DL论文精选 -- WWW'25 ｜  NFT 作为数据丰富的试验台：炫耀性消费及其决定因素

《NFTs as a Data-Rich Test Bed: Conspicuous Consumption and its Determinants》

发表于：Proceedings of the ACM on Web Conference 2025 (WWW'25)

阅读本文约需 8 分钟

你是否好奇，为什么有人愿意为一张数字头像（NFT）支付数十万美元？为什么同一个 NFT 系列中，“稀有款” 的价格能远超普通款？这些看似非理性的消费行为，背后其实隐藏着经济学中经典的 “炫耀性消费” 逻辑。

近日，来自加拿大不列颠哥伦比亚大学（UBC）、哈佛大学及 a16z crypto 的研究团队，在 2025 年 4 月悉尼举办的 ACM Web Conference（WWW ’25）上发表了一篇重磅研究 ——《NFTs as a Data-Rich Test Bed: Conspicuous Consumption and its Determinants》。该研究以 NFT 为研究载体，首次通过大规模区块链公开数据，破解了 “从众效应”（越流行越抢手）与 “势利效应”（越稀缺越珍贵）这两大消费心理的共存机制，为理解数字时代的消费行为提供了全新视角。

炫耀性消费指消费者从商品中获取的价值，源于商品作为财富、品味和 / 或社群归属信号的社会意义，这类商品既包括设计师鞋履、乡村俱乐部会员资格等实体物品，也涵盖非同质化代币（NFT）这类数字领域的典型代表。NFT 市场值得深入研究，主要基于两点原因：其一，相较于其经济规模，目前对该市场的认知仍较为有限；其二，NFT 交易记录可在区块链上公开获取，使其极易用于炫耀性消费动态的研究，成为此类研究的理想实验场。本文提出了一个融合炫耀性消费两大已有核心效应的模型，即从众效应（商品越流行，价值越高）与势利效应（商品越稀缺，价值越高）。该模型化解了这两种效应间看似存在的矛盾，揭示出他人与个人的炫耀性消费之间存在净互补关系。同时，本文还构建了一个新颖的数据集，将 NFT 交易数据与通过现成视觉 Transformer 架构计算得到的对应 NFT 图像嵌入相结合。通过该数据集对模型进行验证后发现：从众效应会随着更多消费者加入而提升 NFT 系列的价值，而势利效应则会推动消费者在特定 NFT 系列中寻求更稀缺的 NFT。

Conspicuous consumption occurs when a consumer derives value from a good based on its social meaning as a signal of wealth, taste, and/or community affiliation. Common conspicuous goods include designer footwear, country club memberships, and artwork; conspicuous goods also exist in the digital sphere, with non-fungible tokens (NFTs) as a prominent example. The NFT market merits deeper study for two key reasons: first, it is poorly understood relative to its economic scale; and second, it is unusually amenable to analysis because NFT transactions are publicly available on the blockchain, making them useful as a test bed for conspicuous consumption dynamics. This paper introduces a model that incorporates two previously identified elements of conspicuous consumption: the bandwagon effect (goods increase in value as they become more popular) and the snob effect (goods increase in value as they become rarer). Our model resolves the apparent tension between these two effects, exhibiting net complementarity between others’ and one’s own conspicuous consumption. We also introduce a novel dataset combining NFT transactions with embeddings of the corresponding NFT images computed using an off-the-shelf vision transformer architecture. We use our dataset to validate the model, showing that the bandwagon effect raises an NFT collection’s value as more consumers join, while the snob effect drives consumers to seek rarer NFTs within a given collection.

在经济学中，“炫耀性消费” 消费者从商品中获取的价值，源于商品作为财富、品味和 / 或社群归属信号的社会意义 —— 比如奢侈品手袋、私人俱乐部会员，而 NFT 正是数字世界的典型代表。研究团队指出，NFT 市场之所以适合研究这一现象，核心源于两大优势：

一方面，NFT 市场规模庞大但认知不足。尽管早期 NFT 常被贴上 “骗局”，“金字塔 scheme” 的标签，但现实中，NFT 不仅能作为社交平台头像（如 X、Facebook 上的 PFP 类 NFT），还能代表游戏皮肤、数字艺术品所有权，其价值远超 “投资资产”，但学界此前对其消费逻辑的解读仍停留在表面。
另一方面，NFT 的区块链属性提供了 “透明数据池”。与实体奢侈品市场的交易数据难以获取不同，NFT 的每一笔交易（买家、卖家、价格、时间）、每一个所有者信息都公开可查，甚至连 NFT 的图像特征都能通过技术手段量化。这种 “数据丰富性”，让研究团队得以精准追踪消费行为背后的心理驱动。

此外，经典理论中 “从众效应” 与 “势利效应” 似乎存在矛盾：前者认为商品越流行需求越高，后者则强调商品越稀缺需求越高。如何解释这两种效应在 NFT 市场中同时存在？这正是该研究要解决的核心问题。

为验证理论假设，研究团队构建了目前已知规模最大、维度最丰富的 NFT 研究数据集，涵盖 “系列级”，“NFT 单品级”，“图像特征级” 三个层面，数据主要来自 OpenSea 与 Alchemy NFT API，并经过严格过滤（剔除垃圾系列、超大规模代币集合等干扰数据）：

• 基础交易数据：覆盖 10,963 个图像类 NFT 系列，包含 4859 万个 NFT、375 万个唯一 “钱包”（即 NFT 所有者账户）。团队记录了 2024 年 1 月各系列的 “地板价”（系列内最低售价）、总销量、平均售价，以及每个 NFT 的所有者信息 —— 其中，PFP（头像类）NFT 是最大类别，占 4221 个系列，印证了其作为 “社交身份符号” 的核心地位。

• 图像特征数据：为量化 NFT 的 “视觉独特性”，团队采用预训练的视觉 Transformer 模型 DINOv2，为每个 NFT 生成 384 维的 “图像嵌入”（可理解为图像的数字指纹），再通过计算单个 NFT 与系列 “中心嵌入”（随机抽取 50 个 NFT 的嵌入均值）的欧氏距离，判断该 NFT 与同系列平均风格的差异 —— 距离越远，视觉独特性越强。

• 稀缺性数据：采用 NFT 市场主流的 OpenRarity 排名（优先按 “唯一特质数量” 排序，再按特质的信息熵），覆盖 959 个系列的 NFT 稀缺性评分，解决了 “如何客观衡量 NFT 稀缺度” 的行业难题。

• 高价值案例数据：从销量 Top30 的系列中，筛选出 9 个 “稀缺性与价格显著相关” 的系列（如 Bored Ape Yacht Club、Azuki 等知名 IP），收集这些系列每一个 NFT 的全量交易记录（含售价、买卖时间、交易方），用于深度案例分析。

研究团队针对 “从众效应”（影响系列整体价值）与 “势利效应”（影响系列内单品价值），设计了两套独立的验证方案：

1. 从众效应：用 “所有权图” 预测系列价值

   “从众效应” 的核心是 “社群归属驱动需求”—— 当越多有影响力的人持有某系列 NFT，该系列价值越高。为验证这一点，团队构建了 “所有权图”：将 “钱包” 与 “NFT 系列” 作为节点，若某钱包持有某系列 NFT，则二者间建立一条边。随后，团队用图神经网络（GNN）基于此图预测系列的地板价，并对比 “是否加入图像特征”“是否考虑钱包影响力” 对预测效果的影响。

   团队还定义了钱包的 “重要性”：由 “财富”（钱包持有的所有 NFT 系列地板价总和）与 “社群亲和力”（钱包持有的系列与其他钱包的重叠度，反映社群融入度）共同决定，以此衡量钱包对系列价值的带动能力。

2. 势利效应：对比 “稀缺性” 与 “视觉独特性” 对单品价格的影响

   “势利效应” 的核心是 “稀缺性驱动溢价”—— 同系列内，越稀缺的 NFT 售价越高。团队通过两个维度验证：一是分析 NFT 的 OpenRarity 排名与平均售价的相关性（负相关即符合假设，因排名越高代表越不稀缺）；二是分析 “视觉独特性”（图像嵌入距离）与平均售价的相关性（正相关即符合假设，因独特性越强越能凸显身份）。

   此外，团队还测试了 “稀缺性” 与 “系列平均价值” 的互动关系 —— 即高价值系列中，稀缺单品的溢价是否更高，以此验证两种效应的互补性。

经过实证分析，研究团队得出三大突破性结论，彻底解开了 NFT 消费的 “黑箱”：

1. 从众效应与势利效应 “分层作用”，互不矛盾

   两种效应并非对立，而是作用于不同层级：在 “系列级”，从众效应主导 —— 某系列的持有者越多、尤其是高 “社群亲和力” 的持有者越多，系列地板价越高；在 “单品级”，势利效应主导 —— 同系列内，稀缺性排名越高（越稀缺）、视觉独特性越强的 NFT，售价越高。

   例如，当某 NFT 系列因 “高影响力钱包持有” 变得流行（从众效应），消费者会先选择加入该系列，再通过购买系列内的稀缺款（势利效应）凸显自己的独特性 —— 这就像先买某奢侈品牌的基础款（融入社群），再买限量款（彰显地位）。

2. “社群亲和力” 比 “财富” 更能带动系列价值

   在验证从众效应时，团队发现：钱包的 “社群亲和力”（即与其他持有者的重叠度）对系列价值的带动作用，比 “财富” 更显著 —— 向高亲和力钱包添加所有权连接时，系列预测地板价的提升幅度，比向高财富钱包添加连接高 56.9%；且随着连接数增加，这一差距还会扩大。

   这意味着，NFT 的价值不仅来自 “有钱人持有”，更来自 “有社群影响力的人持有”—— 紧密的社群结构（如 Discord 频道、X 账号的互动）才是维持系列热度的核心，这也解释了为何许多 NFT 项目会花大量精力运营社群。

3. 稀缺性是单品溢价的 “主因”，但视觉独特性可 “补位”

   在势利效应分析中，67.6% 的系列呈现 “稀缺性排名与售价负相关”（p<0.05），且 PFP 类系列更明显（70.9%）—— 即越稀缺的 NFT 越贵，符合势利效应假设。而视觉独特性虽能正向影响价格（24.8% 无稀缺性数据的系列中显著相关），但整体预测能力弱于稀缺性（71.5% 的系列中，稀缺性更能解释价格差异）。

不过，在部分特殊系列中，视觉独特性的作用会超过稀缺性 —— 比如某系列存在 “多美学风格”（如既有武士风、又有街头风），此时 “中心嵌入” 无法代表整体风格，视觉独特性反而能更精准反映 NFT 的稀缺感；或是当 NFT 作为社交头像时，“视觉辨识度” 的价值会被放大。

该研究的价值不仅限于解释 NFT 市场，更为整个 “炫耀性消费” 领域的研究提供了新方法、新视角：

对学界而言，区块链的 “透明数据” 首次让 “炫耀性消费” 从 “定性描述” 走向 “定量分析”—— 未来，研究者可借助类似数据，分析实体奢侈品、高端服务等传统领域的消费逻辑，解决此前 “数据难获取” 的痛点。

对 NFT 从业者而言，研究结论提供了清晰的运营方向：打造高价值 NFT 系列，不仅要设计稀缺的视觉特质，更要注重 “社群建设”—— 吸引高亲和力的核心用户，通过用户间的网络效应放大从众效应，再通过稀缺单品的溢价维持系列热度。

对普通消费者而言，该研究也提供了理性看待 NFT 价值的视角：NFT 的价格不仅取决于 “数字资产本身”，更取决于其背后的社群认同与身份符号价值 —— 理解这一点，才能避免盲目跟风或否定其存在意义。

未来，研究团队计划进一步优化图像分析技术（如针对多风格系列设计 “多中心嵌入”），并探索 “隐性炫耀消费”（如高财富群体仅向圈内人传递身份信号）的存在性 —— 随着 NFT 与实体商品的结合（如 NFT 绑定奢侈品所有权），这一领域的研究或将更贴近现实消费场景。

《NFTs as a Data-Rich Test Bed: Conspicuous Consumption and its Determinants》

ACM：https://dl.acm.org/doi/10.1145/3696410.3714724

ArXiv: https://arxiv.org/abs/2503.17457

DL论文精选

信息整理 hh

审稿 Xxx

排版  Xxx

信息来源链接：

1. https://dl.acm.org/

欢迎报名参与编辑

添加小助手

加入DL社区