术和创意领域存在普遍模式,尤其是对于考古、艺术保护、心理学或医学而言,它们既依靠一定直觉,同时也存在某种“正确答案”或“最佳方式”。其发展过程如下:

  1. 实践者将他们的领域看作“软科学”;他们并不知道最佳原则或实践。他们最终会把握事情的运作方式,但这多半是通过反复试验。

  2. 有人创造某种技术,其从算法上解决许多相关问题。实践者颇为高兴。最终,这变成硬科学。我们无需再进行猜测。许多传统实践者摒弃“传统方式”,将“技术”视作解决行 业问题的方式。而保守派则认为这对传统制作方式构成威胁,持怀疑态度看待。

  3. 经过广泛应用后,技术的局限性变得显而易见。实践者发现他们所进行的工作依然包含神秘和情感元素,虽然总有一天技术会解决此问题,但这天非常遥远。广大业内人士之所 以瞬间醒悟是因为人们不再相信自己的直觉,因为从理论角度看,技术在此表现更突出,但人们之所以不信任当前技术是因为其实现效果尚不那么明显。在年轻人士看来,这并没 有他们想象中那般万能;而保守派人士表示,其所起的作用比他们想象的显著。

  4. 最终,大家会习惯于这样的模式:他们清楚什么元素能够由计算机程序完成,什么元素需要真正的人类创意思维,随着各优质元素的相互结合,行业变得日益强大(注: 但掌握什么元素最适合由人类完成,什么适合留给电脑操作是个学习过程,需耗费一定时间)。

  目前,游戏设计刚步入第二步。我们逐渐听到越来越多人谈论参数和数据分析之所以能够拯救他们的公司的原因所在。我们开始发现能够在玩家充分掌握应用知识前通过瞄准玩家 模式解决游戏平衡问题的MMO内容。我们听说Zynga通过将字体由红色调成粉色,吸引更多玩家体验其游戏。如今行业还出现专门帮助开发者获取和分析参数信息的专业公司。行业 开始着迷于参数,但我猜测未来至少有一家完全依靠参数的公司会以失败告终,到那时局面就会发生变化,他们过于执着于数据,完全忘记有些用户体验行为无法通过参数体现。 或者也许不会出现这种情况。

  Acquisition

  无论如何,如今关于参数的运用,业内存在3种派别:

  * 传统Zynga模式:设计完全基于参数。无论你讨厌,还是喜欢,Zynga庞大的MAUU(monthly active unique user)就足以证实这种这种模式的效果。

  * Zynga模式反对派:参数容易被误读,被操纵,因此非常危险,弊大于利。假设你衡量用户行为,发现很多玩家点击登陆页面,而非进行其他游戏操作,这并不意味着你应该在游 戏中融入更多登陆页面(注:认为说玩家进行此操作就意味着此内容极富趣味)。若你的设计采用参数,你就会将自己局限于仅凭参数设计的内容,错过众多有趣的电子游 戏类型。

  * 中间派:参数有其价值,它们帮你调节游戏,发现特定趣味“高潮点”。通过这些信息,你能够将原本颇突出的作品变得更杰出,它们帮你挖掘临近设计空间。但直觉也起到一 定的作用;有时你需要大步跨至尚未开拓的领域,寻找总体“高潮点”,单凭参数无法让你到达此处,因为有时特定趣味性的实现会以牺牲其他趣味为代价,参数无法帮我们判断 出这一点。

  假设你将在游戏中设置一些度量指标,以便你能够更好地进行数据分析并保持游戏的平衡。那么你真正需要衡量的内容到底是什么?通常人们会从两个角度出发。一些人会记录下 任何能想到的内容,执行的是先记下再思考的方法。这些人认为比起仅收集一些重要信息,发现不足后再重做测试,他们宁愿先收集更多信息。

  还有一些人认为“记录下任何内容”从理论上讲并没有错,但是实际上,面对如此堆积着的外部信息,如果你真的要找到一些有用的信息,那还真的如大海捞针般困难了;并且更 糟糕的是,所有的这些收集信息中可能根本就不存在与你所要找的内容相关的信息。基于这种思维,你将会先思考自己在下一次游戏测试时需要哪些内容,适度衡量,如此便不会 在后来的执行过程中感到迷茫了。

  所以你应该明确自己到底适合哪种方法。

  我认为做出不同选择主要取决于你所拥有的资源。如果你是和几个朋友一起在Flash上制作一款小型的商业游戏,你可能没有太多时间进行广泛的数据挖掘,所以你最好能够尽快找 到那些对自己有用的信息,而如果后来出现了一些问题要求你使用未收集到的信息进行解决,那么你便可以在游戏中添加更多参数度量指标。而如果你是在一家拥有许多精算统计 学家的大公司,这些统计学家每天的工作便是寻找任何相关数据,那么你就可以省去数据收集这项繁琐的工作,并将更多精力和时间投入于其它任务中。

  你需要衡量哪些特定内容?

  不管是“只收集我们需要的”还是“尽可能收集所有信息”,这两种方法都不属于真正的游戏设计。有时候你需要真正明确自己需要衡量的到底是什么。

  就像游戏设计本身,度量指标也是一个二阶问题。你想从游戏中挖掘出的大多数问题其实并不能直接通过测量而得,而应该尽可能地找出那些重要的内容,并对此进行衡量。

  例子:乐趣难以衡量

  让我们以单人Flash游戏为例。你总是想知道一款游戏是否有趣,但是我们却很难直接衡量游戏的乐趣。而与乐趣相关并且你能够测量的内容是什么?即玩家是否持续长时间游戏, 是否坚持到游戏最后并获得了许多成就,是否多次回到游戏中继续游戏(特别是尽管他们“失败”了也仍然继续重新游戏)等等,这些都是你可以衡量的内容。但是你也需要记住 ,这些并不是绝对相关内容;因为玩家重新回到游戏中可能基于多种原因,如你设置了庄稼枯萎机制以惩罚未重返游戏的玩家等。但是至少我们可以肯定,玩家愿意继续游戏肯定 是有原因的,而对于我们来说这些原因便是需要挖掘的重要信息。更重要的是,如果很多玩家同时在游戏的在某一时刻停止并未再次回到游戏中,那么你就要思考是否这部分游戏 内容不够有趣或者为何玩家会在此终止游戏(注:如果玩家“终止”游戏的位置是在游戏末尾,有可能是因为他们感受到了游戏的乐趣,并最终获胜,但是游戏却未有其它 吸引力能够让他们重新挑战。所有的这些都需要视情形而定。)

  玩家的使用模式使也很重要,因为不论他们是否选择游戏,玩游戏的频率怎以及游戏时间长度等都是与他们对游戏的满意程度有关。在那些要求玩家在固定时间后回返的游戏中, 我们经常能够看到月活跃独立用户(Monthly Active Uniques,简称MAU)以及日活跃独立用户(Daily Active Uniques,简称DAU)这两个术语。“活跃”是个很重要的定义,因 为如此你能够避免将那些已经不玩游戏的僵尸用户帐号也计算在内。“独立”这一词也很重要,因为我们并不能把每天登录10次《FarmVille》的独立用户算作10个用户。而这时候 你可能会认为月和日的算法的同等的,只要将以日计算的数值乘以30就可以获得以月计算的数值,但是实际上从用户流失率角度来看,这两个数值是完全不同的概念。所以如果你 能够明确区分MAU与DAU,你便能够清晰地看到游戏中有多少新玩家以及多少回头玩家。

  举个例子来说,你拥有一款用户粘性较强的游戏,但是只有较低的用户基础,也就是只有100来名的玩家,但是所有的玩家每天至少都会登录游戏一次。这时候你的游戏MAU就是100 ,而平均的DAU也是100,所以游戏的MAU/DAU就是1。再假设如果你的游戏玩家玩了一次游戏后便不会再回到游戏中,但是你拥有强大的市场营销策略,所以每天都能够吸引100名新 玩家,但是他们也是玩了一次游戏后不会再回头的那种类型。这时候你的平均DAU也仍然是100,但是MAU却变成了3000,所以MAU/DAU比值是30。所以MAU/DAU的变化幅度将在1至28 ,30或31之间浮动(这里的数值取决于每月天数的变化)。

  注意:许多度量指标(如Facebook所提供的),便是使用不同方法去计算各种数据,所以一般情况看来,每一套数据的衡量标准其实是不同的。举个例子来说,我曾经看过一个网 站罗列出了100款拥有“最糟糕”MAU/DAU比值的应用,但是说实话这些数据却不应该出现在一起,因为它们可能是来自不同媒体基于不同标准而得出的衡量结果。有些人以百分比 ,即平均数计算一天中玩家的登录数,而这个数值能够从最低点的3.33%(即每天有1/30的月活跃玩家登录游戏)延伸到100%(即所有的月活跃用户玩家每天都会登录游戏)。这是 通过DAU/MAU(而不是MAU/DAU)比值乘以100而获得的百分比。所以当你在任何分析网站上看到这些数值,都要先明确他们的计算方法,以便你不会盲目地将不同层面的内容进行比 较。

  为什么我们需要了解这些数值?首先,如果一款游戏拥有较高的玩家回头率,那就说明它是一款好游戏。其次,这也意味着你能够从游戏中获得收益,因为你每天都能够让相同的 人在游戏中驻足——就像是经营实体店时,如果顾客一次流连于橱窗外并未购买任何东西,那就算了,而如果同一位顾客每天都会来看同一样商品,那么最终他便有可能花钱买下 这件商品。

  难度衡量

  类似于趣味性,游戏难度也是个本质上无法直接衡量的东西,但是你可以衡量进程和失败进展。进程衡量根据游戏的不同而不同。

  对于向Retro街机游戏等呈现基于技能的挑战的游戏而言,你可以衡量玩家通过每个关卡所花费的时间,每个关卡中的角色死亡次数。更为重要的是,要了解他们死亡的地点和原因 。收集这些信息使你可以很容易地找到游戏中最困难的地方在哪里以及是否存在打乱难度曲线的内容。我知道Valve就采取这种措施来跟踪他们的FPS游戏,他们还有个可视化工具 ,不仅能够显示出所有上述信息,还能够在关卡的

爱游戏直播爱游戏直播爱游戏直播爱游戏直播爱游戏直播