Steam 游戏差评数据分析产品系统

Steam作为全球最大的游戏发行平台，用户差评直接影响游戏销量和口碑。不同类型游戏（如FPS、RPG、独立游戏等）的玩家对游戏体验的关注点存在显著差异，但游戏开发者往往缺乏系统性的数据支撑来定位差评核心问题。本项目旨在通过爬取Steam热门游戏的差评数据，利用文本挖掘技术，帮助游戏开发者或发行商快速了解玩家痛点，为产品优化和运营决策提供数据依据。

数据采集模块：基于R语言的rvest和RSelenium包，实现对Steam平台1000款热门游戏的列表信息（游戏名称、类型、价格、好评率等）及20000余条差评文本的爬取，能够自动处理年龄验证等反爬机制。
数据清洗模块：对爬取的原始数据进行去重、空值处理、文本预处理（去除停用词、特殊符号、英文转小写等），输出结构化的干净数据集。
文本挖掘模块：使用jiebaR进行中文分词，利用stm包构建主题模型，自动识别不同类型游戏差评中的核心主题（如“卡顿”、“剧情短”、“平衡性差”等）。
可视化与报告输出：生成词云、主题分布图、游戏类型对比图等多维度可视化图表，最终输出一份结构清晰的分析报告，对不同类型游戏的差评痛点进行对比分析。

1. 我负责的工作：
本人独立完成了该项目的全流程工作，包括：需求分析 → 爬虫设计 → 数据采集 → 数据清洗 → 文本挖掘 → 可视化 → 报告撰写，无他人协作。
2. 技术栈与架构：
编程语言：R语言（主要），Python（辅助）
爬虫框架：rvest（静态页面）、RSelenium（动态页面，处理年龄验证弹窗）
数据处理：dplyr、tidyr（数据清洗与变换）
文本挖掘：jiebaR（中文分词）、tm（文本预处理）、stm（主题建模）
可视化：ggplot2、wordcloud2
3. 实现亮点与难点：
难点：Steam平台存在年龄验证页面和部分反爬机制，普通爬虫无法直接获取数据。通过RSelenium模拟浏览器操作，自动化完成年龄选择，成功绕过验证。
亮点：通过主题建模，将20000余条非结构化的差评文本转化为可量化的主题分布，清晰区分了FPS游戏（关注外挂与匹配）、RPG游戏（关注剧情与养成）、独立游戏（关注创意与价格）等不同类型游戏的差异化痛点，形成了可落地的分析结论。