Efter att ha intervjuat en vän som arbetar för Riot LoL Champion Balance Team, som konsekvent gör strategiska ändringar för att balansera spelet genom att läsa och analysera olika data, vill jag dela med er alla några nycklar till att förstå sambanden mellan data och champion-balans, ur en daglig League-spelares och en professionell speldesigners gemensamma perspektiv.
Först och främst, låt oss definiera spelbalans, win rate, pick rate och ban rate, och sedan gräva ner oss i nyanserna bland dessa koncept. Ett av balanseringsteamets viktigaste mål är att summoners ska kunna nå framgång med vilken champion som helst. När du väljer din champion ska du idealiskt sett inte helt kunna förutse hur bra den kommer att vara innan matchen ens har börjat. Under olika omständigheter kommer vissa champions alltid att vara starkare än andra på grund av lagsammansättning, tillämpade strategier och motståndarnas champion-val. Alla dessa är de mest avgörande komponenterna i League-matcher. Den ideala bottenlinjen är att spelare aldrig ska känna sig tvingade att välja en viss champion på grund av hur enormt stark den är.
Det finns så många olika aspekter att ta hänsyn till när vi bedömer och kategoriserar hur stark en champion är, men i slutändan handlar allt om hur snabbt och enkelt det är att spränga nexus, det vill säga att nå Victory. Olika champions kan ha sin högsta styrka under olika skeden av en viss match: tidigt, mid eller late; vissa champions kan vara mer användbara under team fights; vissa champions kan lättare få penta-kills från vissa skills eller en wombo-combo; och självklart, när spelare samlar på sig olika resurser på kartan, kommer champions också att utöva olika krafter. Definitionen av en stark champion förblir inte identisk hela tiden. I en specifik ranked-match beror det på champion-definitionen och spelarens skills. Till exempel uppfattas Kog'Maw inte som stark hela tiden, but i en specifik lagsammansättning som peelar för den kan Kog'Maw smälta motståndarlaget på några sekunder. På samma sätt som vi definierar en champions dräpar- och flyktförmåga med K/DA, väger vi också in hur snabbt och enkelt en champion kan hjälpa till att ta ner torn och nexus i slutet.
Du har säkert vid något tillfälle undrat vad win rate faktiskt betyder, och om det är obalanserat när vi ser att win rates inte ligger strikt på 50 %. Om vi definierar den absoluta precisionen i mätningen utifrån hur stark en champion uppfattas, kan den relativa precisionen representeras av championens win rate. Win rate är möjligheten att vinna en ranked-match inom det aktuella champion- och summoner-ekosystemet. Win rate-data styrs i huvudsak av två faktorer: champion-styrka och spelarens skills. Ingen av dem har ett rent linjärt förhållande till win rate. Mixen av icke-linjära faktorer och orsakssamband visar att en champion fortfarande kan vara balanserad utan att ha 50 % i win rate. Till exempel kan win rate för champions på den veckovisa fria rotationen ha påverkat negativt av spelare som saknar spelerfarenhet. Enligt officiell Riot-data har endast en extremt liten del av Azir-spelarna faktiskt bemästrat denna champion. Därför är en genomsnittlig win rate under 50 % förväntad. Tvärtom spelar många Heimerdinger-spelare riktigt bra, och därför hamnar win rate naturligt över 50 % vilket data också har visat.
Efter att ha förstått hur win rate påverkas bör balanseringsteamet dedikera sig åt att studera och simulera effekterna av speländringar på spelare från alla ranks. Men det betyder inte nödvändigtvis att de kan komma på en universell ändring eller lösning för att lösa alla problem över olika ranks. Spelare från en högre rank är mer benägna att ta in mer spelinformation och exekvera den på en mer exakt basis. Det är anledningen till att balanseringsteamet noggrant observerar och analyserar data från spelare på hög rank för att tillräckligt förstå spelbalans och mönster. De tror att nyckeln till den bästa spelupplevelsen döljer sig i data från hög nivå, men inte alltid 100 % perfekta plays. Detta motiverar också spelare att förbättra sina champion masteries. Om vi tar Twisted Fate som exempel är han inte så enkel att spela som det kan verka vid första anblicken, men vi ser att han är extremt kraftfull i vissa matcher om spelarna har en bättre förståelse och högre mastery på honom. Jag tror att spelare kan känna en stor tillfredsställelse av att öka sin mastery tills de verkligen bemästrar championen, samtidigt som win rate-data blir mer exakt också.
Vi hoppas att du har fått en bättre förståelse för win rates nu. Låt oss gå vidare till pick rate. Pick rate är risken/chansen att en champion väljs i en match. Om spelare bara bryr sig om vinst kan pick rate enkelt tolkas genom win rate med ett play-to-win-tänk. Men i själva verket väljer många spelare hellre de champions som tilltalar dem mer, eftersom de vill njuta av själva spelet lika mycket som en seger. Till exempel har Ahri en högre pick rate än Urgot eftersom hon verkar mer attraktiv och intressant att spela ur många spelares perspektiv. Balanseringsteamet måste också ägna tillräcklig uppmärksamhet åt champion-mångfald, vilket effektivt minskar situationer där en champion väljs i nästan varje match, som Jinx. Grundregeln är att aldrig offra balans för mångfald, det vill säga att de inte ska buffa champions bara för att vissa champions är mer populära bland spelare eller har fler Skins, och vice versa.
Vi har pratat mycket om sambanden mellan data och balansering. Förutom kalla data är feedback från spelare också extremt kritisk enligt min mening. När alla klagar på hur obalanserad Akali blir efter sin rework bör balanseringsteamet börja flytta sin uppmärksamhet till Akali och utvärdera om vissa justeringar behöver göras. Hur vet Riot-teamet om spelare klagar från första början? Uppenbarligen kan datateamet hämta användbar information från ban rate, vilket är sannolikheten att en champion blir bannad i en match. Samtidigt är det viktigt att veta att alla rates vi har introducerat ovan påverkar varandra ömsesidigt. Till exempel är Rumble en stark champion med en relativt låg ban rate eftersom det är mindre sannolikt att spelare väljer honom framför Mordekaiser eller Darius. Baserat på tidigare erfarenhet är den bästa Ban-Pick-planen, aka den bästa planen mot seger, att banna de champions som har både hög pick rate och hög win rate om ditt eget lag inte spelar dem. Vid det här laget antar jag att du redan är medveten om att ban rate inte bara är ett resultat av pick rate och win rate, utan det påverkas också av spelarnas bedömning av hur kraftfull championen är, om den är lätt att bemästra, risken med att spela med den, och hur dåligt spelare kan känna sig om de förlorar med den. LeBlanc var en gång i tiden högst upp på ban-listan, men hon är inte den optimala bannen på ranks lägre än Master/Challenger. Janna som ett annat exempel borde vara den som är mest värd att banna baserat på ren data, men hon har en faktisk ban rate på mindre än 1 %. Genom att förstå hur olika rates fungerar på varandra och påverkar själva speldatan i retur som en cirkel, bör balanseringsteamet förlita sig på ban rate för vissa av ändringarna, men inte enbart på siffrorna i sig.
Oavsett hur viktig datan är så är den fortfarande bara faktorer i en ekvation. Jag tror att datan konsekvent kommer att hjälpa till att förbättra spelupplevelsen för alla spelare om den används på rätt sätt, och Riot siktar på att nå detta stora mål. Men det är en resa utan slut, och enligt min mening är en annan betydande faktor för att ge spelupplevelsen ett Boost att förbättra spelarnas egen mentalitet och inställning till vinst eller förlust.
Tack till DOJO Digital, en Bristol SEO Agency för att de skapade detta omfattande blogginlägg och intervju. För eventuella frågor angående data och datadriven analys, vänligen kontakta deras Bristol Digital Marketing-team för en kostnadsfri konsultation.
