Visualización del mercado de videojuegos en Steam

library(tidyverse)
library(lubridate)
library(data.table)

steam <- fread("games_march2025_cleaned.csv")

games_per_year <- steam %>% mutate(year = lubridate::year(release_date)) %>% count(year) %>% filter(year >= 2005, year < 2025)

Evolución de los lanzamientos en Steam

Se observa un crecimiento muy acusado a partir de 2015, lo que coincide con la expansión del desarrollo independiente y la consolidación de Steam como plataforma dominante.

ggplot(games_per_year, aes(x = year, y = n)) +
  geom_line(color = "steelblue", linewidth = 1) +
  geom_point(color = "steelblue") +
  labs(
    title = "Evolución de los lanzamientos de videojuegos en Steam",
    subtitle = "Número de juegos publicados por año",
    x = "Año",
    y = "Número de lanzamientos"
  ) +
  theme_minimal()

El predominio del género indie indica una baja barrera de entrada y una fuerte presencia de desarrolladores pequeños.

genres_clean <- steam %>%
  select(genres) %>%
  filter(!is.na(genres)) %>%
  mutate(
    genres = str_remove_all(genres, "\\[|\\]|'")
  )

genres_count <- genres_clean %>%
  separate_rows(genres, sep = ", ") %>%
  count(genres, sort = TRUE)

top_genres <- genres_count %>%
  slice_max(n, n = 10)

ggplot(top_genres, aes(x = reorder(genres, n), y = n)) +
  geom_col(fill = "steelblue") +
  coord_flip() +
  labs(
    title = "Géneros más frecuentes en Steam",
    subtitle = "Top 10 por número de videojuegos",
    x = "Género",
    y = "Número de juegos"
  ) +
  theme_minimal()

Los géneros indie y casual presentan precios más bajos, mientras que RPG y estrategia muestran mayor dispersión.

price_genres <- steam %>%
  select(genres, price) %>%
  filter(!is.na(genres), !is.na(price), price <= 60) %>%
  mutate(
    genres = str_remove_all(genres, "\\[|\\]|'")
  ) %>%
  separate_rows(genres, sep = ", ") %>%
  filter(genres %in% top_genres$genres)

ggplot(price_genres, aes(x = genres, y = price)) +
  geom_boxplot(fill = "steelblue", alpha = 0.7, outlier.alpha = 0.2) +
  coord_flip() +
  labs(
    title = "Distribución de precios por género",
    subtitle = "Comparación entre los géneros más frecuentes en Steam",
    x = "Género",
    y = "Precio (€)"
  ) +
  theme_minimal()

steam_genres <- steam %>%
  select(genres, pct_pos_total) %>%
  filter(!is.na(genres), !is.na(pct_pos_total)) %>%
  mutate(
    genres = str_remove_all(genres, "\\[|\\]|'")
  ) %>%
  separate_rows(genres, sep = ", ")

top_genres_names <- top_genres$genres

steam_genres_top <- steam_genres %>%
  filter(genres %in% top_genres_names)

ggplot(steam_genres_top, aes(x = genres, y = pct_pos_total)) +
  geom_boxplot(fill = "steelblue", alpha = 0.7, outlier.alpha = 0.2) +
  coord_flip() +
  labs(
    title = "Valoraciones de los videojuegos por género",
    subtitle = "Porcentaje de reseñas positivas",
    x = "Género",
    y = "% de reseñas positivas"
  ) +
  theme_minimal()

scatter_data <- steam %>%
  select(price, pct_pos_total) %>%
  filter(
    !is.na(price),
    !is.na(pct_pos_total),
    price >= 0,
    price <= 60   # cap visual razonable
  )

ggplot(scatter_data, aes(x = price, y = pct_pos_total)) +
  geom_point(alpha = 0.25) +
  geom_smooth(method = "lm", se = FALSE) +
  labs(
    title = "Relación entre precio y valoración de los videojuegos en Steam",
    subtitle = "Línea de tendencia para facilitar la interpretación",
    x = "Precio (€)",
    y = "% de reseñas positivas"
  ) +
  theme_minimal()

popularity_data <- steam %>%
  select(num_reviews_total, pct_pos_total) %>%
  filter(
    !is.na(num_reviews_total),
    !is.na(pct_pos_total),
    num_reviews_total > 10
  )

ggplot(popularity_data,
       aes(x = num_reviews_total, y = pct_pos_total)) +
  geom_point(alpha = 0.2) +
  scale_x_log10() +
  geom_hline(yintercept = 90, linetype = "dashed") +
  labs(
    title = "Popularidad vs valoración de los videojuegos",
    subtitle = "Línea discontinua: juegos con >90% de reseñas positivas",
    x = "Número de reseñas (log)",
    y = "% de reseñas positivas"
  ) +
  theme_minimal()