二％用戶貢獻九成交易量

原文作者：sealaunch intelligence

原文編譯：Chopper，Foresight News

多數關於 Polymarket 的報導僅停留於表面數據：交易量里程碑、用戶增長、成交筆數、未平倉頭寸，卻鮮少深究這些數字背後究竟是誰在交易。本文從「交易頻次」與「交易金額」雙維度切入，對所有活躍錢包進行精細分類，首次完整勾勒出 Polymarket 真實的用戶畫像結構。

研究發現：Polymarket 超過八成交易量，由極少數算法交易者與高頻專業資金主導；而海量低頻散戶雖佔用戶總數近七成，卻與核心交易群體幾乎零交集。釐清這兩類人群的本質差異，直接影響平台手續費模型設計、產品功能優先級排序，以及市場品類戰略佈局。

說明：本文全部數據源自 Dune 數據看板，分析涵蓋最近三個月全量錢包級行為；用戶畫像依據交易頻次（T1–T7）與交易金額（V1–V7）交叉劃分，金額單位為美元。

交易頻次 vs. 交易金額：兩張圖揭開用戶結構分裂

交易頻次呈現典型的對數正態衰減分布：最大宗用戶群（32%）在研究期間僅交易 2 至 10 次；若將 11–50 次交易者納入，則合計佔整體用戶近三分之二。此類用戶多於選舉、體育賽事或重大宏觀經濟事件爆發時短暫參與，單筆投入金額偏低。

交易頻次分布圖

交易金額分布則截然不同：在對數坐標下呈鐘形曲線，峰值落在每位用戶 600 至 3,000 美元區間——顯示典型活躍用戶交易規模集中於四位數；但自 25,000 美元起的右尾用戶雖人數稀少，卻貢獻了平台絕大部分成交額。

交易金額分布圖

兩張直方圖共同揭示一項關鍵事實：用戶層面高度集中於「低頻+小額」象限；而交易量層面則完全反轉——極少數高頻高資本用戶，在用戶數量圖中幾乎不可見，卻在交易量圖中主導全局。

用戶占比 & 體量集中度矩陣：用戶維度集中在低頻小額區間，體量維度則完全倒置

七大用戶畫像：頻次 × 金額交叉分類法

單純以頻次或金額劃分用戶，易忽略二者關聯邏輯。例如：同為 500 筆交易，總額 50 美元者與總額 500 萬美元者，顯然屬於完全不同參與類型。因此，本研究採用雙維度交叉分類法：

• 交易頻次等級（T1–T7）：T1 = 僅 1 筆；T7 = 超過 10,000 筆
• 交易金額等級（V1–V7）：V1 = 總額 ＜ 100 美元；V7 = 總額 ＞ 200 萬美元

兩軸交叉生成七大用戶類型（P1–P7），每類代表一種明確的行為模式與資金特徵：

• P1 單次沉寂用戶：僅 1 筆交易，總額 ＜ 100 美元，純屬平台初體驗
• P2 低活躍散戶：2–10 筆交易，總額 ＜ 1,000 美元，熱點事件驅動型隨性參與者
• P3 中度參與者：11–200 筆交易，總額 1,000–10,000 美元，反覆進場但無系統化策略
• P4 高深度散戶：201–1,000 筆交易，總額 1 萬–10 萬美元，穩定參與、具一定經驗，尚未達機構級別
• P5 低頻高淨值大戶：＜ 50 筆交易，但單筆常逾 10 萬美元，精選機會、定向重倉
• P6 高頻專業主力：≥ 200 筆交易，總額 ＞ 10 萬美元，算法策略與機構交易者主體
• P7 高頻小額玩家：≥ 200 筆交易，總額 ＜ 1 萬美元，操作頻密但資本有限

2% 用戶承擔近 90% 交易量：帕累托極致化現象

P2 低活躍散戶達 84.9 萬人，佔整體用戶 69%；P6 高頻高投入用戶僅 2.7 萬人，約佔 2%。

然而，在統計週期內，P6 群體創造總交易額高達 390 億美元——這已非傳統 80/20 法則，而是極端化的「2/90 法則」：僅 2% 用戶支撐起近 90% 交易量。

用戶畫像彙總表：依交易頻次與交易規模交叉分層得出七大類型

各用戶群體人數、成交筆數中位數與交易額中位數：三組指標呈現迥異分佈特徵

用戶增長曲線與交易量增長曲線，描述的是近乎完全不同的用戶群體。以「拉新」為目標的平台，與以「提升流水」為目標的平台，其產品決策必須徹底分離。

不同畫像的品類偏好：加密 vs. 體育 vs. 政治

體育（42%）、加密貨幣（31%）為 Polymarket 交易量前兩大賽道，但背後用戶結構天壤之別：

各用戶畫像於不同品類之交易金額佔比

加密市場中，P6（高頻高資本）用戶占比明顯高於整體均值，符合算法交易特徵：高頻、高額、自動化執行，非主觀判斷驅動。

各用戶畫像於不同品類之成交筆數佔比

體育博彩雖亦由 P6 主導交易量，但 P3（中度參與者）與 P4（高深度散戶）比例顯著高於加密類別——顯示該領域同時存在大量資深人工研判者，憑經驗與直覺堅定下注，而非機器迭代。

各用戶畫像於不同品類之用戶數量佔比：與交易量、成交筆數分佈完全相反

政治類別用戶占比最高（19%），但分佈最均勻：P2（低活躍散戶）佔比突出，多為受選舉事件驅動的一次性註冊者，事件結束即流失。

經濟與金融類別則吸引不成比例的 P5（低頻高資本）用戶——交易次數稀少，但單筆金額龐大，反映其將巨額資金押注於宏觀結果，而非短期波動。

可見：平台品類不僅是話題選擇，更是用戶篩選器。新品類上線前，必須明確鎖定目標畫像——若追求交易量，應聚焦 P6；若追求品牌曝光與長期留存，則需服務 P2。

對手續費模型的關鍵啟示

用戶分層畫像，直接決定預測市場的手續費設計邏輯。

固定單筆手續費模式，將嚴重抑制 P6（高頻高資本）與 P7（高頻小額）群體——而這兩類，恰恰是支撐平台流動性根基的核心力量。

Polymarket 現行差異化費率體系，正是此邏輯的落地實踐：

• 加密板塊有效費率最高：1.80% —— 匹配 P6 對高摩擦成本的承受力
• 體育板塊：0.75% —— 平衡機構與人工玩家雙重需求
• 政治 & 金融板塊：1.00% —— 在流動性與用戶門檻間取得平衡
• 地緣政治板塊：全程零手續費 —— 最大化降低低頻散戶參與障礙

此套費率非憑空設定，而是嚴格對應各品類用戶結構與行為習慣。脫離畫像做費率設計，本質皆為盲目試錯。

核心結論摘要

• P6 高頻高資本群體僅佔用戶 2%，卻貢獻平台 88% 交易量；
• 任何損害 P6 利益的手續費政策，將直接動搖平台流動性根基；
• 69% 用戶為低頻小額散戶，純屬熱點事件驅動型參與；
• 加密交易高度集中於算法與高頻資金；體育賽道用戶結構更為多元；
• 普通用戶 90 天內平均僅成交 12 筆，總投入中位數僅 224 美元；
• 拓展新品類須錨定目標用戶畫像，而非單純追逐話題熱度。

結語：零售定位 vs. 專業底層——Polymarket 的演化臨界點

當交易量高度集中於極小範圍的高頻核心群體，Polymarket 卻持續以「零售預測市場」自我定位——這是否構成戰略錯配？

答案或許藏於結構性變革之中：智能體框架、Telegram 交易機器人、無程式碼工具普及，正使散戶逐步具備算法交易能力；而下一步自然演進，即是 AI 智能體自主執行大規模高頻交易。

這也正是 Polymarket 最有潛力孕育出加密與 AI 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、結果非黑即白的市場中，自主代理可即時吸收全球新聞、社群情緒與實時推理訊號，識別定價錯誤，並無需人工干預完成交易。一旦此應用實現突破，它將不再只是一款加密產品——而是「代理交易」正式邁向大眾市場的歷史性時刻。