Analysing Non Fungible Tokens (NFTs) and their Rarity 리뷰

NFT의 핵심 가치 요소인 ‘희소성(Rarity)’을 여러 속성(Trait)들의 조합을 통해 통계적으로 측정하는 방법론을 제시하고, 이렇게 계산된 희소성 점수가 실제 시장 가격과 높은 상관관계가 있음을 증명한 연구이다.

논문 요약

  • 논문 제목: Analysing Non Fungible Tokens (NFTs) and their Rarity
  • 저자: Jan-Micheal R. 외
  • 게재 학술지: IEEE
  • 발행 연도: 2024
  • 핵심 요약: NFT의 개별 속성(Trait)들의 출현 빈도를 통계적으로 분석하여 종합적인 ‘희소성 점수’를 계산하는 다양한 방법론을 제시했다. 실증 분석 결과, 이렇게 정량화된 희소성 점수는 NFT의 시장 가격과 강한 양의 상관관계를 보여, 희소성이 가치 평가의 핵심 지표임을 입증했다.

연구 배경

이 연구는 수십억 달러 규모로 성장한 NFT 시장의 가격이 과연 무엇에 의해 결정되는가라는 근본적인 질문에 대해, ‘희소성’이라는 키워드를 가지고 데이터 기반의 답을 찾아가는 과정을 보여준다.

2021년경부터 폭발적인 관심을 받기 시작한 **NFT(Non-Fungible Token, 대체 불가능 토큰)**는 디지털 자산의 소유권을 블록체인에 기록하는 기술이다. 특히 CryptoPunks나 BAYC(Bored Ape Yacht Club)와 같은 PFP(Profile Picture) 프로젝트들이 큰 성공을 거두면서, 수많은 NFT 컬렉션이 시장에 등장했다. 이들의 가격은 수만 배까지 차이가 나는데, 과연 그 가치는 무엇에 의해 결정될까?

많은 사람들은 미학적 아름다움이나 커뮤니티의 명성을 가치의 원천으로 꼽지만, 데이터 분석가들은 더 객관적인 지표에 주목했다. 바로 **희소성(Rarity)**이다. 대부분의 PFP NFT는 여러 **속성(Trait)**의 조합으로 이루어진다. 예를 들어, 배경, 모자, 눈, 입 등의 속성이 있고, 각 속성에는 더 희귀한 옵션(예: 황금 털, 레이저 아이)이 존재한다. 이 연구는 이러한 속성들의 조합을 통해 각 NFT가 전체 컬렉션 내에서 얼마나 희소한지를 수학적으로 계산하고, 이 희소성이 **자산 가격(Asset Pricing)**에 미치는 영향을 분석하는 것을 목표로 한다.

해결하려는 문제

‘희소성’이라는 NFT 가치의 핵심 요소를 주관적 감상이 아닌, 객관적이고 정량적인 ‘점수’로 측정하고 증명한다.

10,000개로 이루어진 한 NFT 컬렉션이 있다고 가정해보자. 어떤 NFT는 ‘레이저 아이(전체 중 0.5%만 보유)’라는 매우 희귀한 속성 하나를 가지고 있고, 다른 NFT는 ‘해적 모자(5% 보유)’, ‘담배(8% 보유)’, ‘우주복(3% 보유)’처럼 중간 정도 희귀한 속성 여러 개를 동시에 가지고 있다. 이 둘 중 어느 것이 더 희귀하고 가치 있는 NFT일까?

이러한 판단은 주관적인 감상만으로는 어렵다. 이 연구가 해결하려는 문제는 바로 이 지점에 있다. 여러 속성의 희귀도를 종합적으로 고려하여, 각 NFT의 고유한 희소성을 단 하나의 정량적인 **’희소성 점수(Rarity Score)’**로 환산하는 표준화된 방법론을 개발하는 것이다. 그리고 더 나아가, 이렇게 계산된 점수가 실제로 시장 참여자들의 가격 결정에 영향을 미치는지 통계적으로 검증하고자 한다.

연구 모형

NFT 컬렉션의 모든 속성(Trait) 데이터의 출현 빈도를 통계적으로 분석하여, 개별 NFT의 종합적인 ‘희소성 점수(Rarity Score)’를 계산하는 수학적 모델을 제시한다.

본 연구는 NFT의 희소성을 측정하기 위한 다양한 통계적 모델을 제시하고 비교한다. 가장 대표적인 모델의 개념은 다음과 같다.

  1. 속성별 희귀도 계산: 먼저 전체 컬렉션(예: 10,000개)에서 각 속성이 몇 번이나 등장하는지 계산한다. 예를 들어, ‘레이저 아이’ 속성을 가진 NFT가 100개라면, 해당 속성의 희귀도는 1% (100/10,000)가 된다.
  2. 개별 NFT의 종합 희소성 점수 계산: 특정 NFT가 가진 모든 속성의 희귀도를 종합하여 최종 점수를 산출한다. 가장 직관적인 방법 중 하나는 각 속성의 희귀도 확률을 모두 곱하는 것이다.
    • 희소성 점수 = 1 / (배경 속성 확률 * 모자 속성 확률 * 눈 속성 확률 * ...)
    • 이 방식을 사용하면, 희귀한 속성을 여러 개 가질수록 분모가 작아져 최종 점수가 기하급수적으로 높아지게 된다.

이 외에도 속성별 희귀도의 평균을 내거나, 가장 희귀한 속성값만을 대표값으로 사용하는 등 다양한 계산 모델을 제시하고, 어떤 모델이 실제 시장 가격을 가장 잘 설명하는지를 비교 분석한다.

데이터 설명

NFT 컬렉션의 각 아이템이 가진 속성(Trait) 정보가 담긴 메타데이터를 분석 데이터로 활용한다.

  • 출처: NFT의 속성 데이터(메타데이터)는 블록체인에 직접 저장되기보다는, 각 NFT 스마트 컨트랙트의 tokenURI라는 함수를 통해 연결된 **IPFS(InterPlanetary File System)**나 별도의 웹 서버에 JSON 파일 형태로 저장되어 있다. 이는 블록체인을 통해 그 주소가 참조되는 공개된 오프체인 데이터이다.
  • 수집 방법: 특정 NFT 컬렉션의 스마트 컨트랙트 주소를 통해 1번부터 10,000번까지 모든 토큰 ID의 tokenURI를 조회하고, 반환된 URL에 접속하여 각 NFT의 속성이 담긴 JSON 메타데이터를 수집(크롤링)한다.
  • 데이터 변수 설명: 데이터의 변수는 해당 NFT 컬렉션이 정의한 속성(Trait) 카테고리와 그 값들로 이루어진다.
    • 속성 카테고리 (Trait Type): Background, Fur, Mouth, Eyes, Hat, Clothes 등
    • 속성 값 (Value):
      • Background: [Army Green, Yellow, Orange, …]
      • Fur: [Brown, Golden Brown, Robot, …]
      • Eyes: [Bored, Laser Eyes, Sad, …]
    • 이러한 변수들은 모두 범주형(Categorical) 변수이며, 분석 과정에서 각 값의 출현 빈도를 계산하여 수치형 데이터로 변환한다.

데이터 분석

제안된 여러 희소성 점수 계산법을 적용하여 각 NFT의 점수를 산출하고, 이 점수와 실제 시장 거래 가격 간의 상관관계를 통계적으로 분석한다.

이 연구의 데이터 분석은 명확한 2단계로 진행된다.

  1. 희소성 점수 계산: 수집된 NFT 속성 메타데이터를 바탕으로, 연구 모형에서 제시한 다양한 통계 공식들을 적용하여 컬렉션 내 모든 NFT에 대한 개별 희소성 점수를 계산한다. 이 단계의 결과물은 ‘1번 NFT: 250.4점’, ‘2번 NFT: 88.2점’과 같은 정량적인 데이터 리스트이다.
  2. 상관관계 분석: NFT 마켓플레이스(예: OpenSea)의 API를 통해 각 NFT의 과거 거래 가격 데이터를 수집한다. 그 후, 1단계에서 계산한 ‘희소성 점수’와 ‘시장 가격’이라는 두 변수 간의 **상관관계 분석(Correlation Analysis)**을 수행한다. 만약 희소성 점수가 높은 NFT일수록 시장 가격도 높게 형성되는 경향이 뚜렷하다면, 두 변수는 강한 양(+)의 상관관계를 갖는다고 말할 수 있다. 연구진은 이를 통해 자신들이 제안한 희소성 측정 방법론의 타당성을 검증한다.

핵심 결과

통계적으로 계산된 ‘희소성 점수’는 NFT의 시장 가격과 강한 양의 상관관계를 가지며, 이는 희소성이 NFT 가치를 결정하는 핵심적인 객관적 지표임을 실증적으로 증명했다.

분석 결과, 연구에서 제안된 대부분의 희소성 점수 계산 방식이 NFT의 실제 시장 가격과 통계적으로 유의미한 양의 상관관계를 보이는 것으로 나타났다. 이는 시장 참여자들이 비록 각자 다른 미적 기준을 가지고 있더라도, 전반적으로는 ‘수학적으로 더 희귀한’ NFT에 더 높은 가치를 부여하고 있다는 강력한 증거이다.

특히, 단순히 가장 희귀한 속성 하나만을 고려하는 것보다, NFT가 가진 모든 속성의 희귀도를 종합적으로 고려하는 모델이 시장 가격을 더 잘 설명하는 것으로 나타났다. 이 결과는 NFT의 가치가 단편적인 요소가 아닌, 여러 속성들의 복합적인 조합에 의해 결정된다는 것을 의미한다. 결론적으로, 이 연구는 ‘희소성’이라는 추상적인 개념을 데이터 분석을 통해 객관적으로 측정하고, 그것이 자산 가격에 미치는 영향을 실증적으로 증명해냈다.

시사점

NFT의 가치는 데이터 분석을 통해 상당 부분 객관적으로 평가될 수 있으며, 투자자와 프로젝트 팀 모두 이 ‘희소성’ 지표를 전략적으로 활용해야 한다.

이 연구 결과는 NFT 생태계 참여자들에게 다음과 같은 중요한 실무적 시사점을 제공한다.

  • 투자자 관점: 더 이상 개인의 주관적인 ‘예뻐 보이는’ 감에만 의존하여 투자할 필요가 없다. Rarity.tools와 같은 희소성 분석 툴을 활용하여, 특정 NFT가 컬렉션 내에서 객관적으로 어느 정도의 희소성을 갖는지 반드시 확인해야 한다. 이는 고평가된 자산을 피하고 저평가된 자산을 발굴하는 데 중요한 판단 기준이 된다.
  • 프로젝트 팀 관점: 성공적인 NFT 컬렉션을 만들기 위해서는 단순히 아름다운 아트를 제작하는 것을 넘어, ‘희소성 분배’를 전략적으로 설계해야 한다. 모든 속성이 균등하게 분포하면 흥미가 떨어지고, 너무 소수의 아이템에만 희소성이 집중되면 커뮤니티 내에서 위화감이 조성될 수 있다. 데이터 분석을 통해 전체 컬렉션의 가치를 극대화할 수 있는 최적의 속성 분배 계획을 수립해야 한다.

인사이트

가치는 눈이 아닌 숫자에 있다: 모든 자산에는 숨겨진 ‘희소성 점수’가 있다.

이 논문의 핵심 철학은 눈에 보이는 현상 너머의 데이터 패턴을 읽어내는 것이다. 이는 NFT뿐만 아니라, 모든 종류의 데이터를 분석하는 데 적용될 수 있다. AI 빅데이터 마케터의 관점에서 이 ‘희소성 분석’ 개념을 ‘사용자 분석’에 적용하면, 평범해 보이는 고객들 속에서 매우 희귀하고 가치 있는 ‘유니콘 유저’를 발굴해낼 수 있다.

  • 고객 페르소나 예시 (Web3 사용자): “유니콘 유저 (The Unicorn User)”
    • 행동 특성: 이 사용자의 온체인 활동은 매우 희귀한 속성들의 조합으로 나타난다. 예를 들어, 높은 일일 트랜잭션 수(High Txn Count)라는 ‘봇’의 특성과, 매우 높은 평균 거래액(High Avg. Value)이라는 ‘고래’의 특성을 동시에 가지고 있다. 여기에 다양한 신규 프로토콜과 상호작용하는 ‘탐험가’의 특성까지 겸비하고 있다.
    • 해석: 이 사용자는 기존의 ‘봇’, ‘고래’, ‘탐험가’ 등 어떤 페르소나에도 딱 들어맞지 않는, 통계적으로 매우 희귀한 행동 패턴을 보이는 **’유니콘’**이다. 이들은 아마도 고도의 알고리즘을 사용하는 기관 트레이더이거나, 여러 전략을 동시에 구사하는 전문 퀀트 펀드일 수 있다.
  • 실질적인 마케팅 액션 제안 (Web3 CRM)
    1. 수동 분석 및 심층 조사: ‘유니콘’으로 분류된 소수의 지갑들은 일반적인 CRM 자동화 캠페인 대상에서 제외하고, 전문 분석가가 이들의 모든 트랜잭션을 수동으로 추적하여 그 정체와 목적(예: 경쟁사 분석, 기관 투자 등)을 파악하는 데 집중한다.
    2. 전략적 파트너십 제안: 만약 해당 ‘유니콘’이 프로젝트에 높은 가치를 제공할 수 있는 기관이나 VC로 식별되면, 마케팅팀이 아닌 사업개발팀에서 직접 접촉하여 프라이빗 투자 라운드나 기술적 파트너십을 제안하는 등 최상위 레벨의 관계를 구축한다.
    3. 새로운 페르소나 모델 수립: 이러한 ‘유니콘’들의 행동 패턴이 반복적으로 관찰될 경우, 이를 일시적인 예외 케이스로 두지 않고 ‘알고리즘 기반 기관 트레이더’와 같은 새로운 공식 페르소나로 정의한다. 그리고 이들을 위한 별도의 제품(예: 기관용 API 서비스)이나 지원 정책을 기획하여 시장을 선도한다.
태그