Наше независимое аналитическое агентство продолжает развитие собственной платформы анализатора трендов Steam.

Напомню, что сейчас разбиение на игровые кластеры строится на основе анализа тегов. Такое разбиение никак не учитывает семантику игр, а только отнесение их к той или иной группе на основе выставленных игроками тегов. Подробнее о методике можно прочитать тут.

Но помимо тегов в нашей базе хранятся описания игр с их Steam-страниц и строятся эмбеддинги этих описаний. Естественно было бы искать похожие игры не только по тегам, но и по описаниям. Однако эксперименты показали, что проведение кластеризации всей выборки с использованием только эмбеддингов получается не очень осмысленным. Другое дело, если речь идет о дополнительном анализе уже сформированных кластеров на основе тегов. Тут результат уже интереснее.

Сейчас в наш анализатор добавлен второй уровень кластеризации, который делает разбивку на эмбеддинг-подгруппы уже собранных по тегам кластеров игр. Я использую термин «подгруппы», а не «подкластеры» просто для удобства и для того, чтобы подчеркнуть, что основы разбиений разные. Однако сами алгоритмы разбиения одинаковые: UMAP+HDBSCAN.

Что мы в итоге получаем: внутри кластера алгоритм выделяет группы игр со схожей семантикой. Т.е. игры объединяются по сеттингу, игровому циклу или другим характерным признакам, которые могут быть выделены из описания игр.

Для того чтобы можно было понять, по каким именно признакам алгоритм построил подгруппы, мы просим ИИ сгенерировать для них названия и описания на основе элеватор-питчей самых характерных для подгрупп игр. Полученный результат вместе со статистикой подгрупп добавлен в вывод на страницах кластеров отчета.

Разумеется, ИИ-описание нужно воспринимать с осторожностью, т.к. в его основе лежит не полная информация об играх, а только «продающая» короткая часть. Возможно, позже мы будем использовать полное описание игр для генерации, но на первом этапе достаточно и этого.

Зачем это в итоге нужно? Вся идея кластеризации направлена на то, чтобы можно было понять возможное место будущей игры (уже создаваемой или только планируемой) среди потенциальных конкурентов или аналогов. Если у вас есть информация о том, на какие игры реально похожа ваша игра, вы можете строить оценки потенциальной востребованности, а значит, и заработка. Кроме того, анализ трендов помогает в поиске популярных или недооцененных ниш, что полезно, если вы только планируете разработку.

Мы продолжим совершенствование методики. В ближайших планах — автоматизация подбора ниш для проектов, зарегистрированных на сайте Телефраг, и скоринг ниш.