Creativ Company，一家新型態的市場情報公司，進行了一項研究，運用人工智慧分析了 150 萬筆線上玩家對話的情緒。該公司利用大型語言模型 (LLMs)，從 Reddit、YouTube、Discord 以及各種新聞來源等平台收集數據，分析了與 17 家主要遊戲發行商相關的討論。這項研究涵蓋了從 2024 年 11 月 1 日至 2025 年 4 月 30 日的六個月期間，並在短短十天內完成。
玩家對頂級遊戲發行商的看法
在接受 GamesBeat 的採訪時，Creativ 的執行長 Wes Morton 表示，這項研究旨在改變消費者洞察的收集和詮釋方式。Creativ 並非依賴傳統的問卷調查或基於關鍵字的語氣分析工具，而是使用經過訓練以辨識遊戲社群中常見的語境線索、俚語和諷刺的 AI。這種方法能更準確地理解玩家對發行商及其 遊戲 的感受。
玩家對頂級遊戲發行商的看法
透過 AI 改良的情緒分析
這項研究的核心創新在於 AI 解讀語境的能力，而非僅僅掃描個別關鍵字。該公司營運長兼資訊長 Vibhu Bhan 解釋說，典型的語氣分析工具經常誤解諷刺或複雜的表達方式。相對地，Creativ 開發的 AI 專門針對遊戲相關語言進行訓練，使其能夠更準確地辨識評論是反映正面還是負面的意見。
Creativ 的技術長 Joe Lai 補充說，LLMs 使分析能夠超越一般情緒。這些模型能夠區分單一句子中的多個主題，並理解玩家語氣轉換時的情緒方向，這在線上討論中很常見。這能更可靠地詮釋社群對發行商及其決策的情緒。
玩家對頂級遊戲發行商的看法
對媒體改編和發行商決策的反應
研究中強調的一個例子涉及對演員 Henry Cavill 被移除 Netflix《獵魔士》影集主角角色的反應。儘管此變動與電視劇有關，但其影響卻擴及至更廣泛的《獵魔士》系列，進而影響玩家對整個品牌的看法。這反映了外部媒體，如電視或電影改編，即使在遊戲本身未改變的情況下，也能影響玩家的情緒。
在另一項分析中，研究發現關於 平台 獨佔的討論相當多。許多玩家對於高人氣的遊戲被設為特定平台的獨佔感到沮喪，特別是當他們已經投資了競爭性硬體時。這些意見經常導致對那些因商業考量而限制玩家選擇的發行商的情緒下降。
玩家對頂級遊戲發行商的看法
營利策略和產業趨勢
遊戲營利模式是分析對話中的另一個常見主題。根據研究，玩家傾向於對干擾遊戲玩法或機制的營利模式產生負面反應。Activision Blizzard、Ubisoft、EA、Amazon、NetEase、Evolution Gaming 和 Roblox 等公司經常在關於玩家認為不利的營利做法的討論中被提及。另一方面，那些就其營利方法進行公開溝通或避免「付費取勝」機制的發行商，則傾向於獲得更正面的回饋。
除了營利之外，產業整合、系列管理和遊戲平台策略等主題也廣泛討論。這些對話為發行商提供了關於其商業決策如何在公開論壇上被接受的洞察。Creativ 指出，由於這項分析基於自然、未經請求的對話，因此數據提供了與傳統民意調查方法不同的真實性層級。
玩家對頂級遊戲發行商的看法
發行商情緒排名和表現
該研究還根據 17 家受分析發行商的整體情緒分數進行了排名。儘管該公司並未專注於任何單一遊戲標題，但某些系列和決策是情緒變化的核心。Ubisoft 獲得了整體最低的情緒分數，儘管《刺客教條：暗影者》獲得了一些正面評價。其他標題如《星際大戰：盜賊之海》和《怒海戰艦》則引發了較不令人滿意的討論。
Activision Blizzard 引起了大量關於《魔獸世界》以及《鬥陣特攻》轉變為《鬥陣特攻 2》的對話。這種轉變經常在負面情境中被提及，導致該公司整體情緒分數較低。同時，Netflix，在遊戲發行領域仍相對較新，獲得了較差的情緒評級，這主要歸因於其在 手機 遊戲方面的有限成功及其與《獵魔士》系列相關的決策。
玩家對頂級遊戲發行商的看法
使用 LLMs 進行更快、更詳細的分析
使用 LLMs 的一個優勢是分析完成的速度。整個研究在短短十天內完成，相較於傳統方法所需的時間更長。這使得公司能夠更快地應對公眾認知變化或新興趨勢。隨著時間的推移，這項技術可以讓發行商更專注於特定元素，例如角色人氣或對更新和公告的反應。
Morton 表示，AI 能夠精確地找出推動社群正面或負面反應的確切原因。憑藉其擴展和精煉分析的能力，Creativ 的技術為遊戲產業提供了更具適應性和更明智的行銷和開發決策的途徑。
結論
Creativ Company 使用 AI 和大型語言模型標誌著在理解玩家情緒方面邁出了重要一步。透過分析關鍵平台上的數百萬條未經篩選的對話，該公司為遊戲發行商提供了更清晰的視角，了解其行為如何被看待。這種方法不僅提供了更快的洞察，還捕捉了玩家意見的全部複雜性——包括語境、語氣等。隨著遊戲產業的不斷成長和演變，像這樣的工具很可能成為公司與其受眾互動以及適應其期望的核心。
