游戏设计心理建设规划

1.目标性,给玩家一个短期和长期的奋斗目标

不论什么游戏,设计者都会在其中设置一些困难和障碍来让玩家克服,我们通常把这个过程称之为目标,目标按照时间来划分可以分为短期、中期、长期目标,玩家在游戏中的任何时间节点都应该有明确的目标。短期目标可以是每日任务、刷副本、做活动等;中期目标可以是养成技能、达到某个等级、或是获得某件道具;长期目标可以理解为贯穿游戏始终的顶级追求。如果你的玩家在游戏中失去了目标,不知道该干嘛了,那离他流失也就不远了,所以目标一定要保持连贯性,在玩家达成了一个目标之后,要设计出新的目标来让他追求。

2.玩家之间有竞争和炫耀

  竞争在游戏中会存在于许多方面,不仅仅是战斗的角逐。财富的多少、外观的绚丽这些都会是引发竞争的因素。只要某件事情不是一个在做,那么竞争就是客观存在的。

  竞争的目的就是为了比较,有了差距比较就提供了炫耀的机会炫耀是人类的一种潜性追求,每个人都会有意无意的炫耀自己擅长的事情,回避自己的不足。回想自己玩网游的10几年来,经常看到玩家使用着造型各异的装备穿梭与玩家密集区域、长时间刷喇叭、没日没夜练级,打装备为了上个世界公告等等,这都能反映出了玩家对炫耀的追求。根据马斯洛理论,人有五大追求,分别为生理、安全、社交、尊重和自我实现。在游戏中,最后一条需求就是游戏中的炫耀或者说是荣誉,这是玩家非常重要的一条需求。所以游戏设计中要尽可能多的为玩家提供炫耀的途径来满足玩家的这个需求。

3.社交与互动

社交互动有分纵向和横向互动2种,

现在市面上绝大部分游戏的社交互动都是横向展开,即强--强互动、弱--弱互动,纵向的互动做的不好,或者做了效果没有达到预期。这里先说说我是如何设计纵向交互的:

a) 职业技能

  首先可以设计一些各有特色的职业,如肉盾、输出、治疗辅助等,在关卡设计上需要多人组队方可通关,技能设计上保证必须非弱势玩家能养成1-2个技能,技能效果强弱以技能本身的等级和目标方属性相关,弱势玩家借助强势玩家获得利益,同时也给强势玩家带来了利益,这样就达到了强 -- 弱玩家之间的优势互补而达到我们的设计目的。

b) 资源

  在游戏中设计某些特定道具不能直接通过花钱购买,而是需要很多人通过日常积累产出,而这些道具又是强势玩家所不可或缺的,在强 -- 弱玩家间设计出一条供需的关系链从而产生互动

c) 师徒系统

  师徒(带新人)系统是游戏中用得比较频繁的一种系统,但是做得好的并不多。主要的问题集中在双方的收益设计没做好,没有有效的机制解决自己建小号带的问题。解决好这两个问题,师徒设计目的基本就达到了。

  纵向交互的好处:

(1)让弱势玩家有了存在感,同时也有了追赶和努力的目标,从而提高留存和付费率。     

(2)RMB玩家有了炫耀的对象,提高游戏ARPU值。

(3)能构建一个自上而下的社交圈,提高游戏整体粘性。由此可见,在MMO游戏中,纵向交互一定程度上比横向交互更加重要,好的交互设计对玩家的留存十分重要,当你在游戏中拥有一个稳固的社交圈时,即使游戏本身对玩家失去了乐趣,因为有友情、爱情存在,玩家要放弃也不是那么容易。策划在今后的游戏设计中应该多关注这一块。

转载于:https://www.cnblogs.com/damowang/p/5507970.html

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
目标检测(Object Detection)是计算机视觉领域的一个核心问题,其主要任务是找出图像中所有感兴趣的目标(物体),并确定它们的类别和位置。以下是对目标检测的详细阐述: 一、基本概念 目标检测的任务是解决“在哪里?是什么?”的问题,即定位出图像中目标的位置并识别出目标的类别。由于各类物体具有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具挑战性的任务之一。 二、核心问题 目标检测涉及以下几个核心问题: 分类问题:判断图像中的目标属于哪个类别。 定位问题:确定目标在图像中的具体位置。 大小问题:目标可能具有不同的大小。 形状问题:目标可能具有不同的形状。 三、算法分类 基于深度学习的目标检测算法主要分为两大类: Two-stage算法:先进行区域生成(Region Proposal),生成有可能包含待检物体的预选框(Region Proposal),再通过卷积神经网络进行样本分类。常见的Two-stage算法包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-stage算法:不用生成区域提议,直接在网络中提取特征来预测物体分类和位置。常见的One-stage算法包括YOLO系列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算法原理 以YOLO系列为例,YOLO将目标检测视为回归问题,将输入图像一次性划分为多个区域,直接在输出层预测边界框和类别概率。YOLO采用卷积网络来提取特征,使用全连接层来得到预测值。其网络结构通常包含多个卷积层和全连接层,通过卷积层提取图像特征,通过全连接层输出预测结果。 五、应用领域 目标检测技术已经广泛应用于各个领域,为人们的生活带来了极大的便利。以下是一些主要的应用领域: 安全监控:在商场、银行
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值