Μετά από μια συνέντευξη με έναν φίλο που εργάζεται στην ομάδα LoL Champion Balance της Riot, η οποία κάνει σταθερά στρατηγικές αλλαγές για την ισορροπία του παιχνιδιού διαβάζοντας και αναλύοντας διάφορα δεδομένα, θα ήθελα να μοιραστώ μαζί σας μερικά βασικά σημεία για την κατανόηση της συσχέτισης μεταξύ δεδομένων και champion balance, μέσα από την κοινή οπτική ενός καθημερινού παίκτη του League και ενός επαγγελματία game designer.
Πρώτα απ' όλα, ας ορίσουμε το game balance, το win rate, το pick rate και το ban rate, και στη συνέχεια ας εμβαθύνουμε στις λεπτές διαφορές μεταξύ αυτών των εννοιών. Ένας από τους πιο σημαντικούς στόχους της ομάδας balance είναι οι summoners να μπορούν να πετύχουν με οποιονδήποτε champion. Όταν επιλέγετε τον champion σας, ιδανικά δεν υποτίθεται ότι μπορείτε να προβλέψετε πλήρως πόσο καλός θα είναι πριν καν ξεκινήσει το παιχνίδι. Υπό διαφορετικές συνθήκες, ορισμένοι champions θα είναι πάντα ισχυρότεροι από κάποιους άλλους λόγω της σύνθεσης της ομάδας (team comp), των στρατηγικών που εφαρμόζονται και των επιλογών των αντίπαλων champions. Όλα αυτά είναι τα πιο κρίσιμα στοιχεία των παιχνιδιών του League. Το ιδανικό βασικό όριο είναι ότι οι παίκτες δεν πρέπει ποτέ να νιώθουν αναγκασμένοι να επιλέξουν έναν συγκεκριμένο champion λόγω του πόσο υπερβολικά ισχυρός είναι.
Υπάρχουν πολλές διαφορετικές πτυχές που πρέπει να ληφθούν υπόψη όταν αξιολογούμε και κατηγοριοποιούμε πόσο ισχυρός είναι ένας champion, αλλά τελικά, όλα καταλήγουν στο πόσο γρήγορα και εύκολα μπορείτε να καταστρέψετε το nexus, δηλαδή να πάρετε τη νίκη (Victory). Διαφορετικοί champions μπορεί να βρίσκονται στο μέγιστο της δύναμής τους σε διαφορετικά στάδια ενός συγκεκριμένου παιχνιδιού: early, mid, ή late game· ορισμένοι champions μπορεί να είναι πιο χρήσιμοι κατά τη διάρκεια των team fights· ορισμένοι champions μπορεί να παίρνουν penta-kills πιο εύκολα από συγκεκριμένα skills ή ένα wombo-combo· και φυσικά, όταν οι παίκτες αποκτούν διαφορετικούς πόρους στον χάρτη, οι champions ασκούν επίσης διαφορετική ισχύ. Ο ορισμός ενός ισχυρού champion δεν μένει ο ίδιος ανά πάσα στιγμή. Σε ένα συγκεκριμένο ranked παιχνίδι, εξαρτάται από τον ορισμό του champion και τα skills του παίκτη. Για παράδειγμα, ο Kog'Maw δεν θεωρείται πάντα ισχυρός, αλλά σε μια συγκεκριμένη σύνθεση ομάδας που κάνει peel για αυτόν, ο Kog'Maw είναι ικανός να διαλύσει την αντίπαλη ομάδα μέσα σε λίγα δευτερόλεπτα. Παρόμοια με το πώς ορίζουμε τις ικανότητες εξόντωσης και διαφυγής ενός champion με το K/DA, λαμβάνουμε επίσης υπόψη πόσο γρήγορα και εύκολα μπορεί ένας champion να βοηθήσει στην πτώση των towers και του nexus στο τέλος.
Σίγουρα θα έχετε αναρωτηθεί σε κάποιο σημείο τι σημαίνει win rate, και αν υπάρχει έλλειψη ισορροπίας όταν βλέπουμε win rates που δεν είναι αυστηρά στο 50%. Αν ορίσουμε την απόλυτη ακρίβεια της μέτρησης με το πόσο ισχυρός θεωρείται ένας champion, τότε η σχετική ακρίβεια μπορεί να αναπαρασταθεί από το win rate του champion. Win rate είναι η πιθανότητα νίκης σε ένα ranked παιχνίδι μέσα στο τρέχον οικοσύστημα champions και summoners. Τα δεδομένα του win rate ελέγχονται κυρίως από δύο παράγοντες: τη δύναμη του champion και τα skills του παίκτη. Κανένας από τους δύο δεν βρίσκεται σε αμιγώς γραμμική σχέση με το win rate. Ο συνδυασμός μη γραμμικών παραγόντων και αιτιωδών σχέσεων αποκαλύπτει ότι ένας champion θα μπορούσε ακόμα να είναι balanced χωρίς να έχει win rate 50%. Για παράδειγμα, το win rate των champions στη εβδομαδιαία free rotation μπορεί να επηρεάζεται αρνητικά από παίκτες που δεν έχουν εμπειρία. Σύμφωνα με τα επίσημα δεδομένα της Riot, μόνο ένα εξαιρετικά μικρό ποσοστό των παικτών Azir έχει πράγματι κατανοήσει πλήρως αυτόν τον champion. Επομένως, ένα μέσο win rate κάτω από 50% είναι αναμενόμενο. Αντίθετα, πολλοί παίκτες Heimerdinger παίζουν πραγματικά καλά μαζί του, και ως εκ τούτου το win rate ανεβαίνει φυσιολογικά πάνω από το 50%, όπως δείχνουν τα δεδομένα.
Αφού μάθει πώς επηρεάζεται το win rate, η ομάδα balance θα πρέπει να αφοσιωθεί στη μελέτη και την προσομοίωση των επιπτώσεων των αλλαγών του παιχνιδιού σε παίκτες όλων των ranks. Αλλά αυτό δεν σημαίνει απαραίτητα ότι μπορούν να βρουν μια καθολική αλλαγή ή λύση για την επίλυση όλων των προβλημάτων σε διαφορετικά ranks. Οι παίκτες από υψηλότερο rank είναι πιο πιθανό να λαμβάνουν υπόψη περισσότερες πληροφορίες του παιχνιδιού και να τις εκτελούν με μεγαλύτερη ακρίβεια. Αυτός είναι ο λόγος για τον οποίο η ομάδα balance παρακολουθεί στενά και αναλύει δεδομένα από παίκτες υψηλού rank, ώστε να κατανοήσει επαρκώς το game balance και το μοτίβο του παιχνιδιού. Πιστεύουν ότι το κλειδί για την καλύτερη εμπειρία παιχνιδιού κρύβεται στα δεδομένα από τα υψηλού επιπέδου, αλλά όχι πάντα 100% τέλεια plays. Αυτό παρακινεί επίσης τους παίκτες να βελτιώσουν τα champion masteries τους. Παίρνοντας ως παράδειγμα τον Twisted Fate, δεν είναι τόσο εύκολος στο παιχνίδι όσο φαίνεται με την πρώτη ματιά, ωστόσο τον βρίσκουμε εξαιρετικά ισχυρό σε ορισμένα παιχνίδια εάν οι παίκτες έχουν καλύτερη κατανόηση και υψηλότερο mastery σε αυτόν. Πιστεύω ότι οι παίκτες μπορούν να αντλήσουν μεγάλη ικανοποίηση αυξάνοντας το mastery μέχρι να κυριαρχήσουν πραγματικά στον champion, ενώ παράλληλα τα δεδομένα του win rate θα είναι πιο ακριβή.
Ελπίζουμε να έχετε τώρα μια καλύτερη κατανόηση των win rates. Ας περάσουμε στο pick rate. Pick rate είναι η πιθανότητα να επιλεγεί ένας champion σε ένα παιχνίδι. Εάν οι παίκτες νοιάζονται μόνο για τη νίκη, το pick rate μπορεί απλά να ερμηνευτεί από το win rate με μια νοοτροπία play-to-win. Ενώ στην πραγματικότητα, πολλοί παίκτες είναι πιο πιθανό να επιλέξουν τους champions που τους ελκύουν περισσότερο, καθώς επιθυμούν να απολαύσουν το ίδιο το παιχνίδι όσο και μια νίκη. Για παράδειγμα, η Ahri έχει υψηλότερο pick rate από τον Urgot, καθώς φαίνεται πιο ελκυστική και ενδιαφέρουσα στο παιχνίδι από τη σκοπιά πολλών παικτών. Η ομάδα balance θα πρέπει επίσης να δώσει αμέριστη προσοχή στη ποικιλομορφία των champions (diversity), η οποία μειώνει αποτελεσματικά την κατάσταση όπου ένας champion επιλέγεται σχεδόν σε κάθε παιχνίδι, όπως η Jinx. Ο βασικός κανόνας είναι να μην θυσιάζεται ποτέ το balance για χάρη της ποικιλομορφίας, δηλαδή δεν πρέπει να κάνουν buff σε champions απλώς και μόνο επειδή ορισμένοι είναι πιο δημοφιλείς μεταξύ των παικτών ή έχουν περισσότερα Skins, και αντίστροφα.
Έχουμε μιλήσει πολύ για τις σχέσεις μεταξύ δεδομένων και balancing. Εκτός από τα ψυχρά δεδομένα, το feedback από τους παίκτες είναι επίσης εξαιρετικά κρίσιμο κατά τη γνώμη μου. Όταν όλοι παραπονιούνται για το πόσο unbalanced γίνεται η Akali μετά το rework, η ομάδα balance θα πρέπει να αρχίσει να στρέφει την προσοχή της στην Akali και να αξιολογεί εάν πρέπει να εφαρμοστούν ορισμένες προσαρμογές. Πώς γνωρίζει η ομάδα της Riot αν οι παίκτες παραπονιούνται εξ αρχής; Προφανώς η ομάδα δεδομένων μπορεί να συλλέξει ορισμένες χρήσιμες πληροφορίες από το ban rate, το οποίο είναι η πιθανότητα να γίνει ban ένας champion σε ένα παιχνίδι. Ταυτόχρονα, είναι σημαντικό να γνωρίζουμε ότι όλα τα ποσοστά που εισαγάγαμε παραπάνω επηρεάζουν αμοιβαία το ένα το άλλο. Για παράδειγμα, ο Rumble είναι ένας ισχυρός champion με σχετικά χαμηλό ban rate, καθώς οι παίκτες είναι λιγότερο πιθανό να τον επιλέξουν σε σχέση με τον Mordekaiser ή τον Darius. Με βάση την προηγούμενη εμπειρία, το καλύτερο σχέδιο Ban-Pick, δηλαδή το καλύτερο πλάνο για τη νίκη, είναι να γίνονται ban οι champions που έχουν τόσο υψηλό pick rate όσο και υψηλό win rate, εάν η σύμμαχη ομάδα δεν τους παίζει. Μέχρι αυτό το σημείο, υποθέτω ότι γνωρίζετε ήδη ότι το ban rate δεν είναι απλώς αποτέλεσμα του pick rate και του win rate, αλλά επηρεάζεται επίσης από την κρίση των παικτών για το πόσο ισχυρός είναι ο champion, αν είναι εύκολο να τον μάθει κανείς, τον κίνδυνο του να παίξει με αυτόν και πόσο άσχημα μπορεί να νιώσουν οι παίκτες αν χάσουν έχοντάς τον στην ομάδα. Η Le Blanc ήταν κάποτε στην κορυφή της λίστας των bans, αλλά δεν είναι το βέλτιστο ban σε ranks χαμηλότερα από Master/Challenger. Η Janna, ως άλλο παράδειγμα, θα έπρεπε να είναι η πιο αξιόλογη για ban με βάση τα καθαρά δεδομένα, αλλά έχει πραγματικό ban rate λιγότερο από 1%. Γνωρίζοντας πώς τα διαφορετικά ποσοστά αλληλεπιδρούν και επηρεάζουν τα ίδια τα δεδομένα του παιχνιδιού ως κύκλος, η ομάδα balance θα πρέπει να βασίζεται στο ban rate για ορισμένες από τις αλλαγές, αλλά όχι μόνο στους ίδιους τους αριθμούς.
Ανεξάρτητα από το πόσο σημαντικά είναι τα δεδομένα, εξακολουθούν να είναι απλώς παράγοντες σε μια εξίσωση. Πιστεύω ότι τα δεδομένα θα βοηθούν συνεχώς στη βελτίωση της εμπειρίας παιχνιδιού για όλους τους παίκτες εάν χρησιμοποιηθούν σωστά, και η Riot στοχεύει στην επίτευξη αυτού του μεγάλου στόχου. Αλλά είναι ένα ταξίδι χωρίς τέλος, και κατά τη γνώμη μου, ένας άλλος σημαντικός παράγοντας για το Boost της εμπειρίας παιχνιδιού είναι η βελτίωση της νοοτροπίας των ίδιων των παικτών και της αντίληψής τους για τη νίκη ή την ήττα.
Ευχαριστούμε τη DOJO Digital, ένα Bristol SEO Agency για τη δημιουργία αυτού του ολοκληρωμένου blog post και της συνέντευξης. Για τυχόν ερωτήσεις σχετικά με δεδομένα και αναλύσεις βάσει δεδομένων, επικοινωνήστε με την ομάδα Bristol Digital Marketing για μια δωρεάν συμβουλευτική.
