Community Detection in Blockchain Social Networks 리뷰

블록체인 거래 네트워크를 하나의 거대한 소셜 네트워크로 간주하고, 그래프 이론의 ‘커뮤니티 탐지’ 알고리즘을 적용하여 서로 밀접하게 상호작용하는 사용자 그룹을 자동으로 식별하는 방법론을 제시한다.

논문 요약

논문 제목: Community Detection in Blockchain Social Networks
저자: Y. K. S., S. D. Joshi
게재 학술지: IEEE
발행 연도: 2021
핵심 요약: 블록체인 상의 지갑 주소들은 거래를 통해 서로 연결된 거대한 네트워크를 형성한다. 이 연구는 이더리움 트랜잭션 데이터를 소셜 네트워크 그래프로 모델링하고, 여기에 커뮤니티 탐지(Community Detection) 알고리즘을 적용했다. 그 결과, 전체 네트워크 내에서 다른 그룹보다 내부적으로 훨씬 더 조밀하게 연결된 사용자 집단, 즉 ‘커뮤니티’를 성공적으로 식별할 수 있음을 보여주었다. 이러한 커뮤니티는 특정 DApp을 함께 사용하는 그룹이나 동일한 토큰을 보유한 투자자 집단 등과 같이 현실 세계의 사회적, 경제적 그룹과 일치하는 경향을 보였다.

연구 배경

블록체인 분석은 개별 사용자의 행동을 넘어, 사용자들이 상호작용을 통해 형성하는 ‘네트워크 구조’와 ‘커뮤니티’를 이해하는 방향으로 진화하고 있으며, 그래프 기반의 커뮤니티 탐지는 이를 위한 핵심 기술이다.

전통적인 사용자 분석은 각 사용자를 독립된 개체로 보고 그들의 속성(나이, 성별, 구매액 등)을 분석하는 데 초점을 맞춘다. 하지만 페이스북, 트위터 같은 소셜 네트워크의 분석이 발전하면서, 사용자를 이해하기 위해서는 그 사용자가 속한 네트워크와 커뮤니티를 함께 봐야 한다는 관점이 중요해졌다. 한 사람의 생각과 행동은 그가 교류하는 친구나 동료 그룹에 의해 큰 영향을 받기 때문이다.

이러한 관점은 Web3 분석에도 동일하게 적용된다. 블록체인에서 지갑 주소들은 거래를 통해 서로 복잡하게 얽혀 있으며, 이는 거대한 **금융 소셜 네트워크(Financial Social Network)**로 볼 수 있다. 이 논문의 핵심 키워드인 **커뮤니티 탐지(Community Detection)**는 바로 이 네트워크 그래프에서 자연스럽게 형성된 ‘무리는 무리끼리’ 어울리는 구조를 찾아내는 알고리즘이다. 이는 단순히 비슷한 속성을 가진 사용자를 묶는 클러스터링을 넘어, ‘누가 누구와 활발하게 상호작용하는가’라는 관계성 자체에 초점을 맞춰 그룹을 식별하는, 더 고도화된 분석 기법이다.

해결하려는 문제

개별 사용자의 행동만으로는 파악하기 어려운, 블록체인 네트워크에 숨겨진 집단적 구조와 유기적인 사용자 ‘커뮤니티’를 어떻게 하면 데이터 기반의 방법론으로 정확하게 식별하고 정의할 수 있는가에 대한 해법을 제시한다.

Web3 프로젝트가 성장함에 따라, 단순히 개별 고래(Whale) 투자자를 찾는 것을 넘어, 프로젝트의 성공에 기여하는 핵심 커뮤니티를 식별하고 이들과 소통하는 것이 중요해졌다. 하지만 어떤 사용자들이 하나의 커뮤니티를 형성하고 있는지, 그 규모는 얼마나 되며, 커뮤니티의 특성은 무엇인지 파악하기는 매우 어렵다. 이 논문이 해결하려는 문제는 바로 이 ‘온체인 커뮤니티 식별’ 문제이다. “어떤 방법론을 사용해야 수억 개의 지갑 주소와 수십억 개의 거래 기록 속에서, 마치 하나의 유기체처럼 함께 움직이는 사용자 집단을 찾아낼 수 있는가?”라는 질문에 답하고자 한다. 이는 개별 마케팅을 넘어 커뮤니티 단위의 마케팅 및 거버넌스 전략을 수립하기 위한 핵심적인 선행 연구이다.

연구 모형

블록체인 거래 데이터를 ‘사용자-관계’ 그래프로 구축하고, 여기에 네트워크 과학의 커뮤니티 탐지 알고리즘을 적용하여 전체 네트워크를 상호 배타적인 커뮤니티들로 분할하는 분석 프레임워크를 연구 모형으로 채택했다.

이 연구는 다음과 같은 명확한 그래프 분석 파이프라인을 연구 모형으로 사용한다.

그래프 구축 (Graph Construction): 이더리움 블록체인의 트랜잭션 데이터를 추출하여, 지갑 주소(EOA)를 노드(Node)로, 주소 간의 거래(Transaction)를 엣지(Edge)로 하는 거대한 방향성 그래프를 생성한다. 엣지의 가중치(Weight)는 두 주소 간의 총 거래 횟수나 총 거래량으로 설정하여 관계의 강도를 표현한다.
커뮤니티 탐지 알고리즘 적용 (Community Detection Algorithm Application): 구축된 그래프에 **루뱅 알고리즘(Louvain method)**과 같은 대표적인 커뮤니티 탐지 알고리즘을 적용한다. 루뱅 알고리즘은 네트워크의 ‘모듈성(Modularity)’이라는 지표를 최대화하는 방향으로 노드를 그룹화한다. 모듈성이란, 전체 네트워크의 엣지 중에서 커뮤니티 내부의 엣지가 차지하는 비율이 무작위 네트워크에 비해 얼마나 높은지를 나타내는 척도로, 이 값이 클수록 커뮤니티 구조가 뚜렷함을 의미한다.
커뮤니티 식별 및 프로파일링 (Community Identification & Profiling): 알고리즘이 찾아낸 각 커뮤니티(노드들의 집합)에 대해, 그 구성원들이 공통적으로 상호작용하는 스마트 컨트랙트나 보유한 토큰 등을 분석하여 해당 커뮤니티의 정체성(예: ‘Uniswap 유동성 공급자 커뮤니티’, ‘ 특정 NFT 홀더 커뮤니티’)을 정의한다.

데이터 설명

이더리움 메인넷의 공개된 트랜잭션 데이터를 기반으로, 주소(노드)와 거래(엣지)로 구성된 거대한 소셜 네트워크 그래프를 분석 데이터로 사용했다.

출처: 이더리움 블록체인 메인넷의 공개 원장 데이터. 이는 누구나 접근하고 분석할 수 있는 온체인 데이터이다.
수집 방법: 논문에 구체적인 수집 방법은 명시되어 있지 않으나, 일반적으로 이더리움 노드를 직접 운영하여 전체 블록 데이터를 파싱(parsing)하거나, 공개된 빅데이터 플랫폼(예: Google BigQuery Ethereum Dataset)을 통해 트랜잭션 데이터를 추출하는 방식을 사용했을 것으로 추정된다.
데이터 변수 설명: 이 연구는 개별 사용자의 속성보다는 네트워크의 구조적 정보 자체를 핵심 데이터로 사용한다. 분석에 사용된 변수는 다음과 같이 구조화할 수 있다.
- 그래프의 기본 요소 (Graph Primitives)
  - 노드 집합 (Set of Nodes): 분석 대상이 되는 모든 사용자 지갑 주소(EOA).
  - 엣지 집합 (Set of Edges): 두 지갑 주소 간에 발생한 모든 트랜잭션. 각 엣지는 관계의 강도를 나타내는 가중치(Weight) 속성을 포함할 수 있다.
- 네트워크의 위상적 속성 (Topological Properties)
  - 인접 행렬 (Adjacency Matrix): 누가 누구와 거래했는지를 나타내는 거대한 행렬. 커뮤니티 탐지 알고리즘의 직접적인 입력값이 된다.
  - 모듈성 (Modularity): 특정 방식으로 네트워크를 커뮤니티들로 나누었을 때, 그 분할이 얼마나 ‘그럴듯한’ 커뮤니티 구조를 형성하는지를 측정하는 핵심 지표. 알고리즘은 이 지표를 최대화하는 분할을 찾는다.

데이터 분석

개별 사용자의 속성을 이용하는 대신, 전체 거래 네트워크의 연결 구조(Topology) 자체를 분석하여, ‘관계의 밀도’를 기준으로 사용자 그룹을 식별하는 커뮤니티 탐지 알고리즘을 핵심 분석 방법으로 사용했다.

본 연구의 데이터 분석은 K-평균 클러스터링과 같은 전통적인 군집 분석과는 근본적으로 다르다. K-평균이 각 사용자를 다차원 공간의 ‘점’으로 보고 점들 사이의 거리를 계산한다면, 커뮤니티 탐지는 사용자들을 ‘관계망’ 속의 구성원으로 보고 관계의 강도와 패턴을 분석한다.

분석의 핵심인 루뱅(Louvain) 알고리즘은 탐욕적(greedy) 최적화 기법으로, 매우 큰 규모의 네트워크에서도 빠르게 동작하는 장점이 있다. 알고리즘은 먼저 모든 노드를 각자 자신만의 커뮤니티로 설정하는 것에서 시작한다. 그 후, 각 노드를 순회하며 해당 노드를 이웃 커뮤니티로 옮겼을 때 전체 네트워크의 ‘모듈성’이 가장 많이 증가하는 쪽으로 이동시키는 과정을 반복한다. 더 이상 모듈성이 증가하지 않으면, 형성된 커뮤니티들을 각각 하나의 거대 노드로 간주하고, 다시 이 거대 노드들을 그룹화하는 과정을 되풀이한다. 이 과정을 통해 네트워크의 자연스러운 계층적 커뮤니티 구조를 발견할 수 있다.

핵심 결과

블록체인 거래 네트워크는 무작위적인 연결의 집합이 아니라, 뚜렷한 ‘커뮤니티 구조’를 내포하고 있으며, 그래프 기반의 커뮤니티 탐지 알고리즘을 통해 이러한 숨겨진 사회적 구조를 효과적으로 발견할 수 있음을 입증했다.

이 연구의 핵심 결과는 블록체인 네트워크에 대한 새로운 관점을 제시하고 그 유효성을 데이터로 증명했다는 데 있다. 즉, 온체인 거래는 단순한 금융 활동 기록을 넘어, 사용자들 간의 사회적 관계와 소속감을 반영하는 **’사회적 시그널’**이라는 것이다. 연구진은 커뮤니티 탐지 알고리즘을 통해 이더리움 네트워크를 수많은 소규모 커뮤니티들로 성공적으로 분할했다. 그리고 이렇게 발견된 커뮤니티의 구성원들이 특정 DApp을 함께 사용하거나 동일한 종류의 거버넌스에 참여하는 등, 매우 높은 동질성을 보임을 확인했다. 이는 온체인 거래 관계만으로도 사용자들의 공통된 관심사와 소속 그룹을 예측할 수 있음을 의미하는 중요한 발견이다.

시사점

Web3 마케팅과 커뮤니티 관리는 개별 사용자를 향한 ‘점’ 단위의 접근을 넘어, 이들이 속한 ‘커뮤니티’라는 ‘면’ 단위의 접근으로 확장되어야 하며, 네트워크 분석은 이를 가능하게 하는 핵심 도구이다.

이 연구는 Web3 실무자들에게 매우 중요한 전략적 시사점을 제공한다. 첫째, 이제 우리는 사용자를 개별적으로만 볼 것이 아니라, 그들이 어떤 **’부족(Tribe)’**에 속해있는지를 함께 파악해야 한다. 특정 커뮤니티의 문화를 이해하고 그들의 리더와 소통하는 것은 수백 명의 개별 사용자에게 메시지를 보내는 것보다 훨씬 더 효과적일 수 있다. 둘째, 영향력 있는 커뮤니티를 식별하는 것이 중요해진다. 어떤 커뮤니티가 네트워크의 중심에 위치하며 새로운 트렌드를 주도하는지를 파악하면, 한정된 마케팅 자원을 가장 효율적으로 배분할 수 있다. 마지막으로, 이는 커뮤니티 기반의 새로운 프로덕트 개발 기회를 열어준다. 특정 커뮤니티 구성원들만을 위한 전용 기능이나 혜택을 제공함으로써 강력한 락인(Lock-in) 효과를 창출할 수 있다.

인사이트

고객을 보지 말고, 고객의 ‘관계’를 보라: 네트워크 분석으로 진짜 커뮤니티를 타겟하라.

AI 빅데이터 마케터의 관점에서 이 논문의 가장 큰 가치는, 고객 분석의 단위를 ‘개인’에서 ‘집단’으로 확장하고, 그 집단의 유기적인 특성을 공략할 수 있는 새로운 방법론을 제시했다는 점이다.

고객 페르소나 예시: “DeFi 농부 길드 (The DeFi Farmer’s Guild)”
- 온체인 특성: 커뮤니티 탐지 결과, 수백 개의 지갑 주소로 구성된 매우 밀도 높은 클러스터가 발견되었다. 이 클러스터의 구성원들은 개별적인 자산 규모는 크지 않지만, 특정 이자 농사(Yield Farming) 프로토콜의 스마트 컨트랙트와 매우 빈번하게 상호작용한다. 특히, 이들끼리의 내부적인 자금 이동(예: 자금 풀링, 상호 대출)이 다른 그룹과의 거래보다 훨씬 잦다.
- 해석: 이들은 개별적으로 활동하는 투자자가 아니라, 정보를 공유하고 전략을 함께 구사하는 조직화된 ‘DeFi 길드’ 또는 ‘투자 클럽’이다. 이들의 집단적인 자금 이동은 해당 프로토콜의 유동성과 안정성에 큰 영향을 미칠 수 있다.
마케팅 액션 제안:
1. 커뮤니티 단위 인센티브 제공: 이 길드 전체의 총 예치금(TVL)이 특정 목표를 달성하면, 길드원 전체에게 보너스 이율이나 토큰 보상을 제공하는 ‘길드 퀘스트’를 제안한다. 이는 개인 경쟁을 넘어 협력을 유도하고 커뮤니티의 결속력을 강화한다.
2. 리더 식별 및 파트너십: 커뮤니티 내에서 가장 연결 중심성(degree centrality)이 높은, 즉 가장 많은 구성원과 연결된 지갑 주소를 ‘길드 리더’로 식별한다. 이 리더와 직접 소통 채널을 만들고, 프로토콜의 주요 업데이트 정보를 미리 공유하거나 피드백을 요청하는 파트너십을 맺는다.
3. 커뮤니티 전용 기능 개발: 이 길드원들만 사용할 수 있는 다중 서명(Multi-sig) 관리 툴이나, 길드 전체의 수익률을 보여주는 전용 대시보드와 같은 B2B 성격의 기능을 제공하여 이들의 활동을 지원하고 플랫폼에 락인(Lock-in)시킨다.
고객 페르소나 예시 (네트워크 관점): “커뮤니티 브릿지(Community Bridge), ‘Nina'”
- 이름: Nina (지갑 주소 0xGHI…)
- 특징: Nina의 개인 거래량은 최상위권이 아닐 수 있다. 하지만 네트워크 분석 결과, 그녀의 지갑은 ‘DeFi 고래 커뮤니티’와 ‘신생 NFT 아티스트 커뮤니티’라는, 서로 교류가 거의 없는 두 개의 커뮤니티를 연결하는 거의 유일한 ‘브릿지’ 노드임이 밝혀졌다. 그녀는 두 세계의 정보를 모두 접하고 있으며, 그녀의 자산 이동은 한 커뮤니티의 트렌드가 다른 커뮤니티로 전파되는 신호일 수 있다. 그녀는 거래량으로 측정되지 않는 막강한 영향력을 가진 ‘정보의 허브’다.
마케팅 액션 아이템:
- 네트워크 기반 인플루언서 마케팅: Nina와 같이 ‘연결 중심성(Betweenness Centrality)’이 높은 사용자를 식별하여, 그들에게 신규 프로젝트의 시드 투자 라운드 참여 기회를 제공하거나 자문 역할을 제안한다. 그들의 유기적인 활동이 여러 커뮤니티에 걸쳐 자연스러운 신뢰와 인지도를 형성할 것이다.
- 커뮤니티 단위의 경쟁사 고객 유치: 경쟁 프로토콜의 핵심 사용자 커뮤니티를 통째로 식별한 뒤, 해당 커뮤니티 구성원 전체에게만 유효한 ‘특별 마이그레이션 보너스’를 제공하는 에어드랍을 실행한다. 이는 개인의 이탈을 넘어, 집단적 이동을 유도하는 사회적 압력과 소속감을 활용하는 전략이다.
- 생태계 건전성 대시보드 구축: 우리 프로젝트의 토큰을 중심으로 형성된 커뮤니티들의 수, 크기, 그리고 커뮤니티 간의 연결 밀도를 주요 KPI(핵심 성과 지표)로 삼아 모니터링한다. 커뮤니티들이 활발하게 성장하고 서로 교류하는 모습은 건강한 생태계의 가장 확실한 증거다.