Innhold
- Igjen, jeg ønsker deg velkommen til en kort undersøkelse om spill, spillere og spillbransjen. I dag vil vi se på faktorene som påvirker folks vilje til å betale for spill. Det generelle teoretiske rammeverket jeg prøver å bekrefte er lagt ut her.
- Min forrige artikkel om saken handlet om aktive spillere som en mulig variabel som påvirker spillets pris. En titt på 15 spill foreslo at jo flere folk aktivt spiller et spill, jo høyere er prisen sannsynligvis. Denne gangen vil jeg vurdere en rekke andre variabler som kan bidra til spillpriser. Ikke bekymre deg nå - du vil ikke bli bedt om å forstå noen av de statistiske mumbo-jumboene som brukes til å analysere SteamSpy-data - kjernen i denne artikkelen handler om de teoriene jeg har dannet fra undersøkelsen min.
- Få hendene mine på tallene
- En samlet gjennomgang
- Skisse en skikkelig modell
- Hva forteller tabellen oss?
- konklusjoner
- outro
Igjen, jeg ønsker deg velkommen til en kort undersøkelse om spill, spillere og spillbransjen. I dag vil vi se på faktorene som påvirker folks vilje til å betale for spill. Det generelle teoretiske rammeverket jeg prøver å bekrefte er lagt ut her.
Min forrige artikkel om saken handlet om aktive spillere som en mulig variabel som påvirker spillets pris. En titt på 15 spill foreslo at jo flere folk aktivt spiller et spill, jo høyere er prisen sannsynligvis. Denne gangen vil jeg vurdere en rekke andre variabler som kan bidra til spillpriser. Ikke bekymre deg nå - du vil ikke bli bedt om å forstå noen av de statistiske mumbo-jumboene som brukes til å analysere SteamSpy-data - kjernen i denne artikkelen handler om de teoriene jeg har dannet fra undersøkelsen min.
Få hendene mine på tallene
For å finne ut hvilke faktorer som kan påvirke prisen på Steam spill, gikk jeg inn i Steamspy og samlet data på 52 spill totalt, hvorav 36 ikke er gratis å spille spill. Jeg legger de rå dataene her, hvis du vil ha en titt. De 13 variablene som beskriver hvert spillområde fra sjanger og aktiv spiller teller helt til 3D / 2D, full utgivelse / beta og brukerverdier.
En samlet gjennomgang
For første visning gjorde jeg en serie enkle regresseringer i Excel, som i forrige artikkel. Fra dette var det klart at noen av variablene har betydelig innflytelse når det gjelder prisbestemmelse. Men noen absolutt ikke.
Her er noen grafer å skumme over, sammen med raske verdikter om hvorvidt variabelen er en troverdig innflytelse på prisen eller ikke.
Som du kan se, innebærer ubetydelige variabler konkurranse og generelle forbruksutgifter i spillgenren - og merkelig, utvikleropplevelse. En interessant variabel her er brukeranmeldelsesscore - det viser seg at jo høyere spillets pris, desto lavere er brukerens gjennomgang sannsynligvis. Dette forteller oss at spilllesere er veldig opptatt av å identifisere verdi for pengene - gode nyheter for gratis-til-spill-utviklere!
Den viktigste variabelen fra denne første observasjonen er mengden eiere som spiller regelmessig. Dette er en konstruert metrisk, men det viser tydelig at jo mer regelmessige eiere av et spill spiller det, jo mer sannsynlig vil prisen på spillet være høy. Utmerket fradrag - jo mer likte spillet er, jo høyere pris. Dette har sannsynligvis mindre innflytelse på innledende priser som det gjør ved prisfall etter utgivelsen. La oss gå videre.
Skisse en skikkelig modell
Med dette i tankene satte jeg meg for å lage en multi-regresjonsmodell for dataene, i hovedsak kombinere flere av de små modellene sammen for å se om passformen forbedres. Det var 13 variabler i utgangspunktet, og jeg beregnet 2 flere - aktive spillere over kopier solgt og år siden utgivelsen. Dessverre viste bare noen få av disse seg statistisk signifikante. For den endelige modellen forlot jeg bare variablene som var enten signifikante eller overraskende ubetydelige - resten er bare generelt ikke bemerkelsesverdige. Du kan eller kanskje ikke er kjent med SPSS, så jeg vil forklare utdatatabellen nedenfor.
Det du kan se i de 5 kolonnene er som følger:
For det første er det variablene som brukes, med konstant (ikke viktig) på toppen. Den andre kolonnen viser koeffisientene for hver variabel. For eksempel, hvis et spill er en beta, anslås det å være $ 13 billigere enn en tilsvarende full utgave. Den tredje kolonnen forteller oss standardfeilen - hvor mye varierer disse estimatene over prøven? Den fjerde er t-statistikken, som bare er et forhold mellom koeffisienten og dens standardfeil. T-statistikken lar oss da avlede betydningen eller p-verdien - hvis verdien i den femte kolonnen er under 0,05, antar vi at variabelen faktisk er statistisk signifikant for å danne prisen.
Hvordan p-verdien fungerer:
P-verdien måler "mengden bevis til fordel for antakelsen om at koeffisienten er null". Med andre ord, jo lavere p-verdien, jo mindre sannsynlig er det at koeffisienten er null - jo mer grunn til å tvile på at variabelen er helt ubetydelig. Vanligvis antar vi at en p-verdi på under 0,05 (eller 5%) er betydelig nok til å si at estimert koeffisient faktisk forteller oss noe om befolkningen.
Hva forteller tabellen oss?
1. Som nevnt tidligere, hvis et spill er en beta, forventes det å være rundt $ 13 billigere enn en tilsvarende full utgave.
2. På toppen av det, for hver prosent av eiere som aktivt spiller spillet, øker prisen med $ 3,3 - jo mer folk liker sitt kjøp, jo flere nye spillere er villige til å betale for å bli med på moroa.
3. Her er en merkelig som jeg nevnte før. Jo dyrere spillet, jo verre er vurderingen sannsynligvis, rundt 1% for hver $ 1. Merk at dette betyr at noen mennesker er villige til å betale høye priser for spill med dårlige anmeldelser ...
Å se nærmere på at det er liten sammenheng mellom brukeranmeldelser og kopiere som er solgt eller aktive spillere, noe som betyr at forbrukere ikke gir så mye vekt på meningene som man kanskje tror.
4. Å ha en solid singleplayer-modus som er tilgjengelig, viser seg å øke en spillpris på $ 12,5, mens en multiplayer-modus faktisk ikke har noen signifikant effekt.
5. Når det gjelder ubetydelige effekter, synes det ikke å være noe viktig hvor gammelt spillet er, hvor erfarne utviklerne er, eller hvor mange romlige dimensjoner den tilbyr for leting.
konklusjoner
Det er mye mer å gjøre med denne prøven, og jeg begynte ikke engang å jobbe med de 16 gratis-spill-spillene. Men vi kan allerede finne litt noe for konklusjoner.
Først og fremst er dampbrukeradferdene ganske forvirrende - noen av variablene du tror ville bety noe virker helt ubetydelige, for eksempel mengden av dimensjoner i spillet og utvikleropplevelse, og ting som brukerpoeng viser enorm negativ årsak. Det kan bli universelt anerkjent, da er ikke korrekturleser og forbrukeravgjørelse så viktig for Steam-brukere. På toppen av det forventer brukerne å betale mye mindre for betas og spill uten en skikkelig singleplayer-opplevelse.
outro
Jeg håper dette gir deg litt mat til tanke; det gir meg absolutt noen. Untangling mysteriet av spillprisene viser seg å være mye vanskeligere enn forventet. Fremtidige artikler vil sikkert inkludere en undersøkelse av gratis-spill-spill, og kan legge til gjennomsnittlige spilletider og replayability i blandingen av variabler.
Håper du likte denne artikkelen! Gi meg beskjed om dine tanker i kommentarene nedenfor.