0xScope x Footprint | 真實的 NFT 市場是什么樣？

2023/02/03 14:21

文 |

前言

NFT 作爲一個2017年才出現的概念，在2018年至2020年一直處於生態發展的酝釀期，在2021年初开始迎來真正的爆發，一系列如CryptoPunk，The Sandbox，BAYC等知名NFT开始走入大衆視野，同時web3的浪潮湧起，帶着NFT完成了破圈的壯舉。時間進入2022 年，自3 月以來 NFT 市場熱度減弱，但交易依然活躍。雖然2022年上半年被認爲是加密市場的熊市來臨，但是NFT究竟受到了哪些影響？NFT 的總市值、交易額有怎樣的變化？對於投資者來說意味着什么？

本次，0xScope聯合Footprint研究了2022年6月至9月新興的NFT產業的表現，我們通過分析用戶行爲、鏈上交易、項目背後的實際活躍度，和NFT價格方面的表現，對以上問題做出了解答。

主要研究話題：

NFT的用例目前集中在遊戲，元宇宙，藝術品和社交等領域，Gamefi的經濟系統本身和NFT就是密不可分的，同時社交領域大多去圍繞NFT進行web3的去中心化社交，NFT作爲一種鏈上資產，無論是它的展示屬性，還是自帶的話題度，都能和用戶的identity產生奇妙的化學反應。未來，隨着元宇宙的發展和用戶數字資產的擴大，NFT將會有更加宏大的應用場景。本報告深入探討了NFT生態系統中每個元素的表現，通過研究市場上仍在流通的NFT項目，以及它們在2022年上半年的熊市周期中的表現--我們首先提出如下幾個研究問題：

如何看待宏觀環境和歷史事件對NFT市場的影響？
近期NFT市場的購买行爲是怎樣一種情況？相比於2021年，2022年消費者和VC的信心如何？
NFT交易市場作爲最重要的風向標之一，現在的日均活躍用戶還有多少？用戶們仍舊感興趣的NFT是哪些項目？
NFT交易市場的新增用戶數有多少？其中有多少地址背後是真實用戶，多少是“左右手倒賣”行爲？

NFT的廣泛應用不僅撬動了加密貨幣在加密市場經濟體系的中心地位，而且給區塊鏈世界帶來了另一種獨特的話語權體系，web3不僅是一個純粹的金融系統，慢慢也變成了擁有人文情懷的元宇宙。在本次報告中，我們將會圍繞這些問題進行討論，並爲大家提出一些未來值得關注的NFT項目。

Overview

NFT 研報

1、NFT市場的總覽

ETH是NFT在买賣環節最普遍的支付貨幣，在本身NFT的價格波動就極爲劇烈的情況下，ETH的價格波動變相的加劇了NFT的價格不穩定性。在牛市，購买NFT能夠獲得NFT增值（幣本位）以及ETH的增值（金本位）。同理，熊市的時候也會因爲ETH的下跌，導致即使NFT地板價不變的情況下的金本位損失，更糟糕的情況是NFT失去流動性，無法變現導致一無所歸。

下圖展示了近一年來NFT的總市值與ETH價格之間的關系：柱狀圖代表NFT的總市值，折线圖代表ETH的價格變化趨勢。可以看到NFT的整體市值與ETH價格呈現強關聯趨勢。唯一的區別是在2022年2月到5月，ETH即使在下跌過程中，NFT市值仍然處在火熱階段，最高達到了40B的總市值。在5月之後，NFT的價值隨着ETH一起降到谷底。直至最近的11月、12月，似乎NFT的市值逐漸脫離ETH的價格影響，重新上漲至32.8B。

總體而言，NFT市值會跟隨ETH價格變動，並表現的更爲劇烈。當ETH價格趨於平穩，NFT市值可能會脫離ETH價格趨勢，开啓獨立行情。值得注意的一點，由於任何人都可以創建NFT系列，並且有高地板價和低流動性NFT的存在，NFT市值將會出現嚴重的泡沫。

Source: Footprint Analytics - NFT Marketcap & ETH Price

2、整體NFT市場的真實交易人數

截止2022年11月，整個NFT領域以太鏈二級市場的總交易額達到了72.1B，在加密貨幣行業萎靡的8月-10月仍然有3.4B的總交易額。在這3個月中，共有1.55M個地址參與了NFT交易，其中購买者的數量爲0.96M，賣家有1M個，大約平均每個地址交易了2183 USD。

但是因爲區塊鏈上每個人都可以無限創造地址，所以真實的交易者基數大概是多少個呢？我們以十月份的數據爲例：

十月交易NFT總地址數、买家、賣家分別爲：392707、231727、266983個

十月交易NFT總實體數、买家、賣家分別爲：262752、171636、179024個

可以看到實體數比地址數要少很多，因爲0xScope採用的地址歸集算法能夠可能屬於同一個人的地址歸集成一個實體，所以每一個實體背後可能代表了多個地址。

同時我們分別計算真實交易者比率：67%、74%、67%

67%代表所有NFT交易地址中，每10個地址可能只有不到7個是是真實的交易者。所以10月的NFT交易者基數大概爲0.26M人，並且平均每人的交易額相較於用地址數計算也會有所上升。

Source: Footprint Analytics - NFT Addresses

3、主流NFT交易平台的真實用戶情況

截止2022年11月，以太鏈上最主要的NFT交易平台分別是Opensea、Looksrare、X2Y2、Blur 和 Element。下圖則分析了他們的真實用戶比率以及日活情況。

真實用戶比例的計算方式爲：項目總交互實體數 / 項目總交互地址數

真實用戶比例(%)越高代表該項目用戶中絕大部分只使用1個地址，越低則代表可能會人用多地址有刷單行爲。

從圖中可以看到整個NFT市場的真實用戶比例其實不高，平均每個用戶都大致使用了至少2個地址進行交互。其中X2Y2(56%)以及Element(53%)的真實用戶比例最低，這可能是因爲項目方的交易量活動導致大批量的女巫參與，造成的一種虛假繁榮景象。

Source: Footprint Analytics - NFT Marketplace Stats

下圖將進一步探究項目的每日真實用戶比率：

藍色柱狀圖代表新增地址數、綠色柱狀圖代表新增實體數
黃色折线代表每日的新增用戶真實用戶比率趨勢
橙色折現代表歷史上所有用戶的真實用戶比例趨勢

新增用戶對於一個項目來說至關重要，因爲這決定了項目的生命周期，受歡迎程度，以及彌補流失用戶對日活的影響。增加新增用戶的一個有效途徑就是开展活動，那么如何評判一個web3活動的有效性？這其實不僅需要看新增了多少個交互地址，例如一名女巫可能會帶來成百上千的地址，但背後的實體數可能只有1人。因此還需要看新增用戶的真實用戶比例，同時這個比例越高越好。

除了Opensea以外下面其他3個nft交易平台都开开展過交易量活動，並都有着相對較高的每日真實用戶比例波動，尤其是Element，他在9月、10月期間雖然有很高的新增用戶，但真實比例最低只有30%，這意味着用戶刷號行爲十分嚴重。刷號行爲則可能包括NFT左手倒右手，批量地址購买自己的NFT等行爲。從另一個角度來看，Opensea的新增用戶真實比例逐漸上升，平台良性發展，帶來的結果就是真實的NFT买賣、更高質量的活躍用戶和更高的留存率。

4、NFT持有者的真實持有者比例

本節將進一步將研究範圍縮窄，分析維度變成每個NFT collection，並研究每個collection持有者情況。採用同樣的方式，統計目前各個主流NFT系列的持有地址數、持有實體數、以及真實持有者比例。這個比例越低代表了NFT籌碼越集中，實際上有少部分人潛在的控制了大量的NFT並不想被人發現。

這種情況之一是老鼠倉。例如之前Opensea高管通過提前獲知Banner將會展示什么NFT，並提前批量購买獲利。舍身處境一下，如果在知道某個NFT系列將會上漲，並不想被人從持有者排行榜中被人發現自己的地址，就應該分成不同的地址進行購买。那么利用地址歸集能力，就能找到某個NFT collection中最大的實體，並加總所有地址的持有個數，最終能找到他埋伏的數量。

第二是莊家控制地板價。因爲地板價將會影響到普通NFT持有者的情緒，那么如果NFT籌碼比較集中的被莊家持有，他就能夠操控批量地址掛單價格從而影響整個NFT地板在不同價位的交易深度，使得地板價價格能夠迅速拉高和降低。因此對於普通投資者而言，規避持有者比例更高的NFT，也許能夠降低風險。

Source: Footprint Analytics - NFT Top Collections

根據上文的數據和分析，我們認爲：

NFT的整體市值與ETH價格呈現強關聯趨勢，當ETH價格趨於平穩時，NFT市值可能會脫離ETH價格趨勢，开啓獨立行情；
NFT的價格在2022年內有過短暫波動，但是整體依舊較爲火熱，未來可期；
2022年，NFT的市場真實用戶數佔比約爲70%，也就是每10個地址可能只有不到7個是是真實的交易者，水分較大，結合主流交易平台的真實用戶和日活情況，除了Opensea以外，其余平台均出現過或多或少的刷號行爲，整體市場中出現了一定程度的虛假灌水行爲；
目前市場排名前列的NFT collection爲無聊猿，Otherdeed，mutant Ape Yacht Club和Meebits等。

Glossary：NFT Metrics powered by 0xScope

關於Footprint

Footprint Analytics 是一個用於發現和可視化區塊鏈數據的工具，涵蓋了 NFT 和 GameFi 等領域的相關數據。目前爲止，Footprint 採集、解析和清理了 24 條公鏈的數據，爲用戶構建了無代碼拖拽式做表面板，與此同時，Footprint 也支持使用 SQL 進行數據分析。

關於0xScope

0xScope是第一個Web3知識圖譜協議。它通過建立一個新的身份標准--來自數據層的新範圍實體，解決了Web3數據分析中分析地址而不是真實用戶的問題，並利用知識圖譜能力統一了Web2和Web3的數據標准，大大降低了數據採集的難度，提高了數據穿透能力。