الثقة الموضوعة في عملية التوازن: البيانات وتوظيفها

مرحبًا، أنا بريان تشانغ، وأعمل كمحلل ضمن فريق توظيف البيانات في VALORANT، وبصحبتي الباحث في مجال توظيف البيانات كولمان ''Altombre'' بالم. وقد أتينا اليوم كي نحدثكم حول نهجنا المتمثل باستخدام البيانات بغية المساعدة في الحفاظ على توازن لعبتنا وعلى شعوركم بالمتعة لدى لعبها.

في هذا المقال، سنتحدث أولًا عن التصور العام الذي نعتمد عليه لتحديد كيفية تسخير البيانات لمساعدتنا في اتخاذ قرارات التغيير ضمن لعبتنا. ثم سنعرض عليكم مثالًا مفصلًا يظهر كيفية استخدام البيانات السابقة لتحديد التغييرات الضرورية التي طالت أحد العملاء.

سياسة توظيف البيانات في عمليات التوازن داخل اللعبة

ضمن فريق التوازن، يكمن هدفنا الرئيسي بالحرص على أن تجسد اللعبة تجربة عادلة لكل لاعب. يمكنكم قراءة منشور دافيد ''MILKCOW'' كول الزاخر بالمعلومات المفيدة عن توازن اللعبة في VALORANT هنا.

إن أحد الأدوار الأساسية التي تلعبها البيانات خلال عملية موازنة اللعبة ينطوي على المساعدة في مدّ المصممين بالمعلومات حول حالة اللعبة. يمكننا عن طريق البيانات رصد الحالات التي لا تكون فيها تجارب اللعب في وضع مثالي.

يتم استخدام البيانات في تلك الحالة كأداة تشخيصية تساعدنا على اكتشاف الجوانب التي تحتاج إلى التعديل والضبط في لعبتنا. وقد تكون هذه البيانات على شكل مقاييس استشعارية داخل اللعبة (كمثال، معدل فوز عميل معين أعلى/أخفض من اللازم)، أو على شكل نتائج أبحاث خاصة باللاعبين (كمثال، شعور غالبية اللاعبين بالإحباط لدى اللعب ضد عميل معين).

إلا أننا نخرج عن المسار التقليدي أحيانًا كي لا تكون قرارات التوازن التي نتخذها في اللعبة مبنية حصريًا على البيانات، خصوصًا في مراحل اللعبة الأولى. ما تزال VALORANT حديثة العهد نسبيًا بين أيديكم، لذا فحتى نحن لا ندرك تمامًا طبيعة الجوانب ''المتوازنة'' في لعبتنا.

على سبيل المثال، لا نعرف قدر الابتعاد اللازم عن نسبة 50/50 الخاصة بتفضيل الخريطة لفريق الهجوم/الدفاع كي تصبح تجربة اللعب غير ممتعة. إضافة لذلك، ثمة تعقيد في طبيعة تأثير قوة وشعبية العميل على توازن الخريطة. فاتباع منهج لعب يعتمد بشدة على فئة الحراس قد يؤدي إلى أفضلية لفريق الدفاع في الخرائط، بينما يؤدي منهج اللعب المرتكز بقوة على فئة المبارزين إلى تفضيل فريق الهجوم غالبًا على ما يبدو (تصبح الأمور أكثر تعقيدًا إذا أخذنا بعين الاعتبار كيفية تأثير العميل على الخريطة لدى تناول سلسلة من الخرائط). لن تشكل البيانات العامل الوحيد الذي ترتكز عليه قرارات موازنة اللعبة، بل ستكون إحدى أدوات عديدة يمكننا استعمالها لفهم حالة اللعبة.

ومع ذلك، فنحن نتابع رصد كلٍ من بيانات مجريات اللعب والمعلومات التي نحصل عليها منكم مباشرة عن طريق الاستبيانات، وذلك كي نتمكن من تحسين فهمنا للعلاقة التي تربط البيانات مع حالات توازن مجريات اللعب. ونحن نطمح إلى أن يساعدنا ذلك الفهم المحسّن في المستقبل على اكتشاف جوانب الإشكال في اللعبة بسرعة أكبر، وعلى إدراك كيفية ضبطها.

البيانات التي نتتبعها

اليوم، نراقب عددًا من نقاط البيانات في كل جزء من أجزاء لعبتنا، وذلك من أجل تقييم قوة/عافية مختلف الجوانب في اللعبة. مع تقسيمها وفق النظام المعمول به، فيما يلي بعض المقاييس التي نتتبعها:

• العملاء: معدل الفوز (حسب التصنيف، الخريطة)، الحضور (مدى تواتر اختيار العميل)، منحنيات الإتقان (عدد المباريات اللازم كي يبلغ اللاعب معدل الفوز ''الحقيقي'' للعميل)، الشهرة مقابل العمق (مدى شعبية العميل بالمقارنة مع مدى عمق تفاعل كل لاعب معه)
• الخرائط: معدل الفوز بالجولات لكل طرف (حسب التصنيف)، متوسط ناتج الجولات لكل خريطة (في حال زرع السبايك وحسب مكان زرعها)
• الأسلحة: شعبية السلاح بالجولة، مقارنات الأسلحة (كمثال، ما هو مستوى أداء مستخدم سلاح فاندال في مواجهة مستخدم سلاح فانتوم ضمن قتال مباشر)

غنيّ عن القول أننا لا نكتفي باستخدام المقاييس المذكورة أعلاه لتقييم مدى عافية اللعبة، لكننا نأمل أن تمنحكم الأمثلة صورة عن طبيعة العناصر التي نتتبعها.

توازن العميل: مثال دراسة حالة سايج

في الجزء المتبقي من هذا المنشور، سنركز على سايج، باعتبارها عميلة قد خضعت لعدة عمليات إضعاف منذ إطلاق اللعبة الرسمي في يونيو. ما الذي قادنا إلى إجراء تغييرات متواصلة على سايج، وكيف أثرت تلك التغييرات على قوتها؟

من هم العملاء الأقوى من اللازم؟

القاعدو الأولى التي يجب الانطلاق منها تكمن في ضرورة تحديد المقاييس التي نستخدمها لتقييم مدى قوة العملاء. في League of Legends، كانت المقاييس الرئيسية المستخدمة متمثلة بالحضور (مدى تواتر اختيار بطل معين)، ومعدل الفوز (النسبة المئوية للمباريات التي يفوز بها البطل). بعد ذلك يتم تقسيم هذين المقياسين على عدد من شرائح المهارات المختلفة، بدءًا باللاعب العادي، وصولًا إلى مستوى اللاعبين المحترفين.

على الفور، لاحظنا وجود مشكلة كبرى لدى محاولة تطبيق مقاييس League لإجراء عملية التوازن في VALORANT. ففي لعبتنا هناك مباريات متناظرة يمكن فيها استخدام ذات العميل ضمن الفريقين، وهكذا يمكن لعميل معين قوي جدًا (أو ممن يتم اختيارهم بشكل عام في أغلب المباريات) أن يمتلك في الظاهر معدل فوز بنسبة 50% (فذلك العميل يفوز ويخسر في ذات الوقت).

لحل هذه المشكلة، قررنا النظر إلى معدل الفوز الغير متناظر للعملاء (أي معدل فوز العميل لدى مواجهته لفريق معادٍ لا يمتلك ذات العميل). يساعدنا هذا على التخلص من مباريات ''الفوز والخسارة المضمونين'' حيث يتواجد العميل ضمن كلا الفريقين. هناك بعض المخاطر المحتملة لهذا الإجراء (عبر إدخال نسبة معينة من التحيز لدى الاختيار، وهو أمر لن نتطرق إليه في الوقت الراهن)، لكننا توصلنا إلى كون معدل الفوز الغير متناظر هذا هو أفضل وسيلة لاستيعاب قوة العميل من منظور بيانات مجريات اللعب.

فيما يلي معدلات الفوز الغير متناظرة في إصدار التحديث الأول مع بدء عمل طابور اللعب التنافسي (في إصدار التحديث 1.02). تذكروا أن سايج قد خضعت لعملية إضعاف مرتين قبل طرح إصدار التحديث هذا، وذلك في إصدار تحديث إصدار بيتا المغلق 0.50 وفي إصدار تحديث الإطلاق الرسمي 1.00.

خلال الفترة ذاتها، إليكم مقياس حضور العملاء في طوابير اللعب التنافسي. يرتبط جزء مما هو معروض بكون سايج ضمن مجموعة مؤلفة من خمسة عملاء مجانيين متوفرين للاعب لدى الانضمام إلى VALORANT، إلا ان معدل حضورها كان مرتفعًا بشكل منتظم.

ما هو سبب قوة أي عميل؟

بدا واضحًا لدى معاينة البيانات أن سايج كانت تغرد خارج السرب. فأرقام معدل الفوز التي كانت تحققها سايج كانت تدعونا لمناقشة ما كان بإمكاننا فعله لتقليص قوتها.

حتى تلك النقطة، تكفلت البيانات بإطلاعنا على هوية العميلة التي تمتلك قوة أكبر من اللازم. لكننا أردنا أن نفهم بشكل أفضل سبب قوتها المفرطة تلك. هناك عدد من نقاط البيانات التي كان بإمكاننا معاينتها لفهم السبب:

1. الآراء التي حصلنا عليها منكم مباشرة حول أسباب قوة سايج وفق اعتقادكم، سواء تم ذلك عبر الاستبيانات أو عبر المحادثات المباشرة.
2. تحليل تفاصيل قوة العميل حسب الطرف الموجود فيه (لفهم مدى قوة سايج الظاهر في كلٍ من دوري الهجوم والدفاع)
3. تحليل تفاصيل قوة/حضور العميل لكل تصنيف (لاكتشاف إمكانية وجود حالات تباين بين شرائح المهارات)
4. بيانات خاصة بالقدرات (معدل كمية العلاج التي تطبقها سايج في كل جولة، معدل الفوز بالجولات عند استخدام سايج لقدرتها الخارقة، بالمقارنة مع الحالات التي يستخدم فيها بقية العملاء قدراتهم الخارقة، الخ.)

كان الهدف من معاينة جميع نقاط البيانات هذه يكمن في تأمين سياق أوضح لطبيعة عناصر قوة سايج التي ربما يكون تأثيرها مفرطًا. تكمن الصعوبة في التأكد من إضعافنا للعميل دون التأثير سلبًا على هويته كجزء من VALORANT. إذا أضعفنا أقوى جانب لدى كل عميل، فنحن نجازف بخسارة العناصر المميزة لهم. مع استنادهم على تلك البيانات، بحث مصممونا الخيارات المتوفرة لنزع لقب ''الأكثر اختيارًا'' عن سايج، دون المساس بهويتها كشخصية داعمة تجيد المماطلة/الدعم.

من المهم عدم نسيان أن البيانات ليست سوى أداة من الأدوات التي يمكن استغلالها لتقييم قوة العملاء. فهناك جزء كبير من فهم وصقل مكونات أي عميل يرتبط أكثر بالقدر الواسع من المعرفة والخبرة التي يساهم بها المصممون. إن تصورات تصميمنا هي ما يدفع لعبتنا إلى الأمام في النهاية، ولا يلعب أي قدر من البيانات دورًا نافعًا إلا إذا حافظنا على مكانة مبادئ تصميمنا الجوهرية خلال تحقيق توازن اللعبة.

في نهاية المطاف، كان الخيار الذي وقع عليه فريق التوازن يتعلق بالعمل على قدرتي العلاج والمماطلة لديها، ولكن عبر طرق مختلفة. تم تقليص إمكانات العلاج في جميع المجالات (فترات تبريد أطول، كمية علاج أقل لكل عملية إلقاء)، بينما تم تغيير أسلوب المماطلة لإتاحة المزيد من خيارات الرد المضاد (حاجة بلورة الحاجز إلى بعض الوقت قبل التحصين، تقليص حجم بلورة الإبطاء).

الصورة التي تبدو عليها الأمور اليوم

بعد أن أجرينا تلك التغييرات إذًا، كيف أصبحت الأمور تبدو؟ فيما يلي إحصاءات سايج كما ظهرت في طوابير اللعب التنافسي لإصدار التحديث 1.11:

ما تزال سايج تتمتع بقوة لا بأس بها؛ فقد احتفظت باستمرار بمكانها ضمن مجموعة أقوى ثلاثة عملاء، في كل شرائح المهارة، منذ الإطلاق الرسمي. كما يبدو حضورها في وضع معقول (لا يبتعد كثيرًا عن 50%). ومع ذلك، فهناك تصور عام بأن سايج قد تم إضعافها بشكل مفرط؛ 38% من المشاركين في الاستبيان يعتقدون أن سايج أضعف مما يجب حاليًا في إصدار التحديث 1.11.

الخطوات القادمة

حاليًا، نعتقد أن سايج في وضع سليم نسبيًا، وفقًا لبياناتنا. إلا أن هناك عددًا من العوامل التي سنحتاجها لصقل إدراكنا مع متابعة العمل:

• إصدار العملاء والخرائط، وكيفية تأثيرها على قوة العملاء: مع إصدار خريطة آيس بوكس و (الأهم من ذلك) العميلة سكاي، قد نشهد انزياحًا في نهج اللعب ربما تصبح معه سايج أضعف من اللازم. نظريًا، قد تؤمن إضافة عميلة أخرى قادرة على علاج الحلفاء خيارًا منافسًا ربما يجعل من سايج الحلقة الأضعف (للعلم، لا نعتقد أن ذلك سيحصل، لكنه ممكن الحدوث).
• بيانات اللعب الاحترافي: إن فهمنا لنهج اللعب الاحترافي هو من الجوانب التي ما زلنا نحاول صقلها، إضافة إلى محاولة إدراك طبيعة التأثير الذي يجب أن تحظى به بيانات مستوى النخبة في VALORANT على تصورات التوازن لدينا. عندما نقارن البيانات المستخلصة من مباريات المحترفين التي تجري حول العالم مع مباريات مستوى المتألق في اللعبة، نلاحظ استمرار وجود تباين شاسع من ناحية حضور العملاء ومعدلات الفوز الغير متناظرة.
• التصور العام: رغم أن مقاييس مجريات اللعب الاستشعارية لدينا تدلّنا على وجود سايج في وضع جيد بالنسبة للتوازن، نلاحظ من نتائج الاستبيان أن اللاعبين يشعرون بأن سايج أضعف من اللازم. سيكون علينا متابعة التغييرات الحاصلة على التصور العام (في حال حدوثها) بمرور الوقت، وتقييم الخطوات اللازم اتخاذها في حال بقاء التصور على حال عدم الاقتناع بشأن قوة سايج.

إذا وصلت بالقراءة إلى هذا الحد، تقبل شكرنا على بقائك معنا خلال عرض هذا المثال البسيط عن كيفية استخدام البيانات من قبل فريق توازن VALORANT. نأمل أن يكون هذا المقال قد سلط بعض الضوء على كيفية وأسباب اتخاذ القرارات (كما نأمل بأن نكون قد تمكنا من إقناعك بأن سايج ليست عديمة النفع تمامًا…).