在利用链上数据分析工具所提供的钱包地址信息时，我们首先要问自己的第一件事是：我是否拥有足够多的信息了解（know）这位交易者？

如果说关于 ta 的信息是残缺的，更甚因为非确证信念（unjustified belief）是建立于不充分且单一的依据之上，那么由此所做出的交易回应无非是高风险的赌博。

▌ 目前链上数据分析工具的缺陷是什么？

在目前的区块链行业里，我们显然能够轻易地接触到各类的链上数据分析工具，无论是 Nansen 还是 Glassnode，它们的主要作用是为交易者和投资者们提供辅助性的信息捕捉和及时性的行情反馈。

如果链上数据分析工具以定价作为它们的质量把关，那么如 Nansen 所提供的高价值捕获则和它那昂贵的价格成正比。（目前 Nansen 的产品价格：标准版 1400 美元/年 会员版 15000 美元/年 阿尔法版 30000 美元/年）

Nansen 作为目前加密行业炙手可热的数据分析工具自然和它那具有投机意味十足的功能离不开关系，如 Smart Money（聪明钱）跟踪和 Smart Alerts（智能警报）。

以最为让人称手叫好的功能聪明钱为例，交易者在通过了解到鲸鱼们（如 VCs 和高净值用户）的及时性交易详情后准备好做出被动型反应（跟单、平仓等）和产生不经检索的揣测（利好、利空）。

即便从功利主义的角度去做出交易反应，许多交易者会发现利用 Nansen 聪明钱提供的巨鲸信息后不但没有获利反而亏损更严重了。

这种现象的产生不仅仅是因为交易者本身对短期数据所反映出来的情绪化交易，而更多的是此类分析工具的方法论出现了一个十分致命的缺陷——所分析出来的信息只是冰山一角。

即便我们以短期交易盈利作为目的，聪明钱和 Wallet Profiler（钱包分析，Nansen 的另一功能，可以详细提供关于特指钱包的信息，如交易和活动详情）所提供的单一且片面的信息是不足以我们去了解关于这些巨鲸们的人物弧光。

因为我们只是了掌握他们的部分事实（factual）行踪，而非拥有足够多的信息去揭示他们的总体行为。

▌ 目前链上数据工具生产出来的信息为什么是单一且片面的？

区块链的「弊端」之一，无限制账户创建模式

关于区块链数据和信息捕获方法，研究链上聚类算法和知识图谱的 0xScope Labs 也提出了自己的担忧。

他们用区块链账户地址解释道，「当整个区块链都在用这种几乎零成本的账户创建模式（指的是在区块链上人们可以无限地去创建账户生成地址），且对用户账户数量并无直接限制或者通过 KYC 来间接限制时，任何基于「单个地址」的用户画像，几乎无法刻画真实。」

尽管区块链交易公开且透明，但是由于这种机制所产生的「弊端」为整个生态的用户信息处理带来了不少的麻烦。

一位聪明的巨鲸自然会利用无限制账户创建机制去保护自己的财产安全和隐私，而聪明钱所调出的单一钱包信息是无法准确的描绘出 ta 的行为逻辑；

作为捕鲸者的交易员们也像盲人摸象般误以为自己洞明了真相，因此找到关于这位巨鲸的所有信息就变得非常重要。

如此来看，区块链那与之俱来的交易公开透明光环不但没有让这些交易者从去中心化数据中获益，更窘迫的是他们在聪明钱等工具的影响下困在了信息茧房。

无限制账户创建模式成为了一种障眼法

当一个区块链项目发布了空投计划时，大批的用户会利用多个钱包账户去做空投任务从而获取资格，而作为项目方和 VCs 如何提炼出真实用户的活跃数量则成了几乎不可能的任务，而这也为之后的项目发展带来了巨大的难题。

作为投资者的一方来看，因为项目方有可能通过多地址交互虚增用户活跃度，或者以匿名身份运营过 Rug Pulls（跑路）的项目，这会提高投资的风险。

Azuki 团队通过推特告示了他们早期的「失败」项目，由于巨大的舆论压力导致 Azuki NFT 的暴跌。如果能够通过项目方的地址提早发现可能的端倪，Azuki 投资者们也许能够避免此类风险。

▌ 新的链上数据分析机制

由于链上数据的过度简朴和缺乏一定的聚类分析，这些似乎可以洞察到的危险在区块链里变成了不可避免的投资风险。

0xScope Labs 随后也指出目前的技术基础设施很难描绘出敞视且准确的用户画像。「数据基础设施所提供的数据过于单一，缺乏穿透和关联能力更强的多维数据，这导致整个行业对数据的利用程度都很低，我们甚至完全是在靠经验来推进行业的发展。」

由此可见，目前的链上数据分析工具缺乏宏观的分析视角，而通过这种视野去找到信息（如账户地址）之间相互的关联和结构则是非常必要了，因为它能帮助我们找到关于这些信息背后那最为接近的真相从而才能打破这些障眼法。

为了实现这一目的，0xScope Labs 构思了一种解决方法——通过 Knowledge Graph(知识图谱）和权重归集算法建设，区块链上由数据所转化的信息加工处理成了清晰的三元组，「实体 (Entity)-关系 (Relationship)-实体 (Entity)」。

什么是 Knowledge Graph (知识图谱）？

知识图谱是用于描述现实世界中的实体（如个体，小明、小红或小刚）、概念（如人类、动物等）及事件间的客观关系。知识图谱的构建过程即从非结构化数据中抽取信息，构建结构化数据的过程。

以文学家金庸为例，我能能够看到他作为一个实体和其他实体之间那不可缺少的关系。而通过这一张简单且清晰的图表，我们能够一眼看清楚金庸与其他实体的关系和身份特征（概念）。

什么是归集算法（Cluster Analysis）？

由于区块链技术提供了身份隐蔽性，再加上无限制账户创建机制，现实世界信息作为来源的知识图谱无法在链上完美实现。

0xScope 团队则提出了新的数据分析基础方案——Scope's Entities，从而建立了一套基于图计算的权重归集算法（Cluster Analysis）。

它通过给几十个不同类型的规则赋予不同的权重来识别用户的其他地址，这些规则通过深度学习不断地在测试与完善以提高地址归集的准确度，并从 Entitiy（实体）的视角来重构信息单元。

如同上述的巨鲸例子，一位聪明的大户肯定不会将自己所有的资产放在一个地址里，如果我们用聪明钱只追踪到了他的一个地址并认定这是这位鲸鱼的全部实体，那么我们就大错特错了。

而这也如同拼图游戏一样，我们仅仅找到了一块拼图是不能宣称我们知道了整个图案。

0xScope Labs 注释:「（归集算法）既可以保护用户的隐私，同时也可以得出更全面的用户画像，当建设者拥有这些画像数据后，可以基于这些数据给加密用户们带来更精准的服务。」

链上知识图谱机制的本质就是要做到尽职调查，找到所有拼图；而归集算法的核心是寻找行为共性，越有价值的行为越容易被关联。即使最后无法拼出整块图案，知识图谱和归集算法也能让我们无限接近于真相。

▌ Watchers——Web3.0 天眼查

在 2022 年 7 月 7 日，0xScope Labs 上线了第一个运用了 0xScope Protocol 的链上工具——Watchers。Watchers 将肩负着揭示加密世界更深层次的真相的使命给用户提供了实体的结构、行为和关联。

Watchers 是一个不同寻常的数据分析工具，它将实体（Entity）而非地址（Addresses）作为数据分析的基本单元。而主体在链上则是与某个特定地址（EOA）高度相关的一组地址，它可能代表个人、 机构、项目或者具有相似行为特征的用户群体。

图 1.1

图 1.2

图 1.3

用 Sifu.eth 账户地址举例，当我们在 Watchers 上查询一个特定地址的时候，首先展示出来的是这个地址的 Wallet Overview（钱包总览）数据（图 1.1 和 1.2），地址、余额和交易数据。

更为便捷的是这里为我们提供了这个地址的 Web3 社交信息，如 Debank、Mirror 和 Opensea 等应用，结合与 Web2 等应用（如 twitter）的交互记录，为我们在描绘这个实体提供了不小的帮助。

打开 Wallet Tags（钱包标签）一行（图 1.2），用户也能通过这些标签明白这个地址的更多细节。

图 1.4

在 NFT Collection（NFT 收藏品）一栏（图 1.4），我们也能够注意到这个地址的交易详情、NFTs 拥有情况等。钱包总览和 NFT 收藏品这两项功能已经满足了 Nansen 钱包分析的绝大部分功能，但 Watcher 并没有停止于此。

在 Entity Analysis（实体分析）和 Address Entity Graph（实体地址图谱）中我们发现了关于这个地址背后那庞大的实体。

图 1.5

首先，我们先来探究下实体分析功能。在上图（图 1.5）里，我们能够通过实体分析功能看到这个实体更为透明的信息。

在上行第一句话里，Watchers 表明了 Sifu.eth 跟 13 个地址（12 个是特定地址，一个是合约地址）有很高的关联可能性。在左边的 Entity Addresses（实体地址）中我们能够看到是哪些地址与 Sifu.eth 的 Connection Certainty（关联度），从 90% 到更低。

右边的 Portfolio（资产集）中我们能够清晰地注意到这些地址的资产总和情况。在下面三个类别中，All Labels（所有标签），Cluster Web3 Social Reveals（聚集 Web3 社交揭示）和 Main DApp Interactions（主要 Dapp 交互）中我们能够看到一个全景式的概括。

这不仅能节省我们追踪实体的时间，也能为我们展示一个更为宏大的、整体的实体行为活动。

图 1.6

在图 1.6 里（上图），我们来到了实体地址图谱功能。通过实体地址图谱我们看到了一个更清晰、更便捷的监视方法，这种高度可视化也是知识图谱的一大优势。通过对置信度（Certainty）的调节（置信度越低，归集的规则约束越少，显示出来的地址可能就会越多），用户可以对所有有潜在嫌疑的地址一网打尽。

图 1.7

图 1.8

当用户随意点开一个地址查看时，会查询到 Address Info（地址信息）提供的详情（图 1.7）。从这里我们能看到这个地址（5bf9）和其他 40 个地址也有关系，与 8 个地址、123 个合约有过交互。

在 Cluster Detail（聚集详情）里（图 1.8）用户又能看到另一条分支，5bf9 和 a02，516 结尾的地址也有高达百分之 90 的关联度。如此可见，区块链上账户之间的关联性是十分之大的，如果不依靠更为深度的探究去挖掘，我们就无法发现背后那复杂的关系网。

(关于这两项功能更多的详情介绍请观看下面的视频）↓↓↓

视频链接

通过这两项功能的信息处理和拓展性，我们能够对 Sifu.eth 那背后的实体有了更为完整的形象刻画，什么地址和 Sifu.eth 产生了联系，这些地址背后的所指是什么也被一一表现了出来。

从这些含义中，Watchers 用户可以检验出更为精炼的信息（例如 5bf9 结尾的地址在很多币种里都是鲸鱼，地址 7abc 的 Alemeda Research 投资基金和 Sifu.eth 有高达百分之 90 的关联）

图 2.1

除了对地址背后实体的全景分析，这种方法论也同样可以运用在 Dapp 上去检测更为精确的用户量和活跃度。

在上图（2.1）中，我们能够看到 Uniswap 协议的用户数据。实体总数、地址总数、日常活跃度、每日实体和地址的活跃度等等重要信息，而这些都能让我们对某具体 Dapp 有更为真实的了解，从而避免受到片面信息带来的错误判断。

▌ 总结

由于区块链技术对于数据提取产生了极大的麻烦加上目前的链上数据分析工具不具备一个既有广度又有深度的分析方法范式，导致了链上数据利用率极低；

这不仅提高了投资者的风险同时也降低了项目方对项目数据的清晰度。通过知识图谱的深度关联性挖掘和归集算法的信息高度提炼，链上数据的分析能够进一步地提升，到达多维度且高质量的图谱信息。

从 Watchers 所提供的数据来看，无论是从实体的地址互联性出发去堆砌出用户画像和行为，还是利用实体挖掘出真实的项目数据，实体作为方法是能挖掘出隐藏在区块链信息里那盘旋交错的结构性关联和多重身份的对象。

0xScope Protocol 作为第一个 Web3.0 知识图谱协议会对链上数据分析带来新的见解。

相关链接：

1. Watchers 已上线，体验产品交互，领取 PRO 版本权益

https://twitter.com/ScopeProtocol/status/1561684691681325059

2. Scope Protocol Founder 带你快速上手 Watchers 新功能 Cute Money Group https://twitter.com/0xOar/status/1561685770569936896

3. Alerts 新功能介绍及操作指南

https://twitter.com/0xWatchers/status/1561689181528932352

此外，0xScope&Watchers 正在组建一支新锐军队，如果您对探索产品和发掘更多用例有兴趣，请加入我们！

https://mirror.xyz/0x46345bF5B81B6D8124ad70F112224681f03c7b97/nPlvMjNjfD6w7LLGsK9FbhhSZUpbWJt4AWK0Ccbeeh8

表单：https://forms.gle/HUr3z4nLeuEPWhzz5

参考资料：

[1] 通俗易懂解释知识图谱（Knowledge Graph）

https://www.cnblogs.com/huangyc/p/10043749.html

[2] ZH.Li, Knowledge Graph（知识图谱）

https://zhuanlan.zhihu.com/p/53753234

[3] MIRA Lab, 【知识图谱】知识图谱嵌入模型简介

https://www.shangyexinzhi.com/article/2513152.html

[4] 0xScope Protocol, 0xScope——用知识图谱革新Web3数据分析范式

http://www.techflow520.com/news/1125

[5] Steup, Matthias and Ram Neta, "Epistemology", The Stanford Encyclopedia of Philosophy (Fall 2020 Edition), Edward N. Zalta (ed.)

https://plato.stanford.edu/entries/epistemology/index.html

[6] PHILOSOPHY - Epistemology: Introduction to Theory of Knowledge

https://youtu.be/r_Y3utIeTPg

[7] “Knowledge Graph”, IBM Cloud Education, (Spring 2021 Edition)

https://www.ibm.com/cloud/learn/knowledge-graph

[8] https://twitter.com/ZAGABOND/status/1523775812893249537

[9] https://docs.watchers.pro/introduction/welcome-to-watchers

[10] https://pro.nansen.ai/smart-money

责任编辑：Kate