Steam 成人向遊戲上市時機量化分析

01 · 執行摘要Executive Summary

本研究針對 2023 年 1 月至 2025 年 12 月期間於 Steam 平台上架、並具備成人內容標籤 （Sexual Content 必含、且同時具 Nudity / Hentai / NSFW 任一）之全部 668 款作品 進行縱向資料收集，匯整 555,127 筆玩家評論時間戳，並以 Google TimesFM 2.5 （2026-03-31 發布之最新版本，200M 參數、context 長度 16,384、原生 horizon 達 1,000 步） 針對未來 180 日進行逐日、以及 26 週逐週之上市時機預測。

對應地，模型同時指出 2026-06-27 ~ 2026-07-06 為最不利之檔期 （對應週層級最低分 2026-07-06，分數 -0.164）， 主因為該區間與 Steam 年度夏季特賣主檔重疊，新作品之自然發現路徑受既有折扣作品強勢曝光擠壓。 建議此區間避免安排首發檔期，或透過延長曝光、配合特定季節性活動另尋替代方案。

02 · 關鍵建議Key Recommendations

根據 TimesFM 於 668 款作品 × 1,087 日歷史資料上之預測， 本報告提出下列可直接採納之上市安排建議。

建議採納之檔期

建議避開之檔期

03 · 研究範疇與樣本Scope & Sample

本次分析以上架時間介於 2023 至 2025 年 之 Steam 成人向作品為母體。

資料來源

• Steam Store Search API（以官方 tag 數值做精準 AND 過濾）
• Steam appdetails API（發行資訊、出版商、內容描述符）
• Steam appreviews API（玩家評論時間戳，每款上限 50 頁 × 100 筆）
• Steam 官方 Tag 字典（store.steampowered.com/tagdata/populartags/english）

發行年份分佈

隱私與合規

所有玩家評論在擷取時即移除個人識別欄位（steamid、author profile）， 僅保留時間戳（timestamp）、好評與否（voted_up）、 以及語言（language）等非個資欄位。本報告未呈現任何個別玩家資訊。

04 · 方法論Methodology

4.1 成人內容分類標準

本研究採用四層 cascade 分類機制，依序評估每款作品：

1. 特許作品清單（app_whitelist）： Steam 封鎖抓取但經人工確認為成人向之特定 App ID。
2. 成人專屬出版商清單（publisher_whitelist）： 全目錄均為成人作品之出版商（如 JAST USA、MangaGamer 等）。
3. Steam Tag 組合規則（tag_rules·主要標準）： 作品之 Steam user tag 須同時滿足 Sexual Content（12095） 與以下任一：Nudity（6650）、Hentai（9130）、NSFW（24904）。 此為本研究識別成人向作品之主要依據。
4. Steam 內容描述符（content_descriptor·補充）： 官方 ID 3（Adult Only Sexual Content）或 ID 4（Frequent Nudity）。 該欄位由開發者自願填寫，近年命中率顯著下降，僅作為補充 fallback。

4.2 指標定義

• S1 — 週上架密度： 每週新上架之成人向作品數量。 作為競爭密度之代理指標；數值越高代表首發檔期競爭越劇烈。
• S2 — 週評論動能： 所有作品於上架後首四週內所累積之玩家評論數， 按評論發生週彙總。作為同類型玩家到場密度之代理指標； 數值越高代表該週玩家閱讀與撰寫評論之活躍度越強。
• 季節性 Bonus： 基於 Steam 官方特賣行事曆、Next Fest 及日本節慶（Golden Week、Comiket、Obon） 所建立之固定區間調整係數。

4.3 預測模型

主要預測採用 Google TimesFM 2.5-200m （2026-03-31 發布之最新版本，參數量 2 億、context 長度 16,384、 原生 forecast horizon 達 1,000 步，並新增 30M 連續 quantile 預測頭）。 本次以 pooled 聚合時序對 S1（週/日上架密度）、S2（週/日評論動能）各自產生點估計， 並啟用 normalize_inputs、force_flip_invariance、 infer_is_positive、fix_quantile_crossing 等 2.5 新增特性。 報告同時提供三項統計基線以做交叉比對：

• rolling_median：近 13 週滾動中位數；高度稀疏資料之保守基線。
• seasonal_naive：去年同週複製；對具明顯年周期資料有效。
• croston：Croston 法；為間歇性需求（大量零值）設計。

4.4 綜合評分

每一時段（週或日）之綜合分數按以下公式計算：

score(t) = w1 × (-rank_S1(t)) + w2 × rank_S2(t) + w3 × seasonal_bonus(t)

其中 rank_S1 為 S1（競爭密度）之分位排名（越低越好，因此取負號）， rank_S2 為 S2（玩家動能）之分位排名（越高越好）。 權重 w1 / w2 / w3 由 config/scoring_weights.yaml 讀取。

05 · 週別預測Weekly Forecast

未來 26 週（半年期）之逐週綜合排名。 週期粒度適合用於上市時段策略之早期決策。

5.1 推薦週期（綜合分數前 10 名）

5.2 避開週期（綜合分數末 10 名）

06 · 日別預測Daily Forecast

未來 180 日之逐日綜合排名。 日粒度適合用於確認首發具體日期， 並確認與 Steam 業界慣例（週二 / 週四發行）之相容性。

6.1 推薦日期（綜合分數前 15 名）

6.2 避開日期（綜合分數末 15 名）

07 · 季節性事件日曆Seasonal Calendar

下列事件日曆係依據 Valve 官方 H1/H2 公告、Steam Next Fest 時間表， 以及相關國際 / 日本文化節慶整理。 每一事件於綜合評分中以固定調整係數參與。

08 · 模型驗證Model Validation

8.1 子類別 Holdout Backtest（sMAPE）

以歷史末端 4 / 8 / 12 / 26 週作為保留集，各模型分別於前段歷史訓練並預測保留期， 按 Symmetric Mean Absolute Percentage Error（sMAPE）評分； 數值越低代表預測越準確。

8.2 Pooled 密度公平 Backtest

為消除子類別稀疏性造成之評分偏差，此 backtest 改以「密集樣本（全 Steam 快取）」 與「稀疏樣本（僅成人範疇）」分別建立 pooled 時序， 於相同 horizon 與相同 metric 上比較各模型。

密集資料（全 Steam 快取樣本）

每週平均 7.2 筆；歷史 1484 週。

稀疏資料（僅成人向範疇）

每週平均 0.9 筆；歷史 586 週。

數值為 sMAPE（Symmetric Mean Absolute Percentage Error），越低越準；表格中每個 horizon 的勝者以綠色標示。

09 · 研究限制Limitations

• 樣本範圍：本次分析以 2023 至 2025 年 上架作品為主要對象。 2022 年及以前之作品未涵蓋，若須納入完整歷史需延長 backfill 範圍並重新聚合。
• Steam Tag 更新延遲：作品之 Steam user tag 由玩家投票產生， 新作品須累積投票始能進入 top tag 清單。 上架未滿 3 個月之近期作品，其 tag 組合可能尚未穩定， 可能造成本研究之近期樣本輕度少計。
• TimesFM 2.5 Horizon 能力： TimesFM 2.5 原生 max_horizon 為 256 步（約 8 個月）， 本次 26 週 / 180 日預測均在此原生範圍內，無須 iterative rollout 或 horizon padding； 輸出於 output patch 128 倍數邊界（128 / 256）對齊。
• 季節日曆覆蓋範圍：現行事件日曆僅完整覆蓋 2026 年。 若預測 horizon 超出 2026/12/31，該時段內無任何季節性調整， 建議於後續更新 2027 年活動表後重新執行預測。
• 外部事件未建模：重大業界事件（大型遊戲特別發表、 主機平台發表會、突發社群話題）未納入模型，可能造成個別時段之實際表現 偏離預測。