链上数据工具赛道全景扫描（上）：产品类型、功能差异化及发展方向

作者：Wendy, IOSG Ventures

TL,DR;

• 链上数据的特点使链上数据分析工具成为强需求，本文将市场现有产品根据侧重点不同分为数据主导或交易主导等类型；
• 数据看板产品内卷严重，需差异化竞争；自动化交易工具热度较高，需注意风险。两类产品需求不同，功能有部分重合但不会完全替代；
• 数据产品的商业化是值得仔细讨论的问题，本文简略叙述了有无代币两种情况下的商业化优缺点，更细致的进一步讨论详见下篇；
• 链上工具未来有可能的发展方向有发展socialfi和社区，基于用户画像的个性化推荐，与AI结合等。

前言‍‍‍‍‍‍

无论是web2还是web3，数据始终是信息时代类似石油的资源，也是多方参与者掘金和必争之地。链上Alpha是指区块链上未被大规模传播和发现的可获利的有价值信息，通过对链上数据的分析，可以利用市场滞后性的时间差来获取超额收益Alpha。区块链去中心化的特点使得链上数据成为公开的宝藏，但随着多链生态的丰富完善，NFT，Gamefi以及Socialfi等链上生态的多样化，在链上Alpha含量增加的同时，从链上捕捉Alpha的难度也随之增加，普通用户的技术能力难以达到，因此非技术背景的普通用户对链上数据进行分析的工具需求很大。

而对于链上数据，其独有的以下特点，使得数据工具类产品具有不可替代的重要作用：

• 信息公开透明，链上数据所有人可以查阅验证。对项目方和投资者来说，都既是机遇也是挑战，相辅相成，水涨船高。对项目方来说，产品需要进行差异化竞争；而对投资者，则要不断提高自己使用工具和分析的能力。

• 信息时效性要求高，更新速度快，24h不间断。链上数据的时效性特点明显，交易的机会往往是转瞬即逝；而且与传统金融的数据披露相比，数据上链的时间几乎可以忽略不计，且全天候不间断产生新的链上行为记录。

• 信息具有多个维度，多源化，异质性强。链上数据不止包含了交易操作，还有授权，质押等多种行为，以及资金的跨链流动等。

• 技术门槛高。多数用户对于Gas费用的设置和MEV等区块底层原理并没有知识储备，链上黑暗森林在获取信息的前提下，将信息转化为实际操作和盈利依旧有一段距离，因此有些自动化工具赋予了普通玩家链上”科学家”的魔力。

本文初步将链上数据分析工具按照下图维度分为数据导向和交易导向两个大类（即最终面向用户的是数据还是交易行为来区分），但很多工具实际上是数据和交易工具兼有的。‍

数据导向‍‍

市场整体数据看板

与传统金融里Bloomberg等金融终端的作用类似，这一类工具意在给用户提供一个观察和监控市场的整体视角，一般以链，协议和币种整体的数据为主。在区块链的早期时代，数据分析的指标也较为简单，比如代币价格，持币地址数，持币时间，交易记录等基本指标。后来随着defi协议的兴起以及NFT和gamefi等各个细分领域的发展，数据的维度得到了极大的丰富，Defi协议常用TVL，Marketcap，24h volume，代币持仓分布，以及代币的解锁释放可视化，NFT稀有度排名，地板价分布等。Tokenterminal还提供了收入费用以及估算的市销率市盈率等指标，因为与短线交易关系不大，因此数据延迟时间相对较长，而Nansen等平台数据延迟为分钟级别。

DeFiLlama 用户界面

数据产品内卷较为严重，因此多数团队也在差异化竞争上寻求突破：

• 综合研报输出：Nansen和Messari的研究报告输出较多，数据产品团队中一般也会有分析师负责对一些数据指标进行解读，研究报告也通常被作为其产品的一部分。

• 聚焦垂直细分领域：NFTSCAN聚焦于多链NFT的市场数据，L2Beat针对各种Layer2的数据进行汇总及可视化。

• SQL查询工具：Dune Analytics和Bitquery等产品提供用户自定义SQL查询语句功能，使得产品更加个性化，但相对有一定技术门槛。

• 企业解决方案：Chainanalysis和amberdata等数据产品主要商业模式为向B端用户提供完整的区块链数据解决方案，主要用户包括交易所以及传统金融机构等。

此外，还有注重可视化的产品Crypto Bubbles，以及与AI结合的DexCheck, KaitoAI等。总体来说，市场数据看板类产品是最常见，使用频率最高的链上数据分析工具，各个产品的功能侧重点有所不同，但总体竞争比较激烈。

Nansen等项目分析可见IOSG之前文章：https://mp.weixin.qq.com/s/o1pO7unj3cUS9sWt4q_gBw。

地址维度分析‍‍‍‍‍‍‍‍‍‍

除了从整体市场的尺度提供数据支持，链上数据工具产品的另一个主要分析角度是从地址出发。侧重于地址维度分析的产品主要有以下几类：

• 以Etherscan为代表的区块链浏览器，作为底层应用的存在，可以查看单个地址的各种交互活动, 以及链上gas消耗情况等。

• Debank等分析平台可以查看单个地址的持仓情况，盈亏和交易记录等。Bubblemaps对地址之间的联系进行了可视化，可以让用户更直观地发现地址间的关联和资金的流向。Nansen也以此类分析出名。Smart Money tracking可以用于追踪聪明钱，通过观察其交易行为或者跟随其交易增加盈利的可能性。

交易导向

随着最近Unibot，Maestro等telegram bot工具大热，许多bot类产品的代币价格以及TVL在最近几周出现了近十倍的增长，在熊市中显得尤为突出。Telegram是一款拥有7亿月活用户的聊天软件，能提供丰富的API，供开发者方便快捷地接入小程序。相比数据终端类产品，交易导向的工具将用户侧的操作过程也一并包揽，这对于用户来说极为方便，减少了从数据分析到交易的复杂性和不确定性，但也增加了安全风险和资金成本（交易本身的费用和工具的使用费用）。

多个 Telegram 项目 TVL 变化

这些自动化交易工具会根据链上实时数据，使用代创建的钱包地址进行交易或交互操作，或实时将链上情报信息推送至邮箱，Discord或者Telegram等；也有一类自动化交易工具是farming导向，会以随机形式进行指定的交互，以期获得项目方的空投奖励或者进行一些程序化套利。以Unibot和Maestro为例，常见的链上自动化交易工具功能有：

• 限价单买卖：与中心化交易所类似，自动化交易工具支持特定价格和数量的代币限价单。

• 跟单：可以复制指定地址的交易，一般用来模仿胜率较高的“聪明钱”的操作，它为新手和被动投资者提供了一种以较小的努力从加密市场获利的方法。

• Alert: 可以设置特定地址链上动向的推送，比如发生了大于指定交易额的转账交易，以及实时对链上新代币合约部署的扫描。

• 模拟交易：在真正交易前对交易的卖出的盈亏进行模拟，比如是否有可能因为gas费用的设置或滑点而导致交易失败或亏损。

• 隐私交易（private transactions): 避免被抢跑和三明治攻击，从而减少潜在的损失。

• farming: 随机对项目进行交互，在新项目中模拟用户的链上行为，增加获得代币空投的可能。‍

Unibot Sniper 功能列表

自动化交易工具的用户在近期出现了迅猛增长，链上交易的telegram bot用户数近期每日接近六千，其中大部分用户来自运营时间较久的Maestro和后起之秀Unibot，两者占据了dex telegram bot 80%以上的用户份额。

电报链上机器人用户数

但透过代币价格上涨以及市场热点轮动带来的注意力泡沫，背后真实需求几何值得仔细推敲。Telegram bot最主流的两个功能——信息推送和跟单交易并不是新需求，而事实上已经有许多中心化交易所和相对成熟的产品（如下图），电报机器人相对于这类产品的竞争力显然较弱；因此，加密领域的degen玩家整体基数不大，加之可以选择更安全功能更全面的自动化交易平台，因此笔者预测基于Telegram的自动化交易机器人的用户画像中资深玩家较少，多数人只是采用了信息推送功能；但从另一个乐观的角度考虑，Telegram这种具有巨大用户流量且加密友好的社交软件与操作简单用户友好的bot相结合，或许会成为Web3 onboard小白萌新用户的流量入口之一。

跟单平台产品

另一个与自动化交易工具重合或关联较多的产品类型是类似于Dexscreener和Dextools等去中心化交易平台。这类产品主要用于实时查看代币交易对的价格变化情况，一般在前端集成了dex互换和基本的合约安全功能，会对链上部署的合约进行基本的蜜罐交易税等检测。Unibot团队近日推出了交易终端 Unibot X，与DEX追踪网站 GeckoTerminal 进行了集成，用户可以直接利用Telegram账号生成的钱包地址登录UnibotX平台，平台功能包括限价单等买卖交易，实时K线及交易记录，聪明钱的交易等。可以预见，交易侧DEX和Bot或许会在未来有更紧密的联系和互动，从而提升和丰富去中心化交易的用户体验。

虽然自动化交易工具极大增强了普通用户的技术能力，但值得重视的是，此类工具普遍存在极大的中心化风险。多数自动化交易工具的钱包地址都是由工具生成，其私钥完全暴露给项目方，正如加密世界的名言所说，“Not your key, not your money”, 若用户想使用自动化交易工具，只能将资金转入项目方有控制权限的地址，此时也就完全处在了风险博弈中弱势的一方。

数据工具赛道的价值逻辑‍‍‍‍‍‍‍‍‍‍‍‍‍

数据工具的商业模型的优势与缺点‍‍‍‍‍‍‍‍‍

在整个Web3领域，相比于一些难以证明实际需求的新兴细分领域的产品，虽然这个工具类产品的商业逻辑听起来没有新叙事的高天花板和想象空间，但其市场需求更为落地和真实。数据工具的商业模型较为成熟，与web2数据公司的逻辑较为相似，且在web2领域已经得到了多次成功验证，一些工具项目即使不发行自己的代币，也有较为稳定的现金流收入。

对于未通过代币募资或收税的项目来说，项目的收入来源包括：

• C端工具用户付费：类比Web2的SaaS，基础功能可以免费使用，高级功能需要付费，或者免费服务有一定额度或者数量限制，比如只能追踪10个地址。面向C端收费一般可以分为两种，买断式和订阅式：买断式类似于终身会员，订阅式指按月/季度或年进行；

• B端收费：打包API或开发数据系统等，面向开发者和企业的收费也被证明是行之有效的变现逻辑。比如The Graph，向多个知名defi/Gamefi项目提供API服务，Debank也有此类业务；

• 广告收入：用户数达到一定程度后，项目方可以利用植入广告的方式进行流量变现。

从链上数据的特点和目前的产品来看，链上数据工具赛道无疑是一个有确定性机会的赛道，也注定是一个竞争激烈的赛道。这类产品早期需要有一定基建和设备的投入，数据的公开和可获得性也让Web3链上数据分析工具在数据源上失去了护城河。比如市场数据看板类产品竞争已经非常激烈，新上线的Arkham已经将Nansen的部分类似功能免费，无可避免会对收费工具造成影响；但由于数据领域纷繁复杂，无论是做All in one的综合平台，还是抓住细分领域做小而精的产品，还是有可能成为垂直领域的领头羊。工具类产品需要有更快的产品迭代更新和交付能力，以及能够在海量数据中挖掘更有价值的指标，提供更完善的功能，更好地帮助用户提高交易获利的可能性，才能在摆脱产品同质化的竞争，建立自己的优势和壁垒。

数据工具类产品的代币经济模型分析‍‍‍‍‍‍

对于工具类产品是否构建代币经济的需要，业内也有一些争论。反对的声音主要是认为数据工具类产品代币的应用场景有限，发行热度下降后很难维持币价。我们此处以已经发行代币的Arkham和Unibot为例，分别代表上文提到的数据侧和交易侧两类产品，来看此类产品的代币经济模型设计：

不久前Arkham作为数据工具发行了自己的代币，引起了较大的热度。Arkham是一个综合性的数据分析平台，具有市场看板，地址分析，行情警报，情报悬赏等多个功能。ARKM代币是Arkham Intel Exchange生态系统的原生代币，总发行量为10亿枚，其分配如下：国库50%、投资者20%、团队20%、做市5%、奖励5%。

ARKM代币代币持有者拥有治理权，可以对Arkham的战略方向进行投票。此外，ARKM代币还可以用于奖励对Arkham生态系统做出贡献的用户，可以通过提交信息情报、质押ARKM代币，建设ARKM生态项目，推荐新用户等来获得ARKM奖励。

• 情报悬赏板块为其经济模型提供了新的应用场景，情报赏金由智能合约控制，在发布悬赏和领取赏金时分别需要支付时需要支付2.5%和5%的手续费。利用ARKM结算可享受20%折扣，锁定ARKM可在结算时享受最高达50%的折扣（但需持币锁定30天以上）。拥有线索信息的用户也可以发起拍卖或者将情报线索提交给平台，与赏金一样，拍卖有15天的锁定期，之后中标方才能从拍卖智能合约中退出，但拍卖发起者可以提前退出，但需支付10%的费用。提交给平台的情报会根据不同等级给予ARKM代币报酬。平台买卖的情报由买家独家持有90天后会开放给所有用户，这样同时也促进了平台的智能化和不断发展。

Arkham的数据相关功能几乎全部是免费开放，我们可以看到其生态和代币应用重点在于情报赏金平台，而这也正是这个产品最饱受争议的功能。加密货币的匿名性是被大家推崇的一大特点，而Arkham的情报平台反其道而行之，将链上的匿名地址与链下实体对应标记。

相比Arkham代币模型对创新业务的侧重，Unibot的代币模型更为传统和简单。Unibot是基于Telegram的自动化交易机器人，目前仅部署在以太坊上，FDV 1.76亿美元，提供代币兑换，限价订单，跟单交易，隐私交易，流动性提供等功能，用户无需任何代码基础，仅通过Telegram聊天框便可下达交易指令。钱包地址可由Unibot生成，或导入自己的私钥（风险较大）。

作为自动化交易工具赛道的头部项目，Unibot的营收已经超过了4000ETH，主要来源为工具费用和代币交易税. 代币具有共享收益功能，必须持有10个$UNIBOT代币才有资格。奖励与持有的代币数量成正比。代币持有者将获得工具平台交易费用的40%和UNIBOT代币交易的交易税（总额的1%）。奖励每2小时计算一次，24小时可领取，每隔2小时转移超过200个代币将被没收收入份额。巨大的币价涨幅引起了市场的FOMO情绪和关注热度，带来了新用户的快速增长，整个自动化交易工具赛道也迎来拉升。

Arkham经济模型的一大风险是将重心押注于创新业务, 而Unibot代币的风险则主要是现阶段币价增长的不可持续性. 通过分析其收入结构可知, 其迅速增长的收入中有80%来源于代币的交易税, 很大程度依赖市场热度和新用户的进入, 而一旦市场热度和交易量开始下降, 则很容易遭受量价齐跌的戴维斯双杀。

可见, 大家对于工具赛道的代币模型的争论并非空穴来风, 如何丰富生态，扩展代币应用场景是设计经济模型时应该重点考虑的问题。对于短期和长期利益也应有所权衡，短期的造富效应固然对用户增长有较大的推动作用, 但长远来看还是应寻找更可持续的建设方向。

未来可能的发展方向‍‍‍‍

与 Socialfi 结合‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍

我们知道，社交的基本条件是需要足够多的用户参与。Socialfi一直面临的问题是如何onboard更多的用户以及用户留存。即使是meta推出的threads，在与Instagram强捆绑的情况下用户粘性也很差， 上线后的第二周Threads的日活跃用户已经减少了20%，用户使用时长也从最初上线时的平均20分钟下滑至不到5分钟。而Web3目前的主要社交和UGC平台为Twitter和Discord等web2应用, 缺乏原生的Web3社交媒体。数据平台的用户有共同的兴趣点，信息的密度也较大，有一定潜力作为socialfi的基础。xueqiu futu 数据导向社交的难度。

Debank的Stream功能是向socialfi发展的尝试的写照, 以钱包地址为账户可以提供更多的可验证信息, kol的观点更具有说服力, 有利于推动领域往更透明可信的方向发展. 用户也可对有价值的信息进行打赏, 是创作者经济一种理想的实现形式。

我们知道，社交的基本条件是需要足够多的用户参与。Socialfi一直面临的问题是如何onboard更多的用户以及用户留存。即使是meta推出的threads，在与Instagram强捆绑的情况下用户粘性也很差， 上线后的第二周Threads的日活跃用户已经减少了20%，用户使用时长也从最初上线时的平均20分钟下滑至不到5分钟。而Web3目前的主要社交和UGC平台为Twitter和Discord等web2应用, 缺乏原生的Web3社交媒体。数据平台的用户有共同的兴趣点，信息的密度也较大，有一定潜力作为socialfi的基础。xueqiu futu 数据导向社交的难度。

个性化推荐‍‍‍‍‍‍‍‍‍‍‍‍‍

链上数据的公开透明使得分析个人行为和偏好更加顺理成章, 目前Web3的个性化推荐算法和引擎还处于萌芽阶段, 而随着多链生态和应用的丰富, 用户画像的维度也会随之增加。

如果我们用web2的顶流产品作为对比, 推荐算法已经是相当成熟的技术, 淘宝, 抖音, 美团, Bilibili都会推送给你可能喜欢的商品或视频。而如今无论是dune这种数据产品还是opensea这种交易市场, 都无法做到个性化推荐. 而随着数据量的增加, 推荐的准确性也会进入正反馈飞轮, 而区块链打通的数据特点会让推荐的准确度比web2更胜一筹。而且拥有数据主权的情况下, 选择和微调自己的个性化模型成为可能. 与web2中衣食住行多个领域的推荐类似, web3的社交,交易, 游戏也有各自的应用场景, 推荐算法完全可以如同乐高积木般拼接进不同的领域。

与 AI 结合‍‍‍‍‍

链上数据的公开透明使得分析个人行为和偏好更加顺理成章, 目前Web3的个性化推荐算法和引擎还处于萌芽阶段, 而随着多链生态和应用的丰富, 用户画像的维度也会随之增加。

如果我们用web2的顶流产品作为对比, 推荐算法已经是相当成熟的技术, 淘宝, 抖音, 美团, Bilibili都会推送给你可能喜欢的商品或视频。而如今无论是dune这种数据产品还是opensea这种交易市场, 都无法做到个性化推荐. 而随着数据量的增加, 推荐的准确性也会进入正反馈飞轮, 而区块链打通的数据特点会让推荐的准确度比web2更胜一筹。而且拥有数据主权的情况下, 选择和微调自己的个性化模型成为可能. 与web2中衣食住行多个领域的推荐类似, web3的社交,交易, 游戏也有各自的应用场景, 推荐算法完全可以如同乐高积木般拼接进不同的领域。

总结‍‍‍‍‍‍‍‍‍‍

本文从产品类型，商业模式和未来发展方向三个部分对链上数据工具进行了分析和总结，希望能给这个领域从业者和机构以及个人投资者更多启发和思考。如今Web3行业仍称得上早期探索阶段，但数据赛道已经诞生了几个大家耳熟能详的估值十亿美金级别的独角兽。从Defi Summer到NFT Summer，再到未来可能出现的Layer2 Summer或者是Gamefi Summer，从infra到应用，所有的场景判断都离不开链上数据分析工具的使用和支撑，每一个地址和每一笔交互构筑了去中心化世界的星辰大海，而这个极具潜力的赛道也会成为最重要的锚点之一。身处这个数据原生的行业，我们仍对链上数据的Alpha魔法充满期待。

由于篇幅限制，我们下篇会继续讨论数据产品在商业化上的具体实践。

Reference‍

1.https://research.binance.com/en/analysis/crypto-data-tools-what-you-need-to-know

2.https://www.panewslab.com/zh/articledetails/h2sy0u17.html

3.https://mp.weixin.qq.com/s/-gppAenLC5c71Kninyqwrw

4.https://twitter.com/hc_capital/status/1679160372635533315

5.https://assets-global.website-files.com/62879326fd745f7489b43224/64abc4471879916bc4e2aeb0_Arkham_Whitepaper_FINAL.pdf

6.https://research.binance.com/static/pdf/telegram-bots-exploring-the-landscape.pdf