专注苹果竞价广告(ASM)研究
App Store Search Ads

根据玩家的数据验证游戏设计决策

定量分析和反馈一直以来是理工学科的主要验证方式,在许多领域,验证每一个产品的设计决策是整个开发过程的重要组成部分。在游戏开发过程中,美术和程序是两个主要方面,可以在开发阶段非常迅速的进行判断和分析。然而,在游戏策划领域通常是难以进行定量研究的。很多时候,许多设计决策的有效性对于游戏策划们来说仍然是个谜,他们可以满足一些定性反馈,如,针对性群体的评分或无组织者们的反馈来验证设计决策。

为开发人员提供的不同数据收集的可用性以及可用的分析技术在最近几年已经发生了巨大的变化。

最近我们在Appstore上线了一款游戏《暗影之刃》(shadow blade),这是一款战斗节奏很快的ACT游戏。跟其他游戏项目一样,为玩家提供合理的设计决策,在游戏中带给他们一定的乐趣和良好的体验是我们的重大目标。在这篇文章中,会介绍验证有关关卡设计以及关卡与游戏难度和玩家留存之间的关系时我们采取的措施。目前游戏的关卡只开放到第31关。

我们使用一款游戏数据收集与分析工具(推荐:DataEye),目前是限免阶段。把工具整合到游戏客户端代码后,上报游戏中特定的事件到此分析工具的服务器上,使用在线平台来查看各种数据报告或下载原始数据进行深入分析。

游戏中的数据采集因素和数据分析是无穷尽的,在现有的研究中,我们重点分析玩家死亡和每关卡触发的事件,为了找到以下问题的答案:

  • 每个关卡的游戏难度处于一个什么样的节奏?
  • 不同关卡的游戏难度处于一个什么样的节奏?
  • 是否存在某关卡导致玩家离开游戏,而且不会再有回来的可能?

每个关卡的游戏难度处于一个什么样的节奏?

《暗影之刃》每个关卡中的游戏节奏与玩家的死亡有很大的关系。死亡重生后会把玩家重置到上一个保存点,给玩家一个重新挑战的机会。游戏目标是在每个关卡尽可能快的到达终点的同时,寻找隐藏的秘密和收集所有分散在各处的魔法球。我们需要一种方法来找出关卡中玩家的死亡点在哪里,为此我们使用热点地图这个功能。热点地图以几何图形的方式显示玩家在关卡中的死亡频率,所以我们很容易的找到每个关卡最难的地方。下面这2张图对比展示了在Unity3D内部编辑器玩家死亡数据覆盖图形。

《暗影之刃》中的一张截图:

热图数据的截图:

在关卡中,调查到某一点玩家的死亡频率值远高于其他位置的水平。我们期望某些点相对于其他点具有更高的死亡率使其更具有挑战性,但是,一个连续一片的点具有和高的死亡率明显是有问题的。

设计修改:玩家死亡频率非常高或者非常低的位置相互平衡,为关卡提供一个相对顺畅的难度和战斗节奏。

不同关卡的游戏难度处于一个什么样的节奏?

每个关卡内的流畅性至关重要,但是游戏中关卡和关卡的之间的流畅性与单个关卡是同等重要的。每个关卡我们都会有最初的设定,但是,这些假设需要从实际玩家收集的数据来验证。

关卡中的“关卡启动”和“玩家死亡”这两个主要参数可以解答上述问题。如下面的公式:

关卡难度=所有玩家在此关卡中的死亡数量/此关卡的总启动次数

上面所述的当然不是定义关卡难度的唯一因素,但是,它可以用来比较不同关卡之间的难度水平。

按照上面的公式计算后我们得出下面这张图–游戏关卡的难度值:

游戏关卡分为三个章节,理想中的关卡难度应该从一个较低的水平开始,每个章节中的关卡难度应该处于一个线性水平,而且最后一个关卡是最难的。下一个级别(从下一章开始)可以延续相同的模式,但与前一个章节最后一关相比要设计相对容易一些,因为一些节奏的变化是很不错,给玩家在新章节开始的新机制中制造一个学习曲线。

然而,上面的图显然不是理想中的难度曲线,我们需要调整,使关卡之间平衡和顺畅。

设计修改:一些关卡中的挑战需要平衡,为了使游戏的整个关卡发展图遵循一个挑战标准。

是否存在某关卡导致玩家离开游戏,而且不会再有回来的可能?

玩家留存是游戏中一个非常重要的指标,尤其是手机游戏。我们的目的是找出是否存在某个关卡导致玩家离开游戏。所以必须分析游戏数据,找出每个关卡中这些特定的玩家数量,并查看关卡中玩家的下降的幅度,也就是说,哪些关卡导致玩家离开游戏,并且停滞不前。

下面这张图展示了每个关卡中的玩家数量:

每关卡中的玩家下降率:

上图显示有一些下降率特别高的关卡。这些关卡相对于其他关卡来说会造成更多玩家的离开。第14关验证了上面的说法,从最开始的关卡困难图表来看,这个关卡的难度值突然升高,这关里面肯定存在导致玩家前进的难点。

设计修改:拥有高玩家下降率的关卡需要调整,需要做的容易一些,给玩家更多的时间来提高他们本身的技能来通过难关。

总结

综上所述,在真实玩家的数据基础上做定量分析会给游戏设计决策带来非常多的改进机会。目前为止,我们的小型研究几乎没有触动过冰山一角。新技术提供测量实际游戏数据的机会。

帮助游戏设计更科学更合理。我们期待在不久的将来继续进行这样的分析,与开发社区分享这些信息,为创造游戏乐趣和游戏体验受益所有人。从其他游戏中我们可能学习到相关数据表现,通过比较不同图表之间的信息收集,进行更深入的游戏分析。

作者:Amir H Fassihi,来源:GRG

本文由 APPYING 原创发布,转载请注明来源及本文链接。
APPYING » 根据玩家的数据验证游戏设计决策

分享到:更多 ()

留言交流 抢沙发

  • 昵称 (必填)
  • 邮箱 (必填)
  • 网址