จงเชื่อถือกระบวนการปรับสมดุล: ข้อมูลและข้อมูลเชิงลึก

สวัสดีครับ ผมชื่อ Brian Chang เป็นนักวิเคราะห์ในทีมข้อมูลเชิงลึกของ VALORANT พร้อมกับ Coleman “Altombre” Palm นักวิจัยเชิงลึกของเรา เรามาเพื่อพูดคุยแบ่งปันกับคุณเกี่ยวกับแนวทางการใช้ข้อมูลเพื่อช่วยให้เกมของเรามีความสมดุลและสนุกสนานสำหรับคุณ

ก่อนอื่น ในบทความนี้เราจะกล่าวถึงปรัชญาทั่วไปของเราที่อยู่เบื้องหลังวิธีที่เราใช้ข้อมูลเพื่อช่วยแจ้งการเปลี่ยนแปลงในเกมของเรา จากนั้นเราจะแนะนำคุณเกี่ยวกับตัวอย่างที่แสดงให้เห็นว่าข้อมูลในอดีตถูกใช้เพื่อแจ้งการเปลี่ยนแปลงของเอเจนท์อย่างไร

ข้อมูลในปรัชญาการปรับสมดุลของเกม

ในทีมสมดุลนั้น เป้าหมายหลักของเราคือเพื่อให้แน่ใจว่าเกมจะเป็นประสบการณ์ที่ยุติธรรมสำหรับผู้เล่นทุกคน คุณสามารถอ่านโพสต์เชิงลึกของ David “MILKCOW” Cole เกี่ยวกับสมดุลของเกมใน VALORANT ได้ที่นี่

หนึ่งในบทบาทหลักที่ข้อมูลเหล่านี้มีในระหว่างกระบวนการปรับสมดุลของเกมคือการช่วยแจ้งนักออกแบบเกี่ยวกับสถานะของเกม ข้อมูลสามารถบอกเราได้เมื่อประสบการณ์ของคุณดูเหมือนจะอยู่ในสถานะที่ไม่เหมาะสม

ข้อมูลในกรณีนี้จะถูกใช้เป็นเครื่องมือวินิจฉัยเพื่อบอกเราว่าส่วนใดของเกมของเราที่อาจต้องปรับแต่ง ข้อมูลนี้อาจอยู่ในรูปแบบของการวัดและส่งข้อมูลทางไกลในเกม (เช่น อัตราการชนะของเอเจนท์นั้นสูงหรือต่ำเกินไป) หรืออาจจะมาในรูปแบบของการวิจัยผู้เล่น (เช่น ผู้เล่นส่วนใหญ่มองว่าเอเจนท์ตัวหนึ่งต่อกรด้วยไม่สนุก)

อย่างไรก็ตาม เมื่อต้องทำการตัดสินใจเกี่ยวกับความสมดุลในเกม เราพยายามหลีกเลี่ยงที่จะไม่ขับเคลื่อนด้วยข้อมูลอย่างสมบูรณ์แบบ โดยเฉพาะอย่างยิ่งในช่วงต้น VALORANT ยังค่อนข้างสดใหม่ในมือของคุณ และเราเองก็ยังไม่รู้อย่างถ่องแท้ว่า “สมดุล” ในเกมของเราควรจะเป็นอย่างไร

ตัวอย่างเช่น เราไม่รู้ว่าแผนที่ต้องอยู่ห่างจากผู้โจมตี/ผู้ป้องกัน 50/50 เพียงใดก่อนที่ประสบการณ์ของผู้เล่นจะไม่เริ่มไม่สนุก นอกจากนี้ยังมีความซับซ้อนในข้อเท็จจริงที่ว่าความแข็งแกร่งและความนิยมของเอเจนท์มีผลต่อความสมดุลของแผนที่ เมตาที่หนักไปทาง Sentinel น่าจะนำไปสู่แผนที่ที่เน้นการป้องกันมากขึ้น ในขณะที่เมตาที่หนักไปทาง Duelist มักจะทำให้แผนที่ดูเน้นไปทางการโจมตีมากขึ้น (อะไร ๆ จะยุ่งเหยิงยิ่งขึ้นหากนึกถึงวิธีการที่เอเจนท์จะส่งผลต่อแต่ละแผนที่อย่างไร) ข้อมูลจะไม่เป็นตัวกำหนด “ทุกสิ่งทุกอย่าง” ในความสมดุลของเกม แต่เป็นหนึ่งในเครื่องมือหลาย ๆ อย่างที่เราสามารถใช้เพื่อทำความเข้าใจสถานะของเกม

ตามที่กล่าวมา เรากำลังตรวจสอบทั้งข้อมูลในเกมตลอดจนข้อมูลโดยตรงของคุณผ่านแบบสำรวจอย่างต่อเนื่อง เพื่อให้เราสามารถปรับแต่งความเข้าใจของเราว่าข้อมูลมีความสัมพันธ์กับสถานะสมดุลในเกมอย่างไร ความปรารถนาของเราคือความเข้าใจที่ดีขึ้นนี้จะช่วยให้เราเข้าใจได้อย่างรวดเร็วมากขึ้นว่าเกมในแง่มุมใดบ้างที่ไม่เหมาะสมและเราจะปรับตัวได้อย่างไรในอนาคต

เรากำลังเฝ้าติดตามดูอะไรบ้าง

วันนี้เรามีหัวข้อข้อมูลจำนวนหนึ่งที่เราพิจารณากันในแต่ละส่วนของเกมเพื่อประเมินจุดแข็ง/ความสมบูรณ์ของส่วนต่าง ๆ ในเกมของเรา นี่คือตัววัดบางส่วนที่เราติดตามโดยแยกตามระบบ:

• เอเจนท์: อัตราการชนะ (ตามอันดับ, แผนที่) การใช้งาน (ความถี่ในการที่เอเจนท์ถูกเลือกใช้) เกณฑ์ความเชี่ยวชาญ (จำนวนเกมของเอเจนท์ที่ผู้เล่นต้องใช้ในการไปถึงอัตราชนะ “ที่แท้จริง” ของเอเจนท์ตัวนั้น) ความกว้างและความลึก (ความนิยมในวงกว้างของเอเจนท์เทียบกับความลึกซึ้งของผู้เล่นแต่ละคนที่มีส่วนร่วมกับเอเจนท์)
• แผนที่: รอบอัตราการชนะของแต่ละฝั่ง (ตามอันดับ) ผลการแข่งขันโดยเฉลี่ยของแต่ละแผนที่ (หาก/จุดที่ปลูกระเบิด)
• อาวุธ: ความนิยมของอาวุธในแต่ละรอบ การจับคู่อาวุธ (เช่น ผู้ใช้ Vandal ต่อสู้กับผู้ใช้ Phantom ในการดวลได้ดีเพียงใด)

นี่ไม่ได้หมายความว่าเราใช้เพียงแค่ตัววัดข้างต้นในการประเมินความสมบูรณ์ของเกม แต่หวังว่าตัวอย่างเหล่านี้จะทำให้ภาพของบางส่วนที่เราติดตามอยู่

ความสมดุลของเอเจนท์: กรณีศึกษาของ Sage

สำหรับส่วนที่เหลือของโพสต์นี้ เราจะโฟกัสไปที่ Sage ซึ่งเป็นเอเจนท์ที่อยู่ในกลุ่มที่โดนเนิร์ฟมาหลายครั้งแล้วนับตั้งแต่การเปิดตัวของเราในเดือนมิถุนายน อะไรทำให้เราทำการเปลี่ยนแปลง Sage อย่างต่อเนื่อง และการเปลี่ยนแปลงเหล่านั้นส่งผลต่อความแข็งแกร่งของเธออย่างไร?

เอเจนท์คนไหนแข็งแกร่งเกินไป?

สิ่งแรกที่เราต้องกำหนดคือตัววัดใดที่เราจะใช้เพื่อประเมินความแข็งแกร่งของเอเจนท์ ใน League of Legends ตัววัดหลักที่ใช้คือการใช้งาน (ความถี่ในการเลือกใช้แชมเปี้ยน) และอัตราการชนะ (% ของเกมที่ชนะของแต่ละแชมเปี้ยน) สิ่งนี้จะถูกแบ่งออกเป็นระดับทักษะต่าง ๆ มากมาย ตั้งแต่ผู้เล่นโดยเฉลี่ยทั่วไปไปจนถึงระดับโปร

เราพบปัญหาสำคัญทันทีเมื่อพยายามใช้ตัววัดแบบของ League เพื่อความสมดุลใน VALORANT เกมของเรามีการแข่งขันแบบ mirror ดังนั้นเอเจนท์ที่แข็งแกร่งมาก (หรือถูกเลือกใช้เกือบทุกเกมโดยทั่วไป) อาจดูเหมือนว่าจะมีอัตราการชนะ 50% (เนื่องจากทุกครั้งที่เอเจนท์คนนั้นชนะ พวกเขาก็แพ้เช่นกัน)

ในการแก้ไขปัญหานี้ เราตัดสินใจที่จะดูอัตราการแบบ non-mirror ของเอเจนท์ (ซึ่งก็คืออัตราการชนะของเอเจนท์เมื่อต่อสู้กับทีมโดยไม่มีเอเจนท์เดียวกันนั้นอยู่ในทีมศัตรู) สิ่งนี้ช่วยให้เราลบเกมที่ “รับประกันการชนะและแพ้” ที่เอเจนท์คนเดียวกันอยู่ในทีมใดทีมหนึ่ง เนื่องจากอาจมีความเสี่ยงเกิดขึ้นกับสิ่งนี้ (และมีอคติในตัวเลือกที่นำเสนอจำนวนหนึ่ง ซึ่งเราจะไม่พูดถึงในตอนนี้) แต่เราพิจารณาแล้วว่าอัตราการชนะแบบ non-mirror นี้เป็นตัวแทนที่ดีที่สุดของเราในการทำความเข้าใจในพลังของเอเจนท์จากข้อมูลมุมมองในเกม

นี่คืออัตราการชนะแบบ non-mirror ในแพตช์แรกที่มีการถ่ายทอดสดคิวการแข่งขัน (ในแพตช์ 1.02) โปรดทราบว่า Sage ถูกเนิร์ฟสองครั้งก่อนแพตช์นี้ ในแพตช์ Closed Beta 0.50 และ แพตช์เปิดตัว 1.0

ในช่วงเวลาเดียวกันนั้น การเลือกใช้งานของเอเจนท์ในคิวแข่งขันมีลักษณะดังนี้ จำนวนนี้เกี่ยวข้องกับข้อเท็จจริงที่ว่า Sage เป็นหนึ่งในห้าฟรีเอเจนท์เมื่อผู้เล่นเข้าร่วม VALORANT แต่การเลือกใช้งานของเธอยังคงสูงมากอย่างต่อเนื่อง

ทำไมเอเจนท์ตัวใดตัวหนึ่งถึงแข็งแกร่ง?

เห็นได้ชัดจากข้อมูลที่ Sage อยู่ในระดับสูงเกินใคร ตัวเลขอัตราผู้ชนะที่ Sage มีทำให้ต้องปรึกษากันเพิ่มเติมเกี่ยวกับสิ่งที่เราสามารถทำได้เพื่อลดทอนคุณภาพของเธอลง

จนถึงตอนนี้ ข้อมูลได้บอกเราแล้วว่าเอเจนท์คนไหนที่แข็งแกร่งเกินไป แต่เราอยากทำความเข้าใจให้ดีขึ้นว่าทำไมเธอถึงแข็งแกร่งมากขนาดนั้น มีจุดข้อมูลหลายจุดที่เราสามารถดูได้เพื่อทำความเข้าใจว่าทำไม:

1. ความคิดเห็นโดยตรงจากคุณเกี่ยวกับสาเหตุที่คุณเชื่อว่า Sage แข็งแกร่ง ทั้งในแบบสำรวจและในการสนทนาโดยตรง
2. รายการหมวดหมู่ของความแข็งแกร่งของเอเจนท์แต่ละฝั่ง (เพื่อให้เข้าใจว่าจุดแข็งของ Sage นั้นเด่นชัดแค่ไหนในการโจมตี/ป้องกัน)
3. รายการหมวดหมู่ของความแข็งแกร่ง/การเลือกใช้เอเจนท์ตามอันดับ (เพื่อทำความเข้าใจว่ามีความขัดแย้งในระดับทักษะหรือไม่)
4. ข้อมูลจำเพาะความสามารถ (จำนวนการรักษาโดยเฉลี่ยที่ Sage ทำได้ในแต่ละรอบ อัตราการชนะรอบเมื่อ Sage ใช้อัลติเมทของเธอ เทียบกับเวลาที่เอเจนท์อื่นใช้อัลติเมท ฯลฯ)

ข้อมูลทั้งหมดนี้มีจุดมุ่งหมายเพื่อให้บริบทเพิ่มเติมว่าส่วนประกอบใดของ Sage มีความแข็งแกร่งและอาจเกินพิกัดมากเกินไป ส่วนที่ยุ่งยากคือการตรวจสอบให้แน่ใจว่าเราได้เนิร์ฟเอเจนท์โดยไม่ลดความเป็นตัวตนของพวกเขาที่เป็นส่วนหนึ่งของ VALORANT หากเราเนิร์ฟส่วนที่แข็งแกร่งที่สุดของเอเจนท์ทุกคน เราก็เสี่ยงที่จะสูญเสียสิ่งที่ทำให้พวกเขาพิเศษกว่าคนอื่น ด้วยข้อมูลนี้ นักออกแบบของเราได้สำรวจตัวเลือกต่าง ๆ เพื่อทำให้ Sage ไม่ใช่ "ตัวละครที่ต้องเลือก" ในขณะเดียวกันก็รักษาเอกลักษณ์ของเธอไว้ในฐานะตัวละครยูทิลิตี้ในการหยุดยั้ง/สนับสนุนในระดับคุณภาพที่ดี

สิ่งสำคัญคือต้องจำไว้ว่าข้อมูลเป็นเพียงเครื่องมืออย่างหนึ่งที่สามารถใช้ประเมินความแข็งแกร่งของเอเจนท์ได้ การทำความเข้าใจและการปรับแต่งชุดอุปกรณ์ของเอเจนท์ส่วนใหญ่นั้นเกี่ยวข้องกับความรู้และประสบการณ์มากมายที่นักออกแบบนำมาเสนอ สุดท้ายแล้วปรัชญาการออกแบบของเราคือสิ่งที่ขับเคลื่อนเกมของเราไปข้างหน้า และไม่มีข้อมูลจำนวนใดที่จะเป็นประโยชน์เว้นแต่เราจะรักษาหลักการออกแบบหลักของเราให้อยู่ในระดับแนวหน้าของความสมดุลของเกม

ท้ายที่สุดแล้วทิศทางที่ทีมสมดุลจะลงเอยคือการปรับทั้งการรักษาและการหยุดยั้งของเธอ แต่ด้วยวิธีที่แตกต่างกัน ศักยภาพในการรักษาถูกตัดไปทั่วทั้งกระดาน (คูลดาวน์นานขึ้น พลังการรักษาต่อการร่ายลดลง) ในขณะที่การหยุดยั้งถูกเปลี่ยนเพื่อให้สามารถตอบโต้ได้มากขึ้น (Barrier Orb ต้องใช้เวลาในการเสริมพลัง และการลดขนาดของ Slow Orb)

การอัปเดตสิ่งต่าง ๆ ในวันนี้

หลังจากที่เราทำการเปลี่ยนแปลงแล้ว สิ่งต่าง ๆ เป็นอย่างไรบ้าง? ตัวเลขของ Sage ในแพตช์ 1.11 มีลักษณะเช่นนี้:

Sage ยังค่อนข้างแข็งแกร่ง ในความเป็นจริงก็คือเธอไม่เคยตกลงไปต่ำกว่าสามอันดับแรกของตัวละครที่แข็งแกร่งที่สุดไม่ว่าตอนไหนก็ตาม หรือในกลุ่มระดับทักษะ นับตั้งแต่เปิดตัว การเลือกใช้เธอก็อยู่ในสถานะที่สมเหตุสมผลมากขึ้นเช่นกัน (วนเวียนอยู่ที่ประมาณ 50%) อย่างไรก็ตาม ในมุมมองของสาธารณชนก็คือ Sage ถูกเนิร์ฟหนักเกินไป ซึ่งจากการสำรวจจำนวนคน 38% เชื่อว่า Sage อ่อนแอเกินไปในแพตช์ 1.11

ก้าวต่อไปในอนาคต

ตามข้อมูลของเรา ขณะนี้เรารู้สึกว่า Sage อยู่ในสถานะที่ค่อนข้างดี อย่างไรก็ตาม มีหลายปัจจัยที่เราต้องปรับความเข้าใจเพื่อก้าวไปข้างหน้า:

• การเปิดตัวเอเจนท์ แผนที่ และผลกระทบต่อความแข็งแกร่งของเอเจนท์: ด้วยการเปิดตัวของ Icebox และ (ที่สำคัญกว่านั้น) Skye ทำให้เราอาจเห็นการเปลี่ยนแปลงในเมตาที่ทำให้ Sage อ่อนแอเกินไป สมมุติฐานว่าการเปิดตัวเอเจนท์อื่นที่สามารถรักษาพันธมิตรได้อาจทำให้เกิดการแข่งขันแบบตัวเลือกที่ทำให้ Sage เป็นตัวละครที่ล้าสมัยกว่าเดิม (จริง ๆ แล้วเราไม่คิดว่าเรื่องนี้จะเกิดขึ้น แต่ก็มีความเป็นไปได้)
• ข้อมูลการเล่นแบบมืออาชีพ: สิ่งหนึ่งที่เรายังคงปรับแต่งในการทำความเข้าใจเกี่ยวกับเมตาการเล่นแบบมืออาชีพ และข้อมูลจาก VALORANT ระดับสูงสุดควรส่งผลต่อปรัชญาความสมดุลของเราอย่างไร หากเราเปรียบเทียบข้อมูลจากการแข่งขันระดับมืออาชีพที่เกิดขึ้นทั่วโลกกับการแข่งขันระดับ Radiant ก็ยังคงมีความขัดแย้งกันอย่างมากทั้งในการเลือกใช้เอเจนท์และอัตราการชนะแบบ non-mirror
• การรับรู้ของสาธารณชน: แม้ว่าการตรวจวัดระยะไกลในเกมของเราจะบอกเราว่า Sage อยู่ในจุดสมดุลที่ดี แต่ผลการสำรวจก็บอกเราว่าผู้เล่นรู้สึกว่า Sage อ่อนแอเกินไป เราจะต้องติดตามว่าเมื่อเวลาผ่านไปการรับรู้จะเปลี่ยนไปอย่างไร (ถ้ามี) และประเมินว่าขั้นตอนใดที่ต้องดำเนินการหากการรับรู้เกี่ยวกับความแข็งแกร่งของ Sage ยังคงรู้สึกคลุมเครือ

หากคุณอ่านมาถึงจุดนี้ ต้องขอขอบคุณที่ติดตามเราผ่านตัวอย่างเล็ก ๆ นี้เกี่ยวกับการใช้ข้อมูลในทีมสมดุลของ VALORANT เราหวังว่าสิ่งนี้จะช่วยให้คุณได้เห็นถึงวิธีการและเหตุผลที่ต้องตัดสินใจเรื่องบางอย่าง (และหวังว่าจะสามารถทำให้คุณมั่นใจได้ว่า Sage จะไม่ไร้ประโยชน์โดยสิ้นเชิง…)