Dengeleme Sürecine Güvenmek: Veriler ve İstatistikler

Selam, ben VALORANT'ın İstatistik Ekibi'nden Brian Chang ve yanımda da İstatistik Araştırmacısı Coleman “Altombre” Palm var. Bugün, oyunu sizin için dengeli ve eğlenceli kılmaya çalışırken verileri nasıl ele aldığımızı anlatacağız.

Yazımızda öncelikle oyundaki değişiklikleri hayata geçirirken verilerden yararlanma felsefemize ışık tutacağız. Sonrasında da ajanlara yaptığımız değişiklikler sırasında geçmişteki verilerin nasıl kullanıldığını bir örnekle anlatacağız.

OYUN DENGELEME FELSEFESİNDE VERİLERİN YERİ

Dengeyi sağlayan ekip olarak birincil hedefimiz, oyunun tüm oyuncular için adil bir deneyim sunduğundan emin olmak. VALORANT'ın oyun dengesiyle ilgili detaylı bilgi edinmek için David “MILKCOW” Cole'un konuyla ilgili yazısına buradan göz atabilirsiniz.

Oyunu dengeleme sürecinde verilerin oynadığı en büyük rollerden biri tasarımcılara oyunun durumunu göstermeye yardımcı olmak. Oyun deneyiminizin ne zaman idealin altına düştüğünü verilerden öğrenebiliyoruz.

Bu durumda, verileri sorun tanımlama aracı olarak kullanıp oyunun hangi kısımlarını geliştirmemiz gerektiğini tespit ediyoruz. Bu veriler, oyun içi parametreler ölçülerek (örn. belirli bir ajanın kazanma oranının çok yüksek/düşük olması) veya oyuncuların görüşleri vasıtasıyla elde edilebiliyor (örn. oyuncuların çoğu bazı ajanlara karşı oynamayı sinir bozucu buluyor olabilir).

Fakat özellikle de en başlarda oyun içinde denge değişiklikleri yaparken tamamen verilerden yararlanmanın biraz dışına çıkıyoruz. VALORANT hâlâ nispeten yeni bir oyun ve biz de oyunumuzun "dengeli" olmasının tam olarak ne anlama geldiğini henüz idrak edemedik.

Mesela, bir haritanın saldıran/savunan tarafından sevilme oranını, oyuncu deneyimini keyifsiz kılmadan 50/50'den ne kadar uzaklaştırabileceğimizi bilmiyoruz. Ayrıca, ajan gücü ve popülerliğinin harita dengesini etkilemesi de işleri hepten karmaşıklaştırıyor. Gözcü ağırlıklı oyun metası, savunanların lehine haritalar çıkmasını sağlarken Düellocu ağırlıklı oyun metasıysa haritaların saldıranların lehineymiş gibi görünmesine sebep olabilir (ajanların her harita için oyuna nasıl etki ettiklerini düşününce işler iyice karışıyor). Oyun dengesi söz konusu olduğunda, veriler tek önemli faktör olmaktan ziyade oyunun durumunu anlamak için kullanabileceğimiz birçok farklı araçtan yalnızca bir tanesi oluyor.

Bu nedenle, hem oyun içi verilerimizi hem de anketler aracılığıyla sizden gelen dönüşleri sürekli değerlendiriyoruz. Böylece elimizdeki verilerin oyun içi denge ile nasıl bağdaştığını anlamlandırmamız da kolaylaşıyor. Amacımız, gelecekte bu anlayışın oyunun hangi yönlerinin geliştirilmesi gerektiğini daha hızlı anlamamıza yardımcı olması.

NELERİ TAKİP EDİYORUZ?

Oyunun farklı kısımlarının gücünü ve sağlığını ölçebilmek için baktığımız çeşitli veri noktalarını gözden geçirelim. Takip ettiğimiz değerlerden bazıları şöyle:

• Ajanlar: Kazanma oranı (beceri kademesi ve harita başına), oyundaki seçilme sıklığı, ustalık eğrisi (oyuncunun o ajanın "gerçek" kazanma oranına ulaşabilmek için oynadığı karşılaşma sayısı), yaygınlık-derinlik (ajanın oyundaki genel popülerliği-oyuncuların o ajanla derinlemesine etkileşim kurma oranı)
• Haritalar: Taraflara göre tur kazanma sayısı (beceri kademesi başına), haritadaki ortalama tur sonucu (Spike'ın yerleştirilme oranı ve yeri)
• Silahlar: Turlara göre silahların alınma oranı, silah karşılaştırması (örn. Vandal kullanan biri düelloda Phantom kullanan birine karşı nasıl oynuyor?)

Elbette oyunun sağlığı için sadece bu ölçümlerden faydalanmıyoruz ama umuyoruz ki bu örnekler takip ettiğimiz şeyleri somutlaştırmaya yardımcı olmuştur.

Ajan Dengesi: Sage Örneği

Yazının geri kalanında, haziranda oyunu çıkardığımızdan beri gücünü çok defa azalttığımız Sage'e odaklanacağız. Bizi Sage'de bu kadar değişiklik yapmaya iten neydi ve bu değişiklikler onun gücünü nasıl etkiledi?

HANGİ AJAN ÇOK GÜÇLÜ?

Öncelikle bir ajanın gücünü nasıl ölçeceğimizi belirlemek gerekiyor. League of Legends'da kullanılan birincil metrikler şampiyonların seçilme sıklığı ve kazanma oranları (şampiyon başına kazanılan maçların yüzdesi). Bu değerler de ortalama bir oyuncudan profesyonel bir oyuncuya kadar uzanan çeşitli beceri düzeylerine ayrılıyor.

LoL'deki metrikleri VALORANT üzerinde kullanarak oyunu dengelemeye çalıştığımızda çok büyük bir sorunla karşılaştık. Oyunda ajanlar kendileriyle karşılaşabiliyor. Yani, çok güçlü olan bir ajan (veya neredeyse her karşılaşmada seçilen bir ajan) %50 kazanma oranına sahip olabiliyor (çünkü o ajan kaybettiğinde karşıdaki kopyası da kazanmış oluyor).

Bu sorunu çözmek için bir ajanın kendisine karşı olmayan kazanma oranına bakmaya karar verdik (yani o ajanın düşman takımda kendi kopyası olmadığında elde ettiği kazanma oranına baktık). Bu yöntem, iki takımda da aynı ajanın olduğu "garanti kazanılan ve kaybedilen" oyunları hesaplamadan çıkarmamıza yardımcı oluyor. Tabii bu yöntemin de getirdiği potansiyel riskler var (burada seçimle ilgili yanılsamalar da işin içine giriyor ama o konuya şimdi değinmeyeceğiz). Fakat her şeye rağmen aynı ajanın iki tarafta olmadığı karşılaşmaların kazanma oranını değerlendirmek, oyun içi veriler göz önüne alındığında ajanların gücünü anlamak için elimizdeki en iyi yöntem.

Rekabetçi sıraya yaptığımız ilk yamada (1.02 Yaması) karşıda kopya ajan olmayan karşılaşmalardan elde edilen kazanma oranları nasılmış bir bakalım. Sage'in bu yamadan önce Kapalı Beta 0.50 Yaması ve 1.00 Çıkış Yaması olmak üzere iki kere zayıflatıldığını unutmamakta fayda var.

O süre zarfında rekabetçi sıralarda ajanların seçilme oranı şu şekildeydi. Bu oranların bir kısmı, Sage'in VALORANT'a başlayan oyuncuların seçebileceği 5 ücretsiz ajandan biri olmasına bağlı olsa da seçilme oranı çok yüksekti.

BİR AJAN NEDEN GÜÇLÜ OLUR?

Verilere bakarak Sage'in bambaşka bir aşamada olduğu anlaşılıyordu. Sage'in elde ettiği kazanma oranlarına baktıkça onu dengelemek için ne yapabileceğimiz sorusu da giderek varlığını hissettirmeye başlamıştı.

Elimizdeki veriler hangi ajanın fazla güçlü olduğunu bize gösterebiliyordu. Ama onun neden bu kadar güçlü olduğunu daha iyi anlayabilmek istiyorduk. Bunun için bakabileceğimiz birkaç farklı veri noktası vardı:

1.  Sage'in neden bu kadar güçlü olduğunu düşündüğünüzü belirten anketler ve doğrudan konuşma yoluyla sizden gelen geribildirimler
2.  Ajanın bulunduğu tarafa bağlı olarak dağılımı (Sage'in güçlü yanlarının saldırı/savunma aşamasında ne kadar bariz olduğunu anlamak adına)
3. Ajanın gücü/oyundaki seçilme sıklığının beceri kademelerine göre dağılımı (farklı beceri düzeylerinde tutarsızlıklar olup olmadığını anlamak adına)
4. Yetenek bazlı veriler (Sage'in bir turdaki ortalama iyileştirme oranı, diğer ajanların ultisine oranla Sage'in ultisini kullandığında turun kazanılma oranı vb.)

Tüm bu veriler doğrultusunda Sage'in güçlü ve muhtemelen fazla baskın çıktığı noktaları daha iyi belirleyebildik. Fakat esas zor olan kısım, bir ajanın gücünü azaltırken onun VALORANT'a has kimliğinin zarar görmediğinden emin olmak. Tüm ajanların en güçlü yanlarını törpülersek, onların özel oldukları yanları yitirme riskiyle karşı karşıya geliriz. Bu verileri kullanan tasarımcılarımız, Sage'i "kesinlikle her takımda olması gereken bir ajan" olmaktan çıkaracak fakat seçkin oyalama/destek karakteri kimliğini de koruyacak seçenekleri ele aldı.

Verilerin ajanların güçlerini ölçmek için birçok farklı araçtan yalnızca biri olduğunu unutmamak önemli. Ajanın yetenek setini anlamanın ve geliştirmenin büyük bir kısmı da tasarımcıların sahip olduğu muazzam miktarda bilgi ve deneyimden geçiyor. Tasarım felsefemiz, nihayetinde oyunu ileri taşıyan unsur. Temel tasarım ilkelerimizi oyun dengesinin önünde tutmadığımız sürece hiçbir verinin bize faydası yok.

En sonunda Denge Ekibi, Sage'in hem iyileştirme hem de oyalama özelliklerini yeniden ayarladı ama bunu farklı şekillerde yaptı. İyileştirme potansiyeli genel itibarıyla azaltıldı (bekleme süresi arttı, kullanım başına iyileştirme oranı azaltıldı) ve oyalama oranıysa ajana karşı saldırıya olanak tanıyacak şekilde düzenlendi (Bariyer Küresi'nin yarattığı duvarın güçlenme süresi arttı, Yavaşlatan Küre'nin oluşturduğu alanın boyutu küçültüldü).

GÜNCEL DURUM

Bu düzenlemelerden sonra neler değişti? 1.11 Yaması'ndan sonra rekabetçi sırada Sage'in değerleri şöyleydi:

Sage hâlâ bir hayli güçlü. Hatta oyun çıktığından beri tüm beceri düzeylerinde ilk üçten aşağıya hiç düşmedi. Karşılaşmalardaki seçilme sıklığı da çok daha makul bir düzeye indi (yaklaşık %50'de seyrediyor). Fakat genel kanıya göre Sage'i fazla zayıflattık. Anketi yanıtlayan oyuncuların %38'i, 1.11 Yaması'ndan sonra Sage'in fazla güçsüz olduğunu düşünüyor.

ÖNÜMÜZE BAKALIM

Şu anda elimizdeki verilere bakarak Sage'in nispeten sağlıklı bir düzeyde seyrettiğini düşünüyoruz. Fakat ilerlemeyi sürdürürken daha iyi anlamamız gereken bir dizi başka faktör de var:

• Ajanlar, haritalar çıkarmak ve bunların ajan gücüne etkileri: Icebox'ın çıkışı ve (daha da önemlisi) Skye'ın gelişiyle metada bazı değişiklikler görebiliriz. Mesela, Sage çok güçsüz kalabilir. Belki takım arkadaşlarını iyileştirebilen başka bir ajanın çıkması Sage'in gözden düşmesine sebep olabilir (biz bunun olacağını düşünmüyoruz ama mümkün).
• Profesyonel oyun verileri: Profesyonel oyun metasını ve VALORANT'ın en yüksek beceri kademesinde oynanan karşılaşmaların bizim denge felsefimizi nasıl etkileyeceğini daha iyi anlayabilmek için hâlâ çabalıyoruz. Dünya genelinde gerçekleşen profesyonel karşılaşmalardan elde edilen verileri Radyant kademesindekilerle karşılaştırırsak, ajan seçilme sıklığı ve kopyasız oyunların kazanılma oranları arasında hâlâ büyük bir tutarsızlık var.
• Oyuncuların bakış açısı: Oyun içi ölçütlerimize bakarak Sage'in şu anda iyi bir noktada olduğunu düşünsek de oyuncularla yaptığımız anketlerden Sage'in çok zayıf kaldığı sonucu çıkıyor. Zaman içinde bu konudaki bakış açısının nasıl değiştiğini (değişirse) gözlemleyecek ve oyuncuların Sage'e hâlâ şüpheyle yaklaşması durumunda atabileceğimiz adımları değerlendireceğiz.

Buraya kadar okumayı başardıysanız, VALORANT Denge Ekibi'nin verileri nasıl kullandığını küçük bir örneklemeyle anlatmamıza katlandığınız için teşekkür ederiz. Umarız bu çalışma bazı kararların nasıl ve neden verildiğine ışık tutmakta faydalı olmuştur (ve sizi Sage'in işe yaramaz olmadığına ikna edebilmiştir).