MOBA游戏中的经典数学题——英雄平衡性该怎么做?( 二 )



MOBA游戏中的经典数学题——英雄平衡性该怎么做?
文章图片


为了从水平差异角度来进行平衡性的衡量 , 我们进行了一项调研 , 左侧的图例中 , 我们将各段位玩家数与其对平衡性的敏感度做了调查 , 从图中可以看出 , 通常低段位的玩家因为水平有限 , 所以对平衡性的敏感度也比较低 , 通过练习来提高操作及意识水平对这类玩家的胜率影响远高于我们直接对英雄的平衡性进行调整 。 而对于高段位的玩家群体而言 , 哪怕我们只是稍微调整了某个英雄的伤害数值 , 就可能导致这群玩家或者职业选手选择或者放弃这一英雄 。 所以将水平差异纳入平衡性衡量是我们需要寻找段位和敏感度的最佳的切入点 , 也就是大盘用户 , 比如白金、钻石段位 , 以及再往上的星耀、王者段位 。 另外 , 由于职业选手以及KOL拥有着很高的传播力 , 很多玩家会通过比赛或者直播来了解游戏版本 , 所以我们也会在一定程度上关注这部分高端用户的反馈 。

最后是地域差异的角度 , 比如港澳台、东南亚、欧美玩家在设备、网络以及游戏习惯上的差异 。 比如越南 , 多数用户由于机型设备的限制 , 有大几率会在团战的时候发生网络卡顿及操作延迟的情况 , 玩家只能进行平A操作 , 而这也意味着需要高操作、或者看重进场时机的刺客英雄在越南的胜率是整体偏低的 。 反过来 , 在普攻和移速上具有一定优势的射手或者战士英雄的胜率则整体偏高 。 总体来说 , 虽然因为设备、网络或者习惯带来的地区差异很难在短期内解决 , 但是团队可以做到的是尽量保证每个地区 , 英雄胜率的上下限与强度都在可控的范围内 。

MOBA游戏中的经典数学题——英雄平衡性该怎么做?
文章图片


综合上面我们所说的四个角度 , 我们就可以对平衡性的衡量标准达成一些共识 。 这也是我强烈建议一个MOBA游戏的平衡性团队需要制定的 。 只有团队成员都达成了共识 , 才能节省掉过多的会议与辩论 , 快速做出版本的平衡性调整 。

而团队会希望在每次大版本更新之后 , 每个分路、职业的英雄 , 从强度到梯度都是有迭代的 , 让玩家感受到版本带来的变化 , 并重新投入到对不同英雄的探索中 。 而基于玩家侧的调研反馈 , 团队也在不断地对现有标准进行扩展 。

1.首先是基于公平性的共识 , 团队针对英雄的数据层面进行调整 。
在AOV这一游戏中 , 我们最基础的调整标准还是以胜率结合登场率的数据评价 , 团队内部达成的共识是一个常规英雄的可接受胜率范围大概在47%~53%之间浮动 。 而如果一个英雄比较冷门、或者只有少数高端玩家在使用 , 在英雄的登场率较低的情况下我们也会接受他的胜率比常规英雄略高 。 另外 , 我们首先会对胜率及登场率出现双高的英雄进行削弱 , 而登场率略低的英雄团队对于英雄的胜率上限则会略微太高;但如果登场率低到一定的界限 , 出于多样化的考虑 , 无论此英雄的胜率高低 , 我们都会进行调整 , 以确保这个英雄在玩法功能层面能够吸引到一定范围的玩家 。

再来就是针对老英雄的关怀 , 从AOV来看 , 在版本迭代的过程中 , 团队对于新英雄的实际强度还是控制在合理范围内的 , 一个新英雄首周的胜率大概都是在45%-47%之间浮动 。 但由于每次新英雄登场、版本更新都伴随着新机制或者新功能的投放 , 玩家会天然地产生新英雄具有优势的感受 。 再加上老英雄的机制相比于新英雄肯定是落后的 , 虽然团队会尝试通过一些数值的调整来增强老英雄 , 但即使在胜率上与新英雄持平 , 老英雄在对抗体验的层面或者是在功能玩法的层面 , 也是落后于新英雄的 。 所以团队针对老英雄的平衡性调整就包括在每两周或者每一个月的更新中 , 将老英雄在玩法、功能层面上的数据向新英雄对齐 。


推荐阅读