Uma abordagem de ciência de dados para avaliar e quantificar a dinâmica dos mercados NFT.

“A análise de gráfico de rede NFT pode ser uma ferramenta útil para melhorar a maneira como as coleções NFT são avaliadas.”

Introdução

Blockchain é a próxima fronteira para Data Science. As transações Blockchain estão disponíveis publicamente e os Cientistas de Dados estão apenas começando a estudar esses novos e interessantes mercados. Como cofundador e líder de ciência de dados da Chain Champs , um mercado de NFT em tempo real alimentado por IA, tenho explorado técnicas para descrever os mercados de NFT. Esta análise usa dados do WAX Blockchain, mas as técnicas usadas podem ser aplicadas a outros Blockchains. Há um crescente corpo de trabalho que usa gráficos de rede e análise de rede social para descrever transações NFT [1, 2]. Desejo expandir este tópico e definir novas características de uma análise de gráfico de rede NFT.

Por que CERA?

Voando principalmente sob o radar, o WAX é o blockchain mais ativo para NFTs. Até o momento, três dos 10 Dapps Blockchain mais ativos estão no WAX (incluindo o jogo Alien Worlds, que é o número 1). Muitos usuários no blockchain estão envolvidos com mais de uma coleção. Ao construir um gráfico que liga as coleções, temos uma noção de quais coleções são populares e quais atraem usuários simulados. O gráfico abaixo mostra as coleções vinculadas por usuários que compram/vendem várias coleções. Isso representa vagamente a dinâmica de coleta para os mercados NFT no WAX Blockchan.

O grafo acima possui 167 Nodes (coleções) e 791 Edges (conexões entre coleções). O tamanho do nó é determinado usando a medida Grau de Centralidade, que é proporcional à fração de nós que estão diretamente conectados a ele. Usando o algoritmo de detecção de comunidade de Louvain, o grafo é particionado em três comunidades. Os nós azuis são principalmente coleções de colecionáveis ​​digitais, enquanto os outros dois são principalmente jogos play-to-ganhar (P2E).

Coleções

Descobrir novas coleções pode ser desafiador e é importante que os usuários se eduquem. Infelizmente, métricas como usuários, volume de vendas, preço mínimo etc. são facilmente manipuladas e podem ser enganosas. Por exemplo, um golpe de bomba e descarga bem coordenado pode dar a ilusão de métricas crescentes que são impossíveis de discernir da dinâmica legítima de oferta e demanda. NFT Network Graph Analysis pode ser uma ferramenta útil para melhorar a maneira como as coleções NFT são avaliadas.

Os gráficos podem ser analisados ​​visualmente em busca de recursos incomuns, como os hubs e satélites que aparecem no gráfico Farmers World abaixo.

Eu reuni uma lista de métricas que podem ser extraídas usando a abordagem NFT Network Graph Analysis. Esses incluem:

• Number of Transacting Accounts — O número de contas que compram ou vendem em uma determinada semana
• Number of Connections — O número de links entre as contas
• Densidade da Rede — Número de Contas Transacionais / Número de Conexões
• Diâmetro — A maior distância entre dois nós conectados no gráfico.
• Reciprocidade média — Um número que representa a fração de contas que estão comprando e vendendo umas às outras.
• Limiar de atividade majoritária — Número de nós representando 50% de toda a atividade no gráfico
• Porcentagem de contas em triângulos — Um triângulo refere-se a três usuários vinculados.
• Number of Buying Hubs — Um hub onde toda a atividade de compra representa mais de 1% das bordas, mas tem poucas ou nenhuma venda.
• Number of Selling Hubs — Um hub onde as vendas representam mais de 1% das bordas, mas têm poucas ou nenhuma compra.
• % de contas que estão comprando NFTs — O número de contas que compraram um NFT nessa coleção na última semana
• % de contas que estão vendendo NFTs — O número de contas que venderam um NFT nessa coleção na última semana

Cada gráfico de rede NFT é único e conta uma história sobre essa coleção. Apenas a partir do visual, pode-se entender algumas características importantes como estrutura, densidade, número de usuários, bem como encontrar anomalias como hubs, componentes desconectados etc. Além dos insights qualitativos do visual, calculei várias métricas quantitativas usando a lista definida acima.

Conclusões

A transparência nos mercados de NFT será vital para atrair usuários e construir confiança. Embora 2022 não tenha sido gentil com os NFTs, é importante reconhecer que essa tecnologia é nova e tem um enorme potencial transformador. Para ganhar confiança é importante que novas métricas sejam desenvolvidas e que descrevam a verdadeira dinâmica de cada coleção. Acredito que assim que os usuários tiverem as ferramentas de que precisam para ter confiança em uma coleção, começaremos a ver uma adoção mais ampla da tecnologia.

Jason Schwartz é cofundador da Chain Champs , um mercado de NFT com sede no Canadá especializado em feeds ao vivo de NFT em tempo real e previsões de preços de IA. Interessado em aplicar essas técnicas a outras blockchains? Deixe-me cair uma linha .

Referências

[1] Nadini, M., Alessandretti, L., Di Giacinto, F. et al. Mapeando a revolução NFT: tendências de mercado, redes comerciais e recursos visuais. Sci Rep 11 , 20902 (2021).https://doi.org/10.1038/s41598-021-00053-8

[2] S. Casales, et al, Networks of Ethereum Non-Fungible Tokens: Uma análise baseada em gráficos do ecossistema ERC-721,https://arxiv.org/abs/2110.12545