Steamにおける格闘ゲームの初動がその後のユーザ数確保に重要なことを回帰分析及び相関分析で検証する【改訂版】

当然、初動プレイヤー数が多ければこの後もプレイヤー数の確保に成功する…とみられるが、そのファクトを、格闘ゲームを題材にとって、回帰分析と相関分析で検証してみよう。特にPSネットワークや任天堂ネットワークを使っても、APIが公開されていないからみで、プレイユーザ数の推移を把握することは実に困難を極める。よって、Steamプラットフォームをベースに検証する。

①まず、各タイトルの24時間ピーク、および、初動≒オールタイムピークをSteam Chartsで調査する。

・例：ブロウルハラの事例

②その後、Rおよびエクセルでy（目的変数）を24時間ピークにとり、x（説明変数）にとり回帰分析と相関分析を行う。

③それぞれの結果をはじき出したうえ、検証する。

という三段構えの簡易すぎるほど簡単な手法である。

fight <- read.csv(“格ゲーﾎﾆｬﾗﾗ.csv”)
head(fight)

result <- lm(X24.hour.peak~all.time.peak,data=fight)
plot(X24.hour.peak~all.time.peak,data=fight)
abline(result,col=”red”)
summary(result)

fight <- fight[,-1]
head(fight)
cor(fight$all.time.peak,fight$X24.hour.peak)
cor.test(fight$all.time.peak,fight$X24.hour.peak)

Rのソースコード（原文ママ）
～上記テーブルを任意のcsvファイルに保存している～

さて、これをエクセル・csvにまとめて、all-time-peak（事実上の初動プレイヤー数）と24-hour-peak（主に継続プレイヤー数を表すもの）との相関をRとエクセルにて調べてみよう。回帰分析のひな型に従って回帰結果を示す。

～R（Rstudio）回帰分析結果～

Call:
lm(formula = X24.hour.peak ~ all.time.peak, data = fight)

Residuals:
Min 1Q Median 3Q Max
-7710.1 -568.0 525.6 895.3 10658.3

Coefficients:
Estimate Std. Error t value Pr(>|t|)
(Intercept) -1.162e+03 1.138e+03 -1.020 0.322716
all.time.peak 3.701e-01 8.514e-02 4.347 0.000499 ***
—
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

Residual standard error: 3655 on 16 degrees of freedom
Multiple R-squared: 0.5415, Adjusted R-squared: 0.5129
F-statistic: 18.9 on 1 and 16 DF, p-value: 0.000499

～R（Rstudio）相関分析結果～

簡単にピアソンの検証結果だけ掲載する。

Pearson’s product-moment correlation

data: fight$all.time.peak and fight$X24.hour.peak
t = 4.3473, df = 16, p-value = 0.000499
alternative hypothesis: true correlation is not equal to 0
95 percent confidence interval:
0.4098261 0.8952020
sample estimates:
cor
0.7358936

～エクセル回帰分析結果～

回帰係数は約0.7と高く表示され、R・エクセルともにほぼ同じ値が出ている。そのプロットに伴い算出された決定係数は自由度調整済み決定係数も含めて、ほぼすべてにわたり同じ値が出ている。グラフを描いてみてもこれは一目瞭然である。また、算出されたp値も0.001以下と低く算出され、このプロットおよび結果が妥当な値をとっていることが確認できる。

当たり前だけど、格闘ゲームにおいて、初動はその後の継続プレイヤー数に多大な影響力を持つことが確認できた。それが回帰係数及び相関係数が高いゆえんである。

※画像：Steam Chartsより引用