Pasar Prediksi: Bagaimana Mereka Mengubah Ketidaksepakatan Menjadi Pendapatan

Dulu, saat membahas pasar prediksi, orang lebih peduli seberapa akuratnya, seberapa tinggi volumenya, dan apakah bisa menjadi pasar informasi baru. Tetapi ketika pasar prediksi dianggap sebagai bisnis, masalah intinya berubah: seperti apa model pendapatan pasar prediksi?

Dalam dunia bisnis, volume perdagangan yang tinggi tidak sama dengan platform mendapatkan keuntungan. Sebuah pasar bisa sangat ramai, dan pengguna bisa sering membeli dan menjual, tetapi jika sebagian besar transaksi tidak dapat masuk ke dalam model pendapatan, atau aktivitasnya semata-mata didukung oleh subsidi dan poin, maka volume perdagangan hanyalah data yang terlihat bagus, bukan pendapatan yang sehat.

Bagi pasar prediksi, ujian sejati terhadap kemampuan bisnis bukanlah "berapa banyak pasar yang dibuka" atau "seberapa populer suatu peristiwa", melainkan apakah platform dapat menghubungkan ketiga hal ini secara mulus:

Mendorong untuk melakukan perdagangan nyata;

Pertahankan likuiditas buku pesanan yang cukup dalam;

Ubah permintaan perdagangan taker menjadi Biaya.

Inilah mengapa model bisnis pasar prediksi sama sekali bukan sekadar "mengenakan pajak saat membuka pasar". Secara tampak, itu hanyalah permainan taruhan YES/NO, tetapi yang benar-benar mendukung fondasi pendapatan platform adalah struktur perdagangan, mekanisme likuiditas, kemiringan biaya, dan perilaku pengguna di baliknya.

Terutama setelah platform terkemuka Polymarket mulai secara sistematis memperkenalkan Taker Fee, narasi pasar prediksi telah berpindah dari "alat informasi" menuju "verifikasi pendapatan".

Artikel ini akan mengurai secara mendalam strategi dasar pasar prediksi dari perspektif bisnis:

Bagaimana platform pasar prediksi menghasilkan uang?

Mengapa struktur permainan Maker / Taker menentukan kelangsungan hidup platform?

Apa perbedaan mendasar dalam desain biaya antara platform utama seperti @Polymarket, Kalshi, @opinionlabsxyz, dan @predictdotfun?

Mengapa jalur dengan volume perdagangan tertinggi justru bukan jalur yang paling menguntungkan?

💡 Kesimpulan utama: Pasar prediksi tidak menjual jawaban, tetapi perbedaan pendapat.

Semakin harga mendekati 50/50, semakin besar perbedaan pasar dan dorongan perdagangan, sehingga platform lebih mudah mengubah pendapatan dari biaya transaksi aktif; semakin harga mendekati 0 atau 100, hasilnya semakin pasti, meskipun nilai informasinya masih ada, bobot biaya yang terkait akan menurun secara signifikan.

Oleh karena itu, hambatan bisnis sejati dari pasar prediksi bukanlah mengubah "peristiwa" menjadi daftar perdagangan, melainkan mengubah "perbedaan pendapat" menjadi perdagangan, lalu mengubah perdagangan tersebut menjadi pendapatan yang stabil.

Untuk menganalisis arus kas pasar prediksi, pertama-tama harus dipahami empat pendorong utama pendapatan. Keempatnya saling terkait dan bersama-sama membentuk siklus tertutup dari lalu lintas hingga monetisasi platform.

1️⃣ Biaya perdagangan - Sumber pendapatan langsung

Sebagian besar pasar prediksi mengenakan biaya kepada pihak yang melakukan transaksi aktif, yaitu Taker. Karena Taker mengonsumsi likuiditas, sementara Maker menyediakan likuiditas.

Ini berarti, pasar prediksi tidak semua perdagangan menghasilkan pendapatan. Yang benar-benar memberikan kontribusi biaya kepada platform biasanya adalah perdagangan yang pengguna bersedia melakukan secara aktif, bersedia membayar untuk kecepatan dan kepastian.

2️⃣ Likuiditas - Tulang punggung perdagangan berkelanjutan

Yang paling sulit dalam pasar prediksi bukanlah membuka pasar, tetapi membuat pasar memiliki kedalaman.

Jika tidak ada order di level harga, pengguna tidak bisa membeli atau menjual, maka pasar tersebut, meskipun memiliki topik, sulit membentuk harga yang efektif.

Jadi banyak platform akan mengurangi biaya Maker, bahkan memberikan insentif kepada Maker.

Ini bukan sumber pendapatan langsung, tetapi menentukan apakah biaya perdagangan dapat bertahan secara berkelanjutan.

Tanpa likuiditas, tidak ada perdagangan berkelanjutan, sehingga pendapatan biaya transaksi juga tidak bisa stabil.

3️⃣ Nilai Informasi - Penguasaan Pikiran

Perbedaan antara pasar prediksi dan platform perdagangan biasa adalah bahwa pasar prediksi bukan hanya alat perdagangan, tetapi juga menghasilkan informasi.

Setelah sebuah order book memiliki volume dan likuiditas yang cukup, harganya akan menjadi sinyal probabilitas. Media akan mengutipnya, KOL akan menafsirkannya, trader akan memantaunya, dan pengguna biasa juga menggunakannya untuk menilai suasana pasar.

Bagian ini tidak selalu langsung menjadi biaya transaksi, tetapi akan membawa perhatian platform, persepsi pengguna, dan penyebaran eksternal. Dalam jangka panjang, nilai informasi ini akan kembali memperkuat permintaan perdagangan.

4️⃣ Operasi Pengguna dan Sistem Diskon - Mengubah Aktivitas Menjadi Pendapatan

Selain biaya transaksi dasar, berbagai platform juga meningkatkan frekuensi transaksi melalui diskon, undangan, kegiatan, poin, dan cashback. Tindakan-tindakan ini tidak selalu menghasilkan pendapatan langsung, tetapi memengaruhi kemampuan monetisasi jangka panjang platform. Misalnya, Opinion menyediakan diskon pengguna, diskon transaksi, dan diskon undangan; Predict.fun menggunakan mekanisme biaya dasar dan diskon yang lebih sederhana; sementara Polymarket berfokus pada tarif diferensiasi untuk berbagai segmen dan Maker rebate. Esensi diskon dan insentif bukanlah subsidi semata, melainkan pertukaran sebagian laba demi mempertahankan pengguna, lalu secara bertahap mengubah tingkat aktivitas menjadi pendapatan.

Melihat desain biaya dari beberapa pasar prediksi utama, arah strategis industri sangat sejalan: mendorong penempatan order untuk menyediakan likuiditas, serta mengubah transaksi aktif menjadi pendapatan. Namun, dalam pelaksanaan taktis, berbagai platform menunjukkan diferensiasi strategis yang jelas karena perbedaan posisi mereka.

1️⃣ Polymarket: Penetapan Harga yang Dipertajam Berdasarkan Jalur

Logika biaya taker Polymarket menggabungkan "diferensiasi lintasan" dan "penetapan harga berdasarkan tingkat perbedaan" hingga maksimal. Rumus inti resminya adalah:

biaya = C × tarifBiaya × p × (1 - p)

Di sini, C adalah jumlah volume transaksi, p adalah harga transaksi, dan feeRate ditentukan oleh segmen pasar.

Mekanisme ini mencakup dua variabel inti:

Pemisahan jalur secara halus: Berdasarkan tingkat biaya yang telah diverifikasi saat ini, feeRate untuk jalur Crypto adalah 0,07, Sports adalah 0,03, Politics / Finance / Tech adalah 0,04, Culture / Weather adalah 0,05, dan sebagian pasar Geopolitics adalah 0. Artinya, Polymarket tidak menerapkan biaya seragam untuk semua pasar, tetapi menggunakan tarif diferensial berdasarkan frekuensi perdagangan, tingkat sensitivitas, dan keinginan pengguna untuk membayar di setiap jalur.

Harga divergensi: Sesuai sempurna dengan kurva matematis p × (1 - p). Semakin dekat harga ke 50/50 (divergensi pasar tertinggi), semakin tinggi biaya transaksi; semakin pasti hasilnya (mendekati 0 atau 100), semakin rendah biaya transaksi.

https://docs.polymarket.com/trading/fees

2️⃣ Kalshi: Lebih Mendekati Model Bursa yang Patuh Peraturan

Biaya Kalshi dirancang agar lebih mirip dengan bursa derivatif keuangan tradisional dalam kerangka regulasi, dengan rumus tarif Taker rutinnya juga terkait dengan tingkat perbedaan harga:

biaya = pembulatan ke atas (0,07 × C × P × (1 - P))

Di mana C adalah jumlah kontrak, P adalah harga kontrak, dan biaya dibulatkan ke atas ke sen. Struktur ini sangat mirip dengan C × feeRate × p × (1-p) dari Polymarket.

Struktur biaya Kalshi mirip dengan Polymarket: biaya perdagangannya juga terkait dengan harga kontrak, semakin dekat ke 50¢, biayanya semakin tinggi; semakin dekat ke 1¢/99¢, biayanya semakin rendah. Jadwal biaya Kalshi menunjukkan bahwa taker fee untuk 100 kontrak berkisar antara $0,07 hingga $1,75.

Namun, salah satu perbedaan penting antara Kalshi dan Polymarket adalah: sebagian pasar Kalshi juga memiliki biaya maker, dan biaya tersebut hanya dikenakan jika pesanan limit tersebut akhirnya terpenuhi, bukan saat dibatalkan. Ini menunjukkan bahwa struktur biaya Kalshi lebih mirip dengan bursa yang patuh: bukan maker yang selalu gratis, melainkan aturan biaya dua sisi yang lebih kompleks yang disesuaikan berdasarkan pasar tertentu.

https://kalshi.com/docs/kalshi-fee-schedule.pdf

3️⃣ Opini: Lebih menekankan diskon dan lapisan pengguna

Opinion memperkenalkan sistem diskon "multidimensi" yang sangat kompleks, dengan rumus tarif efektif:

Tingkat biaya efektif = tingkat_topik × harga × (1 − harga) × (1 − diskon_pengguna) × (1 − diskon_transaksi) × (1 − diskon_referral_pengguna)

Artinya, biaya Opinion tidak hanya bergantung pada harga pasar dan topic_rate, tetapi juga dipengaruhi oleh diskon pengguna, diskon transaksi, diskon undangan, dan faktor-faktor lainnya.

Opinion juga menetapkan pesanan minimum $5 dan biaya minimum $0,25 untuk menghindari biaya terlalu rendah dari transaksi kecil.

Ini menunjukkan bahwa desain biaya Opinion lebih berfokus pada operasional pengguna:

topic_rate digunakan untuk membedakan berbagai pasar

user_discount digunakan untuk segmentasi pengguna

Jadi, dibandingkan dengan "penetapan harga berbeda berdasarkan jalur" Polymarket, Opinion lebih seperti menjadikan biaya transaksi sebagai alat operasional: di satu sisi, sistem diskon mendorong pengguna untuk berdagang, bertahan, dan merekrut pengguna baru, sementara di sisi lain, maker gratis menurunkan ambang batas pemasangan pesanan untuk mempertahankan likuiditas pasar.

https://docs.opinion.trade/trade-on-opinion.trade/fees

4️⃣ Predict.fun: Tarif tunggal yang minimalis

Struktur biaya Predict.fun lebih sederhana, cocok untuk mengurangi biaya pemahaman pengguna.

Menurut pernyataan publiknya saat ini, rumus perhitungan biayanya adalah:

Biaya Mentah = Persentase Biaya Dasar × min(Harga, 1 − Harga) × Saham

Biaya dasar saat ini sebesar 2%. Tarif aktual akan berubah sesuai harga transaksi: di bawah 50%, tarif tetap sekitar 2%; di atas 50%, semakin harga mendekati 1, semakin rendah tarif aktualnya.

Selain itu, Predict.fun juga mendukung diskon biaya, sehingga biaya transaksi akan turun lebih lanjut setelah diskon.

Fitur desain ini lebih intuitif: pengguna tidak perlu terlebih dahulu menentukan sisi order book, cukup fokus pada harga transaksi untuk memahami perubahan biaya.

https://docs.predict.fun/the-basics/predict-fees-and-limits#limits

Dapat dilihat bahwa kesamaan platform pasar prediksi adalah: semua berusaha mengubah tindakan perdagangan aktif menjadi pendapatan.

Ini juga menunjukkan bahwa komersialisasi pasar prediksi bukanlah satu-satunya jalur. Pada akhirnya, semuanya menjawab pertanyaan yang sama: apakah pengguna bersedia membayar untuk perdagangan?

Meskipun berbagai platform menawarkan cara bermain yang beragam, Polymarket tetap menjadi sampel platform paling cocok untuk mengamati efisiensi monetisasi nyata dari pasar prediksi.

Ada dua alasan utama:

Biayanya paling jelas: mulai dari Crypto sebagai percobaan, diperluas ke Sports, lalu hampir seluruh kategori dikenakan biaya.

Datanya juga lebih lengkap: feeRate resmi, 7D / 30D Fees dapat digunakan untuk memecah struktur pendapatan lebih lanjut

Jadi selanjutnya, kita akan menggunakan Polymarket sebagai contoh untuk menjawab pertanyaan yang lebih spesifik: Apakah jalur dengan volume perdagangan tertinggi juga yang paling menguntungkan?

3.1 Dari Gratis ke Berbayar: Garis Waktu Komersialisasi Polymarket

Januari 2026: Crypto menjadi sektor pertama yang dikenai biaya

Polymarket kembali ke pengguna Amerika, menjadi yang pertama memperkenalkan Biaya Taker di sektor Crypto. Pasar kripto memiliki siklus penyelesaian yang singkat, volatilitas harga yang tinggi, dan perilaku perdagangan yang mirip dengan perdagangan jangka pendek sekunder; pengguna lebih mengutamakan kecepatan realisasi daripada kepekaan terhadap biaya gesekan, menjadikannya lahan uji coba biaya yang ideal.

18 Februari 2026: Sports menjadi blok berbayar kedua

Selanjutnya, pada 18 Februari 2026, bagian Sports menjadi bagian berbayar kedua. Pasar olahraga memiliki fitur alami frekuensi tinggi dan siklus pendek, yang menyediakan skenario perdagangan berkelanjutan. Oleh karena itu, Sports merupakan kelanjutan alami dari biaya.

Jadi, Polymarket terlebih dahulu mengenakan biaya pada Crypto dan Sports, sebenarnya untuk menguji model pendapatan pada dua segmen yang memiliki tingkat penerimaan pengguna lebih tinggi.

30 Maret 2026: Biaya diperluas ke lebih banyak sektor

Pada 30 Maret 2026, Polymarket akan memperluas taker fee ke lebih banyak kategori seperti Politics, Finance, Economics, Culture, Weather, Tech, Mentions, Other/General, sehingga jumlah kategori yang dikenakan biaya menjadi 10.

Setelah penerapan biaya komprehensif, Polymarket tidak hanya menerapkan biaya yang sama untuk semua segmen, tetapi menggunakan struktur tarif yang lebih rinci. Langkah ini dapat dianggap sebagai titik kunci komersialisasi Polymarket, di mana Polymarket mulai memperluas model biayanya ke pasar yang lebih luas.

Efek biaya komprehensif sangat mencolok. Menurut data terbaru, Polymarket telah menunjukkan kemampuan besar dalam menarik dana: Biaya 7H mencapai $9,27 juta, biaya 30H mencapai $36,3 juta. Pendapatan 7 hari nya telah masuk ke dalam enam besar proyek Crypto secara keseluruhan, secara resmi bergabung dengan kelompok proyek berbasis pendapatan.

3.2 Dekomposisi Tipe dan Distribusi Harga Jalur Inti

Untuk menghitung pendapatan sebenarnya dari berbagai segmen Polymarket seakurat mungkin, kami memperkirakan biaya untuk lima jalur utama berdasarkan data perdagangan Polymarket dari tahun 2021 hingga Februari 2026.

Dari persentase pesanan pasar, lima lintasan menunjukkan perbedaan yang jelas:

Market Crypto menyumbang persentase tertinggi, mencapai 75%, yang sangat sesuai dengan sifat aset kripto yang "berubah-ubah"; pengguna lebih cenderung menggunakan order pasar untuk mengunci keuntungan atau kerugian secara langsung;赛道 Cuaca, yang didorong oleh data cuaca real-time yang mendadak, juga sangat dihargai oleh pengguna karena kecepatan responsnya.

Kedua, besarnya biaya transaksi sangat bergantung pada rentang harga transaksi di order book.

Alasannya adalah bahwa transaksi yang masuk ke dalam skema biaya tidak menghasilkan biaya yang sama. Biaya Polymarket terkait dengan p × (1 - p); semakin dekat harga ke 50/50, semakin besar perbedaan pasar, sehingga bobot biaya lebih tinggi; semakin dekat harga ke 0% atau 100%, semakin pasti hasilnya, sehingga bobot biaya lebih rendah.

Dari data lima lintasan utama, sebagian besar volume perdagangan terkonsentrasi di kisaran 30–50, terutama di interval 40–50:

Data ini menunjukkan bahwa perdagangan utama Polymarket tidak terjadi pada kisaran di mana hasil sudah hampir pasti, tetapi terkonsentrasi pada posisi di mana pasar masih menunjukkan perbedaan pendapat yang jelas.

3.3 Perkiraan Pendapatan: Siapa yang menjadi sapi perah keuntungan?

Kami memperkirakan pendapatan biaya Polymarket di lima segmen berdasarkan volume perdagangan pasar masing-masing segmen, dikalikan dengan feeRate terkait, serta menggunakan bobot p × (1-p) berdasarkan berbagai rentang harga. Selain itu, kami mempertimbangkan bahwa setelah diberlakukannya biaya, sebagian pengguna yang sensitif terhadap tarif akan beralih dari Taker ke order Limit. Terutama pengguna yang melakukan perdagangan akhir sesi, arbitrase dengan odds rendah, atau perdagangan jangka pendek frekuensi tinggi, akan lebih hati-hati dalam menghitung tingkat pengembalian.

Oleh karena itu, kita dapat membuat versi asumsi yang lebih konservatif berdasarkan perkiraan awal: diasumsikan setelah biaya diberlakukan, volume transaksi market order di setiap segmen menurun 20%.

Rumus yang disesuaikan menjadi:

Biaya perkiraan setelah penyesuaian ≈ Volume pasar × 80% × feeRate × (1 - p)

Berdasarkan total volume perdagangan 7D dan persentase volume perdagangan di setiap segmen, kami memperkirakan nilai transaksi market order 7D untuk lima segmen utama.

Sebelumnya telah dihitung volume transaksi order pasar untuk masing-masing segmen, selanjutnya gabungkan dengan feeRate dan bobot rentang harga masing-masing segmen untuk memperkirakan biaya. Agar perhitungan lebih akurat, kami menggunakan median rentang sebagai harga perkiraan:

(Catatan: Karena perbedaan metode statistik, keterlambatan proporsi pesanan historis, dan perubahan dinamis di setiap segmen, model perkiraan ini bertujuan untuk merekonstruksi kontribusi masing-masing segmen; totalnya dapat memiliki selisih wajar dibandingkan total Fees yang dihitung sistem.)

What does the data indicate?

1️⃣ Crypto adalah jalur dengan kontribusi keuntungan tertinggi saat ini, dengan perkiraan biaya 7 hari sekitar $4,39 juta, merupakan "sapi perah keuntungan".

Ini agak kontraintuitif, karena dari persentase volume perdagangan, Sport adalah segmen terbesar, dengan volume 7 hari sekitar $401 juta, lebih tinggi daripada Crypto yang sebesar $174 juta. Namun, dalam hasil biaya, Crypto justru berada di peringkat pertama, dengan dua alasan utama:

Persentase pesan pasar lebih tinggi: Persentase Market sekitar 75%, jauh lebih tinggi dibandingkan Sport yang 60%. Polymarket hanya mengenakan biaya pada pesan pasar, sehingga lebih banyak transaksi Crypto masuk ke dalam cakupan biaya.

feeRate tertinggi: feeRate adalah 0,07, sedangkan Sport hanya 0,03. Meskipun volume pesanan pasar keduanya sama, biaya per unit transaksi dalam Crypto akan jauh lebih tinggi.

2️⃣ Sport adalah sumber biaya terbesar kedua, dengan perkiraan biaya 7 hari sekitar $3,31 juta, merupakan basis volume perdagangan.

Keunggulan Sport terletak pada volume perdagangan yang cukup besar. Volume 7D-nya sekitar $401 juta, memimpin di lima kategori. Namun, kelemahannya juga jelas: feeRate paling rendah, hanya 0,03.

3️⃣ Jika Politics dan Trump digabungkan menjadi pasar kategori politik, perkiraan biaya 7 hari sekitar $3,14 juta, sudah sangat dekat dengan kategori Sport, merupakan saluran lalu lintas impulsif.

Ciri-ciri pasar politik adalah dorongan berbasis peristiwa yang kuat. Berbeda dengan Sport yang memiliki pertandingan stabil setiap hari, atau Crypto yang harganya berfluktuasi terus-menerus, pasar politik cenderung mengalami transaksi terkonsentrasi ketika terjadi pemilu, jajak pendapat, perubahan kebijakan, atau pernyataan kandidat. Oleh karena itu, meskipun ritme perdagangan pasar politik tidak selalu stabil, kontribusi biayanya sangat signifikan selama siklus tren panas.

Biaya perkiraan 7 hari Weather sekitar $400.000, yang paling rendah di antara lima lintasan.

Jadi, struktur pendapatan Polymarket dapat diringkas sebagai berikut: Crypto bertanggung jawab atas pendapatan platform, Sport bertanggung jawab atas volume perdagangan, sedangkan Politics / Trump bertanggung jawab atas ledakan peristiwa viral yang menarik pengguna baru ke platform.

Keberhasilan Polymarket memberikan wawasan重构 untuk seluruh lintasan pasar prediksi:

1️⃣ Perubahan komprehensif pada indikator evaluasi

Dulu, saat memantau pasar prediksi, kita fokus pada volume perdagangan dan topik populer. Memasuki era komersial, indikator keberhasilan akan berubah sepenuhnya menjadi: Fees aktual, persentase taker, kedalaman buku pesanan, dan selisih harga beli-jual (Spread). Volume perdagangan yang hanya dihasilkan dari transaksi antar akun sendiri akan sulit bertahan dalam mekanisme biaya.

2️⃣ Jenis acara yang berbeda, sesuai dengan peran pendapatan yang berbeda

Platform pasar prediksi masa depan tidak akan mengandalkan satu jenis order book saja, tetapi akan bergerak menuju spesialisasi yang lebih halus.

Pasar seperti kripto lebih mirip dengan perdagangan keuangan, dengan perubahan harga yang cepat dan siklus umpan balik yang singkat, sehingga pengguna lebih peka terhadap kecepatan transaksi, yang membuatnya lebih mudah mencapai efisiensi pendapatan tinggi.

Sports lebih seperti arus pendapatan stabil, dengan pertandingan yang sering, hasil yang jelas, dan skenario perdagangan yang terus-menerus, sehingga cocok untuk menyumbang volume perdagangan harian.

Pasaran seperti Politik / Trump lebih cenderung dipicu oleh peristiwa, biasanya tidak stabil secara biasa, tetapi ketika memasuki titik kunci seperti pemilu, jajak pendapat, atau perubahan kebijakan, volume cenderung meningkat secara terkonsentrasi.

Pasar seperti Weather, selama acara cukup terstandarisasi dan hasilnya cukup jelas, meskipun skalanya sementara masih kecil, tetap memiliki peluang untuk membentuk skenario perdagangan sendiri.

3️⃣ Mekanisme biaya akan mendorong kualitas buku pesanan secara terbalik

Pada tahap gratis, platform dapat membuka banyak pasangan perdagangan; setelah dikenakan biaya, pengguna dan market maker akan mulai lebih hemat, dan mekanisme biaya justru akan menyaring kualitas pasar.

Sebuah pasar prediksi yang baik tidak hanya memerlukan topik yang menarik, tetapi juga harus mampu memenuhi beberapa kondisi sekaligus:

Hasil jelas, mudah untuk penyelesaian

Informasi diperbarui sering, yang dapat menyebabkan perubahan harga

Perbedaan pasar cukup besar, sehingga pengguna memiliki dorongan untuk berdagang

Likuiditas cukup baik, pengguna bersedia melakukan transaksi secara aktif

Hasilnya tidak mudah dimanipulasi

4️⃣ Hambatan pasar prediksi terletak pada "kewenangan penetapan harga berkelanjutan"

Membuka pasar YES/NO tidak sulit, yang sulit adalah membuat pasar tersebut terus memiliki order beli dan jual, ada yang memperbarui harga, dan ada yang bersedia menanggung risiko. Hanya ketika sebuah pasar memiliki kedalaman dan frekuensi perdagangan yang cukup, harganya baru memiliki nilai referensi, dan platform baru mungkin memperoleh pendapatan darinya.

Jadi, hambatan sejati pasar prediksi bukanlah "siapa yang lebih cepat menemukan tren panas", melainkan: mengubah tren panas menjadi pasar yang dapat diperdagangkan 👉 memastikan likuiditas jangka panjang di pasar 👉 menjadikan harga sebagai sinyal yang ingin dirujuk oleh dunia luar.

Proyek-proyek yang mampu bercerita besar jumlahnya banyak, tetapi yang mampu mewujudkan narasi tersebut menjadi pendapatan nyata sangat sedikit.

Polymarket pernah menjadi perwakilan arus terbesar di seluruh industri, dan ketika ia berhasil beralih dari "narasi arus" ke "penarikan dana sistematis", ia ingin membuktikan satu hal kepada seluruh industri:

Nilai utama pasar prediksi tidak terbatas pada "seberapa akurat memprediksi masa depan", tetapi pada keberhasilannya mengubah ketidakpastian dunia nyata menjadi pasar super yang dapat dipatok harganya secara standar, diperdagangkan secara frekuensi tinggi, dan terus menghasilkan keuntungan.

Di masa lalu, pasar prediksi membuktikan kemampuannya menarik arus lalu lintas yang luar biasa; kini, ia sedang membuktikan bahwa ini adalah bisnis yang tak tertandingi.

1 Metode perhitungan: Pisahkan rasio pesanan pasar dan pesanan terbatas untuk setiap segmen, lalu estimasi dampak p × (1 - p) terhadap biaya berdasarkan berbagai rentang harga transaksi, dan akhirnya gabungkan dengan tarif fee masing-masing segmen untuk menghitung kontribusi perkiraan biaya dari setiap segmen.

Penulis asli: Changan, Amelia, tim konten Biteye