Token Pulse
Real-Time Analytics · Quantitative Analysis · DeFi · ClickHouse
Token Pulse rastrea el comportamiento de holders on-chain y los flujos hacia exchanges en tiempo real. Proyectos L1, equipos de tokens y traders lo usan para ver qué está pasando con un token antes de que el precio reaccione. Construido sobre la infraestructura en tiempo real de la Web3 API, que ya procesa datos de más de 10 cadenas.
El problema
Los gráficos de precio te cuentan lo que ya ha pasado. Antes de que un token se desplome, los grandes holders empiezan a mover hacia exchanges. Los balances se disparan. Wallets que llevaban meses acumulando se quedan en silencio. Todo esto es visible on-chain, pero solo sirve si puedes procesarlo lo bastante rápido como para actuar. La mayoría se queda mirando TradingView, ve la vela ponerse roja y entonces corre a averiguar qué ha pasado.
Queríamos darle la vuelta: mostrar las entradas a exchanges según ocurren, los movimientos de ballenas casi en tiempo real, y dejar que el precio se ponga al día con lo que la cadena ya te había contado.
El producto
Tres funcionalidades, cada una más difícil de construir de lo que parece.
- Segmentación de holders. Clasificamos las wallets por cómo han operado a lo largo del tiempo, no solo por lo que tienen ahora. Algunas wallets que parecen pequeñas sobre el papel operan como institucionales. Otras enormes son simplemente hot wallets de exchanges haciendo rebalanceos rutinarios. Acertar con esa clasificación fue una de las partes más difíciles del proyecto.
- Detección de flujos de exchanges. Tokens entrando a exchanges suele significar presión de venta. Tokens saliendo, acumulación. Simple en teoría, pero las hot wallets de exchanges rebalancean constantemente por razones operativas. Filtrar eso de las señales direccionales reales nos llevó tres iteraciones completas.
- Señales de sentimiento. ¿Los holders están haciendo bridge a otras cadenas? ¿Comprando en caídas? ¿Stakeando en vez de vender? Estos patrones revelan si los holders van en serio con un proyecto o están buscando discretamente la salida.
Los proyectos L1 lo usan para monitorizar la distribución de tokens y la salud del staking. Los equipos de tokens reciben alertas tempranas cuando los patrones de distribución cambian. Los traders se adelantan a los gráficos. Los market makers anticipan necesidades de liquidez antes de que el libro de órdenes las refleje.
La arquitectura
La base de datos viene de la infraestructura de la Web3 API, que ya gestiona la captura de datos blockchain en tiempo real, streaming de eventos y normalización multi-cadena. Sobre eso construimos un pipeline de streaming específico para analítica de holders y tokens. El pipeline procesa eventos de múltiples cadenas y exchanges, los pasa por nuestras fórmulas de clasificación y lo expone todo a través de una REST API. Latencia sub-segundo en las rutas críticas, por ejemplo cuando una ballena mueve tokens, lo sabes en 800ms.
La clasificación de wallets fue el reto de ingeniería más interesante. Los umbrales de balance no funcionan. Una wallet que lleva acumulando poco a poco durante 6 meses se comporta de forma completamente distinta a una que acaba de recibir una transferencia grande desde un exchange. Construimos fórmulas estadísticas que puntúan wallets según patrones de comportamiento histórico en múltiples cadenas. Sin ML, solo matemáticas que se mantienen consistentes y explicables.
Lo que aprendí
La mayor parte de la actividad on-chain es rutinaria y no dice nada sobre la dirección del mercado. Cuando empezamos a procesar datos crudos de la cadena, todo parecía una señal. Cada transferencia grande parecía importante, cada depósito en un exchange olía a venta. Aprender a filtrar ruido de forma agresiva sin descartar señales reales nos llevó meses de iteración y bastantes falsos positivos.
La detección de flujos de exchanges resultó ser la funcionalidad más engañosamente difícil. Los exchanges mueven tokens constantemente por operaciones internas: rotaciones de wallets, rebalanceo de almacenamiento en frío, provisión de liquidez. Acabamos construyendo perfiles de comportamiento para las propias wallets de los exchanges, tratándolos como entidades con patrones predecibles en vez de simples direcciones etiquetadas.
Al principio apuntamos a 5 segundos de latencia y nos pareció suficiente. Cuando la bajamos por debajo de un segundo, los patrones de uso cambiaron por completo. Los usuarios pasaron de consultar dashboards de vez en cuando a tenerlos abiertos todo el rato, usando Token Pulse más como un feed en directo que como una herramienta de informes. Ese cambio en el comportamiento de los usuarios justificó el coste de mantener la infraestructura en tiempo real.