Как люди оценивают игры? Анализ оценок на сайте metacritic
Концепция
Каждому человеку, работающему в каком-то из медиумов, нужно отчетливо осознавать, что влияет на пользовательскую оценку итогового продукта, и как она работает.
Metacritic — один из самых огромных международных агрегаторов, собирающих данные об оценках критиков и пользователей об фильмах, музыкальных альбомах, играх и т. д. В своем анализе я использовала датасет «Video Game Sales 2024» с сайта kaggle.com. Он содержит данные более чем о 60 000 видеоигр, их оценках пользователями и продажах в разных регионах мира.
В данном анализе я ставлю перед собой задачу показать работу и влияние пользовательских оценок на разные аспекты игровой индустрии.
Для визуализации я использовала горизонталью и вертикальную столбчатые, линейную диаграммы, а так же тепловую карту, так как они позволяют показать наиболее наглядно огромные массивы данных без вреда для удобства их чтения, понимания и анализирования.
Этапы работы
Для начала я импортировала необходимые для дальнейшей работай над обработкой и визуализацией данных библиотеки pandas, matplotlib.pyplot и numpy. Так как я работала в Google Colab, для импорта базы данных я добавила базу данных на свой Google Drive и считала их оттуда.
Дальше я заложила общий шрифт для всех визуализаций. На сайте Google Fonds я выбрала один из кириллических шрифтов — Rubik Mono One, так как он прост в чтении и, из-за отсутствия засечек, хорошо подходит для заголовков.
Код для установки шрифта я сгенерировала с помощью нейросети Deepseek. Все промпты можно посмотреть по ссылке в конце лонгрида.
Дальше я занялась обработкой и визуализацией данных. Сначала я задала новую сортированную по возрастанию таблицу для линейной диаграммы с оценками от 1 до 10 с шагом в 0,1 балл и количеством игр с каждой из них, а потом вывела среднюю оценку для всех игр из таблицы.
Потом я подготовила данные для тепловой карты. Сначала я создала новую базу данных, в которой удалила все строки с играми без указанных оценок. После я использовала ее для создания новой таблицы — с 20 консолями и усредненной оценкой игр на них.
Так же на основе ранее выведенного датасета, содержащего только оцененные игры, была выведена таблица для визуализации в виде горизонтальной столбчатой диаграммы.
Дальше я написала таблицу для визуализации вертикальной столбчатой диаграммы. Так как она оказалась сложнее и информативнее всех остальных, для нее потребовалось вывести сразу три переменные: одна оставляет данные только с оценкой и с полным содержанием продаж, вторая округляет оценки до целых чисел, а третья строит основную таблицу.
Для визуализации я использовала основные цвета с сайта metacritic, а так же белый для текста и нейтральный темно-синий для фона.
Цветовое решение визуализаций, созданное в Adobe Color
В рамках своих в визуализаций я провожу дисперсионный и корреляционный анализ, то есть показываю различия между усредненными данными и сравниваю их.
Итоговые графики
Линейный график показывает корреляцию между всеми возможными оценками и количественном игр, оцененных на определенный балл. Так же, для большей наглядности, была проведена линия средней оценки для всех игр из датасета. Из него можно сделать вывод о том, что пользователи чаще оценивают игры положительно, чем негативно, а самые популярные оценки: 7 и 8.
Для настраивания цвета кривой в зависимости от оценки был использован код, сгенерированный в нейросети qwen.
Из тепловой карты становится понятно, что выше всего пользователи оценивают игры, выпущенные на устаревших платформах (GBC — Game Boy Color, NES — Nintendo Entertainment System, SNES — Super Nintendo Entertainment System). На это может влиять множество факторов, например, таких как ностальгия или качество игр прошлого.
В коде этой визуализации была использована нейросеть DeepSeek для создания макета тепловой карты, после чего я отредактировала ее и подогнала под общий дизайн код визуализаций.
В горизонтальной столбчатой диаграмме показаны и отсортированы средние оценки игр определенных жанров. Из визуализации можно заметить, что самые высокооцененные жанры обладают достаточно простыми механиками, а самые низкооцененые — игры на компанию.
На этом графике мы можем заметить прямую корреляцию между оценками и количеством продаж в разных регионах мира. Это показывает огромное влияние отзывов и оценок на metacritic на игры и их будущее развитие.
