摘要：本文探討瞭如何通過對NFT 數據的分析和整理來實現對藝術家更合理的推薦機制以及更藝術化的呈現形式。
創作者：Mario Klingemann、Hic et Nunc – State of the Art – 2021 年3 月18 日（細節）、2021 年。由藝術家本人提供。
如今，數百萬種NFT、數万份ERC-721 智能合約和數十個交易平台橫跨多個區塊鏈。結果，NFT 生態中到處都是噪音和碎片。無論你是剛入圈的收藏者還是經驗豐富的加密老炮，想找到吸引人的新作品都不容易。但內容推薦並不是Web3所獨有的問題。
多虧他們積累的數據、多年的測試和訓練，像Netflix 和Spotify 之類的Web2 公司已經精通了發現的藝術。但對NFT 這種為「發現」帶來獨特新挑戰的東西，他們的做法可以移植嗎？
我在此研究了幾種發現NFT 的可選方法。
圖片由 Foundation.app 提供
跟踪數據
根據銷量來發現NFT 可能是最簡單的方法。無論如何，排名和排行榜都是確定最流行收藏品的實用數據點。它們也是收藏者自然側重的數據，這些人經常根據銷量來進行篩選。這種做法的好處之一就是它有可驗證性—— 區塊鏈數據輕易就能獲取，通過運行以太坊節點，任何人都可以獨立驗證排名並親自收集數據。
排行榜天生就是一個排序的機制，只是沒有根據個人的喜好做微調。
畢竟，區塊鏈數據讓我們得以一窺藝術家和收藏者的複雜網絡。網絡科學家立刻意識到了NFT 數據在揭示這種新興所有權模式上的力量。
然而，刷量（收藏者通過把作品賣給自己來讓它們看起來有銷量並受人歡迎）仍然是NFT 交易市場的棘手問題。一些獨立加密研究者，比如takenstheorem ，會通過可視化的方式呈現出相互交易的賬號間的聯繫。
takenstheorem：刷量行為有時看著還挺漂亮
其他收藏者也喜歡
另一種發現NFT 的方法是分析和你相似的收藏者。這種做法假設，如果兩個收藏者擁有同一組藝術家的作品，那麼他們就很可能就有著相似的品味，也許會從其中一人收藏而另一人沒有收藏的藝術家那裡發現新大陸。這用的是Facebook「共同好友」的邏輯。
通過透明、分佈式、實時的「誰擁有啥」的記錄，區塊鏈豐富的數據尤其適合做成網絡分析圖。任何時候NFT 被轉移，它的數據就被寫入相關公鏈的公共賬本，在兩個加密錢包間建立起新的聯繫。這個數據隨後就能被用於拓展收藏者的社交圖譜。下圖是我使用網絡可視化工具分析SuperRare 上Jason Bailey 的收藏者網絡。這個工具也可以把藝術家的收藏者社區可視化，所以我把生成藝術家Manoloide 的社交圖譜也加入進來。
與Jason Bailey (artnomevault) 和Manoloide 有聯繫的SuperRare 用戶。 2022 年8 月6 日的數據。由Kyle Waters 提供
圖一展示了Jason 收藏的藝術家，圖二展示了Jason 在SuperRare 上的「共同收藏者」, 他們共同的特徵就在於擁有Manoloide 創作的作品。如果我們放大Manoloide 的某個收藏者，就能夠搜尋Jason 尚未收藏的藝術家。讓我們以化名punk6529 的收藏者的藏品6529Museum 為例。下圖展示了一大堆Jason 可以考慮的新藝術家。基於這份網絡分析，他可能會願意了解一下Seerlight。
與6529Museum 有聯繫的SuperRare 用戶。 2022 年8 月6 日的數據。由Kyle Waters 提供。
儘管這是個過度簡化的大致模型，但它展示了這種基於網絡的方法的力量。更精細的模型可能會基於Jason 的共同收藏者中有多少人擁有某個特定藝術家的作品的準確數據來排名。將這種做法在多條鏈上拓展開來（比如以太坊和Tezos），會需要把藝術家的錢包鏈接起來以掌握跨鏈出處的軌跡。
ClubNFT 的探索工具是第一個純粹基於區塊鍊網絡數據做推薦的工具。然而，通過合併額外網絡層、代幣元數據甚至超越區塊鏈本身，還有把該算法從當前範圍進一步拓展的空間。
Mario Klingemann、Hic et Nunc – State of the Art – 2021 年3 月18 日、2021年。由藝術家本人提供。
給我更多這樣的藝作
還有一種方法則是從NFT 層面本身來處理這類問題。上圖是藝術家Mario Klingemann 於2021 年4 月所作，基於顏色相似度，他將來自Tezos Hic Et Nunc 交易市場上的超過25,000 份NFT 匯集到了一起。還有很多高級計算機視覺技術 也能用來基於主題尋找好的匹配作品。
NFT 元數據（代幣指向的任何信息塊）也有可能給推薦幫上忙。對於加密藝術，元數據一般包括一個託管在IPFS（星際文件傳輸系統）上的JSON 文件。元數據通常包含標籤、描述和其他與作品內容有關的屬性。對這類元數據進行分析或許會幫助收藏者發現新作品。然而，沒有清晰的標準會讓這類信息的統一規範極其困難。
元數據能夠提供詳細的描述、標籤和其他信息，但有時無法提供同樣的信息豐富度，這可能削弱Web3 推薦引擎的效力。
另一個問題是「抄襲挖礦」，即某人通過複製和鑄造別人的內容來假冒真正的創作者。這個問題最近已經升級到讓OpenSea 使用 圖像識別技術 來防止偽作的程度。任何視覺推薦引擎都可能需要確保藝術家的作品出處以避免推薦抄襲的NFT。儘管ClubNFT 的探索工具沒有將移除抄襲作品作為明確訴求，但它的確要求這些作品需要有真實的收藏者，以此為惡意的推薦結果提供某種程度的防範。欲了解「抄襲挖礦」的作品都有哪些跡象，請觀看ClubNFT 安全課程中關於欺詐的短視頻。
Seerlight、High-Rise、2022年。由藝術家本人提供。
結論
成功的推薦引擎的共同點在於擁有海量的數據。基於NFT 生態中的可用數據，顯然有機會構建出能夠幫助收藏者縱橫市場的各種發現系統，也可以開發出讓藝術家嶄露頭角（或重振雄風）的各類工具。無論選擇哪種方式，我們都必須留意Web2 帶來的教訓，防止產生算法偏見，避免再次製造出獨霸一方的權力結構。 Web3 工具也必須避免對某些藝術家厚此薄彼式的反复推薦，這只會讓一部分人輕而易舉地獲得特權。站在一名數據分析師的角度，發現藉藉無名的藝術家是一項巨大的挑戰，但只要我們通過對新藝術家的支持來代替追星文化，這個問題就能夠得以解決。
作者：Kyle Waters