大数据背景下手游广告投放策略分析

基于python的游戏销量数据分析与预测目录TOC\o"1-3"\h\u30100第一章绪论 5124071.1研究背景与意义 5306971.2国内外研究现状 511245第二章相关理论及方法 6227272.1文本型数据处理 6327002.2支持向量机回归（SVR）模型 7106912.3随机森林(RF)模型 86315第三章数据分析过程 8266073.1数据来源 8157093.2数据描述 9281113.3数据清洗 969013.4数据分析 1197303.5总结 159099第四章游戏销量预测模型的构建 1631524.1模型评价指标 16137194.2基于SVR的视频游戏销量预测模型的建立 17143194.3基于随机森林的视频游戏销量预测模型的建立 19316244.4模型比较 2016713第五章总结与展望 20115395.1论文总结 2098585.2不足与展望 2126626参考文献 2211657致谢 23摘要：在当今的科技飞速发展的大环境下，游戏行业瞬息万变，充满了激烈的竞争。游戏开发公司和发行商面临着重要而复杂的任务，需要进行数据分析与销量预测。通过利用先进的技术手段，比如使用python来做大数据的处理，以及使用tableau来进行数据可视化等，挖掘与分析游戏市场，有助于企业更好地理解用户的需求，并预测销量趋势，从而更好地调整产品策划和推广策略，提高市场竞争力。因此，游戏市场的数据分析与销量预测是当前电子产业中一个重要的研究方向，对于游戏开发公司和发行商来说具有重要意义和积极影响。本研究从用户层面、发行商层面、市场层面对游戏销量数据进行可视化分析，并基于支持向量回归（SVR）和随机森林(RandomForest)算法构建销量预测模型，旨在分析游戏市场需求与玩家行为，帮助游戏开发公司和发行商提供科学合理的决策依据。关键词：数据可视化分析；机器学习；游戏销量预测；python第一章绪论1.1研究背景与意义（1）研究背景随着智能手机以及电子设备的的壮大，如今的游戏市场占据着整个市场较大的份额。电子游戏（VideoGames，有一少部分学者使用ElectronicGames），又被称为电玩游戏，自从它诞生以来，游戏逐渐融入进人们的业余活动，给人们在紧张的生活压力下带来的许多的精神世界上的乐趣，让人类的生活更加的丰富。诺兰·布什纳尔（NolanBushnell）于1979年创立的著名的雅达利公司，在其开发的电视游戏主机上，盛大地发布了一款能互换程序的二代电视机控制器。该产品一经问世便大受欢迎，并因此获得了3亿3千万的收入，同时也成为了当时最受欢迎的圣诞礼品。第二年的销售增长至四亿六千四百万，在第3年增加至十亿；在第四年，也就是1982年，创造了三十亿美金的销售记录。随着互联网时代的飞速发展，游戏产业也越来越受到人们的重视。据微信公众号《手游那点事》公布的数据，2023年全球游戏市场收入达到约1840亿美元，较上年同期增长0.6%。从平台来看，手机游戏在收入中所占比例最高（49%）是最大的，但这一数字为904亿美元，同比下降1.6%。与之相比，在2023年，游戏机游戏的全球总收入分别为532亿美元和384亿美元，而个人电脑网络游戏的总收入则为19亿美元，与去年相比大幅下降了16.9%。根据横跨40多年的数据对比来看，游戏市场在不断的壮大，所以我们对游戏销售数据的分析是非常有必要的。（2）研究意义电子产业是一个竞争十分激烈的行业，加之其市场风向变化很快，游戏销售数据的分析对于游戏开发商来说具有重要意义。本文通过利用python和tableau对销售数据进行可视化分析，可以帮助企业及时了解玩家的需求和喜好，从而更好地调整游戏内容和开发方向，提高游戏的吸引力和竞争力。这样的精准需求定位有助于节约开发成本，避免在不必要方向上进行投资，并且可以更加精确地进行市场定位，同时，这样的分析方法也有能力揭示数据中隐藏的规律和趋势，为企业制定销售策略和推广活动提供科学依据。除此之外，对于研究者和学术界而言，该研究可填补相关领域的空白，推动学科的进展。1.2国内外研究现状（1）销量模型国内研究现状国内有关销量预测的研究主要涉及基于数学和统计方法、深度学习算法以及机器学习算法等方面的预测研究。随着深度学习技术的进步，基于神经网络的销量预测模型取得了显著的发展。深度学习模型能够自主提取数据特征，从而更有效地分析复杂的销售数据，提高了预测的准确性。王方宇以传统预测方法为对照，构建了基于梯度提升决策树（GBDT）的多因素销量预测模型。张雷东利用Stacking策略组合了Xgboost、SVR（支持向量回归）和GRU神经网络作为基础模型，随后采用lightGBM作为最终预测模型，显著提升了模型的预测性能。（2）销量模型国外研究现状尽管游戏行业的发展取得了显著成效，但是目前关于游戏销量的预测和研究，无论是国内还是国外的文献数量仍相对较为有限。通过阅读国外的文献发现针对游戏销量预测领域的现有研究里，JulieMarcoux提出了一种基于连接主义和子空间分解的销售预测方法，该方法利用反向传播算法训练神经网络，以实现视频游戏周销量的预测。而ZHIPENGF等人通过对不同类型的数据进行统计分析，分析不同类型数据下不同类型的数据对不同类型用户的评价结果的差异，揭示不同类型数据下不同类型用户对不同类型数据的不同处理方式对不同类型用户的评价结果的差异。第二章相关理论及方法2.1文本型数据处理针对所涉及的文本类型数据，包括游戏发行年份、发行平台和游戏发行商等特征，本研究采用了Pandas.get_dummies方法对其进行特征处理。pandas

中的

get_dummies

方法主要用于对类别型特征做One-Hot编码（独热编码）。one-hot的基本思想：将离散型特征的每一种取值都看成一种状态，若你的这一特征中有N个不相同的取值，那么我们就可以将该特征抽象成N种不同的状态，one-hot编码保证了每一个取值只会使得一种状态处于“激活态”，也就是说这N种状态中只有一个状态位值为1，其他状态位都是0。可以这样理解，对于每一个特征，如果它有m个可能值，那么经过独热编码后，就变成了m个二元特征（如成绩这个特征有好，中，差变成one-hot就是100,010,001）。并且，这些特征互斥，每次只有一个激活。因此，数据会变成稀疏的。这样做的好处主要有：解决了分类器不好处理属性数据的问题,在一定程度上也起到了扩充特征的作用。2.2支持向量机回归（SVR）模型支持向量机回归（SupportVectorRegression，SVR）是一种基于支持向量机（SupportVectorMachine，SVM）的回归方法。与传统的回归方法不同，SVR的目标不是直接拟合数据，而是通过在特征空间中找到一个超平面，使得样本点尽可能地位于该超平面附近，并且在容忍范围内允许一定的误差如REF_Ref21099\h图1所示。图SEQ图\*ARABIC1具体而言，SVR的思想是将回归问题转化为一个优化问题。通过引入一个边界带（margin），将目标值限制在该边界带内，同时尽量使得边界带之外的样本点尽量少。在SVR中，使用核函数将输入特征映射到高维特征空间，然后在该特征空间中寻找最优的超平面。SVR算法可以使用Scikit-Learn的SVR类来实现，SVR的问题可形式化为如公式(1-1)所示(1-1)其中，为正则化常数，为不敏感损失（insensitiveloss）函数,引入松弛变量和，可将式重写为如公式(1-2)所示(1-2)2.3随机森林(RF)模型随机森林(RandomForest,RF)是一种比较新的机器学习模型(非线性基于树的模型)集成学习方法,决策树+bagging=随机森林。上世纪八十年代Breiman等人提出了分类树算法，可以通过反复二分数据进行分类或回归，统计工作量大大降低，2001年Breiman把分类树组合成随机森林，即在变量(列)的使用和数据(行)的使用上进行随机化，生成很多分类树，再汇总分类树结果。随机森林在计算量没有显著提高的前提下提高了预测精度，随机森林对多元共线性不敏感，结果对缺失数据和非平衡数据比较稳健，可以很好地预测多达几千个解释变量的作用，被誉为当前最好算法之一，随机森林是用随机的方式构建的一个森林，森林由很多的决策树组成，且每一棵决策树之间是没有相互关联的，大概流程如REF_Ref21723\h图2所示。图SEQ图\*ARABIC2本研究使用ensemble模型库中的RandomForestRegressor创建随机森林模型对象。第三章数据分析过程3.1数据来源本文采取的数据来源于kaggle网站上的游戏销量数据集，该数据集内含有不同游戏约16600条游戏数据。3.2数据描述首先将数据集导入到Python中进行分析，观察数据集中所存在的字段及属性，各个字段的主要含义如REF_Ref21524\h表1所示。表SEQ表\*ARABIC1数据字段解释编号字段名字段解释1Rank销售排名2Name游戏名3Platform平台4Year游戏发布年份5Genre游戏类型6Publisher游戏发行商7NA_Sales北美销量额（百万）8EU_Sales欧洲销量额（百万）9JP_Sales日本销量额（百万）10Other_Sales其他地区销量（百万）11Global_Sales全球总销量额（百万）3.3数据清洗（1）缺失值处理在数据搜集的过程中，因为多种因素，可能会遇到数据不完整的情况，从而出现缺失值。这个问题通常是不可避免的。所以，在数据处理阶段，处理缺失值是一个经常遇到的挑战。如果处理方式不正确，可能会简单地将含有缺失值的数据排除出分析过程，这不仅会降低分析的精确度，还可能引入偏差，导致错误的判断。通过对表格中各个域的数据进行统计，发现“游戏发布年份(Year)”和“游戏发行商(Publisher)”两个字段都有丢失的数据，如下REF_Ref21687\h图3所示，由于缺少数据的年份是不能确定的，而对于丢失数据的填充也是不现实的，所以我们打算对有年份遗漏数据的案例进行剔除。在“游戏发布年份(Year)”栏中移除遗漏的数值后，在“游戏发行商(Publisher)”栏中找到了一些遗漏的信息，因为遗漏的比率很低，所以将这个遗漏的案例直接剔除掉了，删除后还余下16291条数据。图SEQ图\*ARABIC3（2）重复值处理在实际数据收集、处理及分析过程中，常会碰到重复数据的问题。重复数据是数据分析和数据挖掘过程中的一个重要环节。例如，在logistic回归分析中，数据重复对模型拟合的影响较大；在数据分析过程中，数据重复对预测内容的准确性有很大的影响。因此，对具有重复值的数据进行处理具有重要意义。经过对数据重复值删除后，再对数据进行查询我们发现，该数据集中没有重复值的出现，在这里我们将“游戏发布年份(Year)”数据由float型转化为int型数据。异常值处理异常值是个很重要的概念.异常点指的是一组与大部分数据显著不符的观察值。这些异常点的产生可能来自于数据采集不准确，事件不正常，度量不正确等。在很多机器学习算法中，异常点是影响预测效果的重要因素。所以检测和处理是必要的。鉴于该数据为含时间的面板数据，本人检视了历年数据的分布状况，结果显示2017及2020年数据量偏少，并发现二者间多年间断，且2018及2019年资料有缺失，故需先剔除2017及2020年数据。得到处理后的数据，对其进行描述性统计分析，数据基本情况如REF_Ref21919\h图4所示。图SEQ图\*ARABIC4通过统计数据分析，我们得知该数据集中包含了1980年至2016年间的电子游戏销售情况。3.4数据分析数据分析是在对海量数据进行深入研究、细致分析、全面归纳的过程。它的基本目的就是从这些数据中提炼出有益的数据，以便辅助决策者进行科学的决策。通过对这些数据进行研究，能够挖掘出其中蕴含的规则与变化，挖掘出其中存在的问题与机会，从而为企业与机构的发展与创新提供理论依据。通过数据分析，人们可以更准确地了解现状，预测未来走势，并根据分析结果采取切实可行的行动，以实现目标的实现与持续改善。本研究通过对用户、发行商和市场三个关键方面进行综合分析，我们可以获得关于近年电子游戏市场销售情况的有关数据和信息。（1）从用户层面游戏作为一种娱乐方式，其销量分析需要从用户需求出发，了解用户喜好的游戏类型以及常用的游戏平台。因此，数据分析应重点关注用户喜好和游戏平台偏好，为游戏销量提供有效的用户层面参考依据。首先，我们对全球销量前十的游戏进行可视化分析如REF_Ref22118\h图5所示图SEQ图\*ARABIC5全球销售额排名前十游戏通过分析我们可以看到，从1980年至2020年间全球销售额排名前十的游戏列表。这些游戏都是电子游戏历史上极具影响力的作品，它们在全球范围内取得了巨大的商业成功。销量最高的游戏是WiiSports，这些游戏不仅在游戏历史上留下了深刻的印记，也为电子游戏产业的发展做出了巨大的贡献。接下来，我们对用户最喜欢的游戏类型进行可视化分析如下REF_Ref22255\h图6所示。图SEQ图\*ARABIC6用户最喜欢的游戏类型排行通过分析我们可以看到，最受用户喜欢的游戏类型为Action(动作类)游戏，总销售额达到了1723百万美元，与排名第二的Sports（体育运动）类型游戏相差了约400百万美元的销售额。其次，我们对近十年全球游戏平台用户量进行可视化分析如下REF_Ref22562\h图7、REF_Ref22569\h图8所示。图SEQ图\*ARABIC72011-2015年游戏平台用户量图SEQ图\*ARABIC82016-2020年游戏平台用户量通过前五年与后五年的对比分析图我们可以看到，电子产业技术不断前进，产品设计和性能不断提升，逐渐替代老旧产品成为市场焦点。在这样的大背景下，PS4作为一个新一代游戏机在市场上的表现受到了广泛的关注。与此同时，PS2的市场地位逐渐被逐步取代。这样的对比分析，具有较高的指导意义，也能更好地了解消费者需求，促进新产品开发。1990年3月4号，索尼推出了第二代游戏机PS2，距今已有二十年。PS2不仅仅是一次商业上的成功，它更是我们童年时代的回忆。（2）从发行商层面其次，我们以发行商为重点，对全球排名前十的游戏发行商进行可视化分析如REF_Ref22735\h图9所示。图SEQ图\*ARABIC9全球十大发行商通过1980-2020年全球十大发行商进行分析，我们可以得出，最受欢迎的发行商是Nintendo（任天堂）和ElectronicArts。很多人对

Nintendo这个名字并不熟悉，但是《超级马里奥》这个名字，却是很多人的回忆。那时候，《超级马里奥》已经在全国范围内掀起了一股热潮，甚至还在全球范围内掀起了一股热潮。（3）从游戏市场层面随后，我们以市场为重点，旨在深入分析全球电子游戏市场和四大地区的销售额变化情况，探讨其发展趋势和影响因素，各地区销量趋势图如REF_Ref22902\h图10所示。图SEQ图\*ARABIC10各地区销量趋势图通过1980-2020年各地区电子游戏销量趋势图我们可以看到，总的来说，从1980到1995年，电子游戏行业的发展趋向是平稳的。在随后的1995-2007年期间，电子游戏行业迅速增长，并在2007和2008年之间实现了一个高峰。不过，从那以后，电子游戏产业就开始走下坡路了，直到2016年，它的总销售额还不到95年的水准，这个市场进入了一个萧条的阶段。或许是因为最近几年，手游的发展速度很快，所以在2018年以后，电子游戏的销售额都有所下降。图SEQ图\*ARABIC11各地区总销量对比图根据不同地区游戏销量对比REF_Ref23127\h图11所示，北美地区的游戏销售额最高。结合实际情况分析可得，经济发达地区的玩家有更强的购买力。游戏销量和经济发展水平有一定的相关性，但是具体的相关性还需要与其他发达国家的数据进行比较。例如日本作为一经济发达国家，贡献了全球游戏销售额的14%，购买力显著。3.5总结通过从用户层面、发行商层面、市场层面对视频游戏销量数据进行分析，在电子游戏热潮中，Action(动作类)游戏占据了最大的市场份额，紧随其后的是Sports(体育)类和Shooter(射击类)游戏。近十年来，用户量最高的平台分别是PS3和PS4。在游戏发行商销量方面，Nintendo（任天堂），ElectronicArts（艺电公司，简称EA），Activision（动视公司）占据前三，且差距显著。任天堂在大部分类型游戏领域都处于龙头地位，占比第一；视频游戏销量在1995年开始逐渐上升，受2008年金融危机影响，视频游戏销量到2008年左右达到顶峰，此后开始阶段性下滑。在经济发达区域，玩家拥有更多金钱用于购买游戏的现象一定程度上与经济发展水平相关。然而，为了准确评估销售额与经济发达程度之间的关系，需要与其他经济发达国家的数据进行对比分析。各大游戏厂商应该进一步挖掘销量下滑原因，是否是手游、网游等影响，并针对性采取措施。第四章游戏销量预测模型的构建本章通过对数据集进行随机划分，拟通过构建支持向量回归机（SVR）模型和随机森林模型，并选取均方误差，均方根误差，决定系数作为评价模型预测准确性的指标。4.1模型评价指标本研究采用均方误差(RMSE)、平均绝对误差（MAE）、决定系数（R2）三个指标对模型的预测效果进行评价，评价指标如下所示均方根误差(RMSE)均方根误差（RMSE）是均方误差的平方根，它的数值越小，表示预测值和实际值之间的误差就越小，说明模型具有较强的预测能力。且单位与原样本保持一致,可以更好地描述数据,其计算公式如(4-1)所示， (4-1)其中,为样本个数；为真实值；为预测值。平均绝对误差（MAE）平均绝对误差（MAE）是衡量预测值和实际值的平均值，它对离群点的敏感度较低，但不能准确地反映预报误差的分布状况。MAE越小表示模型越好。其公式计算如(4-2)所示，(4-2)其中,为样本个数；为真实值；为预测值。决定系数（R2）常用决定系数R2作为回归模型拟合能力的指标，其数值越接近于0，说明拟合效果越差；它的数值越接近于1，说明该模型对因变量的解释能力越强，也就是说，该模型的拟合效果也就越好。其计算公式如(4-3)所示，(4-3)其中,为样本个数；为真实值；为预测值。4.2基于SVR的视频游戏销量预测模型的建立（1）首先，对已进行过清洗处理的数据划分成训练集和测试集，并对数据进行标准化处理。划分过后的训练集与测试集如下REF_Ref23290\h图12、REF_Ref23303\h图13所示；图SEQ图\*ARABIC12训练集图SEQ图\*ARABIC13测试集创建一个SVR模型并使用测试集数据进行预测，使用X_train_scaled和y_train来训练模型，使用训练好的模型对X_test_scaled进行预测；其次输出预测的均方根误差、平均绝对误差、决定系数如下REF_Ref23552\h图14所示。图SEQ图\*ARABIC14SVR模型的评价指标导入matplotlib.pyplot包，将预测结果进行可视化如下REF_Ref23721\h图15所示。图SEQ图\*ARABIC15SVR模型预测结果图通过对

SVR模型预测结果进行可视化分析，得到了与实际情况基本一致的预报结果，表明其拟合效果良好，可以很好地反映出实际情况。因此，在实际应用中，可以考虑利用该模型进行相关问题的预测和分析，为决策提供有力的支持和依据。4.3基于随机森林的视频游戏销量预测模型的建立随机森林作为常见的机器学习算法，其基于决策树的原理，通过随机构建多个决策树，并将它们集成进行预测。本研究旨在建立基于随机森林的游戏销量预测模型，主要包括数据准备、随机森林建模、模型训练以及模型评估等四个关键步骤。我们还是使用刚刚已经清洗好的并且已经划分好的训练集与测试集；创建一个随机森林模型并使用测试集数据进行预测；其次输出预测的均方根误差、平均绝对误差、决定系数如下REF_Ref24074\h图16所示。图SEQ图\*ARABIC16随机森林模型的评级指标导入matplotlib.pyplot包，绘制预测值与真实值的图像如下REF_Ref24205\h图17所示。图SEQ图\*ARABIC17随机森林模型预测结果图可视化分析随机森林模型预测结果后，可以发现预测值与真实值重合度比较高。相比于SVR模型，随机森林具有更强的预测模型拟合效果。通过随机森林模型的分析，我们可以更加有效地预测结果，同时也对于模型的优化和改进有着重要的参考价值。4.4模型比较通过对两个模型评价指标来进行对比，如下表所示，如4.1中所介绍的均方根误差(RMSE)的取值越小,说明预测值与真实值的误差越小,模型预测能力强；平均绝对误差（MAE）越小表示模型越好；决定系数（R2）的值越接近0,拟合程度越差;其值越接近1,模型解释因变量的能力越强,即模型拟合效果越好。我们将两个模型所计算出的模型指标评分作如REF_Ref24414\h表2进行对比分析。表SEQ表\*ARABIC2模型指标评分对比表模型SVR0.574450.093830.83279随机森林0.222540.086010.97490那么通过对三个模型评价的指标对比我们可以看到，无论是从RMSE、MAE、R2任何一种指标都是随机森林预测模型的拟合效果更好，预测能力更强。第五章总结与展望5.1论文总结游戏产业作为文化产业的重要组成部分，逐渐成为高科技产业和文化产业的融合点。在竞争激烈的市场环境中，游戏销量预测成为游戏开发公司和发行商必须面对的挑战之一。游戏销量预测不仅关乎游戏开发公司的利益，还与消费者利益、游戏市场利益等息息相关。因此，如何科学合理地进行游戏销量预测已成为游戏产业研究的热点问题之一。本文旨在探究视频游戏销售额方面的问题，通过对kaggle网站所提供的视频游戏销量数据集，对1980-2020年的视频游戏相关数据从用户层面、发行商层面、市场层面进行可视化数据分析，并运用支持向量回归模型和随机森林模型进行游戏销售额的预测。在评估预测效果时，对比了这两个模型的评价参数，从而选出更加精准可靠的预测模型，以期望对游戏开发商和发行商在决策资源分配及风险控制方面提供有效参考，从而达到提高收益的目标。对数据可视化结果的分析，我们可以得到的结论是随着游戏平台不断更新换代，大型平台发布的游戏牢固地占据市场主导地位，吸引了广大游戏玩家的关注。同时，大型游戏发行商更倾向于不断推陈出新，向市场推出新的游戏作品。2008年至2009年，是游戏的黄金市场，行情繁荣兴盛，但由于受到经济危机的影响，到2015年时的游戏销售数量仅有巅峰时期的约一半。未来游戏市场的发展走向，是否会再度兴盛，抑或是继续下降，亟需进一步的数据证据支撑。中国作为一个规模庞大的消费市场，但就目前的数据来看，中国市场的销量或许被计算在其他地区的销售额中，尽管当前其他地区的销售额占全球销售额的比重相对较低。然而，由于该数据截至于16年，中国的消费水平在近年来不断的提高值得高度关注，因此中国市场的未来消费潜力也应得到足够的重视。对游戏销量预测模型结果的分析，通过本研究中建立的模型，以基于多种机器学习算法的游戏销量预测为研究主体，分别运用随机森林、支持向量回归机算法在游戏销量预测上进行评估。研究结果显示，基于随机森林的游戏销量预测模型总体来说预测精度更高，同时从三个模型评价指标（均方根误差、平均绝对误差、决定系数）的评价指标上来看，随机森林模型也是预测误差相对来说更小一些，因此建议在游戏销量预测中使用基于随机森林的预测模型，以提高精度和准确性。5.2不足与展望对于研读其他文章后认为，本文所采用的方法和数据分析方法都存在着一定的缺陷与偏差，因此需要寻求更适合的方法与数据源。此外，在对研究问题的深入探讨方面还需要进一步的阐述和解释。我们也认识到本研究没有考虑到某些重要的因素或变量，因此需要更加全面地考虑研究因素，以便获得更加准确和可靠的研究结论。本研究首先对两个独立的游戏销量预测模型进行了调查和分析，然而，对于模型的优化方面进行了相对有限的研究。未来的工作将集中在对现有模型的进一步优化，以找到最适用于游戏销量数据训练的模型，并探索更多不同的线性回归模型，以获得具有更小误差和更高精度的游戏销量预测模型。参考文献[1]徐英卓,郭博,王六鹏.基于GBDT算法的游戏销量预测模型研究[J].智能计算机与应用,2023,13(1):182-185.[2]黄文武.基于集成学习的二手车价格预测研究[D].华中师范大学,2023.DOI:10.27159/ki.ghzsu.2022.000362.[3]瞿珊.基于机器学习的网络游戏收益预测实证研究[D].重庆大学,2020.DOI:10.27670/ki.gcqdu.2019.000019.[4]刘文文.A企业汽车售后服务产品销量的预测研究[D].北京交通大学,2022.DOI:10.26944/ki.gbfju.2021.000960[5]郭博.游戏销量预测模型的研究与应用[D].西安石油大学,2024.DOI:10.27400/ki.gxasc.2023.000672.[6]张梦迪.基于大数据的汽车销量预测研究[D].湖北大学,2022