OpenSea-Kollektionsanalyse: Die Definitionen lesen

OpenSea-Kollektionsanalyse beginnt mit Definitionen

Definitionen von OpenSea-Analysekennzahlen sollten vor der Verwendung der Zahlen in einfacher Sprache aufgeschrieben werden. Volumen misst einen nach den Einbeziehungsregeln der Quelle umgesetzten Betrag. Eine Verkaufszahl misst Ereignisse, die eine Definition erfüllen. Ein Mindestangebotspreis misst einen niedrigsten gelisteten Preis in der relevanten Ansicht. Eine Inhaberzahl betrifft gewöhnlich Adressen oder Konten, keine verifizierten Menschen.

OpenSeas Leitfaden zur Kollektionsanalyse erklärt die verfügbaren Ansichten und weist darauf hin, dass Volumen Minting einschließt. Dies ist immer relevant, wenn ein Leser Aktivität als Beleg interpretiert, dass bestehende Inhaber weiterverkaufen können. Primäre und sekundäre Nachfrage können zusammenhängen, sind aber nicht dieselbe Ereigniskategorie.

Bewahren Sie die Quellendefinition neben den Daten, statt sich auf eine von einer anderen Plattform oder älteren Oberfläche erinnerte Bezeichnung zu verlassen. Ein Feld namens Volumen kann über Ansichten hinweg unterschiedliche Einbeziehungsregeln haben. Aufgabe der analysierenden Person ist, diese Regeln zu bestimmen, bevor eine Veränderung als Beleg für Kauf, Verkauf oder einen breiteren Kollektionsvergleich behandelt wird.

Eine Bestandsgröße von einer Stromgröße trennen

Eine Bestandsgröße beschreibt eine Menge zu einem Zeitpunkt, etwa die Zahl aktuell angebotener Objekte. Eine Stromgröße beschreibt Ereignisse über ein Intervall, etwa Verkäufe während einer Woche. Eine Bestandsgröße mit einer Stromgröße zu vergleichen kann nützlich sein, aber nur, wenn die Beziehung angegeben wird. Eine aktuelle Zahl von Verkaufsangeboten sagt nicht, wie viele Verkaufsangebote während des gesamten Verkaufsintervalls existierten.

Angenommen, zum Beobachtungszeitpunkt gibt es 245 gültig angebotene Objekte und während der vorangegangenen Woche 100 Verkaufsereignisse. Die eine Zahl durch die andere zu teilen könnte als grobes beschreibendes Verhältnis verwendet werden, ist aber nicht automatisch eine Prognose für die zum Verkauf des angebotenen Bestands benötigte Zeit. Neue Verkaufsangebote können eintreffen, manche Objekte können wiederholt verkauft werden und die Zusammensetzung der angebotenen Objekte kann von der von Käufern gewählten abweichen.

Verwenden Sie Bestandsmaße zur Beschreibung aktueller Verfügbarkeit und Strommaße zur Beschreibung beobachteter Aktivität. Soll der Bestandsumschlag untersucht werden, verfolgen Sie dieselbe Grundgesamtheit im Zeitverlauf und definieren Sie Eintritts- und Austrittsereignisse. Eine einzelne Dashboardmomentaufnahme kann all diese Änderungen gewöhnlich nicht allein rekonstruieren.

Den Angebotsnenner prüfen

Nennerprüfungen bei NFT-Kollektionen beginnen mit der für die Frage relevanten Grundgesamtheit. In einer fiktiven Kollektion wurden 5.000 einzigartige Token gemintet und anschließend 100 verbrannt, sodass 4.900 bestehende Token verbleiben. Werden davon aktuell 245 angeboten, beträgt der angebotene Anteil am bestehenden Angebot 5 %.

Die Verwendung der ursprünglich geminteten 5.000 würde stattdessen 4,9 % ergeben. Keines der Rechenergebnisse ist rätselhaft; der Nenner hat sich verändert. Die passende Wahl hängt davon ab, ob die Frage die ursprüngliche Ausgabe oder die aktuell bestehenden Vermögenswerte betrifft. Geben Sie an, was gemessen wird, statt stillschweigend zwischen beiden zu wechseln.

Unterscheiden Sie bei Editionen und anderen Darstellungen außerdem Tokenkennungen von Kopien. Eine Anzahl einzigartiger Kennungen kann stark von der Zahl verfügbarer Einheiten abweichen. Das Beispiel hier nimmt einzigartige Objekte an, um den Nenner klar zu halten. Die Anwendung seiner Formel auf eine Editionskollektion erfordert zunächst die Entscheidung, ob die Analyse Kennungen, Kopien, Eigentümer oder Orders betrifft.

Gefilterte Teilmengen in ihrer eigenen Grundgesamtheit halten

Angenommen, 400 der 4.900 bestehenden Objekte besitzen ein bestimmtes Merkmal und 40 davon werden angeboten. Der angebotene Anteil innerhalb dieser Merkmalsmenge beträgt 10 %. Dieselben 40 Verkaufsangebote durch die gesamte Kollektion mit 4.900 Objekten zu teilen ergibt ungefähr 0,82 % und beantwortet eine andere Frage: die angebotenen Objekte dieses Merkmals als Anteil der gesamten Kollektion.

Dieser Unterschied kann erklären, weshalb eine gefilterte Ansicht eine wesentlich höhere Angebotsquote als die Kollektionsübersicht aufweist. Der gefilterte Nenner ist kleiner und konkret für die ausgewählte Gruppe relevant. Der höhere Prozentwert bedeutet nicht automatisch, dass die kollektionsweite Anzeige ungenau ist.

Halten Sie sämtliche aktiven Filter im Untersuchungsdatensatz fest, einschließlich Merkmalen, Währungen, Blockchains, Verkaufsarten und Zeitbereichen, sofern unterstützt. Verwenden zwei Bildschirmaufnahmen unterschiedliche Filter, vergleichen Sie vor ihren Prozentwerten die Grundgesamtheiten. Eine sinnvolle Merkmalsanalyse sollte außerdem berücksichtigen, ob sich Käufer und Vorteile der Teilmenge von denen gewöhnlicher Kollektionsobjekte unterscheiden.

Verkaufsereignisse von unterschiedlichen verkauften Objekten unterscheiden

Ein Token kann innerhalb eines Zeitraums mehr als einmal verkauft werden. Angenommen, eine Woche enthält 100 passende Sekundärverkaufsereignisse, aber nur 70 unterschiedliche verkaufte Objekte. Die Ereigniszahl geteilt durch 4.900 bestehende Objekte beträgt ungefähr 2,04 %. Die Anzahl unterschiedlicher Objekte geteilt durch dasselbe Angebot beträgt ungefähr 1,43 %.

Das erste Verhältnis misst die Intensität erfasster Verkaufsereignisse im Verhältnis zum Angebot. Das zweite misst den Angebotsanteil, der an mindestens einem passenden Verkauf teilnahm. Keines belegt, dass jedes Objekt nächste Woche eine ähnliche Verkaufswahrscheinlichkeit besitzt. Wiederholter Handel einer kleinen Teilmenge kann Aktivität breit erscheinen lassen, obwohl sie konzentriert ist.

Wählen Sie die Kennzahl passend zur Untersuchungsfrage. Eine Untersuchung der Transaktionsaktivität benötigt möglicherweise Ereigniszahlen. Eine Untersuchung, wie breit die Nachfrage die Kollektion erreicht, benötigt möglicherweise unterschiedliche Vermögenswerte. Eine Untersuchung unabhängiger Beteiligung benötigt möglicherweise Adressanalyse mit zusätzlichen Einschränkungen dazu, was Adressen über Menschen offenlegen und was nicht.

Inhaberzahlen als Adressbelege interpretieren

Eine Inhaberadresse ist nicht zwangsläufig eine Person. Eine Person kann mehrere Adressen kontrollieren, und eine Adresse kann einen Vertrag, eine Verwahrungsvereinbarung oder ein gemeinsames Konto repräsentieren. Öffentliche Daten können eine Anzahl beobachteter Inhaberadressen stützen, ohne die Zahl unabhängiger wirtschaftlicher Eigentümer zu beweisen.

Hält beispielsweise eine Adresse 490 der 4.900 bestehenden Objekte, kontrolliert sie im beobachteten Zustand 10 % dieses definierten Angebots. Die nächste Frage lautet, um welche Art von Adresse es sich handelt. Ein Treuhandvertrag und ein einzelner Sammler sind unterschiedlich zu interpretieren, obwohl beide in einer rohen Konzentrationsberechnung erscheinen können.

Entfernen Sie von Verträgen gehaltene Vermögenswerte nicht, ohne die Wirkung auf den Nenner zu erklären. Ein Konzentrationsmaß ohne bekannte Verträge kann für eine konkrete Frage nützlich sein, ist aber nicht mehr dasselbe Maß wie die Konzentration über alle bestehenden Token. Halten Sie sowohl die Ausschlussregel als auch die Unsicherheit jeder Adressklassifikation fest.

Mint-Volumen von Sekundärvolumen trennen

Stellen Sie sich eine Woche mit kombiniertem Volumen von 12 ETH vor, bestehend aus 4 ETH aus primären Mints und 8 ETH aus Sekundärkäufen. Die nächste Woche hat kombiniert 18 ETH, bestehend aus 12 ETH aus Mints und 6 ETH aus Sekundärkäufen. Das Gesamtvolumen stieg um 50 %, während das Sekundärvolumen um 25 % fiel.

Beide Aussagen sind unter den fiktiven Definitionen korrekt. Die zweite Woche nur als starken Anstieg der Weiterverkaufsnachfrage zu beschreiben wäre unbelegt. Der größte Teil des Gesamtanstiegs stammte aus primärem Minting, während der erfasste Sekundärbetrag sank. Dieser Unterschied ist besonders wichtig für die Bewertung, ob ein erworbenes Objekt bald einen weiteren Käufer finden könnte.

OpenSeas Leitfaden zur Stats-Seite bietet weiteren Kontext zu Kollektionsranglisten und Aktivitätsansichten. Ranglisten können auf Kollektionen hinweisen, die sich näher untersuchen lassen, doch ein Rang sollte die zugrunde liegende Ereignisklassifikation nicht ersetzen. Der Grund der Kollektionsaktivität ist ebenso relevant wie die Tatsache, dass sie weit oben erscheint.

Währungsfelder einzeln lesen

Nehmen Sie nicht an, jede gemeinsam zurückgegebene Kennzahl verwende dieselbe Währung. OpenSeas Referenz zu Kollektionsstatistiken weist ausdrücklich darauf hin, dass Volumen- und Mindestangebotspreissymbole abweichen können. Die Währung auf Feldebene ist deshalb Teil der Betragsdefinition, keine optionale Anzeigedekoration.

Ist ein Volumenbetrag in einem Token und ein Mindestangebotspreis in einem anderen angegeben, erzeugt die Division ohne Umrechnung ein bedeutungsloses Verhältnis. Ist Umrechnung nützlich, halten Sie die ursprünglichen Beträge, den gewählten Wechselkurs und dessen Beobachtungszeit fest. Ein umgerechneter analytischer Wert sollte nicht fälschlich als nativer Transaktionsbetrag gekennzeichnet werden.

Unterscheiden Sie außerdem native und verpackte Vermögenswerte und ihre Netzwerke in den zugrunde liegenden Aufzeichnungen. Eine übergeordnete Oberfläche kann zum Vergleich gleichwertig aussehende Werte darstellen, doch Transaktionsfinanzierung hängt weiterhin von tatsächlichen Guthaben und Verträgen ab. Analysen, die später als Grundlage für einen Kauf dienen, müssen genügend Identitätsinformationen mitführen, damit eine Anzeigekonvention nicht zu einer falschen Zahlungsannahme wird.

Mediane und arithmetische Mittel für unterschiedliche Zwecke vergleichen

Angenommen, fünf passende Verkäufe fanden zu 0,050, 0,060, 0,070, 0,080 und 0,740 ETH statt. Das Gesamtvolumen beträgt 1,000 ETH und der durchschnittliche Verkaufspreis als arithmetisches Mittel 0,200 ETH. Der Median beträgt 0,070 ETH. Ein hochpreisiger Verkauf hat einen großen Einfluss auf das arithmetische Mittel, während der Median die mittlere Beobachtung beschreibt.

Keine der Kennzahlen sollte bloß gewählt werden, weil sie eine bevorzugte Schlussfolgerung stützt. Das arithmetische Mittel kann nützlich sein, um Gesamtvolumen und Ereigniszahl abzugleichen. Der Median kann helfen, eine typische Beobachtung dieser kleinen geordneten Stichprobe zu beschreiben. Beide hängen weiterhin davon ab, ob die Objekte vergleichbar sind und die Ereignisklassifikation passend ist.

Untersuchen Sie den Ausreißer, statt ihn automatisch zu löschen. Es könnte ein tatsächlich außergewöhnliches Objekt, ein Bündel oder eine Transaktion mit ungeklärtem Kontext sein. Berichten Sie, wie sich die Zusammenfassung bei einem dokumentierten Ausschluss verändert, wenn dies der Frage hilft. Eine unerklärte bereinigte Stichprobe kann ebenso irreführend sein wie ein ungeprüfter Durchschnitt.

Den Mindestangebotspreis als Ordnungsstatistik behandeln

Ein Kollektionsmindestangebotspreis kann steigen, weil das günstigste gültige Verkaufsangebot gekauft, storniert, abgelaufen oder anderweitig aus der relevanten Ansicht entfernt wurde. Diese Ursachen haben unterschiedliche Bedeutungen. Nur eine umfasst zwangsläufig einen abgeschlossenen Kauf, und selbst dieser Kauf garantiert keine Nachfrage nach jedem verbleibenden Objekt zum neuen Mindestangebotspreis.

Ändert sich das niedrigste Verkaufsangebot von 0,100 auf 0,120 ETH, beträgt der angezeigte Anstieg 20 %. Prüfen Sie, was mit der alten Order geschah und was verfügbar bleibt, bevor Sie dies als Wertgewinn von 20 % eines Objekts bezeichnen. Das Verschwinden eines einzelnen niedrigen Verkaufsangebots kann die Veränderung erzeugen, ohne dass ein Käufer den neuen Preis bezahlt.

Ein NFT-Mindestpreisbot sollte deshalb den Ereignis- und Gültigkeitskontext hinter einer gemeldeten Mindestpreisänderung bewahren. Eine Mitteilung nur mit dem Prozentwert kann Aufmerksamkeit lenken, ist aber ein unvollständiger Beleg für einen Trade. Der nächste Untersuchungsschritt ist festzustellen, ob Nachfrage, Angebot oder die Aktualität der Daten die Bewegung erklären.

Vor der Multiplikation eines Mindestpreises die Angebotstiefe prüfen

Angenommen, die ersten fünf gültigen Angebotspreise betragen 0,080, 0,085, 0,090, 0,100 und 0,145 ETH. Der Kauf aller fünf zu diesen angegebenen Beträgen würde vor Transaktionsausgaben 0,500 ETH kosten, durchschnittlich 0,100 ETH je Objekt. Die Multiplikation des Mindestangebotspreises von 0,080 ETH mit fünf würde nur 0,400 ETH schätzen und die reinen Gruppenkosten um 0,100 ETH zu niedrig darstellen.

Die Verteilung der Verkaufsangebote ist relevant, weil aufeinanderfolgende Käufe unterschiedliche Preise durchlaufen können. Ein erstes Preisniveau mit nur wenig verfügbarem Angebot beschreibt nicht die Kosten des Erwerbs einer größeren Gruppe. Ebenso belegt das Entfernen dieser Verkaufsangebote nicht, dass der neu angezeigte Mindestangebotspreis für jedes gerade gekaufte Objekt realisierbar ist.

Die Analyse hinter einem NFT-Sweep-Bot sollte die ausgewählten Objekte und aktuellen Orderbedingungen statt eines mit der Menge multiplizierten Mindestangebotspreises verwenden. Angebotstiefe bleibt Verfügbarkeit auf Verkäuferseite. Sie sollte mit den getrennten Belegen von Kaufangeboten und Käufern, die Bestand zurücknehmen möchten, verglichen werden, diese aber nie ersetzen.

Kapazität auf Käuferseite getrennt halten

Ein hohes Kaufangebot kann für ein Objekt, einen zulässigen Erwerb oder eine begrenzte Vermögenswertmenge gelten. Es sollte nicht ohne Prüfung von Umfang, Menge, Deckung und Überschneidungen über ein gesamtes Portfolio multipliziert werden. Zwei in unterschiedlichen Ansichten angezeigte Kaufangebote können außerdem auf zusammengehörigen Anweisungen oder denselben begrenzten Kaufmitteln beruhen.

Angenommen, ein unabhängig nutzbares Kaufangebot beträgt 0,065 ETH und ein weiteres 0,060 ETH, wobei jedes ein zulässiges Objekt akzeptiert. Ihre kombinierte Bruttokapazität beträgt unter den angegebenen Bedingungen 0,125 ETH für diese beiden Erwerbe. Das Beispiel liefert keinen Preis für ein drittes Objekt und keine Garantie, dass die Kaufangebote gemeinsam verfügbar bleiben.

Dieser Unterschied ist für die Analyse von NFT-Arbitragebots relevant. Ein Preisunterschied ist nur der Beginn eines Vergleichs. Genauer Vermögenswert, Kosten, gleichzeitige Verfügbarkeit und Abwicklungsweg bestimmen, ob der scheinbare Unterschied handelbar ist. Zusammenfassende Zahlen auf Kollektionsebene können nicht all diese Bedingungen feststellen.

Momentaufnahmezeitpunkt und Aktualität erfassen

Die zeitliche Erfassung von OpenSea-Kollektionsmomentaufnahmen sollte den gemessenen Zeitraum vom Abrufzeitpunkt der Daten unterscheiden. Ein rollierendes Vierundzwanzigstundenvolumen und ein fünf Minuten später abgerufener Mindestangebotspreis beschreiben keinen perfekt synchronisierten Marktzustand. Das kann für Untersuchungen akzeptabel sein, doch der Unterschied sollte sichtbar bleiben.

Speichern Sie für jede Beobachtung einen Zeitstempel und die Fensterdefinition der Quelle. Aktualisiert ein Dashboard unterschiedliche Komponenten unabhängig, stellen Sie sie nicht als atomare Momentaufnahme dar, sofern dieses Verhalten nicht dokumentiert ist. Eine Abweichung kann eine scheinbare Preisanomalie erklären, die bei Aktualisierung aller relevanten Daten verschwindet.

Ein automatisierter NFT-Kollektionstracker sollte fehlende Intervalle und veraltete Felder offenlegen. OpenSeas Stream-API-Dokumentation beschreibt bestmögliche Lieferung und mögliche fehlende oder in falscher Reihenfolge eintreffende Ereignisse. Ein Live-Ereignisstrom kann Überwachung unterstützen, beweist für sich allein aber weder einen vollständigen historischen Datensatz noch ein vollständig aktuelles ausführbares Orderbuch.

Fehlende Daten prüfen, ohne sie als null zu behandeln

Scheitert eine Anfrage oder fehlt ein Feld, bewahren Sie diesen Zustand. Null Verkäufe bedeutet, dass eine definierte Quelle für den Zeitraum keine passenden Verkäufe meldete. Fehlende Verkaufsdaten bedeuten, dass die Zahl aus dieser Beobachtung unbekannt ist. Null einzusetzen kann einen falschen Aktivitätseinbruch oder eine künstliche Erholung erzeugen, wenn die nächste Anfrage gelingt.

Vergleichen Sie die Abdeckung nach Möglichkeit mit einer unabhängigen Referenz. Bei einer fiktiven Prüfung von neunzig Referenzereignissen beobachtet ein Datensammler einundachtzig eindeutige passende Ereignisse. Die gemessene Abdeckung beträgt für diese Stichprobe 90 %. Dies beweist nicht, dass das System immer 90 % liefern wird, und wiederholte Nachrichten sollten nicht als zusätzliche eindeutige Beobachtungen gezählt werden.

Dokumentieren Sie, was der fehlende Teil beeinflussen könnte. Ein verpasster hochpreisiger Verkauf kann das Volumen stärker als den Mindestangebotspreis verändern. Eine verpasste Stornierung kann die scheinbare Verfügbarkeit eines Verkaufsangebots verändern. Datenqualität hängt deshalb mit der gestützten Entscheidung zusammen, nicht bloß mit einem allgemeinen Verfügbarkeitsprozentsatz.

Prüfen, ob sich die verglichene Grundgesamtheit änderte

Eine Veränderung des durchschnittlichen Verkaufspreises kann aus einer Veränderung der verkauften Objekte statt aus einer Preisänderung vergleichbarer Vermögenswerte entstehen. Eine Woche kann hauptsächlich gewöhnliche Objekte enthalten, die nächste dagegen mehrere seltene Kombinationen. Der Vergleich kollektionsweiter Durchschnitte allein kann einen stärkeren Markt nicht von einer anderen Verkaufszusammensetzung unterscheiden.

Verwenden Sie eine einheitliche Gruppe, wenn die Frage vergleichbare Leistung betrifft. Definieren Sie Merkmalsgruppe, Editionstyp, Vorteilsstatus oder andere relevante Eigenschaften vor dem Zeitraumvergleich. Berichten Sie anschließend, wie viel der Gesamtaktivität die Gruppe repräsentiert. Eine enge Gruppe kann die Vergleichbarkeit verbessern und zugleich einen großen Teil der Kollektion außerhalb der Schlussfolgerung lassen.

Berücksichtigen Sie außerdem die Ausgabe neuer Objekte. Gelangen zusätzliche Objekte in die Kollektion, kann eine Inhaber- oder Angebotszahl steigen, selbst wenn das Verhalten unter den zuvor bestehenden Objekten unverändert ist. Die alte Grundgesamtheit mit der erweiterten zu vergleichen beantwortet eine Wachstumsfrage. Dieselben bereits bestehenden Vermögenswerte an beiden Stichtagen zu vergleichen beantwortet eine Verhaltensfrage. Beide sind bei entsprechender Kennzeichnung nützlich.

Halten Sie an der Gruppendefinition fest, selbst wenn das Ergebnis dadurch weniger dramatisch wird. Ziel ist nicht, den Filter mit der größten Bewegung zu finden. Es ist, den für die ursprüngliche Frage relevanten Belegteil zu isolieren. Können die verfügbaren Daten keine stabile Gruppe stützen, beschreiben Sie das Ergebnis als kollektionsweite Mischung und vermeiden Sie eine präzisere Interpretation, als die Beobachtungen rechtfertigen.

OpenSea-Kollektionsanalyse sollte eine Frage beantworten

Wählen Sie eine Untersuchungsfrage, bevor Sie weitere Kennzahlen ergänzen. Konzentrieren Sie sich zur Bewertung aktueller Anschaffungskosten auf gültige ausgewählte Verkaufsangebote und den Transaktionsweg. Prüfen Sie zur Bewertung kurzfristiger Weiterverkaufsbelege zulässige Kaufangebote und relevante abgeschlossene Verkäufe. Definieren Sie zur Konzentrationsbewertung die Bestandsgrundgesamtheit und Adressklassifikationen. Ein großes Dashboard kann all dies enthalten, ohne eine Schlussfolgerung automatisch zu machen.

Schreiben Sie die Schlussfolgerung mit ihren Grenzen auf. Beispielsweise sank das Sekundärvolumen im ausgewählten Wochenfenster, während das Gesamtvolumen durch mehr Minting stieg. Diese Aussage ist nützlicher, als ohne Benennung des Maßes zu sagen, die Kollektion sei stärker oder schwächer geworden. Sie kann anschließend eine konkrete Folgefrage zur Weiterverkaufsfähigkeit bestehender Inhaber lenken.

Die Disziplin besteht darin, jede Zahl mit dem verbunden zu halten, was sie zählt. Definieren Sie die Grundgesamtheit, bewahren Sie Einheiten, stimmen Sie Fenster nach Bedarf ab, prüfen Sie Aktualität und trennen Sie Orders von abgeschlossenen Transaktionen. Analyse wird dann zu einem Weg, eine Kollektionsthese zu prüfen, statt zu einer Sammlung eindrucksvoller Zahlen, deren Bedeutungen sich von einem Vergleich zum nächsten verschieben.