根据分析法设计游戏是否会扼杀玩法多样性？

中文地址：http://gamerboom.com/archives/44900 英文地址：http://www.motivateplay.com/2011/10/gdc-online-–-hunting-whales-will-analytics-kill-off-diversity-of-gameplay/ 作者：Jim Cummings 2011年游戏会议的热门话题无疑是用户分析，或是运用参数量化和模式化玩家在在线游戏中的行为和决策。很多谈论话题都是围绕采用什么指标，何时采用这些指标，这些指标应在塑造新设计中扮演什么角色。 例如，在题为“How Analytics Make Players Happy”的演讲中，ngmoco谈及他们用于提高游戏玩法体验的核心衡量指标（游戏邦注：例如日均用户、用户日均收益及持续时间）。他们的观点是不同玩家存在不同游戏需求和愿望——有些希望在前进过程中受到指引，有些追求非常规玩法，而有些则希望获得地位。ngmoco策略在采用分析法的公司中颇具代表性： * 根据玩家的不同需求和积分情况将玩家分成不同类型（“新型”、“休闲”和“强大”玩家，这些玩家有些是“付费”玩家，有些不是）。 * 辨别特定危险行为（例如：ARPU降低或回访用户减少） * 通过针对性的设计调整消除这些现象（例如，提高只能通过硬通货币购买的游戏内容的福利；延迟新内容在随后关卡的解锁） ngmoco将此过程形容成针对“不快玩家”的“路线调整”。但有人也将此形容成通过营收相关的行为指标衡量用户粘性。 arpu from roxology.com Damion Schubert在其关于创造吸引“休闲”和“硬核”玩家的讲话中也谈到玩家细分和分析方法。关于玩家细分和归类，Schubert表达的理念也大同小异，称休闲&硬核属于错误的二分法，相反，他觉得设计师应基于“投入程度”区分玩家。此外，我们可以根据用户的投入程度将其进行分类（感兴趣–> 休闲–>忠诚–>投入–>硬核），通过把握他们所处的位置，你能够在特定时刻更好迎合他们的需求。 就此来看，此设计“投入程度”观点听起来和ngmoco的看法类似；虽然ngmoco及其他设计师似乎都很满足于玩家的金字塔分布归类方式，但Schubert表示，设计机制应促使玩家朝硬核一端发展——也就是说，希望实现收益最大化的设计师应通过参数、归类和定向设计功能引导更多用户转变成高投入的鲸鱼型玩家。 讨论话题随后转变成“分析方法应在多大程度上影响游戏设计？”讨论中，来自大小工作室的设计师纷纷发表他们对基于分析的设计的看法及自身作品的现行方案。其中呈现的对立局势非常明显，很多设计师发现，其工作室的分析部门常常都无法科学把握，继而合理运用参数报告——这显然会令开发者质疑他们的设计调整建议。有不少设计师发现他们的团队通过分析法调整客服支持而非优化游戏设计——工作室追踪玩家在游戏中的行为，若他们发现玩家反复进行有失合理性的操作，他们会发邮件告诉玩家游戏的优先选择方案。 此方式令许多设计师颇感叹息，他们称这是变相运用分析方法限制游戏风格的多样性——即便其真实意图是提高用户体验。我们也许会觉得这点在下述情况中表现更突出：设计师有意将玩家“幸福感”或“投入程度”同上述基本营收指标等同起来。 所以若行为参数主要用于呈现强化粘性的设计，那么它们是否本身就会减少和归类各种用户行为？是否存在其他选择方案？ 关于这点，Scherlis指出如下两方面内容所存在的差异：1）通过营收指标辨别和调整用户行为；2）运用所谓的“预测分析法”。后者（游戏邦注：其通过分析同伴压力及创意行为传播等各种变量给游戏玩家的社交圈建模）能够用于创造迎合玩家未来倾向的设计，而且不像关键衡量指标那样明确同营收绑定。换而言之，通过采取各种行为措施，分析法能够让设计师顺利预测各类玩家的决策和偏好，而非简单促使玩家日益汇集至漏洞底部，创造更多ARPU。 此外，Scott Rigby在分析法及运用基于数据的设计方面有自己的看法。根据多年学术和行业研究，Rigby发现，玩家都存在相同的普遍需求，那些能够满足这些需求的设计才是最具粘性的设计。关于这点，他表示，这属于刺激性参数，而非行为方面的数据（游戏邦注：而这是分析法所关注的内容）。 就上述内容来看，游戏分析法所涉及的参数内容似乎非常混杂，从而带来许多新问题，主要涉及收集用户数据的目的及意义，以及这在呈现新设计方面所扮演的角色。虽然我们目前主要侧重营收相关的行为，以及促使玩家行为朝更优先的玩法风格靠拢，但新变量会让设计师创造既能保证用户行为多样性、投入性，且又有益于创收的功能。此外，分析法的性质及其同设计的关系依然处在发展中。（本文为游戏邦/gamerboom.com编译，拒绝任何不保留版权的转载，如需转载请联系：游戏邦）