Steam 2025 Game Release & Pricing Predictions
Atakan Can
Steam Dataset 2025: Multi-Modal Gaming Analytics
Bu proje, dünyanın en büyük dijital oyun dağıtım platformu olan Steam'in pazar dinamiklerini anlamak, stratejik içgörüler üretmek ve 2025 yılı oyun yayınlanma hacmini öngörmek amacıyla gerçekleştirilmiştir.
🔗 Veri Seti: Kaggle - Steam Dataset 2025
Veri Yapısı
Dosya Sayısı: 12 CSV tablosu
Kapsam: 240.000'e yakın oyun ve DLC bilgisi
Boyut: ~800 MB
Satır Sayısı: ~1.240.000+ kayıt
Örnek Kolonlar:
appid, name, type, is_free, release_date, metacritic_score, recommendations_total, mat_initial_price, mat_discount_percent, mat_supports_windows, mat_achievement_count vb.İçerik: Kategoriler, geliştiriciler, yayıncılar, işletim sistemi desteği, özellikler, türler ve 1 milyondan fazla kullanıcı yorumu.
Proje Amacı
Steam Dataset 2025 verilerinden hareketle oyun sektöründe aşağıdaki başlıkları analiz ederek stratejik içgörüler üretmek ana amaçlarımızdı:
Fiyatlandırma dinamikleri
Oyun popülerliği ve kalite ilişkileri
Tür ekonomisi
Geliştirici ve yayıncı davranışları
Donanım ve dil tercihlerinin etkileri
2025 içerik arz tahmini ve fiyat tahmin modelleri
Tech Stack
Proje, modern veri yığını prensiplerine uygun olarak aşağıdaki araçlarla yürütülmüştür:
Aşama Araç Açıklama Extract & Load (EL) Python (Pandas) & Colab Veri temizliği ve BigQuery'ye yükleme. Data Warehouse Google BigQuery Veri depolama ve SQL sorgulama. Transformation (T) dbt (Data Build Tool) Veri modelleme, test ve dökümantasyon. Visualization (BI) Looker Studio İnteraktif dashboard ve raporlama. Project Management Notion Kanban metodolojisi ile görev takibi.
Proje Süreçleri
1. Hazırlık Aşaması: Ham Veri Kaynaklarının Aktarımı
Analiz için kullanılan ham tablolar Colab aracılığıyla BigQuery’e yüklenmiştir:
applications: Oyunların fiyat, çıkış tarihi ve temel metadatasını içeren ana tablo.reviews: Kullanıcı yorumları, oylamalar ve satın alma durumunu içeren etkileşim tablosu.publishers / developers: Firma ID ve isim listeleri.genres / categories: Oyun türleri ve özelliklerinin ham listeleri.application_*: İlişkisel bağlantı tabloları (Mapping tables).2. Veri Temizliği ve Standardizasyon (Data Cleaning)
Python ve SQL kullanılarak yapılan işlemler:
Fiyat Normalizasyonu: "Free", "Free to Play" ifadeleri
0.00 (Float) formatına çevrildi.Tarih Formatlama:
release_date standart YYYY-MM-DD formatına sabitlendi.Donanım Ayrıştırma (Regex): RAM değerleri GB cinsine dönüştürüldü; CPU/GPU markaları (Intel, AMD, Nvidia) ayrıştırıldı.
Dil Desteği: Oyunun Türkçe desteği (
supports_turkish) 1/0 olarak işaretlendi.3. Eklemeler, Tahminlemeler ve Kümeleme
A. Gelir Satış Tahmini: Oyunlar segmentlere (Indie, AAA, Old) ayrıldı ve sektör standartlarına uygun çarpanlar ile "Estimated Sales" ve "Revenue" hesaplandı.
B. Tür (Genre) Kümeleme: Yüzlerce kombinasyon, üretim tipi ve ana tür mantığıyla (Örn: Indie RPG vs RPG) 34 temel arketip grubuna indirgendi.
C. Oynanış Tipi: Oyunlar
Single Only, Multi Only veya Both olarak sınıflandırıldı.D. Sistem Gereksinim Seviyesi: RAM verisine göre
Low (<4GB), Medium (4-8GB), High (8-32GB) ve Outlier olarak etiketlendi.4. dbt Veri Modelleme
Staging: Ham verilerin ilk temizliği.
Intermediate: Tabloların birleştirilmesi (JOIN işlemleri, örn:
liking_rate hesabı).Marts: BI araçlarına sunulacak nihai tablolar (örn:
mart_publisher_performance).5. İş Zekası ve Raporlama (Looker Studio)
Oluşturulan dashboard içerikleri:
En çok satan oyunlar (Adet & Ciro).
Pazar hacminin yıllara göre değişimi.
Genre trend analizleri.
Sistem gereksinimlerinin zamanla değişimi (Low -> High).
Fiyat & Metacritic kalite ilişkisi.
Yayıncı ve Dil analizleri.
Machine Learning Modelleri
I. Zaman Serisi: 2025 Oyun Sayısı Tahminleme
Facebook Prophet algoritması kullanılarak 1997'den günümüze uzanan veri seti analiz edilmiştir.
Modern Dönem Etkisi: Sadece 2015 ve sonrasını baz alan model, hata payını (MAE) ~350'den ~262'ye düşürerek %25 daha yüksek başarı sağlamıştır.
Büyüme Trendi: 2020 sonrası agresif artış trendi doğrulanmış ve 2025 için büyüme öngörülmüştür.
Mevsimsellik: Oyun yayınlama sıklığının yılın son çeyreğinde (Ekim-Aralık) zirve yaptığı saptanmıştır.
II. Steam Oyun Çıkış Fiyatı Tahminleme (XGBoost)
Bu bölümde, oyunun özelliklerine bakarak çıkış fiyatını tahmin eden modelin geliştirilme adımları yer almaktadır.
Adım 1: Veri Yükleme ve İlk Bakış
Google BigQuery'den
Team6_Steam.ml_pricing_2 tablosu çekildi.Adım 2: Kapsamlı Veri Temizliği
recommendations_total < 2000 olan oyunlar elendi (Popüler oyunlara odaklanıldı).Eksik veri içeren
metacritic_score, yayıncı bilgileri ve ücretsiz oyunlar temizlendi.system_req_level içindeki outlier'lar temizlendi.Oyun yaşı (
game_age_days) 2025-08-31 tarihine sabitlenerek hesaplandı.Sistem gereksinimleri sayısal hale (
system_encoded: 1, 2, 3) getirildi.Adım 3: Eğitim ve Test Ayrımı
Hedef değişken (
y): mat_initial_price_usdÖzellikler (
X): Diğer değişkenler.Oran: %80 Eğitim, %20 Test (Shuffle=True).
Adım 4: Özellik Mühendisliği & İlk Denemeler
StandardScaler ve OneHotEncoder kullanıldı.
Önemli Bulgular:
game_age_days (Oyun yaşı) kolonu çıkarıldığında R2 skorunun düştüğü görüldü. Yaşın fiyat üzerindeki kritik etkisi doğrulandı.Adım 5: Son 10 Yıl Filtresi
Veri seti son 10 yıl (3650 gün) ile sınırlandırıldı.
R2 skoru 0.49'a yükseldi.
Adım 6: Yayıncı Sayısı Optimizasyonu
Yayıncı isimlerinin karmaşasını önlemek için
nlargest metodu ile denemeler yapıldı.Sonuç: En iyi 500 yayıncı kullanıldığında R2 skoru 0.5219'a ulaştı.
Adım 7: Grid Search (Gün & Yayıncı Kombinasyonu)
Gün sayısı ve yayıncı sayısı listeleri çaprazlanarak test edildi.
Optimum Nokta: Son 1400 gün ve en popüler 445 yayıncı.
Adım 8: Nihai Sonuç
Bulunan parametrelerle eğitilen Final XGBoost Modeli sonuçları:
R2 Skoru:
%63 (0.63)MAE (Ortalama Hata):
7.52 $Adım 9: Base Model Kıyaslaması
Sadece ortalama fiyatı tahmin eden "Base Model" ile kıyaslandığında, modelin hatayı belirgin şekilde düşürdüğü ve veri desenlerini öğrendiği kanıtlandı.
Adım 10 & 11: Görselleştirme ve Analiz
Hata Dağılımı (KDE Plot): Modelin hata dağılımı 0 merkezli ve dar bir aralıkta çıktı.
Sektörel Matris: Tür ve sistem kırılımlarında hata oranları analiz edildi; spesifik niş türlerde sapmalar olsa da genel performansın başarılı olduğu görüldü.
Like this project
Posted Sep 14, 2026
Analyzed 1.2M rows with BigQuery, dbt, SQL and Python; built forecasting and pricing models and improved model accuracy through data cleaning.
