_原文作者：sealaunch intelligence__原文编译：Chopper，Foresight News_大多数关于 Polymarket 的报道只停留在表面数据：交易量里程碑、用户增长、成交笔数、未平仓头寸，却从不深究这些数字背后究竟是谁在交易。本文从交易频次与交易量两个维度，对所有活跃钱包进行归类，勾勒出 Polymarket 真实的用户画像结构。Polymarket 绝大多数交易量，都由一小批算法交易和高频交易群体贡献；海量低频散户，与这批专业交易者几乎不存在交集。认清两类人群的差异，直接决定平台手续费设计、产品优先级规划与市场品类战略布局。说明：本文全部数据来源于 Dune 数据看板，分析周期覆盖近三个月钱包级全量行为；用户画像依据交易频次分级（T1–T7）与交易金额分级（V1–V7）交叉划定，金额统计单位为美元。### 用户交易频率和交易量分布交易频次呈现典型的对数正态分布衰减特征。最大的用户群体在整个研究周期的交易次数在 2 到 10 次之间，占所有用户的 32%。加上交易次数在 11 到 50 次之间的用户群体，就几乎占到了总用户群的三分之二。这些人通常是在选举、体育赛事或重大宏观经济事件发生时参与交易，并下注了少量资金。_交易频次分布图_交易量分布则截然不同。虽然成交频率从左侧急剧下降，但成交量直方图在对数坐标系下呈钟形，峰值约为每位用户 600 至 3000 美元。这意味着典型的活跃用户交易额在四位数左右，但从 25000 美元开始的右尾用户数量较少，却占据了平台成交量的绝大部分。_交易量分布图_这两个直方图共同揭示了结构上的分裂：一部分是低频参与者；另一部分是高交易量参与者，他们在用户图表中的足迹几乎看不见，但他们对交易量图表的影响却占据主导地位。_用户占比 & 体量集中度矩阵更直观：用户维度集中在低频小额区间，体量维度完全反转_### 用户画像体系如何搭建单纯依靠频次或体量划分用户，会忽略二者的关联逻辑。同样成交 500 笔，总金额 50 美元，与成交 500 笔、总额 500 万美元，是完全两类参与者。我们综合这两个维度对每个钱包进行分类。我们首先将每个钱包分配到不同的交易频率等级：从 T1（单笔交易）到 T7（超过 10,000 笔交易）。然后，我们将其分配到不同的交易量等级：从 V1（总交易额低于 100 美元）到 V7（超过 200 万美元）。这两个维度的交集产生了七种用户画像，每种画像代表一种截然不同的参与者类型。* P1 单次沉寂用户：仅 1 笔交易，总额不足 100 美元，一次性试水体验平台* P2 低活跃散户：2–10 笔交易，总体量低于 1000 美元，纯热点事件驱动的随性参与者* P3 中度参与者：11–200 笔交易，体量 1000–10000 美元，反复入场但无系统化交易逻辑* P4 高深度散户：201–1000 笔交易，体量 1 万–10 万美元，参与积极稳定，但未达机构级别* P5 低频高净值大户：交易少于 50 笔，单笔大额超 10 万美元，精选机会、定向重仓* P6 高频专业主力：200 笔以上交易，体量超 10 万美元，算法策略与机构交易者群体* P7 高频小额玩家：200 笔以上交易，总额不足 1 万美元，跃度高但资本有限的参与者### 2% 用户，包揽近 90% 交易量P2 低活跃散户规模高达 84.9 万人，占整体用户 69%；P6 高频高投入用户仅 2.7 万人，占比约 2%。但统计周期内，P6 群体创造总交易额高达 390 亿美元。这是帕累托法则最极端的表现形式：并非常规 80/20，而是 2% 用户撑起近 90% 交易量。_用户画像汇总表：结合交易频次与交易规模分层交叉得出七大用户类型__各用户群体的人数、交易笔数中位数与交易额中位数：三组数据呈现出截然不同的用户分布特征_用户增长图和交易量增长图描述的几乎是完全不同的用户群体。以用户增长为目标的平台和以交易量增长为目标的平台，其产品决策截然不同。### 不同用户画像的品类偏好体育、加密货币是 Polymarket 上交易量最大的两大赛道，分别占总交易额 42%、31%，背后人群结构差异巨大。_不同用户画像与交易品类的交易量占比_加密货币市场中高频高资金（P6）交易者的比例明显高于用户整体，这种模式与算法交易相符。这些参与者并非随意投注者，而是运用系统化策略进行加密货币交易。交易量很高，交易频率也很高，这表明交易执行是自动化的，而非主观判断。_不同用户画像与品类的成交笔数占比_体育搏彩虽然也以高频、高资金（P6）交易量为主导，但其中等参与度（P3）和高参与度（P4）参与者的比例高于加密货币类别。体育搏彩既有机构算法资金，也存在大量资深人工研判玩家，依靠主观判断坚定下单，而非机器高频迭代。_不同用户画像与品类的用户占比：用户分布情况与交易量、成交笔数截然相反_政治类用户占比最高，达 19%，但用户数量在各类用户群体中分布较为均匀。低参与度用户（P2）在政治类用户中的比例最高，与其他类别相比，这类用户通常是受事件驱动的一次性散户，他们注册账户是为了参与选举投注。经济和金融领域吸引了不成比例的低频高资本（P5）参与者，这意味着参与者交易次数不多，但单笔交易金额巨大，他们将大量资本投入到宏观经济结果中，而交易次数相对较少。平台上品类直接决定了所吸引的用户群体，并影响流动性深度、用户留存、手续费承受能力。一个新的加密货币市场会吸引算法交易者和高频交易者；一个新的政治市场则会吸引受事件驱动的参与者，他们可能在事件结束后就再也不会回来了。像二元期权或结构化结果市场这样更特殊的市场形式，可能会进一步吸引高频高资本（P6）用户群体，而这些系统性交易者已经主导了加密货币市场。如果目标是交易量，那就面向 P6 用户群体构建。如果目标是用户增长和品牌影响力，那就面向 P2 用户群体构建。这两个目标需要截然不同的品类选择。### 对手续费模型的启示用户分层画像，直接决定预测市场的手续费设计。固定单笔手续费模式，会过度压制 P6 高频高资本、P7 高频小额群体；而恰恰是这批人，撑起了平台赖以生存的流动性底盘。品类差异化费率的价值正在于此，Polymarket 当前费率体系正是这套逻辑落地：* 加密板块有效费率最高：1.80%* 体育板块：0.75%* 政治 & 金融板块：1.00%* 地缘政治板块：全程零手续费这套标准绝非随意设定，而是精准匹配各品类人群结构与交易习惯。加密赛道充斥 P6 算法专业资金，承受高费率仍不破坏流动性；政治赛道以低门槛散户为主，必须压低摩擦成本维系留存。脱离用户画像做费率设计，本质都是盲目试错。### 核心结论* P6 高频高资本群体仅占 2% 用户，创造平台 88% 交易量；* 损害 P6 利益的手续费政策，会重创平台根基；* 69% 用户为低频小额散户，纯热点事件驱动；* 加密交易高度集中于算法高频资金，体育赛道参与者结构更多元；* 普通用户 90 天内平均成交仅 12 笔、总投入中位数 224 美元；* 拓展新品类需锚定目标用户画像，而非单纯追逐话题热度。### 结语如果交易量集中在一个小的高频核心区域，为什么 Polymarket 要将自身定位为零售产品？专业算法资金撑起绝大多数流水，但产品体验、营销打法、品类布局，却始终迁就普通散户。部分答案或许在于结构性因素。智能体框架、电报机器人、无代码工具普及，散户也能轻松上手自动化交易。如果散户如今已经开始进行算法交易，那么下一步自然演进为 AI 智能体自主大规模高频运作。这也正是 Polymarket 可能孕育出加密货币与人工智能交叉领域首个杀手级应用的原因。在一个流动性强、事件驱动、结果非此即彼的市场中，自主代理能够精准运作，它能够吸收世界事件、社会情绪和实时推理信息，识别定价错误的交易结果，并在无需人工干预的情况下执行交易。当这款应用达到突破性进展时，它就不仅仅是一款加密货币产品了。这将是代理交易走向大众市场的时刻。
2%ユーザーが90%の取引量を貢献：Polymarketの実像
原文作者：sealaunch intelligence
原文编译：Chopper，Foresight News
大多数关于 Polymarket 的报道只停留在表面数据：交易量里程碑、用户增长、成交笔数、未平仓头寸，却从不深究这些数字背后究竟是谁在交易。本文从交易频次与交易量两个维度，对所有活跃钱包进行归类，勾勒出 Polymarket 真实的用户画像结构。
Polymarket 绝大多数交易量，都由一小批算法交易和高频交易群体贡献；海量低频散户，与这批专业交易者几乎不存在交集。认清两类人群的差异，直接决定平台手续费设计、产品优先级规划与市场品类战略布局。
说明：本文全部数据来源于 Dune 数据看板，分析周期覆盖近三个月钱包级全量行为；用户画像依据交易频次分级（T1–T7）与交易金额分级（V1–V7）交叉划定，金额统计单位为美元。
用户交易频率和交易量分布
交易频次呈现典型的对数正态分布衰减特征。最大的用户群体在整个研究周期的交易次数在 2 到 10 次之间，占所有用户的 32%。加上交易次数在 11 到 50 次之间的用户群体，就几乎占到了总用户群的三分之二。这些人通常是在选举、体育赛事或重大宏观经济事件发生时参与交易，并下注了少量资金。
交易频次分布图
交易量分布则截然不同。虽然成交频率从左侧急剧下降，但成交量直方图在对数坐标系下呈钟形，峰值约为每位用户 600 至 3000 美元。这意味着典型的活跃用户交易额在四位数左右，但从 25000 美元开始的右尾用户数量较少，却占据了平台成交量的绝大部分。
交易量分布图
这两个直方图共同揭示了结构上的分裂：一部分是低频参与者；另一部分是高交易量参与者，他们在用户图表中的足迹几乎看不见，但他们对交易量图表的影响却占据主导地位。
用户占比 & 体量集中度矩阵更直观：用户维度集中在低频小额区间，体量维度完全反转
用户画像体系如何搭建
单纯依靠频次或体量划分用户，会忽略二者的关联逻辑。同样成交 500 笔，总金额 50 美元，与成交 500 笔、总额 500 万美元，是完全两类参与者。我们综合这两个维度对每个钱包进行分类。
我们首先将每个钱包分配到不同的交易频率等级：从 T1（单笔交易）到 T7（超过 10,000 笔交易）。然后，我们将其分配到不同的交易量等级：从 V1（总交易额低于 100 美元）到 V7（超过 200 万美元）。这两个维度的交集产生了七种用户画像，每种画像代表一种截然不同的参与者类型。
2% 用户，包揽近 90% 交易量
P2 低活跃散户规模高达 84.9 万人，占整体用户 69%；P6 高频高投入用户仅 2.7 万人，占比约 2%。
但统计周期内，P6 群体创造总交易额高达 390 亿美元。这是帕累托法则最极端的表现形式：并非常规 80/20，而是 2% 用户撑起近 90% 交易量。
用户画像汇总表：结合交易频次与交易规模分层交叉得出七大用户类型
各用户群体的人数、交易笔数中位数与交易额中位数：三组数据呈现出截然不同的用户分布特征
用户增长图和交易量增长图描述的几乎是完全不同的用户群体。以用户增长为目标的平台和以交易量增长为目标的平台，其产品决策截然不同。
不同用户画像的品类偏好
体育、加密货币是 Polymarket 上交易量最大的两大赛道，分别占总交易额 42%、31%，背后人群结构差异巨大。
不同用户画像与交易品类的交易量占比
加密货币市场中高频高资金（P6）交易者的比例明显高于用户整体，这种模式与算法交易相符。这些参与者并非随意投注者，而是运用系统化策略进行加密货币交易。交易量很高，交易频率也很高，这表明交易执行是自动化的，而非主观判断。
不同用户画像与品类的成交笔数占比
体育搏彩虽然也以高频、高资金（P6）交易量为主导，但其中等参与度（P3）和高参与度（P4）参与者的比例高于加密货币类别。体育搏彩既有机构算法资金，也存在大量资深人工研判玩家，依靠主观判断坚定下单，而非机器高频迭代。
不同用户画像与品类的用户占比：用户分布情况与交易量、成交笔数截然相反
政治类用户占比最高，达 19%，但用户数量在各类用户群体中分布较为均匀。低参与度用户（P2）在政治类用户中的比例最高，与其他类别相比，这类用户通常是受事件驱动的一次性散户，他们注册账户是为了参与选举投注。
经济和金融领域吸引了不成比例的低频高资本（P5）参与者，这意味着参与者交易次数不多，但单笔交易金额巨大，他们将大量资本投入到宏观经济结果中，而交易次数相对较少。
平台上品类直接决定了所吸引的用户群体，并影响流动性深度、用户留存、手续费承受能力。
一个新的加密货币市场会吸引算法交易者和高频交易者；一个新的政治市场则会吸引受事件驱动的参与者，他们可能在事件结束后就再也不会回来了。像二元期权或结构化结果市场这样更特殊的市场形式，可能会进一步吸引高频高资本（P6）用户群体，而这些系统性交易者已经主导了加密货币市场。如果目标是交易量，那就面向 P6 用户群体构建。如果目标是用户增长和品牌影响力，那就面向 P2 用户群体构建。这两个目标需要截然不同的品类选择。
对手续费模型的启示
用户分层画像，直接决定预测市场的手续费设计。
固定单笔手续费模式，会过度压制 P6 高频高资本、P7 高频小额群体；而恰恰是这批人，撑起了平台赖以生存的流动性底盘。
品类差异化费率的价值正在于此，Polymarket 当前费率体系正是这套逻辑落地：
这套标准绝非随意设定，而是精准匹配各品类人群结构与交易习惯。加密赛道充斥 P6 算法专业资金，承受高费率仍不破坏流动性；政治赛道以低门槛散户为主，必须压低摩擦成本维系留存。脱离用户画像做费率设计，本质都是盲目试错。
核心结论
结语
如果交易量集中在一个小的高频核心区域，为什么 Polymarket 要将自身定位为零售产品？专业算法资金撑起绝大多数流水，但产品体验、营销打法、品类布局，却始终迁就普通散户。
部分答案或许在于结构性因素。智能体框架、电报机器人、无代码工具普及，散户也能轻松上手自动化交易。如果散户如今已经开始进行算法交易，那么下一步自然演进为 AI 智能体自主大规模高频运作。
这也正是 Polymarket 可能孕育出加密货币与人工智能交叉领域首个杀手级应用的原因。在一个流动性强、事件驱动、结果非此即彼的市场中，自主代理能够精准运作，它能够吸收世界事件、社会情绪和实时推理信息，识别定价错误的交易结果，并在无需人工干预的情况下执行交易。当这款应用达到突破性进展时，它就不仅仅是一款加密货币产品了。这将是代理交易走向大众市场的时刻。