數位聯展

本專題旨在探討 Steam 平台上遊戲的各項特徵與其表現之間的關聯性，尤其聚焦於玩家參與度（Player Engagement）與使用者評價（User Reception）兩大指標。透過整合自 Steam API 和第三方來源的大型遊戲資料集，本研究針對超過 85,000 筆遊戲資料進行清理、預處理、視覺化與統計分析。 初步分析發現，大多數遊戲在資料收集當下的同時在線人數為零，造成資料高度偏態，因此本研究針對有實際玩家的子集進行對照分析，並運用皮爾森與史皮爾曼相關係數探討語言支援數量、價格、暴力內容等變項對遊戲表現的影響。接著，研究進一步採用多元線性回歸與 Lasso 回歸等機器學習模型，藉此預測兩項表現指標，並進行變數選擇以篩選出最具代表性的特徵。 研究結果顯示，遊戲的 Metacritic 分數、標籤數（tags）、成就數（achievements）、語言支援程度與售價是影響玩家參與與用戶評價的主要因素。其中，語言支援數量與玩家參與度呈現中度正相關，表明良好的語言在地化有助於擴大遊戲觸及範圍；而價格與使用者評價呈現輕微負相關，顯示高價位可能降低玩家期望達成率。 本專題不僅呈現出遊戲市場資料科學的應用潛力，也對遊戲開發商在行銷策略與產品設計方面提供實證參考，期望能對產業及研究社群帶來實質貢獻。