NFT 市场份额怎么看：排名为什么对不上

Dune 上一份 2022 年的研究筛出来一个数：LooksRare 自己报出来的成交额里，约 98% 被这套过滤方法标记为疑似左手倒右手的自成交。这不是随口估的比例，是数据科学家用四层过滤规则一笔一笔筛出来的。NFT 市场份额，是指某个交易市场的成交额占全部市场成交额的百分比，这个数字本来想告诉你”这个圈子里到底谁的盘子大”——但分子要不要扣掉这类疑似假成交、分母又该装进哪些市场和哪条链，几乎没有两家统计方式能对齐，这就是你在不同网站上看到不同排名的根源。

市场份额这个百分比，原本想说明什么？

一个市场的份额 = 它的成交额 ÷ 全部市场成交额加总，公式没人吵，吵的是这两个数各自怎么定义。

分子：算不算洗售交易，是关键变量

同一批链上原始记录，“要不要扣掉洗售交易”这一个开关，能让一个市场的成交额差出几倍。洗售交易指同一方或提前串通的双方，来回买卖同一枚 NFT，头寸基本没变，变的只是”成交额”这个数字被记了一笔又一笔。有的统计直接拿链上原始成交额加总，有的会先跑一遍过滤规则把疑似洗售的那部分摘掉——这两种做法算出来的分子，压根不是同一个东西。

分母：统计了哪些市场、哪条链、哪段时间

除了分子，分母同样在变：这份统计只算了以太坊主网还是把 Solana、Bitcoin Ordinals 也算了进去；只取头部三五家市场还是取了十家；统计窗口是最近 24 小时、最近一个月，还是整年。四个变量（要不要剔除洗售、覆盖哪些市场、覆盖哪条链、统计哪段时间）只要有一项不同，两份报告的排名就可能对不上，不用怀疑是谁在造假。

这类数字常见的支撑，是怎么筛出来的？

多数”剔除洗售交易”的市场份额数字，背后用的是类似 Dune 数据科学家 hildobby 那套公开过滤方法：只要一笔成交落进事先定好的几条规则里，就被标记为疑似洗售，从”干净成交额”里剔除。

四条过滤规则，筛的是行为模式不是身份

2022 年 12 月 16 日发布的这份分析（作者当时任职于加密投资机构 Dragonfly）用四条规则给以太坊 NFT 成交打标：买家等于卖家、往返交易（同一批地址间来回买卖）、同一地址三次以上购买同一 token ID（同一 token ID 可以有多份供应的 ERC-1155 除外——半同质化特征决定了同一地址反复买入同一 token ID 本身是正常操作，不能当成疑似洗售信号）、资金同源。一笔成交只要落进任意一条，就被计入疑似洗售。四条规则的共同点是：只看行为模式，不需要知道地址背后是谁，链上原始记录就够用；更细的识别逻辑和普通人自查的四条信号，见交易量是怎么刷出来的。

按笔数看和按金额看，完全是两个世界

同一份研究里，换一个统计角度，结论完全不一样：

单家市场自己的量里，疑似洗售占比差多少

这份研究同时给出了单家市场的数字：被这套方法标记为疑似洗售的交易，在 LooksRare 自己总成交额里的占比约 98%，在 X2Y2 约 87%。这两个数字说的是”这家市场自己报出来的量里，有多少被标记为疑似洗售”，不是”这家市场占整个行业的份额”——把这两件事分清楚，是看懂后面所有排名争议的前提。

这套过滤方法，链上这条证据线到哪就断了？

上面这套判定，靠的全是链上留下的痕迹；但市场份额这个百分比要处理的边界，比单条洗售识别规则更宽一层——它还牵扯到跨市场、跨链要不要合并统计。

能核对的部分

洗售识别用到的资金同源、往返交易这类信号，能顺着链上转账记录核对；每一笔成交走的是哪个市场的合约，也是公开可查的原始数据——各家市场智能合约地址不同，这是市场份额能按市场拆开算的前提，具体怎么查见前面链接的那篇。

查不到的部分

跨链、跨市场的成交要不要合并进同一份”总量”，链上数据本身不会替你做这个决定——两份研究拿到同一批原始记录，也可能因为这个选择不同而算出不同总额。一份市场份额报告有没有把洗售交易剔干净，从它最终发布的排名数字上也看不出来，得回头找它的方法论说明——这正是下面三份 CoinGecko 报告要具体核对的东西。

同一个网站，为什么几份报告的统计方式都对不上？

不用去比不同公司的数据，同一家网站自己发布的几份研究，统计方式就对不上。CoinGecko 名下先后发布过三份跟 NFT 市场份额相关的研究，拿它们摆在一起对比，更容易看清这一点：

时间窗口不同，而且互相重叠

三份研究的统计窗口长短不同，而且互相重叠，说的不是三个互不相干的历史阶段。Footprint Analytics 那份覆盖 2022 年 1 月至 2023 年 2 月；Dune 加 CryptoSlam 那份只统计 2023 年一整年，和前一份有 2023 年 1、2 月这两个月的重叠；五位分析师汇总那份从 2022 年 1 月一路统计到 2024 年 8 月末，把前两份的区间全部包了进去。三份虽然都在 2026 年被拿出来对比，反映的其实是长度不同、部分重叠的历史区间，不是同一时刻的三张快照。

剔除洗售的范围也不统一

三份报告里，只有一份把剔除洗售的范围写清楚了。Footprint Analytics 那份明确写”整体排除洗售交易”；Dune 加 CryptoSlam 那份只点名剔除了 LooksRare、X2Y2、Blur 三家市场的洗售，其余市场怎么处理没有说明；五位分析师汇总那份因为是拼接多个独立仪表盘，每个作者用不用过滤规则、用哪套规则都可能不一样。这不是哪份”更权威”的问题，是它们分子和分母的定义本来就不完全相同。

把六项自查表套在这三份报告上，谁跟谁能比？

六项自查，缺一项会怎样

六项自查不是简单打勾——有的缺项直接让两份榜单没法放在一起比，有的缺项只是让这份数字的可信度打个折扣，不影响拿它跟”同样交代清楚”的另一份比。分清这两级，才不会把”没写清楚”和”数字本身有问题”混为一谈。

拿三份真实报告走一遍

用这张表逐项核对前面这三份 CoinGecko 报告：

三项”不可横向比较”的检查——是否剔除洗售、覆盖范围、时间窗口——三份报告没有一对是同时对齐的。Footprint Analytics 那份按市场分、Dune+CryptoSlam 那份按链分，覆盖范围先就不是同一个分母；五位分析师汇总那份因为覆盖范围和洗售处理都没统一说明，连单独判断这份数字本身的可信度都困难，更谈不上拿去和另外两份比名次。

三份报告能确定的共同点，只有”都出自 CoinGecko”和”都跟 NFT 市场份额有关”，除此之外几乎没有一项可以直接拿来比大小。

换一份新出现的 NFT 市场份额榜单，也是这个查法：先核对”是否剔除洗售""覆盖范围""时间窗口”这三项跟你要比较的另一份对不对得上，只要有一项不同，就不用再比名次了；数据来源、激励期、独立印证这三项缺了，记下来当一个未知项，降级看待即可，不必推翻整份数据。

下次再看到一份 NFT 市场份额榜单，别管它把谁排在头一名，先翻到它的方法论部分找那句”是否剔除洗售交易”。找不到这句话，比看错榜单排名更值得警惕。

三份 CoinGecko 报告的审计结果值得记住一件事：分子（要不要剔洗售）和分母（覆盖哪些市场、哪条链、哪段时间）只要有一项没对齐，名次就不能直接摆在一起比——这条规则比任何一份具体榜单的名次更耐用。

洗售交易的完整识别方法和普通人自查思路，看交易量是怎么刷出来的那篇；判断一个具体 NFT 系列现在处在什么阶段，参照系列档案怎么读那张七维表；地板价这个更容易被单独拎出来吓唬人的数字，机制拆在地板价是什么那篇里。

常见问题

Q： NFT 市场份额是怎么算出来的？

答： 用某个交易市场的成交额除以全部市场成交额的加总，公式很简单，但两个数各自怎么定义才是关键：分子要不要先剔除疑似洗售交易，分母覆盖了哪些市场、哪条链、哪段时间。这几项只要有一项不同，两份报告算出来的份额和排名就可能对不上，不用怀疑是数据造假，多数时候只是统计方式不同。

Q： 洗售交易在 NFT 市场里占比很高吗？

答： 要看用哪个角度统计，也要看统计的是哪段时间。Dune 数据科学家 hildobby 2022 年 12 月的研究显示，研究覆盖期内，按交易笔数算，被标记为疑似洗售的交易只占以太坊 NFT 全部成交笔数的约 1.5%；但按交易金额算，能占到约 45%（超过 300 亿美元）。单看 2022 年一整年，按金额算的占比是 58%，1 月单月一度超过 80%。个别市场自己总成交额里，被标记为疑似洗售的占比更高，比如 LooksRare 约 98%、X2Y2 约 87%。这些都是历史数据，反映的是研究覆盖期内的情况，不代表当下比例。

Q： 不同网站给出的 NFT 市场份额排名不一样，是谁在说谎吗？

答： 多数情况下不是。前面提到的三份 CoinGecko 研究就是例子：数据来源不同（Footprint Analytics、Dune、CryptoSlam）、覆盖的市场和链不同、剔除洗售的范围不同、统计窗口也不同，同一家网站的三份报告统计方式都对不上。遇到排名不一致，先查这几项统计方式，而不是先怀疑谁在造假。

Q： 怎么判断一份市场份额报告靠不靠谱？

答： 走一遍六项自查，但先看是否剔除洗售、覆盖范围、统计的时间窗口这三项——只要有一项跟你要比较的另一份对不上，就不能拿两份的名次直接比大小。数据来源能不能查到原始仪表盘、是不是处在某个市场的激励期、有没有另一份独立来源印证，这三项缺了只降低这份数字的可信度，不代表数字一定有问题。三份 CoinGecko 报告用这套方法走一遍，能看到几乎没有一项是三份都对齐的。

Q： 一个 NFT 市场处在代币激励或积分活动期间，它的成交额还能信吗？

答： 能看，但要多留一个心眼。激励或积分活动本身会吸引一部分人专门为了拿奖励去反复买卖，这类交易未必符合”洗售交易”的严格定义（比如资金不一定同源、也可能真的换了持有人），但确实会让成交额比平时更容易虚高。查这段时间的成交额时，更稳妥的做法是对照这段时间该市场的独立交易地址数、重复交易的比例、单个地址的成交额分布，以及剔除洗售交易后的成交额——这几项数据多数交易市场会在自己的统计页面或 Dune 一类的公开仪表盘上更新，查的时候记得核对对应的统计截至日期。如果成交额涨得快，这几项却没什么变化，这个差异值得留意。

Q： 判断一个 NFT 市场是不是在刷量，能不能只看它的成交额排名？

答： 不能，排名只反映”报出来的数字大小”，不代表这个数字干不干净。要结合前面提到的洗售识别信号——买卖是不是同一批地址来回倒、资金是不是同源、有没有反复购买同一枚——这几条能落到具体地址和转账记录，比单看一个排名数字更有依据。

参考资料

• Dune（hildobby）：NFT Wash Trading on Ethereum —— 四层过滤规则的具体定义，以及按笔数约 1.5%、按金额约 45%（超过 300 亿美元，研究覆盖期内）、2022 年全年 58%、LooksRare 约 98%、X2Y2 约 87% 等数字的来源，发布于 2022-12-16
• CoinGecko：各 NFT 市场的份额排名 —— 用 Footprint Analytics 统计 2022 年 1 月至 2023 年 2 月前 6 大市场份额，明确排除洗售交易，页面更新于 2026-05-02
• CoinGecko：各条链的 NFT 市场份额 —— 用 Dune Analytics 与 CryptoSlam 统计 2023 年全年前 10 条链，只排除三家市场的洗售，页面更新于 2026-04-29
• CoinGecko：十大 NFT 市场排名 —— 汇总 5 位 Dune 分析师各自仪表盘的排名方法说明，数据覆盖至 2024 年 8 月末，页面更新于 2026-04-20
• Dune 数据文档：NFT Trades 数据表说明 —— 各交易市场智能合约事件如何被解码为标准化成交记录的说明

版本 1.2 · 更新于 2026-08 · 文中洗售交易的具体数字分为两类：研究覆盖期内累计的 1.5%（按笔数）与约 45%（按金额，超过 300 亿美元），以及 2022 年单独一年的 58%（按金额）与 1 月单月峰值 80%——两类统计范围不同，不能混用。三份 CoinGecko 研究各自的数据窗口已在正文标注，均为历史区间，请以你查询当日各页面的当前内容为准，不对任何具体交易市场的合规性或是否存在洗售行为做定性判断，不构成投资建议。