Etter å ha intervjuet en venn som jobber i Riot LoL Champion Balance-teamet, som konsekvent gjør strategiske endringer for å balansere spillet ved å lese og analysere ulike data, vil jeg gjerne dele noen nøkler til å forstå sammenhengen mellom data og champion-balanse, fra både en daglig League-spiller og en profesjonell spilldesigners perspektiv.
Først og fremst, la oss definere spillbalanse, win rate, pick rate og ban rate, og deretter grave i nyansene mellom disse konseptene. Et av de viktigste målene til balanseteamet er at summoners skal ha suksess med hvilken som helst champion. Når du velger din champion, skal du ideelt sett ikke kunne forutsi helt hvor bra det vil gå før spillet i det hele tatt starter. Under ulike omstendigheter vil noen champions alltid være sterkere enn andre på grunn av lagsammensetning, strategier som brukes, og fiendens champion-valg. Alt dette er de mest kritiske komponentene i League-spill. Den ideelle bunnlinjen er at spillere aldri skal føle seg tvunget til å velge en bestemt champion fordi den er så ekstremt sterk.
Det er så mange forskjellige aspekter å vurdere når vi vurderer og kategoriserer hvor sterk en champion er, men til syvende og sist handler alt om hvor raskt og enkelt man kan knuse nexusen, det vil si å ta seieren. Ulike champions kan være på sitt sterkeste på ulike stadier av et spilt parti: early, mid eller late game; noen champions kan være mer nyttige i teamfights; noen champions kan få penta-kills lettere fra visse ferdigheter eller en wombo-combo; og selvfølgelig, når spillere skaffer seg ulike ressurser på kartet, vil champions også utøve ulik styrke. Definisjonen på en sterk champion vil ikke være den samme hele tiden. I et bestemt ranked-spill avhenger det av champion-definisjonen og spillerens ferdigheter. For eksempel blir ikke Kog'Maw ansett som sterk hele tiden, men i en spesifikk lagsammensetning som peeler for den, er Kog'Maw i stand til å smelte fiendens lag på få sekunder. På samme måte som vi definerer en champions evne til å drepe og unnslippe med K/DA, vurderer vi også hvor raskt og enkelt en champion kan bidra til å ta ned tårn og nexus til slutt.
Du har sikkert lurt på et eller annet tidspunkt på hva win rate egentlig betyr, og om det er ubalansert når vi ser win rates som ikke ligger strengt på 50 %. Hvis vi definerer den absolutte nøyaktigheten av målingen ut fra hvor sterk en champion oppfattes å være, kan den relative nøyaktigheten representeres av championens win rate. Win rate er sannsynligheten for å vinne et ranked-spill innenfor det nåværende champion- og summoner-økosystemet. Win rate-data styres hovedsakelig av to faktorer: champion-styrke og spillerferdigheter. Ingen av dem har et rent lineært forhold til win rate. Blandingen av ikke-lineære faktorer og årsakssammenhenger viser at en champion fortsatt kan være balansert uten å ha nøyaktig 50 % win rate. For eksempel kan win raten til champions på den ukentlige gratisrotasjonen ha blitt negativt påvirket av spillere som mangler spillerfaring. I følge offisielle Riot-data har bare en ekstremt liten del av Azir-spillere faktisk mestret denne championen. Derfore er en gjennomsnittlig win rate under 50 % forventet. På den annen side er det mange Heimerdinger-spillere som virkelig spiller den bra, og dermed går win raten naturlig over 50 %, slik dataene har vist.
Etter å ha lært hvordan win rate blir påvirket, bør balanseteamet være dedikert til å studere og simulere effekten av spillendringer på spillere fra alle ranks. Men det betyr ikke nødvendigvis at de kan komme opp med en universell endring eller løsning for å løse alle problemene på tvers av ulike ranks. Spillere fra en høyere rank har større sannsynlighet for å vurdere mer spillinformasjon og utføre den på et mer nøyaktig grunnlag. Det er grunnen til at balanseteamet nøye observerer og analyserer data fra high-rank spillere for å få en tilstrekkelig forståelse av spillbalanse og mønstre. De tror at nøkkelen til den beste spillopplevelsen skjuler seg i dataene fra spillet på høyt nivå, selv om spillet ikke alltid er 100 % perfekt. Dette motiverer også spillere til å forbedre sine champion masteries. Hvis vi tar Twisted Fate som et eksempel, er han ikke så lett å spille som det ser ut ved første øyekast, men vi opplever ham som ekstremt kraftfull i enkelte spill hvis spillerne har en bedre forståelse og høyere mastery med ham. Jeg tror spillere kan få en stor følelse av tilfredsstillelse ved å øke mastery til de virkelig mestrer championen, samtidig som win rate-dataene vil bli mer nøyaktige.
Vi håper du har fått en bedre forståelse av win rates nå. La oss gå videre til pick rate. Pick rate er sannsynligheten for at en champion blir valgt i et spill. Hvis spillere bare bryr seg om seier, kan pick rate ganske enkelt tolkes ut fra win rate med et "play-to-win"-tankesett. Men i virkeligheten er det mange spillere som heller velger champions som tiltrekker dem mer, fordi de ønsker å nyte selve spillet like mye som en seier. For eksempel har Ahri en høyere pick rate enn Urgot fordi hun virker mer attraktiv og interessant å spille fra mange spilleres perspektiv. Balanseteamet må også følge godt med på champion-mangfold, noe som effektivt reduserer situasjoner der en champion velges i nesten hvert eneste spill, som Jinx. Grunnregelen er å aldri ofre balanse for mangfold, det vil si at de ikke bør buffe champions bare fordi enkelte champions er mer populære blant spillere eller har flere Skins, og omvendt.
Vi har snakket mye om forholdet mellom data og balansering. Bortsett fra kalde data er tilbakemeldinger fra spillere også ekstremt kritisk etter min mening. Når alle klager over hvor ubalansert Akali blir etter sin rework, bør balanseteamet begynne å flytte oppmerksomheten mot Akali og evaluere om visse justeringer må gjøres. Hvordan vet Riot-teamet om spillerne klager i utgangspunktet? Tydeligvis kan datateamet hente ut nyttig informasjon fra ban rate, som er sannsynligheten for at en champion blir bannet i et spill. Samtidig er det viktig å vite at alle ratene vi har introdusert ovenfor påvirker hverandre grenseseløst. For eksempel er Rumble en sterk champion med en relativt lav ban rate fordi det er mindre sannsynlig at spillere velger ham over Mordekaiser eller Darius. Basert på tidligere erfaring er den beste Ban-Pick-planen, altså den beste planen mot seier, å banne champions med både høy pick rate og høy win rate hvis ditt eget lag ikke skal spille dem. På dette tidspunktet antar jeg at du allerede er klar over at ban rate ikke bare er et resultat av pick rate og win rate, men det påvirkes også av spillernes vurdering av hvor kraftfull championen er, om den er lett å mestre, risikoen ved å spille med den, og hvor kjipt spillere føler det hvis de taper med den. Le Blanc var en gang på toppen av banning-listen, men hun er ikke den optimale bannen på ranks lavere enn Master/Challenger. Janna, som et annet eksempel, burde være den mest verdt å banne basert på rene data, men hun har en faktisk ban rate på under 1 %. Ved å vite hvordan ulike rater fungerer på hverandre og påvirker selve spilldataene i retur som en sirkel, bør balanseteamet stole på ban rate for enkelte endringer, men ikke utelukkende på selve tallene.
Uansett hvor viktige dataene er, er de fortsatt bare faktorer i et regnestykke. Jeg tror at data konsekvent vil bidra til å forbedre spillopplevelsen for alle spillere hvis de brukes riktig, og Riot har som mål å nå dette store målet. Men det er en uendelig reise, og etter min mening er en annen signifikant faktor for å Gi spillet et Boost å forbedre spillernes egen mentalitet og oppfatning av seier eller tap.
Takk til DOJO Digital, et Bristol SEO-byrå for å ha laget dette omfattende blogginnlegget og intervjuet. For eventuelle spørsmål angående data og datadrevet analyse, vennligst kontakt deres Bristol Digital Marketing-team for en gratis konsultasjon.
