读《通过数据挖掘来更好地平衡游戏》

最近翻查游戏平衡方面的资料,在Gamasutra上看到这篇 Better Game Design through Data Mining ,觉得有些参考价值,它给出了数据挖掘(统计学)在游戏中的应用和能解决的问题,以及游戏设计中一些难题(主要是处理玩家抱怨和socail方面的问题),在游戏平衡方面也是很有参考价值的文章。感觉文章的内容跟WoW的设计很有关联,在WoW设计中一定也运用了相关理论。在Ghostcrawler的一篇nerf shaman的蓝帖里也可以察觉到这点。

以下是一些抄录和注解,供自己参考:

1. To balance the economy — 平衡物价等
2. To catch cheaters — 通过分析与平均水平相差甚远的数据来揪出作弊者
3. To cut production costs — 物品都倾注了资金、时间、人力来设计, 通过分析物品的被使用频率来确定物品设计的成功与否,然后通过将不成功的物品重新设计(patch)后再推出,以免浪费
4. To increase customer renewal — 找出表现较差的职业(low-performance class)进行调整以免玩家流失

Data mining takes numbers, processes them, and makes new numbers. These numbers cannot tell you how each player feels. The player may be misinformed or biased about the balance of the game, but she is always right about how she feels. Some players’ feelings may be immature, and some players may have contradictory responses. Yet the paradox is that they are all right. Every player’s emotional response is valid. The data also does a poor job of revealing how players feel about each game asset. It does not indicate which asset has beautiful modeling, expressive animation, or a compelling story.

数据不能告诉你玩家的感受。玩家可能是不理智、充满偏见的,但是他们说出了心里的感受。所有玩家的情绪反馈都是真实反映了玩家心中的感受。数据不能揭示出玩家对一个道具的感受,比如道具好看与否、帅不帅等。

传统的调查方法是问卷调查(survey),但是那是不客观的,不一定正确的。人们总会出于各种原因口是心非。每个人都说是不平衡的受害者,而真正的受害者却选择了沉默,然后静静地绝望地离开游戏。数据挖掘是客观的,能从各个角度分析游戏,为游戏设计人员提供了全局观。

Recycle old data into new design.
1. Live: Scoop up lots of raw data in the live service. — 关键:样本
2. Archive: From here, clean it up and store it for safe keeping in an archive.
3. Statistics: Sift through the data to create statistics, which are more informative than the raw data.
4. Analysis: Then apply the actual mining, which yields knowledge about player performance. –关键:图表、clusters
5. Hypothesis: Propose hypotheses about how to tune the game.
6. Test: Test each hypothesis and then introduce the new design into the live service. — 经常是失败的,或者没有预期理想,但是一点一点的进步总比什么都不做好。
然后回到第一步,形成一个循环

平衡的时候尽量保持修改的独立性,只影响到目标群体,不要牵涉其他群体,这样更容易修改(见Part3的图)。

Advertisements

“你管理不了你没有统计过的东西”

终于在Webleon上找到了我一直在寻找的软件服务–跟踪和统计本机软件使用情况的网络软件,RescueTimeWakoopa!谢谢Webleon!我在很久以前听说过这类型的软件,但是当时没有记住,然后再找就再也找不到了。要是我没看到Webleon这篇网志,能不能找到这些软件还是未知之数呢!

对于经常使用电脑的人,我一直想知道我到底把时间都浪费在了什么地方。但是苦于没有专门的统计方法,所以只能从主观上感觉。感觉通常是不准确的,甚至是错误的,这样行不通。正如RescueTime homepage上的话–“You can’t manage what you don’t measure.” 深表赞同。

所以能找到这两款网络软件,我真的得感谢这些开发团队和Webleon(我在Webleon上留言感谢,但是他的Blog的留言系统很不友好,屡次不能成功留言,遂放弃)。

Wakoopa侧重于简单易用、以SNS为卖点,RescueTime侧重于专业统计、团队管理为卖点。可以说两者方向非常不同,都非常有特点。老外在数据统计方面真是铆足了劲。

事实上我很佩服老外。我在看过一系列他们的科普读物后,被他们以数据和证据说话的这种深深根植在他们社会中的思想拜服了。在工作后更是加深了对这一思想的肯定。某人说过一句话–“统计+现场,现场用于解决较浅显的问题,统计用于解决较深层次的问题”。要在工作上超越平庸的日常事务,就必需使用统计的思想才能解决更高层次的问题。我的感觉是,生活中统计学真是无处不在,老外更是这方面的好手,能在让人完全感觉不到可以跟数据模式等等扯上不关系的地方,用一系列科学的方法挖掘出有用的信息。这也是我从大学开始热衷的主题–“无序->有序,感性->理性,表象->数据”,这就是真理。

现在的我虽然有意识地按照这个思路做事,但是实话说,甚至离初步运用都尚有一段距离。所以我需要从各个方面,有意识地一步一个脚印地前进。Wakoopa和RescueTime就是其中重要的一步。

P.S. 1.工作后,感觉统计学在工作上的运用的难点是–“历史数据”和”数据的收集”。

P.S.2.在我右击它的logo想获取它的图片地址贴在这篇网志上时,它的logo位置弹出了一个小框框,上面除了有size更大的logo外,还写了一句”Want to grab our logo? Try this one:” ,Wakoopa想得真细心 🙂