Odbudowa reputacji po kryzysach wizerunkowych premier gier na przykładzie „Cyberpunk 2077” i „No Man's Sky”

Celem niniejszej pracy było zweryfikowanie, czy w wyniku działań naprawczych po kryzysie wizerunkowym można odzyskać zaufanie społeczności graczy. W tym celu poddano analizie sentyment recenzji użytkowników na platformie Steam dla dwóch tytułów – Cyberpunk 2077 oraz No Man’s Sky. Dane do analizy pozyskano przy użyciu webscrapingu zrealizowanego w języku Python, a następnie poddano je procesom oczyszczania tekstu, w tym usuwaniu stop-words, lematyzacji i normalizacji, co umożliwiło zbudowanie spójnych korpusów. Do klasyfikacji emocji zastosowano model sentiment-roberta-large-english, uzyskując średnią dokładność predykcji na poziomie 80%. Następnie przeprowadzono analizę czasową udziału recenzji pozytywnych i negatywnych, obliczając miesięczne średnie sentymentu oraz średnie kroczące. Kluczowe wydarzenia, takie jak premiery aktualizacji, DLC czy serialu „Edgerunners”, dziejącego się w świecie gry, zaznaczono na wykresach liniowych i słupkowych. Porównanie dominujących słów przed i po głównych patchach wykonano z użyciem chmur wyrazów oraz rankingów najczęściej pojawiających się wyrazów. Weryfikacja statystyczna została przeprowadzona testami chi-kwadrat oraz testami t-Studenta w 30-dniowych oknach wokół każdej daty z analizowanych wydarzeń, a jej wyniki potwierdziły istotne zmiany w sentymencie – dla Cyberpunk 2077 odsetek recenzji pozytywnych wzrósł z 68,8% do 83,5%, natomiast w przypadku No Man’s Sky z 52% do 86,3%. Model regresji liniowej OLS wykazał, że to darmowe aktualizacje miały największy wpływ na odbudowę reputacji w społeczności graczy, a nie płatne dodatki czy serial, których udziału nie można ani potwierdzić, ani zaprzeczyć.

The aim of this thesis was to verify whether remedial actions following a reputational crisis can restore the trust of the gaming community. To this end, sentiment analysis was applied to user reviews on the Steam platform for two titles—Cyberpunk 2077 and No Man’s Sky. The data were collected via Python-based web scraping and then subjected to text-cleaning processes, including stop-word removal, lemmatization, and normalization, which enabled the construction of coherent corpora. For emotion classification, the sentiment-roberta-large-english model was employed, achieving an average prediction accuracy of 80%. A temporal analysis of positive and negative review shares was then conducted by calculating monthly sentiment averages and moving averages. Key events—such as major patches, DLC releases, and the in-world series “Edgerunners”—were highlighted on line and bar charts. Dominant terms before and after each patch were compared using word clouds and frequency rankings. Statistical validation was performed using chi-square tests and Student’s t-tests in 30-day windows around each event date, confirming significant sentiment shifts: positive reviews for Cyberpunk 2077 rose from 68.8% to 83.5%, while for No Man’s Sky they increased from 52% to 86.3%. Finally, an OLS linear regression model showed that free updates had the greatest impact on rebuilding community reputation, whereas the influence of paid expansions or the series could neither be confirmed nor refuted.