Steam 近期評論和整體評論不同，該信哪一個？

整體評論很好，近期評論卻不好，難免會讓人在購買按鈕前猶豫。這款遊戲以前很好，現在卻出了問題嗎？反過來說，如果整體評論不怎麼樣，近期反應卻變好了，是不是代表現在可以放心買了？

我認為，決定要不要買時，先讀近期評論會比較有幫助。對準備現在開始玩的人來說，眼前會遇到什麼不便，才是切身的問題。

不過，不能把評價不同的原因一概歸給更新。兩邊的語言可能不同，你正在讀的評論列表和上方分數，也可能涵蓋不同的評論群體。這次我們查看了三個商店頁面公開 HTML 裡的近期評論與韓文評論摘要，再搭配可以自行驗算的假設例子，看看這兩種摘要能不能當成條件相同的比較。

放在同一頁，不代表統計的是同一群評論#

這是協助比較的概念圖。實際數值與觀測時間另列於本文表格。

2026 年 9 月 12 日，我們未附上登入資訊，向三個 Steam 商店頁面發出 HTTP 請求，並儲存收到的 HTML。下表時間是各筆回應完整接收完畢時的韓國時間（KST，UTC+09:00），不是同一瞬間的統計，也不是伺服器內部計算的時間。

來源：Stardew Valley、No Man’s Sky、Balatro。比例讀自已儲存 HTML 中的工具提示說明屬性，不是在瀏覽器中叫出工具提示後留下的畫面紀錄。這些摘要沒有讓我們確認近期評論涵蓋哪些語言、韓文評論的起算日期，以及所有語言整體評論的則數、比例與等級。

No Man’s Sky 的兩個比例相差 17 個百分點，但沒有依據說韓文評論因此改善了這麼多。如果想知道是否有變化，就需要兩個期間的資料，而且語言與納入條件必須一致。這張表並不符合這樣的比較條件。

這時要做的不是挑出哪個數字才對，而是先想清楚自己要知道什麼：想看長期累積的反應、最近的反應，還是用自己會用的語言遊玩時的體驗？乍聽之下很接近，回答這三個問題需要的資料卻不同。資料沒有交代的條件，不能靠熟悉的欄位名稱補上。

Steamworks 將商店評論的期間分為過去 30 天與產品的整個存續期間。Steamworks 使用者評論文件

選這三款遊戲，是為了說明怎麼讀資料，不是要調查有多少遊戲的近期反應好或不好。三個頁面的近期評論都屬於正面等級，不足以推論多數 Steam 遊戲都獲得好評。這份資料也不是實際啟動遊戲或測量效能的結果。

「韓文評論」這個名稱也需要留意。依 Steam 評論資料文件的說明，語言是作者撰寫評論時指定的語言，不是調查居住國家的欄位。因此，把韓文評論的比例稱為全體韓國人的滿意度，就超出了資料能說明的範圍。Steam 評論資料說明

Valve 在推出依語言區分的評價分數時，曾說明翻譯、文化背景、網路等因素可能帶來不同的體驗。所以，把範圍縮小到某個語言，有其理由。但不是每篇韓文評論都在談翻譯品質。說戰鬥很難，和指出對白不自然，即使使用同一種語言撰寫，談的仍是不同問題。依語言區分評價分數的推出公告

如果是擔心翻譯而打開韓文評論，就該進一步找真正談到對白或說明文字的文章。反過來說，如果你不喜歡太難的戰鬥，因此猶豫要不要買，光是知道翻譯抱怨很多，還沒有得到想要的答案。選了分類，不代表評論就讀完了。

90% 這個數字裡，究竟算了什麼？#

這是用假設數字做的計算，不是 Steam 的實際評論數據。

依 Steam 客服的說明，評價分數是按正面評論的比例劃分的等級。對需要購買的遊戲，透過 Steam 購買者的評論會納入分數；不需要購買的遊戲另有例外。畫面上的百分比，不應被當成玩家以百分制打分後的平均分數。Steam 使用者評論說明

按了推薦，不代表完全沒有不滿。玩家可能因為喜歡的部分很多而推薦，同時花很長的篇幅描述嚴重的不便。也可能玩得很開心，卻因為一個對自己很重要的條件而選擇不推薦。把這兩種選擇統計成比例，並不能還原每個人選擇背後的理由。

過去也有研究探討這一點。Lin 等人的 Steam 評論研究，以 2016 年 3 月的商店清單為基礎，排除評論少於 25 則的遊戲，蒐集了 6,224 款遊戲的 10,954,956 則評論。這些評論並不是全部由人逐一閱讀。在內容分析部分，兩位研究者人工分類了 472 則英文評論；其中的正面評論有 29% 提到缺點，7% 提到程式錯誤。這是當時樣本的結果，不能套成今天韓文評論的比例。對我來說，這提供了一個具體理由：看見推薦標記，也不該跳過正文。Lin 等人的 Steam 評論研究，表 10

接下來用來計算的數字，都是為了說明而設的假想資料，不是實際遊戲評價，也不是調查結果。我會一起列出分母與正面評論的則數，讓讀者能用相同數字算一遍。

假設互不重疊的 A 群有 1,000 則評論，其中 900 則是正面評論；B 群則有 10 則，其中 8 則是正面評論。兩群的比例分別是 90% 與 80%。把兩個百分比相加，再除以 2，就得到 85%。

可是，把所有評論合在一起，正面評論是 908 則，總數是 1,010 則。908 除以 1,010，約為 89.9%。會和 85% 不同，是因為前一種算法把有 1,000 則評論的群體和只有 10 則的群體，視為相同分量的一群。兩種算法平均的對象不同：一個以每則評論為單位，一個以每個群體為單位。

想把各語言的百分比取平均，算出整體分數時，也會遇到同樣的問題。需要的是每一群的正面評論則數和總則數。在計算之前，還得確認群體之間沒有重疊、沒有漏掉群體，而且統計條件一致。如果只合併畫面上看見的一部分，結果也只代表那一部分。

正確反映大群體的比重，和忽略小群體遇到的不便，是兩回事。某個問題在合併分數中看來不突出，但如果你正要在那個條件下遊玩，它可能很重要。評論則數較多的一群，不能連你的喜好也一起決定。

數字看起來穩不穩，也和分母有關。5 則評論中有 4 則正面，就是 80%；再增加 1 則負面評論，會變成 6 則中有 4 則正面，降到約 66.7%。如果原本是 1,000 則中有 800 則正面，一開始同樣是 80%，增加 1 則負面評論後卻是約 79.9%。都是多了一則，比例變動的幅度相差很多。

這不是說評論少就不必讀。要了解一篇描述卡在啟動畫面的評論，不需要先湊齊一千篇才有意義。但這一則讓比例動了多少，和問題本身有多嚴重，應該分開看。不能只憑百分比大幅下降，就推估受影響的規模。

評論很多的遊戲，也可能造成另一種錯覺。即使出現新問題，也可能被長年累積的數字蓋過。不能因為整體比例和昨天差不多，就把現在出現的啟動問題當成不存在。仍要另外讀清楚，評論描述的是什麼條件下發生的情況。

把比例變化的單位寫清楚，也很有幫助。假設統計條件相同，比例從 60% 變成 90%，就是上升 30 個百分點；相對於原本的 60%，則增加了 50%。只寫「改善了 30%」，會讓人不清楚是哪一種算法。只有這兩個比例，也算不出正面評論增加了幾則，因為還缺少兩個時間點各自的總則數。

也別把畫面上的數字，當成和原始資料一樣精確。假設有張表會把比例四捨五入到小數點後一位，79.96% 和 80.04% 都會顯示成 80.0%。不是原本的數值相同，而是顯示時抹去了差異。這不是在說 Steam 就用這套四捨五入方式，只是說明：光靠顯示的數值，無法得知背後精確的整數則數。

把近期評論再加進整體評論，會發生什麼事？#

圖中假設已知精確則數及包含關係，不是由 Steam 顯示的比例反推而來。

先假設統計條件和查詢時間相同，而且所有近期評論都包含在整體評論裡。整體有 1,000 則評論，900 則是正面；其中近期的 50 則，只有 30 則是正面。整體是 90%，近期是 60%。這兩個數字並不需要有一個是錯的。

因為近期評論只占整體的一小部分。長期累積的反應很多時，新出現的差異在整體數字中就會比較不明顯。這時整體與近期的落差，不是要刪掉其中一個數字的理由，反而提醒我們值得看看新期間的評論。

要小心的是把這兩群相加。正面評論的 900 加上 30，總則數的 1,000 加上 50，就把近期評論算了兩遍。不能把整體與近期當成兩場各自獨立的投票。即使想混合兩個百分比，湊出一個可信的分數，也得先釐清包含關係。

在同樣的假設下，可以算出扣除近期後的更早期間。正面評論是 900 減 30，剩下 870 則；總數是 1,000 減 50，剩下 950 則，比例約為 91.6%。因為已經知道精確整數與包含關係，才能做這個減法。若其中一邊的語言不同，或排除條件不同，就不能照算。更不能拿前面 HTML 摘要中整數形式的百分比乘上則數，得到估計值後，便宣稱精確還原了過去的分數。

隨著時間改變的，究竟是遊戲本身，還是留下評論的玩家組成？這也要分開看。再用兩群假想資料說明一次。這裡的 A、B 並不代表真實國家或玩家類型。

第一個時間點，A 群有 100 則評論，其中 90 則正面；B 群有 10 則，其中 5 則正面。合計 110 則中有 95 則正面，約 86.4%。第二個時間點，假設 A 群變成 10 則中有 9 則正面，B 群則是 100 則中有 50 則正面。合計 110 則中有 59 則正面，約 53.6%。

整體比例大幅下降，但 A 群兩次都是 90%，B 群兩次都是 50%。各群內的比例沒有變，變的是兩群所占的比重，而且整體評論總數兩次甚至都是 110 則。所以，總則數相同，也不代表組成相同。

這個例子並不是在解釋 Steam 分數實際下降的原因。要找出真正原因，還需要相應的資料。只是，單憑比例下降，得不出遊戲每個部分都變差的結論；中間還少了「究竟什麼變了」這一步。

個別玩家能做的事，和查明所有原因，是兩回事。先讀近期評論中與自己在意的條件有關的文章，看看有沒有提到具體變化，也能增加購買判斷所需的資訊。不必因為要分群比較，就蒐集作者的個人資料或帳號清單。本文沒有蒐集真實的個人層級資料，也沒有進行那類分析。

讀了評論列表，印象卻和分數不一樣#

這張圖對照的是當年公告的內容，不是實際評論列表的螢幕截圖。

往下滑一點，滿眼都是抱怨，上方的高分可能就顯得奇怪。但首先要問：最先看到的這幾篇，是隨機抽出的評論嗎？依特定條件挑出的文章，給人的印象可能和整體統計不同。

Valve 在 2024 年的評論實用性系統公告中說明，排序會調整為優先顯示有助於購買判斷的內容；被判定為資訊量較少的單字評論、迷因等，可能會排到後面。公告也區分了這項調整與分數計算：那次變動並沒有更改評價分數的計算方式。先讀到的文章，和計入分數的文章，並不是同一個概念。評論實用性系統公告

有趣的一句心得，讀起來可以很有意思，卻未必回答購買前想知道的問題。不需要判定那樣寫對不對，只要看看有沒有自己正在找的資訊，沒有就往下讀。反過來，一篇又長又認真的文章，如果與你的問題無關，也沒有非得優先讀它的理由。

透過外部序號、免費週末、家庭共享等方式玩過遊戲的使用者，也可以撰寫評論。讀得到的評論，不見得全都計入付費遊戲的分數。

個別評論被判定為與遊戲無關，和整段無關評論活動期間被排除於分數之外，也要分清楚。目前 Steamworks 文件說明，前者即使曝光降低，仍會計入分數。Valve 重新檢視使用者評論的公告則說明，後者在預設設定下，會把指定期間內的所有評論排除於分數之外，這不等於刪除評論。Valve 重新檢視使用者評論的公告

我不想只看見曲線突然往下，就把所有批評都叫作負評轟炸，因為也可能真的有更多人碰到問題。批評是否有道理，和那篇文章如何計入分數，需要分別檢視。這次蒐集沒有確認排除期間或帳號設定。

讀評論的順序，也可以隨目的調整。想知道某次變動之後的問題，就先讀那之後寫的文章；想知道玩久了才會出現的不便，就先讀具體描述那類經驗的文章。無論哪一種，都不宜把自己挑來讀的幾篇，說成代表全體玩家的比例。

不同文章看似都在談同一個問題，實際上也可能只是在引用同一篇文章。要分清楚，那是在描述另一個人於另一種條件下的經驗，還是轉述最初的說法。找到五篇引用文章，不代表有五次獨立確認。

與其盯著評論的情緒與語氣，不妨把能查核的內容畫線標出來：做了什麼之後發生了什麼、作者原本期待什麼、哪一部分是推測。寫得很生氣，不一定代表問題更大；語氣平和，也不代表內容已經查證。

「出了更新」和「已經解決」，中間還差什麼？#

這份資料能確認當時有這則公告，不能當成更新效果的測量結果。

Hello Games 的 COSMOS 公告於 2026 年 9 月 9 日介紹了 7.0 更新。COSMOS 官方公告

新公告發布後，即使分數改變，也還沒有找出原因。這次資料沒有蒐集更新前後的個別評論，再按內容分類的結果，也沒有進行實際執行遊戲的測試或相同條件下的效能比較。

如果有某個抱怨讓你猶豫要不要買，可以把它的日期和相關公告一起看。重點是公告說了什麼：介紹新內容、承認有問題，或表示已修正，能回答的問題各不相同。不能只因為標題寫了「更新」，就把這三件事混為一談。

就算錯誤名稱相近，發生的場景也可能不同。「戰鬥後卡住」和「開啟存檔列表時卡住」，若一概合併成卡住問題，就很難對照究竟修好了什麼。要讀清楚開發商所說的修正，實際附帶哪些條件。而讀過那段說明，也不等於已有測試結果證明問題在自己的環境下解決了。

Steam 評論資料會分別記錄首次撰寫時間與最後修改時間，以及累積遊玩時數與撰寫評論當時的遊玩時數。很早以前寫的文章，可能最近才修改過；作者也可能在寫完評論後又繼續玩。看到很長的累積時數，不能就認為那些時間全是在經歷文章目前描述的問題。

也不能只因為遊玩時數短，就忽略啟動問題。「一開始就卡住」和「後期內容不如預期」，本來就需要不同範圍的體驗才能說明。反過來，玩了很久的人，也不一定玩過你想了解的模式或場景。時數是閱讀時的背景，不是判定所有說法真假的資格證明。

找不到後續文章時，就更難判斷。很容易以為安靜下來就是解決了，但目前搜尋範圍內沒有新文章，和問題已經消失，是兩回事。作者也可能只是因為其他理由不再發文。如果沒找到能確認解決的資料，可以先不下結論。

說遊戲變好的評論，也可以用同樣方式讀。具體解釋哪種不便減少，和只寫一句「現在可以了」，提供的資訊不同。若遇到好評就跳過檢視，只對批評嚴格挑剔，很容易變成只想替原本想買的心情找證明。

把評論中的抱怨，變成自己的購買問題#

這是說明如何閱讀評論的假想例子，沒有引用真實評論、作者或遊戲。

來假設一個購買前的煩惱，並不是轉述真實遊戲或玩家的故事。有個人想找一款能獨自享受劇情的遊戲，不喜歡長時間反覆戰鬥，而且必須能經常停下來。他已經知道整體反應不錯，現在想知道的是：這款遊戲適不適合自己？

他看見三篇假想評論。第一篇稱讚和朋友一起反覆戰鬥很好玩；第二篇說故事很好，但必須重打相同戰鬥好幾次，所以不推薦；第三篇說喜歡畫面，還想再聽一次音樂。這些句子都沒有引用實際貼文。

只數推薦與否，正面的印象可能較多。但對這個人的購買決定來說，第二篇提到的重複戰鬥，會先引起他的注意。不是和朋友一起玩的樂趣或音樂不好，而是第二篇更貼近他一開始設定的條件。挑出有用的評論，和判定遊戲好不好，不是同一件事。

不過，也不必讀了一篇不推薦就立刻放棄。那些重複戰鬥，是推進故事必須經過的部分，還是為了蒐集完所有可選內容而產生的經驗，目前還不清楚。如果文章裡沒有答案，下一份資料要回答的就是這個差別。對這次購買來說，知道抱怨適用的範圍，比再找一篇同樣的抱怨更有幫助。

到了這裡，能接受這種不便與不能接受的人，可能會做出不同選擇。如果重複只出現在選擇性內容，就可能覺得跳過即可；如果連主線都經常如此，也可能改挑別款遊戲。若還不清楚是哪一種，也可以先等等再買。不必因為百分比高就取消自己的問題，也不必看見不推薦就捨棄遊戲的所有優點。

即使已經找到「重複戰鬥是可選內容」的答案，最初列出的條件仍有一項沒解決：這個人必須能經常停下來。知道可以跳過那些戰鬥，不代表已經知道想結束時就能結束。接下來要找的，是描述短時間遊玩後如何停下來的文章，或官方說明。如果沒有這些資料，就記下「對重複戰鬥的疑慮減少了，但還不知道能怎麼中斷」。

找到一個答案，不等於所有購買條件都已滿足。反過來，也不需要為了已經確認的重複戰鬥問題，又從頭讀一遍。把已知的事與待解的問題分開，就能離開同一批心得，轉去找做決定仍然需要的資訊。

讀評論時，也值得區分問題出現的頻率，以及一旦發生會造成什麼後果。說它很少發生，不代表它不嚴重。短暫的顯示錯誤，和會讓遊玩進度遺失的問題，即使次數相同，要承受的負擔也可能不同。本文沒有測量這類發生率，而是在說明：把別人提到的問題放進自己的購買條件時，還需要知道什麼。

反過來，經常出現的抱怨，是不是自己討厭的元素，也要另外想。有人批評對白太長，對想快點略過劇情的讀者來說可能是警訊；對本來就想慢慢讀對白的人，卻未必是大問題。不必硬把別人眼中的缺點說成自己的優點，但喜好的差異，確實不是數字能解決的。

建議找具體說明，不是要求其他玩家交出所有證據。評論也是表達個人感受的地方。別人可以只寫一句「不好玩」，而準備購買的你，也可能需要更詳細的資料。說明不足的文章，不拿來回答自己的問題即可，沒有理由追問作者或調查帳號。

碰到意見相反的心得，可以先找雙方都承認的事實。一邊說戰鬥重複所以無聊，另一邊說反覆練熟相同戰鬥很有趣，雙方可能都同意戰鬥具有重複性。即使推薦與否相反，反而可能幫助你看清遊戲的性質。

這種讀法，和投票決定誰對誰錯不太一樣。它是在分辨意見不同，究竟來自喜好、不同時期的經驗，還是不同的使用條件。即使條件相同，個人判斷也可能不同，不必替每一種差異都找出唯一原因。

我覺得，讀評論前先簡短寫下購買條件，有助於減少這種混亂。不需要做一張龐大的評分表，只要留下眼前的問題，例如想知道獨自推進故事時有多少重複內容，或能不能玩一小段就停下來。閱讀時即使心意搖擺，也能回頭看自己最初是想確認什麼。

繼續讀，卻沒有得到更多答案時#

這是依條件做判斷的例子，不保證購買結果，也不是在展示 Steam 的通知功能。

相似心得讀久了，有時會分不清自己是在取得更多資訊，還是在找人允許自己按下購買按鈕。如果只是找已經喜歡的結論，多讀十篇也不會讓判斷更穩。可以問問自己：看到什麼樣的說明，我才會改變選擇？

例如，你已決定，只要確認擔心的不便僅出現在選擇性內容，就會考慮購買，那麼下一份要讀的資料，就應該能確認這件事。相反地，如果不論讀了多少說明，只要想到仍有一點不如預期的可能，就始終介意，那再蒐集更多好評，也未必能解決。我認為這時先暫緩購買比較好。

記錄讀到的內容時，留下條件比留下單一數字更有用。簡短記下查詢日期、統計項目名稱、確認了哪個問題，以及還有什麼不清楚。日後找到新資料時，不要蓋掉舊紀錄，也就能回頭看判斷為什麼改變。

如果為了比較而調整條件，也請一起記下改了什麼。同時更改期間、語言與購買方式後，看到差異，很難分清是哪一項造成的。若沒有確認實際條件，就不要說成是在相同條件下比較。

這次商店資料，是未傳送登入資訊而取得的 HTML，我們只轉錄其中明確標示的近期與韓文摘要。沒有把偏好語言、購買篩選與排除設定調成相同條件再比較，也沒有取得公開統計 API 的回應。這不是計算精確的正面、負面原始則數，或比較不同購買管道差異的資料。

沒有「讀完所有評論才可以買」這種標準。看看最初在意的條件有沒有得到答案就好。理解喜好上的差異，而且覺得能接受，就可以考慮購買；若仍不清楚某個問題會不會妨礙遊玩，也可以等待。不必抹去高分或低分其中一邊，才能做出決定。

確認評論裡有沒有現在準備開始玩的讀者需要知道的事之後，至少會比只盯著上方評價猶豫時，更清楚自己究竟在擔心什麼。