Proyecto final 2024-2
Análisis de patrones de consumo de videojuegos: Diferencias Regionales y Preferencias
Lagunas Franco Sergio Abraham y Ramos Hernández Luis
2024-05-03
Introducción
Los videojuegos se han convertido en una industria influyente y dinámica, que no sólo está cambiando el mundo del entretenimiento sino que también tiene un enorme impacto en los sectores económicos y en la sociedad en su conjunto. Desde sus humildes comienzos hasta el desarrollo de una industria global multimillonaria, los videojuegos han demostrado ser motores económicos que crean empleos, innovación y oportunidades de inversión. Según la Entertainment Software Association (ESA), la industria de los videojuegos contribuyó con más de 90 mil millones de dólares al PIB de Estados Unidos en 2020 (Entertainment Software Association [ESA], 2021).
Sin embargo, más allá de su impacto económico directo, los videojuegos también desempeñan un papel importante en la sociedad moderna. Han evolucionado de simples formas de entretenimiento a medios interactivos complejos que abordan temas sociales, culturales y políticos. Los videojuegos no solo entretienen, sino que también educan, fomentan la colaboración y la competencia, y proporcionan una plataforma para la expresión creativa y el desarrollo personal. Por ejemplo, juegos como “That Dragon, Cancer” exploran temas emocionales y personales, mientras que otros como “Minecraft” fomentan la creatividad y el trabajo en equipo (Farokhmanesh, 2016).
En este contexto, comprender los patrones de consumo de videojuegos se vuelve crucial. Conocer las preferencias de los jugadores, las tendencias de compra y los mercados emergentes no solo ayuda a las empresas de videojuegos a tomar decisiones estratégicas más informadas, sino que también permite a los desarrolladores y creadores adaptar sus productos para satisfacer las demandas del mercado en constante evolución. Además, comprender cómo diferentes regiones del mundo consumen videojuegos puede proporcionar información valiosa sobre las diferencias culturales, económicas y sociales que influyen en las preferencias de los consumidores. Por ejemplo, un estudio de la firma de análisis Newzoo reveló que Asia-Pacífico es el mercado de videojuegos más grande del mundo, seguido de Norteamérica y Europa (Newzoo, 2021).
En este sentido, el presente estudio tiene como objetivo analizar las ventas globales de videojuegos y examinar los patrones de consumo global y dos regiones: Norteamérica y Japón. Utilizando una base de datos recopilada de la Steam Database (2016), se pretende proporcionar una visión más profunda de cómo estas dos regiones contribuyen al mercado global de videojuegos y cómo difieren en términos de preferencias de género, popularidad de títulos y otras variables relevantes. Este análisis puede arrojar luz sobre las dinámicas culturales y económicas que impulsan el consumo de videojuegos en todo el mundo.
Limpieza y análisis
Paqueterías y datos
Dataset
| Platform | Genre | Publisher | NA_Sales | EU_Sales | JP_Sales | Other_Sales | Global_Sales | Rating | Critic_Score_Class |
|---|---|---|---|---|---|---|---|---|---|
| Wii | Sports | Nintendo | 41.36 | 28.96 | 3.77 | 8.45 | 82.54 | E | Bueno |
| Wii | Racing | Nintendo | 15.68 | 12.80 | 3.79 | 3.29 | 35.57 | E | Excelente |
| Wii | Sports | Nintendo | 15.61 | 10.95 | 3.28 | 2.95 | 32.78 | E | Excelente |
| DS | Platform | Nintendo | 11.28 | 9.15 | 6.50 | 2.88 | 29.81 | E | Excelente |
| Wii | Misc | Nintendo | 13.96 | 9.18 | 2.93 | 2.84 | 28.92 | E | Malo |
| Wii | Platform | Nintendo | 14.48 | 6.95 | 4.70 | 2.25 | 28.38 | E | Excelente |
## 'data.frame': 7112 obs. of 10 variables:
## $ Platform : chr "Wii" "Wii" "Wii" "DS" ...
## $ Genre : chr "Sports" "Racing" "Sports" "Platform" ...
## $ Publisher : chr "Nintendo" "Nintendo" "Nintendo" "Nintendo" ...
## $ NA_Sales : num 41.4 15.7 15.6 11.3 14 ...
## $ EU_Sales : num 28.96 12.8 10.95 9.15 9.18 ...
## $ JP_Sales : num 3.77 3.79 3.28 6.5 2.93 4.7 4.13 3.6 0.24 2.53 ...
## $ Other_Sales : num 8.45 3.29 2.95 2.88 2.84 2.25 1.9 2.15 1.69 1.77 ...
## $ Global_Sales : num 82.5 35.6 32.8 29.8 28.9 ...
## $ Rating : chr "E" "E" "E" "E" ...
## $ Critic_Score_Class: chr "Bueno" "Excelente" "Excelente" "Excelente" ...## Platform Genre Publisher NA_Sales
## Length:7112 Length:7112 Length:7112 Min. : 0.0000
## Class :character Class :character Class :character 1st Qu.: 0.0600
## Mode :character Mode :character Mode :character Median : 0.1500
## Mean : 0.3886
## 3rd Qu.: 0.3900
## Max. :41.3600
## EU_Sales JP_Sales Other_Sales Global_Sales
## Min. : 0.0000 Min. :0.00000 Min. : 0.00000 Min. : 0.0100
## 1st Qu.: 0.0200 1st Qu.:0.00000 1st Qu.: 0.01000 1st Qu.: 0.1100
## Median : 0.0600 Median :0.00000 Median : 0.02000 Median : 0.2900
## Mean : 0.2325 Mean :0.06265 Mean : 0.08135 Mean : 0.7653
## 3rd Qu.: 0.2025 3rd Qu.:0.01000 3rd Qu.: 0.07000 3rd Qu.: 0.7425
## Max. :28.9600 Max. :6.50000 Max. :10.57000 Max. :82.5400
## Rating Critic_Score_Class
## Length:7112 Length:7112
## Class :character Class :character
## Mode :character Mode :character
##
##
## #Valores únicos
select(dataSteam, Platform, Genre,
Rating, Critic_Score_Class)%>%
apply(., 2, unique)## $Platform
## [1] "Wii" "DS" "X360" "PS3" "PS2" "PS4" "3DS" "PS" "X" "PC"
## [11] "PSP" "WiiU" "GC" "GBA" "XOne" "PSV" "DC"
##
## $Genre
## [1] "Sports" "Racing" "Platform" "Misc" "Action"
## [6] "Puzzle" "Shooter" "Fighting" "Simulation" "Role-Playing"
## [11] "Adventure" "Strategy"
##
## $Rating
## [1] "E" "M" "T" "E10+" "AO" "K-A" "RP"
##
## $Critic_Score_Class
## [1] "Bueno" "Excelente" "Malo" "Aceptable"Preparación del dataset
Convertir en un formato adecuado para trabajar cada una de las variables del datset.
## Platform Genre Publisher NA_Sales
## 0 0 0 0
## EU_Sales JP_Sales Other_Sales Global_Sales
## 0 0 0 0
## Rating Critic_Score_Class
## 0 0## Limpieza de datos
dataSteamT <- dataSteam%>%
mutate(Rating = ifelse(Rating =="K-A", "E", Rating),
CriticScore = case_when(Critic_Score_Class == "Malo" ~ 0,
Critic_Score_Class == "Aceptable" ~ 1,
Critic_Score_Class == "Bueno" ~ 2,
Critic_Score_Class == "Excelente" ~ 3
)
)
dataSteamT <- dataSteamT%>%
mutate(Platform = as.factor(Platform),
Genre = as.factor(Genre),
Rating = as.factor(Rating),
CriticScore = as.factor(CriticScore)
)%>%
rename(Consola = Platform)%>%
select(-Critic_Score_Class)
dataSteamT <- dataSteamT%>%
mutate(NA_Sales = as.numeric(NA_Sales),
EU_Sales = as.numeric(EU_Sales),
JP_Sales = as.numeric(JP_Sales),
Other_Sales = as.numeric(Other_Sales),
Global_Sales = as.numeric(Global_Sales))
# Definir umbrales
umbral_bajo <- quantile(dataSteamT$Global_Sales, probs = 1/3)
umbral_medio <- quantile(dataSteamT$Global_Sales, probs = 2/3)
dataSteamT <- dataSteamT %>%
mutate(Ventas_Class = case_when(
Global_Sales <= umbral_bajo ~ "baja",
Global_Sales <= umbral_medio ~ "media",
TRUE ~ "alta" # Ventas superiores al umbral medio son clasificadas como altas
),
Ventas_Class = as.factor(Ventas_Class)
)
str(dataSteamT)## 'data.frame': 7112 obs. of 11 variables:
## $ Consola : Factor w/ 17 levels "3DS","DC","DS",..: 13 13 13 3 13 13 3 13 16 13 ...
## $ Genre : Factor w/ 12 levels "Action","Adventure",..: 11 7 11 5 4 5 7 11 4 11 ...
## $ Publisher : chr "Nintendo" "Nintendo" "Nintendo" "Nintendo" ...
## $ NA_Sales : num 41.4 15.7 15.6 11.3 14 ...
## $ EU_Sales : num 28.96 12.8 10.95 9.15 9.18 ...
## $ JP_Sales : num 3.77 3.79 3.28 6.5 2.93 4.7 4.13 3.6 0.24 2.53 ...
## $ Other_Sales : num 8.45 3.29 2.95 2.88 2.84 2.25 1.9 2.15 1.69 1.77 ...
## $ Global_Sales: num 82.5 35.6 32.8 29.8 28.9 ...
## $ Rating : Factor w/ 6 levels "AO","E","E10+",..: 2 2 2 2 2 2 2 2 2 2 ...
## $ CriticScore : Factor w/ 4 levels "0","1","2","3": 3 4 4 4 1 4 4 4 2 4 ...
## $ Ventas_Class: Factor w/ 3 levels "alta","baja",..: 1 1 1 1 1 1 1 1 1 1 ...Exploración y análisis
Ventas globales de videojuegos por Consola y género
colors1 <- c(paletteer_d("ggthemes::Classic_Cyclic"),
paletteer_d("ggthemes::excel_Depth"))
treemap(
dataSteamT,
index = c("Consola", "Genre"), # Variables para el índice de los bloques
vSize = "Global_Sales", # Variable para el tamaño de los bloques
vColor = "Genre", # Variable para el color de los bloques
draw = T ,
type="categorical", #Type sets the organization and color scheme of your treemap
palette = colors1,
fontsize.labels=c(22,13),
title = "Ventas globales de videojuegos por consola y género",
fontsize.title = 30,
fontsize.legend = 20,
position.legend = "bottom"
)
ventas_totales_por_consola <-
dataSteamT%>%
group_by(Consola) %>%
summarise(Ventas_Globales = sum(Global_Sales),
Ventas_NA = sum(NA_Sales),
Ventas_Japan = sum(JP_Sales)) %>%
arrange(desc(Ventas_Globales))
top5_consolas_ventas <- ventas_totales_por_consola[1:5,]
kable(top5_consolas_ventas, caption = "Top 5 consolas con mayores ventas de videojuegos")| Consola | Ventas_Globales | Ventas_NA | Ventas_Japan |
|---|---|---|---|
| PS2 | 965.91 | 483.06 | 76.49 |
| X360 | 868.48 | 543.08 | 10.34 |
| PS3 | 793.33 | 345.50 | 55.26 |
| Wii | 676.39 | 354.14 | 52.84 |
| DS | 385.21 | 175.29 | 84.04 |
Como se observa en el treemap y la tabla de mayores ventas de videojuegos por consola, el Play Station 2 (PS2) alcanzó las mayores ventas a nivel mundial. Seguido del Xbox 360 (X360), sin embargo, este patrón es diferente en Norteamérica (NA) y Japón. Por un lado, en NA el Xbox 360 es el mayor en ventas, mientras que en Japón es el Nintendo DS (DS). Lo cual nos habla de mercados diferentes y marcas más establecidas que otras por región.
Distribución de las ventas globales de videojuegos por consola
# Ventas globales
ggplot(dataSteamT, aes(x = Consola, y = Global_Sales, colour = Consola)) +
geom_boxplot() +
scale_color_manual(values = colors1) +
scale_y_sqrt()+
labs(title = "Distribución de las ventas globales de videojuegos por tipo de consola",
x = "Tipo de Consola",
y = "Ventas Globales")+
theme(legend.position = "none")
metrics <- dataSteamT %>%
group_by(Consola) %>%
summarise(Media_Global = round(sum(Global_Sales), 2),
sd_Global = round(sd(Global_Sales), 2),
Media_NA = round(sum(NA_Sales), 2),
sd_NA = round(sd(NA_Sales), 2),
Media_Japan = round(sum(JP_Sales), 2),
sd_Japan = round(sd(JP_Sales), 2)
)%>%
arrange(desc(Media_Global))
kable(metrics[1:5,])| Consola | Media_Global | sd_Global | Media_NA | sd_NA | Media_Japan | sd_Japan |
|---|---|---|---|---|---|---|
| PS2 | 965.91 | 1.43 | 483.06 | 0.73 | 76.49 | 0.24 |
| X360 | 868.48 | 1.84 | 543.08 | 1.18 | 10.34 | 0.03 |
| PS3 | 793.33 | 1.68 | 345.50 | 0.70 | 55.26 | 0.16 |
| Wii | 676.39 | 5.00 | 354.14 | 2.44 | 52.84 | 0.48 |
| DS | 385.21 | 2.34 | 175.29 | 0.84 | 84.04 | 0.63 |
En general, existe gran dispersión de los datos de ventas globales por lo que se decidió aplicar la raíz cuadrada a éstos para su mejor visualización. La tendencia vista anteriormente, se mantiene al considerar el promedio. Además, tanto el Wii como el DS obtuvieron picos en ventas mayores a los de la competencia.
Géneros de videojuegos más vendidos mundialmente, en Norteamérica y en Japón
genero_mas_vendido <- dataSteamT %>%
group_by(Genre) %>%
summarise(Ventas_Globales = sum(Global_Sales),
Ventas_NA = sum(NA_Sales),
Ventas_Japan = sum(JP_Sales)) %>%
mutate(Puesto_mundial = rank(desc(Ventas_Globales)))%>%
rename(Genero = Genre)%>%
arrange(desc(Ventas_Globales))
kable(genero_mas_vendido[1:10,], caption = "Top 10 géneros de videjuegos con mayores ventas")| Genero | Ventas_Globales | Ventas_NA | Ventas_Japan | Puesto_mundial |
|---|---|---|---|---|
| Action | 1239.48 | 609.34 | 77.52 | 1 |
| Sports | 860.27 | 473.99 | 34.67 | 2 |
| Shooter | 840.84 | 462.35 | 18.85 | 3 |
| Role-Playing | 511.81 | 222.96 | 125.31 | 4 |
| Racing | 482.26 | 228.25 | 27.82 | 5 |
| Misc | 426.73 | 228.72 | 33.27 | 6 |
| Platform | 383.21 | 196.80 | 43.62 | 7 |
| Fighting | 253.91 | 138.82 | 28.05 | 8 |
| Simulation | 210.88 | 94.36 | 28.17 | 9 |
| Adventure | 81.88 | 39.41 | 8.77 | 10 |
Los juegos más vendidos a nivel mundial pertenecen al género de acción, seguido de los de deportes, shooter y Role-playing. En NA se mantiene esta tendencia con excepción del Role-playing, que en su lugar se venden más del géneo Mixto y de carreras. POr otro lado, el mercado en Japón los juegos con mayores ventas son los de Role-playing, seguidos de los de acción, plataformas y deportes. Esto genera un patrón completamente diferente al mercado occidental y global.
Ventas globales del género más vendido en cada consola
# Agrupar por plataforma y género, y calcular las ventas globales por género
ventas_por_plataforma_genero <- dataSteamT %>%
group_by(Consola, Genre) %>%
summarise(Ventas_Globales = sum(Global_Sales)) %>%
arrange(desc(Ventas_Globales))
ventas_totales_por_consola <-
ventas_por_plataforma_genero%>%
group_by(Consola) %>%
summarise(Ventas_Globales = sum(Ventas_Globales)) %>%
arrange(desc(Ventas_Globales))
# Obtener el género más popular por plataforma
genero_mas_popular_por_plataforma <- ventas_por_plataforma_genero %>%
group_by(Consola) %>%
slice(1)
# Crear el gráfico de barras agrupadas
colores2 <- paletteer_dynamic("ggthemes_solarized::blue", 8)
ggplot(genero_mas_popular_por_plataforma, aes(x = Consola, y = Ventas_Globales, fill = Genre)) +
geom_bar(stat = "identity", position = "dodge") +
labs(title = "Ventas Globales del género más popular por consola",
x = "Consola",
y = "Ventas Globales",
fill = "Género") +
theme(axis.text.x = element_text(angle = 45, hjust = 1))+ # Rotar las etiquetas del eje x para mejor legibilidad
scale_fill_manual(values = sort(colores2))
La mayor parte de los juegos que más ventas tiene cada consola corresponden a los de acción principalmente perteneciendo a las play station. Por su parte, xbox 360 (con una de las mayores ventas) corresponde a shooter y wii con deportes.
Ventas de videojuegos por género y calficación del público
colors1 <- c(paletteer_d("ggthemes::Classic_Cyclic"),
paletteer_d("ggthemes::excel_Depth"))
treemap(
dataSteamT,
index = c("Genre", "CriticScore"), # Variables para el índice de los bloques
vSize = "Global_Sales", # Variable para el tamaño de los bloques
vColor = "Genre", # Variable para el color de los bloques
draw = T ,
type="categorical", #Type sets the organization and color scheme of your treemap
palette = colors1,
fontsize.labels=c(20,18),
title = "Ventas globales de videojuegos por género y calficación del público",
fontsize.legend = 20,
position.legend = "bottom"
)
En este caso, se sigue una tendencia similar al observado en el de ventas globales del género más vendido en cada consola. Las mayores ventas se registran en juegos de tipo acción, deportes y shooter. La mayoría de los juegos tienen mayores ventas en aquellos calificados con tres estrellas y pocas ventas en los juegos malos con cero estrellas, por lo que puede existir una asociación entre la calidad percibida del juego y sus ventas.
Distribuciones de ventas cosniderando las calificaciones del público y el ESRB rating
# Crear un boxplot para comparar las distribuciones de ventas entre diferentes ratings
ggplot(dataSteamT, aes(x = CriticScore, y = Global_Sales, fill = CriticScore)) +
geom_boxplot() +
scale_y_sqrt()+
labs(title = "Comparación de Distribuciones de Ventas por calificaciones del público",
x = "Puntaje",
y = "Ventas Globales")+
theme(legend.position = "bottom")+
facet_wrap(~Rating, ncol = 3) 
La mayoría de las ventas de juegos agrupadas por el ESRB rating tienen mayores ventas y promedios en los juegos calificados con tres estrellas. Sin embargo, el máximo de ventas lo tienen los juegos con clasificación E (todo público) con solo dos estrellas.
Calficaciones de los géneros más vendidos
colors1 <- c(paletteer_d("ggthemes::Classic_Cyclic"),
paletteer_d("ggthemes::excel_Depth"))
top_ventas_dataSteamT <- dataSteamT%>%
filter(Ventas_Class %in% "alta")
##
ggplot(top_ventas_dataSteamT, aes(x = Genre, fill = CriticScore)) +
geom_bar(aes(y = after_stat(count)), position = "dodge") +
labs(title = "Resumen de la calificación por Género y Rating de los videojuegos más vendidos",
x = "Género",
y = "Cantidad",
fill = "Puntaje (0-3 estrellas)") +
theme(axis.text.x = element_text(angle = 45, hjust = 1),
legend.position = "bottom") +
scale_fill_brewer(palette = "Set1")
Al considerar únicamente a los géneros de videojuegos con mayores ventas
se observan patrones similares a los vistos con anterioridad. Los juegos
con más ventas suelen tener mayores calificaciones del público y
relativamente bajas críticas malas. Sin embargo, se puede analizar a
través de pruebas estadísticas.
Prueba de \(\chi^{2}\)
Se desea conocer si existe asociación entre los géneros de videojuegos más vendidos y la calificación que reciben (0-3 estrellas).
# Tablas de contingencia
t2 <- table(top_ventas_dataSteamT$Genre, top_ventas_dataSteamT$CriticScore)
# Realizar la prueba de chi-cuadrado
chi_square_test2 <- chisq.test(t2, simulate.p.value=T)
# Mostrar los resultados
chi_square_test2##
## Pearson's Chi-squared test with simulated p-value (based on 2000
## replicates)
##
## data: t2
## X-squared = 139.31, df = NA, p-value = 0.0004998kable(round(chi_square_test2$residuals, 2),
caption = "Tabla de Residuos - Género de Videojuegos más vendidos vs. Calificación (Estrellas):")| 0 | 1 | 2 | 3 | |
|---|---|---|---|---|
| Action | 1.08 | 0.33 | 1.62 | -1.85 |
| Adventure | 0.12 | 1.16 | 0.22 | -0.88 |
| Fighting | -0.01 | -1.74 | 2.03 | -0.53 |
| Misc | 3.08 | 1.70 | 0.76 | -2.80 |
| Platform | 2.46 | 1.22 | 0.07 | -1.76 |
| Puzzle | -0.39 | -0.45 | 0.75 | -0.15 |
| Racing | 1.51 | 1.20 | -1.80 | 0.05 |
| Role-Playing | -2.05 | -1.34 | -0.76 | 2.17 |
| Shooter | -2.29 | -0.21 | 0.44 | 0.73 |
| Simulation | 0.97 | 3.62 | 0.69 | -2.97 |
| Sports | -2.36 | -2.64 | -2.40 | 4.26 |
| Strategy | -0.64 | -0.80 | -1.37 | 1.74 |
De esta prueba estadísiticamente significativa se puede decir que contrario a lo que se piensa, la mayoría de los juegos con mayores ventas no suelen asociarse con recibir las mejores críticas del público. Tal es el caso de los juegos de acción, que tienden a recibir críticas buenas (2) y muy malas (0). No obstante, algunos de los géneros con más ventas como son: sports, shooter, Role-playing suelen tener mejor percepción del público. Por lo que, por ejemplo, los de sports siempre tienen buenas críticas. Los de shooter es más probable que reciban críticas de buenas a muy buenas y los de Role-playing reciben críticas muy buenas y difícilmente críticas muy malas. Esto es de gran relevancia ya que el lanzamiento de estos géneros son fuente importante para ciertas consolas y compañías.
Además, se desea conocer si existe asociación entre las clasificaciones de edad de los videojuegos y el género al que pertenecen
# Tablas de contingencia
t1 <- table(dataSteamT$Genre, dataSteamT$Rating)
# Realizar la prueba de chi-cuadrado
chi_square_test <- chisq.test(t1, simulate.p.value=T)
# Mostrar los resultados
chi_square_test##
## Pearson's Chi-squared test with simulated p-value (based on 2000
## replicates)
##
## data: t1
## X-squared = 4160.5, df = NA, p-value = 0.0004998# Definir el orden de las columnas
nuevo_orden_columnas <- c( "E", "E10+","T",
"M", "AO","RP")
kable(round(chi_square_test$residuals[, nuevo_orden_columnas],
2), caption =
"Tabla de Residuos - Género de juegos vs. Clasificación (ESRB Ratings):")| E | E10+ | T | M | AO | RP | |
|---|---|---|---|---|---|---|
| Action | -13.97 | 5.52 | 0.40 | 11.85 | 1.56 | -0.69 |
| Adventure | -3.16 | -0.23 | -0.63 | 4.82 | -0.19 | -0.27 |
| Fighting | -10.37 | -5.39 | 16.12 | -3.98 | -0.23 | -0.33 |
| Misc | 4.23 | 3.76 | -0.14 | -7.94 | -0.24 | -0.33 |
| Platform | 10.78 | 6.53 | -7.18 | -8.96 | -0.24 | -0.34 |
| Puzzle | 9.07 | 1.86 | -5.62 | -5.16 | -0.13 | -0.19 |
| Racing | 13.07 | 0.04 | -4.76 | -9.60 | -0.29 | -0.41 |
| Role-Playing | -10.06 | 0.24 | 8.98 | 0.34 | -0.32 | -0.46 |
| Shooter | -15.03 | -8.00 | -0.96 | 25.83 | -0.36 | -0.50 |
| Simulation | 1.45 | -1.91 | 5.63 | -7.46 | -0.21 | -0.30 |
| Sports | 28.17 | -5.06 | -12.59 | -13.56 | -0.37 | -0.53 |
| Strategy | -4.54 | 4.64 | 4.83 | -4.75 | -0.20 | 6.69 |
De esta prueba significativa podemos afirmar que usualemnte los juegos de acción no son aptos para todo público, abarcando clasificaciones a partir de los 10 años pero suelen tener clasificación M (+18). Similar a esto, los juegos de shooter siempre suelen tener clasificaciones M (+18).
Por otro lado, los Role-Playing están mayormente disponibles para adolescentes y clasificación E+10 y M. Contrario a esto, los juegos de deportes están asociados con la categoría apta para todo público.
Conclusiones
En este estudio sobre los patrones de consumo de videojuegos se revela diferencias significativas entre las preferencias de los jugadores en diferentes regiones, como Norteamérica y Japón. Mientras que a nivel mundial el PlayStation 2 encabezó las ventas, en Norteamérica el Xbox 360 fue el líder, y en Japón, el Nintendo DS fue el más popular. Estas discrepancias sugieren que los factores culturales y de mercado influyen en las elecciones de los consumidores, destacando la importancia de adaptar estrategias comerciales a cada región.
Además de las diferencias regionales en las ventas de consolas, el estudio también identifica patrones distintivos en los géneros de videojuegos más vendidos en cada mercado. Mientras que a nivel mundial los juegos de acción dominan, en Norteamérica se observa una mayor preferencia por juegos de género Acción y de Shooter, y en Japón, los juegos de Role-playing son los más populares. Estas variaciones sugieren que los desarrolladores y creadores deben considerar las preferencias del mercado local al diseñar y lanzar nuevos títulos.
La asociación entre las ventas de videojuegos y las calificaciones del público arroja resultados interesantes. Aunque los juegos de acción, los más vendidos a nivel global, reciben críticas variadas, otros géneros como deportes, shooter y Role-playing tienden a tener una mejor percepción del público. Esta asociación entre las ventas y la satisfacción del público subraya la importancia de la calidad del juego en el éxito comercial.
En conjunto, estos hallazgos resaltan la complejidad del mercado de videojuegos y la necesidad de una comprensión detallada de los patrones de consumo para el éxito empresarial en esta industria en constante evolución.
Bibliografía:
- Entertainment Software Association. (2021). 2020 Essential Facts About the Video Game Industry. https://www.theesa.com/esa-research/2020-essential-facts-about-the-video-game-industry/.
- Farokhmanesh, M. (2016). Games for Change showcases the emotional depth of indie titles. The Verge. https://www.theverge.com/2016/7/1/12080052/games-for-change-2016-showcase-emotional-indie-titles.
- Newzoo. (2021). Global Games Market Report. https://newzoo.com/insights/articles/newzoo-global-games-market-report-insights/.