透過 Audience Center 將數據資產轉化為商業動能。

廖宜楷指出，在變化快速的零售與數位行銷市場中，速度就是競爭力。然而，仍有許多企業在數據應用上面臨嚴重的溝通與技術斷層。過去，當行銷或業務人員需要數據支持時，通常得花費繁複的內部流程申請需求、討論需求，才會進到後續的資料清理、建模與分析，最後才能得到想要的分析結果或行銷名單。這種以「週」為單位的進程，不僅拖慢了決策效率，更讓企業在競爭激烈的市場中錯失先機。

Audience Center 的核心價值在於徹底翻轉上述流程，將數據處理轉化為數據服務，透過直覺的介面與背後扎實的數據基礎支撐，讓非技術人員不用編寫程式碼，即可自行組合維度，大幅縮短從需求到執行的距離，將原先需要耗時數週的作業流程優化成秒級產出。

「Audience Center 的導入，不僅有助於提升效率，更賦予企業快速試錯與精準捕獲趨勢的能力，讓數據真正成為驅動業務增長的引擎。」廖宜楷如此總結。

以 AI Agent 重塑數據使用方式，讓數據更貼近決策流程

「Vpon 除提供 Audience Center 協助品牌發揮第一方數據資產價值、提供豐沛的第三方數據助品牌深化對客戶輪廓的掌握度，更推出 AI Agent 服務讓品牌與行銷人員能更直覺地使用數據。」Vpon 威朋數據科學資深總監陳文謙表示，在數位轉型的過程中，許多企業面臨的挑戰不僅是數據整合，更包括如何讓不同部門的人員都能更即時協作與應用數據，有鑑於此，Vpon 推出四種 AI Agent 協助企業分析與應用數據，極大化第三方數據成效：

第一，以 Reporting Agent 讓高階主管或行銷人員可以自然語言查詢數據與生成報表，即時掌握市場動態，加速決策下達與決策品質。

第二，透過 Insight Agent 確保數據分析不受分析人員的主觀意識或產業知識侷限，可以輕鬆完成跨領域數據分析、快速挖掘潛在市場機會與消費者洞察。

第三，藉由 Audience Agent 將客戶分群方式從規則導向（Rule-based）轉變為關聯導向，以關聯分析擴大受眾範圍，協助品牌找出更多潛在客群。

第四，推出 Creative Agent 協助行銷人員分析廣告素材表現的根本原因，釐清受眾喜歡的素材跟不喜歡的素材，藉此優化廣告投放內容，持續提升轉換率。

陳文謙表示：「透過 AI Agent 的輔助，品牌不僅能更快完成數據分析，也能將分析結果直接轉化為行銷策略與創意建議，降低跨部門溝通成本，讓數據真正參與決策流程。」

鏈結數據生態夥伴，以跨境數據放大行銷效益

除了協助品牌主建立 AI Ready 的數據基礎環境並提升數據使用效率，Vpon 也持續拓展數據生態圈，協助零售品牌更精準布局海外市場。

Vpon 威朋產品行銷資深經理邱心儒表示，跨境行銷過去多仰賴經驗與市場直覺，但透過數據整合與 AI 分析，品牌能更精準理解海外消費者的旅遊與消費行為。

以 Vpon 與日本 Loyalty Marketing Inc. 合作為例說明，透過雙方的獨家合作，企業可以結合 Ponta 超過一億的會員數據、問卷調查結果以及 Vpon 的七大數據來源，深入分析日本消費者的消費偏好與購買力——包括哪些日本族群對台灣品牌最感興趣、最受歡迎的台灣商品類型，以及不同客群的價格敏感度與回購行為等，將行銷決策從過往的經驗判斷轉變為精準的數據洞察，成為品牌出海的重要工具。

簡言之，對零售品牌而言，跨境數據是理解海外旅客真實樣貌的一大利器，也能進一步優化廣告投放、內容策略與商品布局，讓品牌在拓展國際市場時，可以更有效率地接觸潛在客群，放大行銷效益。

展望未來，Vpon 將持續擴展數據生態圈並優化產品服務，幫助零售品牌從數據整合、AI 分析到市場決策建立完整的數據應用循環，希望以數據夥伴的角色與品牌共同成長，打造互利共贏的數據生態。