kaggle分析项目：steam付费游戏数据分析

Steam付费游戏数据分析报告

1. 数据概览（字段解释与清洗过程）

数据来源于 kaggle 的Steam平台畅销游戏数据集（bestSelling_games.csv），共2380条记录。以下是字段解释：

game_name: 游戏名称。
reviews_like_rate: 好评率，用于计算玩家满意度。
all_reviews_number: 总评价数量，反映游戏热度。
release_date: 发行日期，清洗后转换为datetime格式。
developer: 开发商名称。
user_defined_tags: 用户定义标签，如"Action, RPG"，用于分析玩家偏好。
supported_os: 支持的操作系统，如"win, linux"。
supported_languages: 支持的语言，如"English, Simplified Chinese"。
price: 价格，免费游戏为0。
other_features: 其他特性，如"Online PvP"。
age_restriction: 年龄限制，0-17表示最低年龄。
rating: 游戏评分，基于玩家反馈。
difficulty: 难度，1=简单，5=硬核。
length: 游戏时长，估计通关时间。
estimated_downloads: 预估下载量，代表销量。

数据清洗过程：

日期处理 ：将release_date转换为datetime格式，并添加release_year列（发行年份），便于时间趋势分析。例如：
python 复制代码
```
df['release_date'] = pd.to_datetime(df['release_date'])
df['release_year'] = df['release_date'].dt.year
```
好评率标准化 ：添加positive_ratio列，将reviews_like_rate除以100转换为比率（0-1）。
数据分割 ：基于价格分为免费游戏（df_free，169条）和付费游戏（df_paid，2211条），并重置索引。
缺失值检查 ：使用df.info()确认无缺失值（所有字段2380非空）。
数值描述 ：df.describe()显示关键统计量（如价格均值$10.51，难度均值2.86）。清洗后数据聚焦付费游戏分析。

清洗后，付费游戏数据分布更清晰，为后续分析奠定基础。

2. 市场概况

付费游戏市场呈现以下特征：

发行年份趋势 ：付费游戏年发布量从早期（约2012年）稳步增长，2017年后显著增加，2020-2025年达高峰（年均200+款），反映Steam平台扩张和开发者投入增加。文档中折线图显示峰值在2024年（25年数据不全）。
价格分布：付费游戏价格集中于 $0-$ 20区间（占比约75%），均值 $10.51，中位数$ 7.99，高价位游戏（>$50）较少。直方图显示右偏分布，表明低价策略主流。
评分分布：质量中位化趋势，70%游戏评分落在2.5-4.5分区间，4分附近出现明显峰值，超高分与超低分游戏占比都很低，但整体评分偏高。
难度设计：迎合大众偏好，中等难度占主流，高难度硬核游戏占比很低。
游戏时长：碎片化特征显著，70%游戏时长<20小时，符合游戏"碎片化娱乐"趋势。

开发商格局 ：市场高度分散，头部开发商占主导。前20大开发商包括Valve、CAPCOM和Square Enix，其中Valve发行游戏最多（13款）。WordCloud可视化突出开发商影响力。
重点游戏 ：基于评价数量，热门付费游戏包括《ELDEN RING》、《The Witcher 3: Wild Hunt》和《Stardew Valley》等等。这些游戏评价数超10万，下载量高，反映高人气和商业成功。

市场显示Steam付费游戏生态以低价、高频发布为主，头部开发商和IP驱动增长。

3. 玩家偏好（评价数量与预估销量、标签聚类）

玩家行为分析揭示核心偏好：

评价与下载量关系 ：评价数量与预估下载量强相关（Pearson r=0.79, p<0.001）。对数变换后散点图显示线性趋势，表明评价数可作为销量代理指标。高评价游戏（如《ELDEN RING》）下载量常超百万。
标签聚类分析：用户标签共现网络识别玩家偏好社群：
- 社群1：策略类标签（如"Strategy, Simulation, Building"），代表管理建造游戏。
- 社群2：故事驱动类（如"Story Rich, Adventure, RPG"），吸引叙事爱好者。
- 社群3：动作类（如"Action, FPS, Souls-like"），硬核玩家偏好。
- 社群4 ：生存类（如"Survival, Open World"），流行于沙盒游戏。
  网络图显示标签关联度（边权重>3），节点大小表示频次，颜色反映PageRank中心性（如"Action"和"RPG"为核心标签）。

python 复制代码

聚类 1: ['', 'Tactical', 'Card Game', 'Simulation', 'War', 'Management', 'Driving', 'Turn-Based', 'Sports', 'Strategy', 'Sandbox', 'Automation', 'Building', 'Realistic', 'Early Access']
聚类 2: ['Pixel Graphics', 'JRPG', '2D', 'Adventure', 'Anime', 'Puzzle', 'Cute', 'Visual Novel', 'Platformer', 'Sexual Content', 'Fighting', 'Story Rich']
聚类 3: ['2.5D', 'Action', 'Combat', 'Souls-like', 'Shooter', 'Roguelike', 'CRPG', 'Fantasy', 'RPG', 'Stealth', 'FPS']
聚类 4: ['Crafting', 'Horror', 'MMORPG', 'Open World', 'Survival']

玩家偏好集中于高互动性类型（动作、RPG），评价数据驱动购买决策。

4. 商业洞察（知名开发商、简中游戏变化、付费免费对比、硬核游戏画像）

关键商业发现：

知名开发商表现 ：Top 20开发商（游戏数≥3）中，Rockstar Games和FromSoftware评分最高（平均4.12和3.94），但高价开发商（如Visual Concepts，均价 $63.32）下载量较低。性价比高的开发商（如Valve，均价$ 6.77）更易获高下载量（中位数2145万）。这表明高质量内容需平衡定价。
简中游戏支持趋势 ：支持简体中文的游戏数量逐年上升，从2012年不足50款增至2025年超200款。英语支持率近100%，日语支持稳定。折线图显示简中游戏增长快于日语，瞄准亚洲市场扩张。
付费与免费游戏对比 ：付费游戏好评率更高（平均82.41% vs 72.46%），但免费游戏下载量更高（平均1069万 vs 189万）。免费游戏时长更长（平均40.1小时 vs 21.6小时），反映"免费+内购"模式黏性强。条形图对比关键指标。
硬核游戏画像 ：定义硬核游戏（难度>3、时长>30小时、评分≥3.5），共识别出高潜力群体。常见标签包括"Action"（57次）、"RPG"（32次）和"Open World"（22次）。价格集中于 $20-$ 40（直方图），开发商如FromSoftware主导。

商业上，本地化（尤其简体中文）和硬核游戏是增长点，免费模式在下载量占优但付费游戏用户满意度更高。

5. 结论与建议

结论总结：

付费游戏主导Steam市场（92.9%），好评率高（平均82.41%），但下载量低于免费游戏。
玩家偏好动作、RPG和开放世界标签，评价数量强预测销量（r=0.79）。
市场趋势：发行量增长、简中支持上升、硬核游戏需求强（均价 $20-$ 40）。
开发商方面，高评分者（如Rockstar Games）溢价能力强，但性价比开发商更易获高下载量。

建议：

给开发者 ：
- 定价策略：主推 $10-$ 20区间（覆盖75%游戏），硬核游戏可溢价至 $30-$ 40（基于画像数据）。避免> $50的高风险定价。
- 内容开发：强化标签聚类（如整合"Action+RPG"），并增加简体中文支持以捕捉亚洲市场增长。
- 发行时机：利用年发布趋势，瞄准高峰年份（如2023-2025）上线。
给类平台 ：
- 运营活动：推广高相关性标签游戏（如网络图中的核心社群），举办"硬核游戏周"或"简中支持专题"。
- 数据驱动：利用评价-下载量相关性，优化推荐算法（高评价游戏优先曝光）。
- 免费与付费平衡：鼓励开发者采用混合模式（如免费试玩+付费DLC），参考免费游戏的下载量优势。