레퍼럴 시스템 작동 방식 (수학적 분석 포함)
20단계 레퍼럴 메커니즘과 보상 계산 방식에 대한 심층 분석입니다. TurboLoop의 레퍼럴 시스템이 어떻게 작동하는지 자세히 알아보십시오.
레퍼럴 시스템: 완벽 분석
TurboLoop은 전체 ROI의 51%를 20단계 레퍼럴 레벨에 걸쳐 분배합니다.
수학적 분석
| 레벨 | 보상 % |
|---|---|
| 1 | 12% |
| 2 | 8% |
| 3 | 5% |
| 4-5 | 4-3% |
| 6-10 | 2-1.5% |
| 11-20 | 1% 각 |
총계: 일일 ROI의 51%가 상위 라인에 분배됩니다.
이는 $1,000의 ROI가 발생할 때마다 $510가 추천인에게 지급된다는 의미입니다.
전체 보안 세부 정보는 turboloop.tech/security를 방문하여 주십시오.
레퍼럴 보상이 존재하는 이유
대부분의 암호화폐 "레퍼럴 프로그램"은 신규 참여자에게 지급하고, 그들로부터 수수료를 징수하여 추천인에게 전달하는 위장된 모집 계획입니다. 이러한 방식은 신규 가입이 둔화되는 순간 무너집니다. TurboLoop의 레퍼럴 시스템은 구조적으로 다르며, 그 차이는 한 가지에 있습니다: 자금의 출처.
20단계에 걸쳐 분배되는 51%는 신규 사용자 예치금에서 나오지 않습니다. 이는 프로토콜 잉여금에서 나옵니다. 즉, 시스템이 이미 생성하고 있는 실제적이고 반복적인 수익입니다:
- 프로토콜이 제공하는 유동성에 대한 LP 보상
- 라우팅된 거래에 대한 Turbo Swap 수수료
- 프로토콜을 통해 라우팅된 토큰 구매에 대한 Turbo Buy 수수료
추천인은 신규 자본이 유입되었기 때문이 아니라, 활동이 프로토콜 수익을 창출하는 사용자를 유치했기 때문에 보상을 받습니다. 이것이 바로 예치금의 비율이 아닌 ROI의 51%로 비율이 고정된 이유이며, 스마트 계약이 불변인 이유입니다: 규칙은 배포 시점에 설정되었으며, 관리자, 멀티시그 또는 내부자는 이를 조정할 수 없습니다. /security에서 온체인 구성을 직접 확인하실 수 있습니다.
이러한 단일 설계 선택이 온체인 레퍼럴 메커니즘을 다단계 마케팅 계획과 구분하는 요소입니다. 이 비교에 대해서는 나중에 수학적 분석과 함께 다시 다루겠습니다.
전체 20단계 분석
반올림 없이 모든 레벨을 아래에 합산하였습니다:
| 레벨 | 보상 % | 누적 |
|---|---|---|
| L1 | 12.00% | 12.00% |
| L2 | 8.00% | 20.00% |
| L3 | 5.00% | 25.00% |
| L4 | 4.00% | 29.00% |
| L5 | 3.00% | 32.00% |
| L6 | 2.00% | 34.00% |
| L7 | 2.00% | 36.00% |
| L8 | 1.75% | 37.75% |
| L9 | 1.75% | 39.50% |
| L10 | 1.50% | 41.00% |
| L11 | 1.00% | 42.00% |
| L12 | 1.00% | 43.00% |
| L13 | 1.00% | 44.00% |
| L14 | 1.00% | 45.00% |
| L15 | 1.00% | 46.00% |
| L16 | 1.00% | 47.00% |
| L17 | 1.00% | 48.00% |
| L18 | 1.00% | 49.00% |
| L19 | 1.00% | 50.00% |
| L20 | 1.00% | 51.00% |
합계 검증:
L1-L5: 12 + 8 + 5 + 4 + 3 = 32%
L6-L10: 2 + 2 + 1.75 + 1.75 + 1.5 = 9%
L11-L20: 1 x 10 = 10%
----------------------------------------
총계 = 51%
곡선은 의도적으로 상단에서 가파릅니다. 직접 추천(L1)이 가장 큰 역할을 합니다. 그들은 실제로 사람을 찾아 온보딩해야 하므로 가장 큰 부분을 얻습니다. 각 하위 레벨은 기여도가 한 단계 더 간접적이므로 점진적으로 작아집니다.
예시 #1 — 단일 Power Loop 추천
시스템에 실제 숫자를 적용해 보겠습니다. 네 가지 기본 상품은 다음과 같습니다:
| Loop | 기간 | 기본 ROI |
|---|---|---|
| Sprint | 7일 | 3% |
| Boost | 14일 | 10% |
| Power | 30일 | 24% |
| Ultimate | 60일 | 54% |
앨리스가 밥을 추천하고, 밥이 $1,000를 예치하여 Power Loop를 시작한다고 가정해 봅시다. 30일 동안 밥은 24%의 ROI를 얻으며, 이는 총 $240입니다. 즉, 매일 $8의 기본 ROI가 발생합니다.
레퍼럴 비율은 예치금이 아닌 일일 ROI에 적용됩니다. 따라서 밥이 매일 $8를 벌면, 상위 라인은 동일한 주기에 프로토콜 잉여금에서 지급받습니다:
밥의 일일 ROI: $8.00
L1 (앨리스, 직접): 12% x $8 = $0.96 / 일
L2: 8% x $8 = $0.64 / 일
L3: 5% x $8 = $0.40 / 일
L4: 4% x $8 = $0.32 / 일
L5: 3% x $8 = $0.24 / 일
Power Loop의 전체 30일 기간 동안 앨리스(L1)는 이 단일 추천으로 $0.96 x 30 = $28.80를 얻습니다. L2 추천인은 $19.20, L3는 $12.00를 얻으며, L20까지 $0.08/일 x 30 = $2.40를 얻습니다.
매일 20단계 분배를 합산하면: 전체 상위 라인 체인에 $8.00 x 51% = $4.08/일이 지급됩니다. 30일 동안 체인에 걸쳐 $122.40가 지급됩니다. 이 중 어느 것도 밥의 $240에서 공제되지 않으며, 프로토콜의 수익 풀에서 병렬로 지급됩니다.
예시 #2 — 10개의 Sprint Loop 네트워크
이제 수직이 아닌 수평으로 확장해 봅시다. 10명의 직접 추천인이 각각 $500를 예치하여 Sprint Loop를 운영한다고 가정해 봅시다. Sprint는 7일 기간에 3%이므로, 각 추천인은 총 $15를 얻으며, 이는 대략 매일 $2.14의 기본 ROI입니다.
추천인당 일일 L1 수입:
$2.14 일일 ROI x 12% = 추천인당 $0.257 / 일
10명의 추천인에 걸쳐:
$0.257 x 10 = $2.57 / 일 (이 코호트로부터의 L1 수입)
7일 Sprint 기간 동안, 이 10명의 추천인으로부터의 총 L1 수입 = $2.57 x 7 = 약 $18.00.
이는 개별적으로는 미미하지만, 이것이 핵심입니다. Sprint는 가장 작은 상품이며, 작은 네트워크는 작은 숫자를 생성합니다. 흥미로운 복합 효과는 코호트가 업그레이드될 때 나타납니다. 만약 이 10명이 각각 $500를 Power Loop에 재투자한다면, 귀하의 일일 L1 수입은 다음과 같습니다:
$500 x 24% / 30 = 추천인당 $4.00/일 기본 ROI
$4.00 x 12% = 추천인당 $0.48/일
$0.48 x 10 = 코호트 전체 $4.80/일
동일한 네트워크, 다른 상품 조합으로 2.8배 더 높은 일일 L1 수입을 얻습니다. 이 모델은 단순히 주소를 수집하는 것이 아니라, 어떤 Loop가 그들의 목표에 맞는지 추천인에게 교육하는 것에 보상합니다.
자격 요건 메커니즘
모든 지갑이 자동으로 20단계 모두를 잠금 해제하는 것은 아닙니다. 각 레벨에는 자체 자격 요건이 있으며, 일반적으로 다음의 조합입니다:
- 자격 있는 Loop에서 활동하는 최소 직접 추천인 수
- 사용자의 Loop 포지션에 대한 최소 자체 예치금
각 레벨별 정확한 임계값은 스마트 계약에 구성되어 있습니다. 마케팅 페이지를 신뢰하기보다는 온체인에서 직접 쿼리하여 확인할 수 있습니다 (가정하는 것과 다르게 매개변수화되었을 수 있는 숫자를 외우는 것보다 원칙을 정확하게 설명하는 것이 낫습니다).
자격 요건이 존재하는 이유는 간단합니다: 자격 요건이 없다면, 한 명의 행위자가 $10,000 예치금을 20개의 지갑으로 나누어 체인으로 쌓고, 전체 51% 지급 구조를 스스로 시빌 공격할 수 있습니다. 자격 요건은 수익을 얻고자 하는 각 레벨에서 진정한 독립적인 활동을 요구함으로써 이러한 공격을 방지합니다. 실제 하위 라인 활동 없이는 L10을 잠금 해제할 수 없으며, 지름길은 없습니다.
이것이 또한 상위 레벨 수익(L11-L20)이 화려한 것 대신 각각 1%로 지급되는 이유입니다. 이들은 롱테일입니다. 네트워크를 실제로 구축했을 때만 중요하며, 네트워크를 실제로 구축했다면 선불로 지급되는 상위 레벨에 의미 있게 추가됩니다.
일일 지급 메커니즘
레퍼럴 보상은 기본 ROI와 동일한 주기, 즉 매일 00:00 UTC에 24시간마다 정산됩니다. 세 가지 속성이 중요합니다:
- ROI와 원자적: 밥의 일일 $8 ROI가 적립될 때, 51% 상위 라인 분배도 동일한 거래 배치에서 적립됩니다. "나중에 지급하겠습니다"와 같은 대기열은 없습니다.
- 온체인 검증 가능: 모든 지급은 BSC 거래입니다. BscScan을 열고 지갑을 붙여넣으면 출처, 금액, 타임스탬프별로 크레딧을 확인할 수 있습니다. 신뢰할 관리 스프레드시트는 없습니다.
- 청구 버튼 불필요: 보상은 귀하의 포지션으로 푸시되며, 풀링되지 않습니다. 아무것도 클릭할 필요가 없습니다.
어제 지급된 내역을 확인하고 싶다면, 해당 거래는 지금 공개 블록에 있습니다.
MLM 대 온체인 레퍼럴 — 경계선
이 부분이 가장 중요합니다. 표면적인 메커니즘(다단계, 비율 기반, 모집에 대한 지급)이 MLM과 피상적으로 유사해 보이기 때문입니다. 그러나 이들은 동일한 것이 아니며, 그 차이는 테스트 가능합니다.
세 가지 구조적 차이점:
- 수익원은 외부입니다. 레퍼럴 보상은 프로토콜 잉여금(LP 수익, 스왑 수수료, 구매 수수료)에서 지급됩니다. 이 중 어느 것도 신규 사용자가 아무것도 예치할 필요가 없습니다. 이들은 기존 프로토콜 활동에 의해 생성됩니다.
- 스마트 계약은 불변입니다. 51% 할당, 20단계, 그리고 레벨별 비율은 팀, 거버넌스 투표, 멀티시그 등 누구도 수정할 수 없습니다. 배포된 내용은 영원히 실행됩니다. MLM 운영자는 내일 보상 계획을 변경할 수 있지만, 스마트 계약은 그럴 수 없습니다.
- 수익은 확정적이며, 약속된 것이 아닙니다. Power Loop 추천으로부터 얻는 일일 $0.96는 추정치가 아닙니다. 이는 함수 호출입니다. 동일한 코드가 모든 사람에게 실행되므로, L1의 모든 지갑에 대해 동일한 숫자입니다.
유용한 사고 실험: 내일부터 신규 사용자가 전혀 가입하지 않는다고 상상해 보십시오. MLM에서는 유입이 중단되므로 한 주기 내에 지급이 고갈됩니다. TurboLoop에서는 프로토콜이 기존 활동에서 LP 보상과 스왑/구매 수수료를 계속 벌어들이며, 이들은 동일한 51%/20단계 구조를 통해 계속 분배됩니다. 시스템은 사용량에 따라 원활하게 저하되며, 모집 활동에 의존하지 않습니다.
이것이 바로 경계선입니다. TurboLoop의 레퍼럴 시스템을 누구에게든 설명할 때는 수익원을 먼저 언급하십시오. 다른 모든 것은 그로부터 파생됩니다.
불쾌하지 않게 레퍼럴 네트워크를 구축하는 방법
수학적 분석은 충분히 관대하므로 과장할 필요가 없습니다. 몇 가지 원칙:
- 진정한 가치를 먼저 공유하십시오. 사람들이 아무것도 예치하기 전에 /films를 통해 메커니즘을 이해하도록 안내하십시오. 정보에 입각한 추천은 장기적인 추천으로 이어집니다.
- 사람들이 스스로 시나리오를 모델링하도록 하십시오. /calculator는 그들이 고려하는 Loop에 대한 실제 숫자를 보여줍니다. 설득할 필요 없이 도구로 안내하면 됩니다.
- 결과를 약속하지 마십시오. 기본 ROI는 상품별로 고정되어 있지만, 시장은 변동하며 개별 결과는 다를 수 있습니다. 희망이 아닌 계약을 인용하십시오.
- 목표에 맞는 Loop를 선택하십시오. 시장을 탐색하는 사람은 Ultimate가 아닌 Sprint에 속해야 합니다. 프로토콜에 익숙하지 않은 사람들에게 과도한 약정을 강요하는 것은 추천인을 영구적으로 잃는 가장 빠른 방법입니다.
이 시스템에서 최고의 추천인은 영업사원이라기보다는 교육자에 가깝게 행동합니다. 비율은 저절로 해결됩니다.
마무리
/calculator에서 직접 숫자를 입력하여 어떤 Loop, 어떤 예치금, 어떤 네트워크 규모든 일일/기간별 지급액을 확인해 보십시오. 이 게시물에서 다루지 않은 질문이 있다면, 다음으로 /faq를 방문하여 주십시오.
참고: 여기서 다룬 20단계 레퍼럴 시스템은 리더십 프로그램과는 별개입니다. 리더십 프로그램은 최대 100단계에 걸쳐 1%–10%의 보상을 지급하는 7가지 등급을 가지며, 완전히 다른 자격 모델을 사용합니다. 이는 별도의 분석이 필요하며, 곧 제공될 예정입니다.