Идея и концепция
Steam — это переполненная витрина: каждый год выходят десятки тысяч игр, а внимание игроков и рекомендательные алгоритмы вытягивают наверх в основном крупные тайтлы с маркетингом. В этом шуме десятки отличных игр с почти идеальным рейтингом остаются незамеченными просто потому, что про них никто не знает
Из всех возможных срезов по играм я взял два параметра, которые вместе и определяют «скрытую жемчужину»: рейтинг отзывов и число владельцев. Их пересечение — высокий рейтинг при малой известности — и есть то, что обычно проходит мимо игрока.
Цель инфографики — показать недооценённые игры Steam: те, которые игроки обожают, но которые остались в тени
Польза — это готовый визуальный гид «во что поиграть мимо хайпа»: он экономит время на поиск и заодно подсвечивает работу небольших разработчиков
Исходные данные
Основа проекта — открытый датасет Steam Games Dataset, собранный через Steam API и SteamSpy. В нём 89 618 игр с полями: цена, жанры, рейтинг отзывов, число отзывов и оценка числа владельцев
Инфографика
Мокапы
Описание процесса создания
Обработка данных. Данные обрабатывались в LibreOffice. Загрузил таблицу из 89 618 игр и сформулировал чёткий критерий «жемчужины», чтобы отбор был объективным: рейтинг отзывов > 95%, минимум 1000 отзывов и не более 200 000 владельцев. Отбор делался через автофильтр, сортировку и столбец-флаг с формулой, который помечал подходящие игры. Из 89 618 строк критерию соответствуют всего 366.
Очистка артефактов. В исходных данных оценка числа владельцев у части игр оказалась заниженной или пустой — особенно у свежих хитов 2025 года, по которым снимок ещё не успел обновиться. Чтобы они не попадали в список как «скрытые», я добавил проверку правдоподобия: число отзывов не может превышать четверти оценки владельцев. Это убрало ложные срабатывания и оставило действительно нишевые игры.
Инструменты ИИ. Claude для создания визуализации отфильтрованных данных. Krea AI для создания мокапов
Пайплайн производства. Поиск и выбор датасета— обработка и фильтрация данных в LibreOffice — определение состава и иерархии постера — выбор типа визуализации — вёрстка постера A1 в Figma — подготовка мокапов — сборка лонгрида
