比特币:通证经济下BoHr的十大应用场景

区块链与传统企业的结合转化是一个多方协作的项目,需要各方共同努力,将来将会对各个产业产生巨大的影响,产生巨大动能。从传统产业的资产模式出发,结合实际业务场景,将通证经济的落地应用划分为10大模式。

1、货币模式

通证经济的货币模式,本质上就是数字加密代币,最典型的就是比特币,这是大部分区块链项目的必备模块。货币模式下,基于Bohr网络发行的代币,可用于点对点支付和结算,以及对资产Token的定价,也可用于资金的流通、消费的激励、投资理财份额管理等各种数字加密用途。

现场 | Scott Nelson:通证经济可以让参与者通过转变自身角色掌握市场:据CoinTime 报道,Sweetbridge的CEO Scott Nelson在“区块链之声”发表题为“未来一切都与商业模式有关“的研究。他表示,我们错过了互联网这个巨大的市场,如果说网站创建市值1300亿美元,那么我们错过了一个市值25000亿美元的市场。现在每个人都可以通过区块链实现财富增长。通过将供应链通证化,渠道管理者可以成为未来的金融机构;通过让客户以最低的成本获得通证,卖家可以成为矿工;通过降低商品、服务和贷款的成本,买家可以成为我们忠诚的客户。[2018/8/26]

2、溯源模式

现场丨上海高级金融学院教授、美国联邦储蓄银行(亚特兰大)前研究员:通证经济其微观基础是商业模式 仍在探索早期:8月15日,由UBI主办的“全球区块链合作联盟”成立大会上,上海高级金融学院教授、美国联邦储蓄银行(亚特兰大)前研究员胡捷在讲解通证商业模式时说,通证经济其微观基础是商业模式,探索仍在早期。通证商业模式适合设计权益表达、权益管理、权益交换的应用。具体来说有确权存证类应用(知识产权、数据资产化、溯源防伪等),权益交换类应用(解决对手间的信任问题,如分时度假等);多方协作类应用(通过权益的产生、交换协调人的分工配合,如新电商平台)。其待解决的问题有如何做动态调整、如何做纠纷仲裁、如何做战略选择等。通证经济未来以来,我们常常高估未来一年的变化,但却低估未来五年的变化。[2018/8/15]

该模式的Token主要来自于食品安全的上链追溯,利用区块链的分布式账本和数字加密技术,对物联网采集的食品/农产品数据,进行加密上链和分布式储存,并将每个食品链条上的节点都通过DApp进行公钥加密确认上链,最终通过消费者实现溯源闭环。

爱尔兰ICO和区块链专家:目前可以给“通证经济”提供三种定义:都柏林大学商学院的ICO顾问和讲师Dr. Paul J. Ennis,Blueblock咨询公司的ICO顾问James Waugh,爱尔兰区块链协会的委员会成员William Weaver共同撰文称,目前可以给“通证经济”提供三种定义:1.在加密经济中的一种自筹资金的手段。2.在ICO项目的生态系统中的通证分配。3.通过创建通证而产生的所有经济活动的集合。[2018/3/20]

3、积分模式

这种模式比较特殊,因为积分本身就类似虚拟货币,所以很多区块链其实都是在做积分。但通证经济下的积分模式,是基于消费者的消费和行为进行吸引、激励和刺激,进而实现差异化服务和关怀。该模式适合零售、快消、3C耐用品即会员制的行业。

4、矿机模式

基于“矿机+币”的模式,用户和投资人可以用矿机进行挖矿,获得平台专属的数字加密代币,兑换或交易专区收益。该模式比较适合硬件制造商采用。

5、资产模式

其实就是一种上链的数字资产,包括实物资产和加密资产的上链数字化。它也可能是数字加密的所有权、使用权、经营权、收益权或数字权益。

6、数据模式

通过数据Token将个人数据货币化,将数据控制权和收益权还给个人。数据模式的通证经济适合接触和管理海量用户数据的企业,或者海量用户入口的流量平台。

7、内容模式

该模式的Token可围绕内容创作、知识版权、艺术版权实现分布式账本和货币化,实现内容真伪、版权追溯、实现创作人、评论人、收藏人等为主体的产业共识价值。

8、服务模式

这是一种分布式的服务合约,通过对服务合约的数字化以及支付结算的代币化,实现自带激励机制、代币增值的分散式共享经济生态。适合按需、按次呼叫的服务,如外卖、家政、地产中介、售后上门等。

9、粉丝模式

将娱乐圈中的偶像或网红、大V打造成娱乐链的Token,进一步厌胜商品、打赏、服务、票务等场景,形成一个分布式娱乐价值协议。这种模式适合娱乐产业公司。

10、储存模式

利用闲置的宽带和储存空间,实现宽带共享和分布式存储,以供有需要的人或机构使用,从而获得对方给出的Token,实现与存储、宽带相结合的共享经济应用场景模式。

来源:金色财经

郑重声明: 本文版权归原作者所有, 转载文章仅为传播更多信息之目的, 如作者信息标记有误, 请第一时间联系我们修改或删除, 多谢。

链链资讯

[0:0ms0-6:774ms