2%用戶貢獻 90%交易量：Polymarket 的真實畫像

原文作者：sealaunch intelligence

原文編譯：Chopper，Foresight News

大多數關於 Polymarket 的報導只停留在表面數據：交易量里程碑、用戶增長、成交筆數、未平倉頭寸，卻從不深究這些數字背後究竟是誰在交易。本文從交易頻次與交易量兩個維度，對所有活躍錢包進行歸類，勾勒出 Polymarket 真實的用戶畫像結構。

Polymarket 絕大多數交易量，都由一小批算法交易和高頻交易群體貢獻；海量低頻散戶，與這批專業交易者幾乎不存在交集。認清兩類人群的差異，直接決定平台手續費設計、產品優先級規劃與市場品類戰略佈局。

說明：本文全部數據來源於 Dune 數據看板，分析周期覆蓋近三個月錢包級全量行為；用戶畫像依據交易頻次分級（T1--T7）與交易金額分級（V1--V7）交叉劃定，金額統計單位為美元。

用戶交易頻率和交易量分佈

交易頻次呈現典型的對數正態分佈衰減特徵。最大的用戶群體在整個研究周期的交易次數在 2 到 10 次之間，占所有用戶的 32%。加上交易次數在 11 到 50 次之間的用戶群體，就幾乎占到了總用戶群的三分之二。這些人通常是在選舉、體育賽事或重大宏觀經濟事件發生時參與交易，並下注了少量資金。

交易頻次分佈圖

交易量分佈則截然不同。雖然成交頻率從左側急劇下降，但成交量直方圖在對數坐標系下呈鐘形，峰值約為每位用戶 600 至 3000 美元。這意味著典型的活躍用戶交易額在四位數左右，但從 25000 美元開始的右尾用戶數量較少，卻佔據了平台成交量的絕大部分。

交易量分佈圖

這兩個直方圖共同揭示了結構上的分裂：一部分是低頻參與者；另一部分是高交易量參與者，他們在用戶圖表中的足跡幾乎看不見，但他們對交易量圖表的影響卻佔據主導地位。

用戶佔比與體量集中度矩陣更直觀：用戶維度集中在低頻小額區間，體量維度完全反轉

用戶画像體系如何搭建

單純依靠頻次或體量劃分用戶，會忽略二者的關聯邏輯。同樣成交 500 筆，總金額 50 美元，與成交 500 筆、總額 500 萬美元，是完全兩類參與者。我們綜合這兩個維度對每個錢包進行分類。

我們首先將每個錢包分配到不同的交易頻率等級：從 T1（單筆交易）到 T7（超過 10,000 筆交易）。然後，我們將其分配到不同的交易量等級：從 V1（總交易額低於 100 美元）到 V7（超過 200 萬美元）。這兩個維度的交集產生了七種用戶画像，每種画像代表一種截然不同的參與者類型。

• P1 單次沉寂用戶：僅 1 筆交易，總額不足 100 美元，一次性試水體驗平台
• P2 低活躍散戶：2--10 筆交易，總體量低於 1000 美元，純熱點事件驅動的隨性參與者
• P3 中度參與者：11--200 筆交易，體量 1000--10000 美元，反覆入場但無系統化交易邏輯
• P4 高深度散戶：201--1000 筆交易，體量 1 萬--10 萬美元，參與積極穩定，但未達機構級別
• P5 低頻高淨值大戶：交易少於 50 筆，單筆大額超 10 萬美元，精選機會、定向重倉
• P6 高频专业主力：200 筆以上交易，體量超 10 萬美元，算法策略與機構交易者群體
• P7 高频小额玩家：200 筆以上交易，總額不足 1 萬美元，躍度高但資本有限的參與者

2% 用戶，包攬近 90% 交易量

P2 低活躍散戶規模高達 84.9 萬人，占整體用戶 69%；P6 高频高投入用戶僅 2.7 萬人，占比約 2%。

但統計周期內，P6 群體創造總交易額高達 390 億美元。這是帕累托法則最極端的表現形式：並非常規 80/20，而是 2% 用戶撐起近 90% 交易量。

用戶画像彙總表：結合交易頻次與交易規模分層交叉得出七大用戶類型

各用戶群體的人數、交易筆數中位數與交易額中位數：三組數據呈現出截然不同的用戶分布特徵

用戶增長圖和交易量增長圖描述的幾乎是完全不同的用戶群體。以用戶增長為目標的平台和以交易量增長為目標的平台，其產品決策截然不同。

不同用戶畫像的品類偏好

體育、加密貨幣是 Polymarket 上交易量最大的兩大賽道，分別占總交易額 42%、31%，背後人群結構差異巨大。

不同用戶畫像與交易品類的交易量占比

加密貨幣市場中高頻高資金（P6）交易者的比例明顯高於用戶整體，這種模式與算法交易相符。這些參與者並非隨意投注者，而是運用系統化策略進行加密貨幣交易。交易量很高，交易頻率也很高，這表明交易執行是自動化的，而非主觀判斷。

不同用戶畫像與品類的成交筆數占比

體育搏彩雖然也以高頻、高資金（P6）交易量為主導，但其中等參與度（P3）和高參與度（P4）參與者的比例高於加密貨幣類別。體育搏彩既有機構算法資金，也存在大量資深人工研判玩家，依靠主觀判斷堅定下單，而非機器高頻迭代。

不同用戶畫像與品類的用戶占比：用戶分布情況與交易量、成交筆數截然相反

政治類用戶占比最高，達 19%，但用戶數量在各類用戶群體中分布較為均勻。低參與度用戶（P2）在政治類用戶中的比例最高，與其他類別相比，這類用戶通常是受事件驅動的一次性散戶，他們註冊賬戶是為了參與選舉投注。

經濟和金融領域吸引了不成比例的低頻高資本（P5）參與者，這意味著參與者交易次數不多，但單筆交易金額巨大，他們將大量資本投入到宏觀經濟結果中，而交易次數相對較少。

平台上品類直接決定了所吸引的用戶群體，並影響流動性深度、用戶留存、手續費承受能力。

一個新的加密貨幣市場會吸引算法交易者和高頻交易者；一個新的政治市場則會吸引受事件驅動的參與者，他們可能在事件結束後就再也不會回來了。像二元期權或結構化結果市場這樣更特殊的市場形式，可能會進一步吸引高頻高資本（P6）用戶群體，而這些系統性交易者已經主導了加密貨幣市場。如果目標是交易量，那就面向 P6 用戶群體構建。如果目標是用戶增長和品牌影響力，那就面向 P2 用戶群體進行建設。這兩個目標需要截然不同的品類選擇。

對手續費模型的啟示

用戶分層画像，直接決定預測市場的手續費設計。

固定單筆手續費模式，會過度壓制 P6 高頻高資本、P7 高頻小額群體；而恰恰是這批人，支撐了平台賴以生存的流動性底盤。

品類差異化費率的價值正在於此，Polymarket 當前費率體系正是這套邏輯的落地：

• 加密板塊有效費率最高：1.80%
• 體育板塊：0.75%
• 政治 & 金融板塊：1.00%
• 地緣政治板塊：全程零手續費

這套標準絕非隨意設定，而是精準匹配各品類人群結構與交易習慣。加密賽道充斥 P6 算法專業資金，承受高費率仍不破壞流動性；政治賽道以低門檻散戶為主，必須壓低摩擦成本維持留存。脫離用戶画像做費率設計，本質上都是盲目試錯。

核心結論

• P6 高頻高資本群體僅占 2% 用戶，創造平台 88% 交易量；
• 損害 P6 利益的手續費政策，會重創平台根基；
• 69% 用戶為低頻小額散戶，純熱點事件驅動；
• 加密交易高度集中於算法高頻資金，體育賽道參與者結構更多元；
• 普通用戶 90 天內平均成交僅 12 筆、總投入中位數 224 美元；
• 拓展新品類需鎖定目標用戶画像，而非單純追逐話題熱度。

結語

如果交易量集中在一個小的高頻核心區域，為什麼 Polymarket 要將自身定位為零售產品？專業算法資金支撐起絕大多數的流水，但產品體驗、行銷策略、品類布局，卻始終遷就普通散戶。

部分答案或許在於結構性因素。智能體框架、電報機器人、無代碼工具普及，散戶也能輕鬆上手自動化交易。如果散戶如今已經開始進行算法交易，那麼下一步自然演進為 AI 智能體自主大規模高頻運作。

這也正是 Polymarket 可能孕育出加密貨幣與人工智慧交叉領域首個殺手級應用的原因。在一個流動性強、事件驅動、結果非此即彼的市場中，自主代理能夠精準運作，它能吸收世界事件、社會情緒和即時推理信息，識別定價錯誤的交易結果，並在無需人工干預的情況下執行交易。當這款應用達到突破性進展時，它就不僅僅是一款加密貨幣產品了。這將是代理交易走向大眾市場的時刻。