Airdrop marketing anti-Sybil: como atrair usuário real e não farmer

Airdrop marketing anti-Sybil: como atrair usuário real e não farmer

A Kaleidos vê o mesmo roteiro se repetir a cada temporada de airdrop. Um projeto abre uma campanha de pontos, a métrica de carteiras ativas dispara, o time comemora "tração", e três meses depois do TGE o gráfico do token é uma ladeira. A explicação quase nunca é o mercado. É que o airdrop foi desenhado pra recompensar volume de ação, e volume de ação é exatamente o que um script faz melhor que gente.

Este post é o como específico de uma peça do marketing de token: filtrar Sybil e desenhar o incentivo pra puxar usuário de alta qualidade. Não é o guia guarda-chuva de token marketing (esse cobre narrativa, comunidade e distribuição inteira). Aqui o recorte é cirúrgico: retroativo vs. proativo, sinais de farming, e um funil de qualificação de carteira que a Kaleidos usa antes de aprovar qualquer critério de elegibilidade.

O número que expõe o problema

Comece pela evidência mais dura do setor: 88% dos tokens distribuídos via airdrop perdem valor dentro de três meses, porque quem recebe vende no primeiro bloco em vez de continuar usando o protocolo (Ninjapromo). Não é azar. É a assinatura de uma base composta por mercenários, não por usuários.

E o ataque é industrial. No airdrop da Apriori, em novembro de 2025, cerca de 80% dos tokens na BNB Chain foram reclamados por mais de 5.800 carteiras operando de forma coordenada, um ataque Sybil de larga escala que dependeu de conhecimento privilegiado (DL News). Traduzindo: quatro em cada cinco tokens que deveriam semear uma comunidade foram parar na mão de um mesmo operador rodando carteiras em série. A campanha de marketing pagou pra encher o próprio inimigo.

A frase que resume o dilema veio de Matt O'Connor, cofundador da Legion: "um airdrop atrai pessoas que querem vender seu token; um ICO atrai pessoas que querem comprá-lo" (DL News). O airdrop não é ruim por natureza. Ele é ruim quando desenhado como distribuição de dinheiro grátis por ação medível. O trabalho de marketing é transformar essa distribuição num filtro de qualidade.

Sybil não é abstração: é o farmer que você convidou

Sybil é uma pessoa (ou um script) controlando dezenas ou milhares de carteiras pra multiplicar a fatia de um airdrop desenhado pra premiar "carteiras únicas". Quando a régua de elegibilidade é "fez uma bridge, fez um swap, segurou saldo por X dias", o farmer não burla a regra. Ele cumpre a regra em escala, com automação, e é indistinguível de um usuário real num dashboard de vaidade.

Os sinais que denunciam esse comportamento já são conhecidos e detectáveis. As frentes de análise mais eficazes cruzam:

• Timing idêntico de transações entre carteiras diferentes (o robô não tem variação humana).
• Criação sincronizada de carteiras logo antes de um snapshot anunciado.
• Atividade repetida de bridge de baixo valor, o mínimo necessário pra marcar presença.
• Clustering de carteiras e histórico de interação cruzada entre protocolos, que revela a mão única por trás da rede.

Retroativo vs. proativo: quando você recompensa muda quem aparece

A primeira decisão de desenho é o eixo temporal do incentivo, e ela filtra público na origem.

O airdrop proativo anuncia as regras antes: "acumule pontos fazendo X e Y". É poderoso pra resolver cold-start, mas tem um efeito colateral óbvio: ao publicar o checklist, você entrega o manual de farming. O farmer otimiza exatamente o que foi anunciado. A campanha vira um jogo de gamificar métrica, e o jogador profissional sempre ganha do usuário casual.

O airdrop retroativo recompensa comportamento que já aconteceu, sem aviso prévio de que valeria token. Ninguém pôde farmar de propósito porque ninguém sabia que contava. É o mecanismo que melhor separa quem usou o produto por necessidade de quem usou por especulação de recompensa. A Uniswap é o caso fundador dessa lógica, e não por acaso virou referência de base retida.

O modelo por pontos atrelado a métrica de uso real (o "play-for-points" que a Hyperliquid popularizou e que mais de meia dúzia de concorrentes já copiaram, segundo a DL News) é o meio-termo: proativo, mas amarrado a volume de trade e depósito de verdade, coisa que custa capital pra fingir. Quanto mais caro é simular o comportamento premiado, menos o farmer aparece.

A regra de bolso da Kaleidos: se a ação premiada é barata de replicar, ela vai ser replicada por robô. Premie o que exige capital real, permanência ou reputação, não o que exige só um loop de script.

O funil de qualificação de carteira

Reconhecer o problema não desenha o airdrop. Pra isso a Kaleidos roda um funil de três camadas de intenção antes de propor qualquer critério de elegibilidade. Em vez de tratar toda carteira como igual, ela segmenta por profundidade de relação:

1. Carteira fria — interação avulsa, uma bridge, um swap único. Peso baixo. É onde mora quase todo Sybil.
2. Carteira morna — retornos ocasionais, uso repetido ao longo de semanas. Peso médio.
3. Carteira de alta intenção — governança, staking persistente, liquidez de longa duração, uso de múltiplos produtos do ecossistema. Peso muito alto.

Checklist anti-Sybil antes do snapshot

Sobre o funil, a Kaleidos aplica um checklist operacional antes de bater qualquer snapshot. São os filtros mínimos pra que a campanha não pague o farmer:

• [ ] Elegibilidade multifator, nunca ação única. Combine idade da carteira, número de interações distintas, valor real movimentado e permanência. Uma única condição é uma única linha de código pro farmer.
• [ ] Peso por permanência, não por evento. Liquidez que ficou 90 dias vale mais que dez swaps num dia. Recompense o tempo sob risco.
• [ ] Clustering antes do corte. Rode análise de agrupamento e timing pra flagar redes de carteiras coordenadas antes de publicar a lista, com a detecção >90% que já existe.
• [ ] Piso de custo real. Amarre parte do peso a algo caro de simular: depósito com skin in the game, staking, histórico on-chain anterior ao anúncio.
• [ ] Retroatividade parcial. Reserve uma fatia pra comportamento anterior ao anúncio das regras, que o farmer não teve como prever.
• [ ] Calibre o filtro, não maximize. Filtro fraco engorda o farming; filtro estrito demais pune usuário legítimo e queima confiança da comunidade. O ponto ótimo é uma decisão de produto, não um default.

O caso LayerZero: filtrar é parte da campanha, não um detalhe técnico

O exemplo mais completo de anti-Sybil tratado como marketing é o da LayerZero, que distribuiu seu airdrop de 2024 para cerca de 1,28 milhão de carteiras depois de uma filtragem extensa de farming (Ninjapromo). O ponto não é só o volume final. É que a LayerZero transformou a caça ao Sybil num processo público, com autodeclaração e denúncia comunitária, deixando claro pra base leal que o projeto não ia recompensar quem gamificou o sistema.

Isso é comunicação de marca, não engenharia. A mensagem que fica pro usuário real é "aqui, ficar vale mais que farmar". E essa mensagem é o que retém depois que o incentivo seca. O contraste vale como alerta: a Monad enfrentou reação da comunidade por alocação insuficiente antes do seu token sale de US$ 188 milhões (DL News). Alocar mal e comunicar mal o airdrop custa reputação antes mesmo do token existir.

O que a Kaleidos retém disso

Airdrop bom não é o que distribui mais token. É o que sobra com uma base que continua usando o produto quando o incentivo acaba. A pergunta que a Kaleidos faz em todo diagnóstico não é "quantas carteiras engajaram", é "quantas dessas carteiras estariam aqui sem a promessa de token". Se a resposta é "poucas", o projeto não construiu comunidade. Construiu uma fila de saque.

O filtro anti-Sybil não é uma etapa de segurança que o time técnico resolve no fim. É decisão de marketing, porque define quem entra na base e, portanto, quem vai sustentar o preço, a liquidez e a governança depois do TGE. Quem desenha o incentivo desenha o público.

A Kaleidos monta esse funil (critério de elegibilidade, calibragem de filtro, mecânica de peso e a comunicação que retém) como parte do go-to-market do token, não como um patch. Conheça os pacotes da Kaleidos.

Relacionados

• A armadilha do airdrop: quando o incentivo vira estratégia de saída
• Incentivos de token que duram: como não construir uma base mercenária
• Points programs e retenção: o que fica quando o incentivo acaba
• Tokenomics e marketing: o token como decisão de growth