每次影之詩進行平衡性調整，都會給出詳細的的理由，而其中最直觀、最令人信服的就是數據。以最近一次平衡性調整公告為例，官方列出了整個八月份勝率前4的牌組的勝率，以及使用率前5的牌組的環境占比。那么，官方是如何從浩如煙海的對局中分辨出某個職業是哪種形態的呢？今后官方又會如何進一步展開數據分析的工作呢？看完這篇文章，也許你就能搞懂一二啦。

分析牌組趨勢，整頓環境

2017年8月30日～9月1日，在日本橫濱召開了面向開發者的學會“CEDEC 2017”。學會第一天，Cygames的分析家鈴木貴都先生與服務器工程師草野友弘先生做了題為“運用數據挖掘技術，分析影之詩的牌組趨勢”的演講。

※數據挖掘：一種從大量的數據中，利用數據分析手段發掘出有價值內容的技術。
?

鈴木貴都（左），草野友弘（右）

演講的要點如下：
?

• 通過分析行動記錄來提高用戶的游戲體驗
• 正確的分析方法是分析的基礎
• 如何定量衡量不同牌組之間的差異
• 將影響分析對象的要素分門別類
• 把分析結果落實在時間軸上，以分析趨勢

為了讓影之詩變得更有趣

作為一款目前已有800多張卡牌，且每三個月就發布100多張新卡牌的游戲，游戲平衡性是影之詩保持吸引力并提高用戶體驗的關鍵。
?

盡管在影之詩中，有被稱為TCG設計師的專門人士來調整游戲平衡，但新卡牌加入后，不僅要考慮環境風向的突然變化，還必須考慮到與舊卡牌之間的相互作用，這都使設計師的負擔變得越來越重。
?

設計師用實體牌進行測試

為了能更好地調整游戲平衡性，就要求對玩家的對戰信息和行動記錄進行分析，將其可視化，使TCG設計師和負責人可以更加方便的確認玩家的動向。

毋庸置疑，理想的卡牌游戲平衡是，每個牌組都有有利牌組和不利牌組，它們能形成循環，互相制約。如果某個特定牌組過強的話，玩家們就會遇到總是匹配到那個牌組的情況，會導致玩家的厭煩。
?

彼此制約是好環境，一大獨大是差環境

于是，我們從這點出發，開始開發定量把握牌組趨勢的方法。

深刻理解并正確運用分析方法，然后將其逐漸完善

我們首先嘗試使用的是一種叫“k-means”的分析方法。這種方法將相似的牌組按照其特征歸類，取得牌組的“中心點”，算出牌組的“平均值”，然后找到整個集合的“中心點”。

雖然k-means是分析界常用的方法，但它在影之詩所追求的數據挖掘上的表現并不是很好。
?

原因之一在于，k-means不能很好地處理離群值。

※離群值：和其他數據相比，差異比較大的數據。

多數的影之詩玩家會選擇當前環境中最強力的、俗稱Tier1的牌組，不過也不少玩家有自己的偏好和特殊的執著，這些所謂的少數派變成了離群值，偏離了整體數據，會導致整個集合化（聚類）無法順利進行。（譯注：就是說你們這些真愛黨、鐘馗、小倉唯殺手、菲娜控、地心少女愛好者影響爸爸們進行數據分析了）
?

我們原本希望如此分類

但因為離群值的影響，k-means會將右下角的數據與左上方土黃色的數據歸為一類，而且還會影響其他數據的分類（紅色和藍色原本應為一類）

接下來我們采用的算法是k-mediods。

k-medoids不是做出中心點，而是將各個數據自身作為中心。這樣，離群值也能進行集群化，不能順利歸類的問題就可以得以解決。（譯注：就是說k-means對離群值過于敏感，而k-medoids則能精確地區分）
?

k-means會將右下角的離群值和左上方的歸為一類，而k-medoids則能進行區分

將牌組之間的差異用“距離”來定量數據化

雖說實現了牌組歸類，但是還有衡量牌組間“距離”的問題。牌組間的距離指的是不同牌組之間有怎樣程度的差別，在圖表上通過距離來定量表達。牌組間的距離越小，牌組就越相似。

將距離很小的數據進一步歸類，QQ買號平臺可以得到更高精度的分析結果。但是如果僅憑感覺來測定距離，我們無法得出正確結果，必須要采用某種指標進行定量處理。

為了解決這個問題，我們最初采用了“歐式距離”這一指標。

歐氏距離（歐幾里得距離）：n維空間中兩點間真實的距離。

橫坐標是“A牌的數量”，縱坐標是“B牌的數量”

根據歐氏距離測量了圖表上的線段距離之后，即使都是“差兩張”這樣的張數差異，距離的數值也會不同。

粗略看上去，這種方法似乎可以進行有效的距離測定，但其實是有問題的。如果采用這樣的測量方法，就會像上面的圖一樣，A卡牌和B卡牌各放2張的牌組，與AB各放1張的牌組之間的距離會被判定為比放3A1B的牌組或1A3B的牌組的距離要小，但是我們并沒有做出這種結論的依據。

也就是說，牌組和牌組間的距離本來沒有什么特別的實際意義。

為了解決這一問題，我們改為使用曼哈頓距離。這種算法是計算從一個牌組調整到另一個牌組需要多少步驟，在影之詩中的話，就是需要進行多少次加減卡牌。

曼哈頓距離與歐式距離的差別見隱藏圖。
?

綠色是歐式距離，藍色是曼哈頓距離，紅色和黃色也是曼哈頓距離，與藍色等價

橫坐標是“A牌的數量”，縱坐標是“B牌的數量”

以“張數”為單位，將編輯牌組這一行為進行定量表達，能夠賦予“牌組之間的距離”一個實際意義，提高牌組分類的精度。雖說這是經過客觀分析得到的產物，但也很接近人類的直覺，這樣就能做出簡潔明了的圖表。

準確選出對環境造成影響的“核心牌”

確定了方法之后，在操作上要面臨的問題是，要分成多少個集群進行分析。

我們當然可以根據人的主觀來設定集群的數字，但這就無法涉及人眼看不到的地方，也失去了進行數據挖掘的意義。

如前文所述，影之詩每三個月會推出一個新卡包，在卡包剛推出開始，很難準確把握不斷變化的趨勢。等到人能主觀觀察到的的時候，那環境可能就已經定型了。
?

為了解決這個問題，可以采取先把集群數設定得比較大，然后再逐漸縮小的辦法，不過這會產生“如何定下最初的集群數”這一問題。其實，通過提取出牌組中的“核心牌”，我們就可以得出結果。
?

具有相同核心牌的牌組會被歸為一個集群

所謂的核心牌，指的是某些牌組中能決定勝負的combo卡牌（例如上圖中的超越）或有終結游戲能力的強力卡牌，但是又不會被廣泛應用在其他思路的牌組中。可以說，核心牌代表了相應牌組。

只遴選出這些核心牌，并將其指標化，就可以使集群數達到所需的精度，從而分析出結果。

這樣，即使兩個牌組的牌表看起來差異很大，但只要擔任戰略核心地位的核心牌相同，我們就可以認為這是同一思路的牌組，并將其作為同一個集群來處理。
?

按照這樣的方式，那些個性牌組也能被歸到應在的集群。所以無論是客觀上還是主觀上，這樣的歸類都存在實際意義。

用“時間軸分析”來追蹤牌組趨勢

以上討論的分析方法通常只是取一個時間點來進行分析，但僅憑這些難以搞清牌組趨勢。

特別是新卡包剛推出的時候，戰術在不斷成熟，集群數量（牌組類型）的變化會相當大，很難就這樣直接進行比較。
?

隨著時間推移，舊牌組消失，新牌組出現

為了調整游戲平衡性，掌握牌組趨勢是極其重要的事情，而我們嘗試將其以直觀的形式可視化。將不同時期的各個集群的中心點取出之后，放在同一圖表中，就可以比較清晰地看到其變化動向。
?

將同一集群（牌組類型）的中心點取出，投影到低次元空間中

可以觀察到牌組之間是在趨近還是在避離

通過這種方式進行分析，我們就可以解答諸如“使用核心牌A的牌組與使用核心牌B的牌組是不是可以歸為同一種牌組類型呢”，“某個思路是不是產生了分歧，現在已經分裂成兩種思路了呢”這樣的問題。

這樣，我們就能一點點得出想要的分析結果，不過這個數據挖掘尚在試驗中。為了能讓這樣的分析運用于實際，我們意識到，例如“打出核心牌前后使用過什么樣的卡牌”這樣特征都是很有必要的。

我們會不斷嘗試活用數據的方法，直到將服務器提供的龐大數據有效的整合起來，讓TCG設計師們更容易把握到環境和牌組趨勢。
?

行動記錄分析是游戲平衡的脊梁骨

演講的最后，鈴木先生，草野先生這樣說道：

“雖然分析用戶的行動記錄是一件成本很高的事情，不過我們為了提高玩家的游戲體驗，會繼續不斷努力。雖說神經式網絡和深度學習可以進行精度較高的分析，但通過人類的判斷力來分析那些結果意味著什么，依然不是一件容易的事情。如果得到了設計師無法理解的分析結果，那么無法應用到游戲之中，不管是對于我們來說，還是對玩家們來說，都是沒有價值的分析。

想搞清楚究竟是什么因素在對分析結果造成影響，行動記錄的分析尤為重要，不玩游戲的話是不會理解的。所以雖然會耗費成本，但是為了提高玩家的體驗，今后也會注重這方面的研究。”

這場演講告訴我們，為了制作出一款令玩家滿意的游戲，有很多十分必要的幕后工作。今后也讓我們一邊記著幕后工作者的貢獻，一邊享受影之詩帶來的快樂吧。

總結

以上是生活随笔為你收集整理的技术人员是如何分析游戏环境的？ 《影之诗》牌组趋势分析的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。