Уровень 8: количественные показатели и статистика

Чтение/Игры

Наблюдай «дополнительные материалы» в конце данной публикации.

На этой неделе

Одна из обстоятельств моей любви к игровому балансу содержится в том, что разные его нюансы связаны со всевозможными сторонами разработки игр. В то время, когда мы разглядывали псевдослучайные числа, мы были в страшной близости к программированию. Несколько дней назад мы заметили, как визуальный дизайн уровня возможно использован в качестве поощрения игрока, давая ему чувство продвижения, что есть частью гейм-дизайна, но относится уже скорее к графике. На этой неделе мы с вами добрались до сфер, где дизайн пересекается с бизнесом.

На этой неделе я планирую рассмотреть две темы: количественные показатели и статистика. Для тех из вас, кто незнаком с этими понятиями, «количественные показатели» — это всего лишь измерения, другими словами мы что-либо измеряем либо отслеживаем в вашей игре; рекорды и рейтинги игроков по очкам – пожалуй, самые узнаваемые из количественных показателей, поскольку они дешёвы игрокам, но мы можем применять множество вторых скрытых показателей, дабы улучшить дизайн отечественных игр. В то время, когда мы снимаем множество показателей, в то время, когда мы делаем множество измерений, сами по себе они ничего нам не дают, пока мы их не разглядим и не проанализируем с целью что-либо определить. «Статистика» — это только комплект инструментов, каковые мы используем для получения нужной информации из количественных показателей. И не смотря на то, что мы сперва собираем показатели, а позже используем статистику для их анализа, я планирую обсудить сперва статистику, по причине того, что хорошо вначале ознакомиться с инструментами, а позже уже решать, какие конкретно эти отбирать.

Статистика

Люди, каковые ни при каких обстоятельствах не занимались статистикой, воображают её правильной наукой. Это математика, математика чёткая и ясная, следовательно, вы постоянно будете обнаружить верные ответы. На самом же деле, всё значительно запутаннее, и вы убедитесь сами, что гейм-дизайнеры (и статистики) спорят о базисных правилах статистики кроме того больше (в случае если такое по большому счету вероятно), чем о базисных правилах системного дизайна.

Что такое статистика, и чем она отличается от теории возможности?

В теории возможности, вам дан комплект случайных событий и сообщено в точности, как они случайны и какова природа данной случайности, а ваша задача – попытаться угадать, как будут смотреться эти, в то время, когда целый данный механизм случайности будет запущен. В статистике всё, в некоем смысле, напротив: тут перед вами сперва предстают эти, а вы пробуете узнать природу случайности, которая эти сведенья породила.

Возможности и статистику объединяет одна очень важная вещь: никаких обеспечений. Возможность может вам заявить, что шанс выкинуть на 1К6 определённый номер равняется 1/6. Но она не говорит вам, какие конкретно номера выпадут, если вы вправду кинете кость. Так же и статистика может из множества бросков сделать вывод, что возможно, тут имеет место равномерное распределение, с 95% достоверностью, но имеется пятипроцентный шанс, что вы ошибаетесь. И данный шанс ни при каких обстоятельствах не будет нулевым.

Статистический инструментарий

Так как мы с вами не претендуем на диплом магистра статистики, я ограничусь тем, что сообщу: кроме разглядываемых в этом курсе статистических инструментов существует ещё множество других. То, что тут представлено – всего лишь минимум, что по моему точке зрения нужен каждому гейм-дизайнеру, и может понадобиться при анализе количественных показателей его игр.

Среднее значение:

В то время, когда кто-то требует вас назвать «среднее» значение, то, в большинстве случаев, имеется в виду среднее арифметическое (мне известны два вида средних значений, и, возможно, существуют ещё пара, мне малоизвестных). Чтобы получить среднее арифметическое из множества значений, вы складываете их, а после этого дробите оказавшееся на количество этих значений. Это что-то наподобие ожидаемого значения в теории возможности, за тем только исключением, что вы его рассчитываете основываясь на реально случившихся бросках, а не на теоретически сбалансированном комплекте таких бросков. Расчёт среднего арифметического поразительно нужен; оно даёт вам приблизительное ожидаемое значение чего-либо в игре. Вы имеете возможность разглядывать среднее значение как вычисление ожидаемого значения способом Монте-Карло, лишь используете вы не компьютерную симуляцию, а настоящие эти тестирований.

Срединное значение:

Это ещё один вид среднего значения. Дабы отыскать его, заберите все собственные значения, расположите от самого мелкого до самого громадного, а после этого выберите то, которое находится в середине. К примеру, в случае если у вас имеется пять значений, то третье будет срединным. (В случае если у вас чётное количество значений, то срединное будет не одно, их будет два, и вам нужно будет отыскать среднее арифметическое этих двух – это так, внезапно вам было весьма интересно). Само по себе срединное значение не так уж полезно, но в случае если его сравнить со средним арифметическим, оно может большое количество сообщить вам о том, имеется ли в ваших данных перекос в громадную либо меньшую сторону, либо же они симметричны. К примеру, в Соединенных Штатах срединное значение дохода домохозяйства ниже среднего арифметического, а это, по сути, свидетельствует, что у нас большое количество людей, каковые получают понемногу, и имеется маленькое количество людей, каковые получают огромные деньги, поднимая среднее значение дохода. В случае если срединная оценка в классе ниже, чем средняя, это значит, что большая часть ребят отстают, и имеется один либо два блестящих умника, каковые поднимают показатели (не смотря на то, что значительно чаще не редкость напротив – большая часть учеников обучается на «прекрасно», но неизменно имеется один лентяй, что приобретает единицы и тянет средние показателивниз). Если вы делаете что-то наподобие рейтинга по очкам и подмечаете, что срединное значение намного ниже среднего, это скорее всего значит, что маленькое количество ваших игроков легко неприлично прекрасно играются и получают тонны очков, а все остальные – простые смертные – ближе к срединному значению.

Среднеквадратическое отклонение:

В простой беседе такое выражение будет звучать достаточно заумно, дабы вы показались знатоком математики. А рассчитывается оно следующим образом: вы берёте любой из собственных показателей, вычитаете его из среднего значения, возводите итог в квадрат, складываете все оказавшиеся значения и дробите их на общее число показателей, а позже из данной суммы извлекаете квадратный корень. По обстоятельствам, каковые вам совсем не обязательно знать, в следствии всех этих манипуляций вы приобретаете итог, что показывает разброс ваших данных. По сути, две трети ваших данных находятся в пределах одного среднеквадратического отклонения от среднего значения, и практически все сведенья укладываются в рамки двух среднеквадратических отклонений, так что величина вашего СО в итоге зависит от величины вашего среднего значения. Среднее значение 50 при среднеквадратическом отклонении 25 – разброс громадной, среднее значение 5 000 при среднеквадратическом отклонении 25 – разброс мелкий. Довольно громадное среднеквадратическое отклонение свидетельствует, что ваши эти разбросаны где попало, в то время как малое значение СО свидетельствует, что ваши эти хорошо сгруппированы.

Примеры

Для примера, давайте разглядим две случайные переменные: 2К6, и 1К11+1. Как мы уже говорили, в то время, когда обсуждали возможность, и в том и другом случае вы станете приобретать числа от 2 до 12. Но природа их весьма хороша: 2К6 сгруппированы ближе к центру, тогда как следствия 1К11+1 распределяются равномерно. Статистике вообще-то нечего тут добавить, но давайте предположим, что я бросил 2К6 тридцать шесть раз и взял каждое из значений по одному разу, и я бросил 1К11 одиннадцать раз и взял каждое значение по разу… Что более, чем поразительно, но это даёт нам возможность применять статистических инструментарий для анализа возможностей.

Среднее арифметическое для обоих случаев равняется 7, следовательно, если вы пробуете сбалансировать какое-либо из этих чисел в игре, вы имеете возможность применять 7 в качестве ожидаемого значения. Что же разброс? Срединное также равняется 7 для обоих случаев, соответственно, возьмёт значение выше либо ниже семи вы имеете возможность с равной возможностью (и это логично, поскольку обе кости симметричны). В это же время, вы увидите, что среднеквадратические отклонения будут очень сильно различаться: для 2К6 значение СО примерно 2,5, соответственно как правило будет выпадать итог между 5 и 9, для 1К11+1 значение СО примерно 3,5 – следовательно, вы станете приобретать итог, лежащий между 4 и 10 приблизительно с той же частотой, что и итог от 5 до 9 для 2К6. И ничего тут, казалось бы, для того чтобы, пока вы не начнёте бросать кости.

Заберём второй пример: допустим, вы разглядываете время, за которое тестеры проходят первый уровень туториала в игре, которую вы разрабатываете. Вы стремитесь к тому, дабы на это уходило 5 мин.. Вы находите среднее арифметическое, равное пяти минутам, срединное значение, равное шести минутам и среднеквадратическое отклонение, которое равняется двум минутам. О чём это нам говорит? Большая часть людей проходит первый уровень за время от 3 до 7 мин., что возможно как прекрасно, так и не хорошо, в зависимости от того, как игрок осуществляет контроль уровень. Но в большинстве игр туториал должен быть весьма стандартным, линейным игровым опытом, исходя из этого таковой разброс думается огромным. Ещё один предлог задуматься – высокое срединное значение, которое свидетельствует, что практически всем людей необходимо больше пяти мин. на прохождение, и только немногие проходят через уровень весьма скоро и снижают среднее значение. С одной стороны, это хорошие новости – в том смысле, что никто не проходит уровень по 4 часа (в противном случае бы среднее значение было значительно выше срединного!), но иначе, они могут быть и нехорошими – в том смысле, что кое-какие игроки имели возможность случайно отыскать какой-то обходной путь либо эксплойт, либо они просто пропускают вступительный диалоги либо ещё что-то делают, почему смогут позже в удивлении застрять на втором уровне.

В этот самый момент мы извлекаем ещё один урок: статистика информирует нам, что что-то происходит, но она не говорит нам, из-за чего это происходит, а время от времени объяснений возможно пара. Это именно тот случай, где статистику довольно часто применяют неправильно, либо кроме того просто-напросто злоупотребляют ею, в то время, когда находят одно-единственное логичное объяснение для взятых данных и игнорируют саму возможность существования вторых объяснений. В этом случае, мы не можем знать из-за чего срединное значение меньше среднего и это что может значить в контексте гейм-дизайна… Но мы имели возможность бы израсходовать мало времени на поиски и размышления всех вероятных ответов, а после этого мы имели возможность бы собрать ещё эти, каковые помогли бы нам определиться, какой из них верен. К примеру, если вы опасаетесь, что игроки проскакивают вступительный диалог, вы имели возможность бы дополнительно к неспециализированному измерить время, которое тратится на его прочтение. Сейчас мы ещё возвратимся к этому понятию дизайна показателей.

Тут и третий урок: я вам не сообщил, сколько тестеров я замечал, для получения этих данных! Чем больше вы проводите тестов, тем правильнее окончательный анализ. В случае если у вас было лишь три теста – тогда все попытки как-то угадать неспециализированные тенденции при помощи этих цифр ненужны. Если бы у вас было пара тысяч тестов – было бы куда лучше. (какое количество тестов нужно чтобы анализ был достаточно качественным? Зависит от того, что осознавать под «достаточно качественным». Чем больше тестов – тем вы имеете возможность быть увереннее, но стопроцентной уверенность у вас не будет ни при каких обстоятельствах, сколько бы тестов вы ни проводили. Люди, сделавшие статистику собственной профессией, оперируют понятием «доверительный промежуток», в котором они дают вам диапазон значений, а позже говорят, что они уверены на 95%, словно бы настоящее значение в действительности будет в таких-то пределах. Во всём этом значительно больше тонкостей, чем практически всем из нас потребуется в дизайнерской работе ежедневно).

Статистические выбросы

В случае если у вас имеется несколько данных с маленьким числом всплесков либо провалов – значений, каковые значительно больше либо меньше среднего, — это так именуемые статистические выбросы. Так как они сдвигают среднее значение на большом растоянии от срединного, в случае если срединное значение и ваше среднее резко отличаются, вероятнее виноваты статистические выбросы.

В то время, когда вы проводите статистический анализ, вы имеете возможность задуматься, что делать с выбросами? Включать ли их в расчёты? Либо проигнорировать? Отнести ли их раздельно в особенную группу? Как и с большинством вторых вещей – зависит от событий.

Если вы пробуете выяснить простые модели игры, в большинстве случаев, лучше не обращать на выбросы внимания, по причине того, что они по определению – сильные отклонения от нормы. Если вы разглядываете крайние случаи, тогда вы их не только оставляете, но и пристально разглядываете: к примеру, вы пробуете проанализировать разные рекорды по очкам, дабы знать, как отображать их в рейтинге, вы должны осознавать, что верхние строки в перечне будут занимать именно пиковые значения.

В любом случае, если у вас имеется статистические выбросы, в большинстве случаев стоит разглядеть их подробнее, дабы узнать, что произошло. Возвращаясь к нашему прошлому примеру о времени прохождения уровня, в случае если большая часть игроков проходят туториал за время от 5 до 7 мин., но вы увидели маленькое количество тестеров, каковые прошли его за 1-2 60 секунд, это значит, что они отечественные какой-то обходной путь либо эксплойт, и вам нужно разобраться, как так вышло. В случае если же большая часть управляется за 5-7 мин., а одному игроку пригодилось полчаса, это, по-видимому, значит, что он просто поставил игру на паузу и где-то бродил всё это время, либо же ему так понравилось в данной песочнице, что он просто забавлялся и ему не было дела до продвижения – как бы то ни было, вероятнее, этим одним результатом возможно пренебречь. Но в случае если таких людей трое либо четверо (всё рано в подавляющем меньшинстве), вам стоит смотреть за обстановок потом, поскольку может произойти, что некая малая группа будет сталкиваться в игре с проблемами… либо это игроки, которым очень понравилась какая-то вещь в туториале: такое также полезно определить (понадобиться в дизайне последующих уровней).

Рабочая выборка

Вот ещё одна из обстоятельств, по которой вас ваша статистика может пойти наперекосяк: всё зависит от того, что и кого вы отобрали для работы.

Я уже упоминал одну из самых распространённых неприятностей – не хватает громадная выборка. Чем больше у вас данных, тем лучше. Вот вам пример: когда-то, в то время, когда я систематично игрался в Magic: TheGathering, мне довелось собирать колоду для приятеля – я не имел возможности поучаствовать в турнире, но у него получалось. Дабы выяснить, подходящее ли у меня соотношение земель к заклинаниям, я перетасовал колоду, сдал первый круг и сыграл пара ходов понарошку, дабы заметить, хватает ли мне всего. Я такое проделывал неоднократно, доходя практически до дна колоды, и в зависимости от того, было у меня через чур много либо через чур мало земель, я додавал либо убирал их, перетасовывал карты и повторял процедуру. В то время мне казалось, что это хороший метод на глазок прикинуть, сколько мне необходимо земель. Но так уж произошло, что я не увидел, что почвы были весьма равномерно распределены по колоде, а не собраны в группы, так что под конец мне начало казаться, что всё в порядке… я всё вычислял и вычислял. По окончании турнира, на котором моего приятеля разнесли в прах и пух, он мне поведал, что ему неизменно не хватало земель, и в то время, когда мы прошлись по колоде и всё пересчитали, оказалось, что земель было всего 16 на колоду из 60 карт! Приятель меня выбранил, и поделом. Неприятность же заключалась в том, что я пробовал разбирать количество земель статистическими способами, но размер выборки был через чур мелок, дабы дать какие-либо значимые результаты.

Вот ещё один пример: допустим, вы создаёте игру, ориентированную на рынок казуалок. Все в вашей команде разработчиков поиграли в игру, дабы иметь какие-то базисные информацию о том, как продолжительно проходится любой уровень и как он сложен. Неприятность: люди, сыгравшие в игру, возможно, не относятся к казуальным игрокам, так что они не являются репрезентативной рабочей выборкой вашей целевой аудитории. Я уверен, что когда-нибудь такое случалось.

Пример поновее: поговаривают, что в True Crime: Hong Kongиздатели из Activisionякобы настойчиво попросили, дабы разработчики поменяли пол главного персонажа с женского на мужской, поскольку их фокус-группа дала предпочтение мужскому персонажу. Неприятность: фокус-группа была составлена всецело из мужчин, либо же вопросы были изначально так искажены теми, кто их составлял, дабы продвинуть нужную им идею, а не узнать подлинное положение вещей. В Activision, само собой разумеется,всё это отрицают, но тема всё равняется деятельно обсуждается во всём игровом сообществе… и дело не только в роли дам в играх, а ещё и в применении статистики-и фокус групп в гейм-дизайне. Такие вещи наблюдаются везде, в особенности в громадной политике, где у множества людей имеется собственные индивидуальные интересы, и они готовы извратить статистические методы и результаты исследования, только бы доказать то, что им выгодно.

По сути, в то время, когда вы собираете эти тестирований, вам направляться приложить все усилия, дабы собрать тестеров, каковые как возможно ближе к вашей целевой аудитории, и вам направляться совершить как возможно больше тестирований, дабы отфильтровать все случайные помехи. Уровень качества вашего анализа зависит от качества данных!

А также если вы пользуетесь статистикой «честно», всё равняется существуют неприятности, с которыми сталкивается любой дизайнер, в зависимости от разрабатываемой игры.

— В то время, когда дело касается игр, вы даны на милость программистов, и с этим ничего нельзя поделать. Как раз программисты вынуждены тратить собственное время на написание кода для сбора показателей, каковые вы запрашиваете. Время на программирование ограничено, так что подчас вам нужно будет выбирать в это же время, дабы команда программистов воплощала механизм сбора данных… либо воплощала фактически те игровые механики, каковые вы создали. И это при условии, что за вас не решил издатель либо продюсер. В некоторых компаниях несложнее, в некоторых – сложнее, но так происходит, что сбор количественных показателей занимает то же место, что и аудио, тестирование и локализация – другими словами задачи, каковые откладываются до последнего, в то время, когда уже поздно что-то поменять в лучшую сторону.

— Что до настольных игр – вы на даны на милость тестеров. Чем больше вы соберёте данных, тем лучше, само собой. Но в конечном итоге, игра возможно выпущена в бета-версии и взять тысячи и сотни прохождений, в то время как с настольными играми, в случае если оценивать всё реалистично, удастся сделать только малую толику этого при тестировании вживую. Чем меньше выборка, тем ненадёжнее эти тестирований.

— Для любой игры вам нужно весьма чётко знать заблаговременно, что именно вы станете измерять и с какой точностью. Если вы совершите пара сотен тестирований, и только позже поймёте, что вам нужно собрать информацию об определённом состоянии игры, каковые вы до этого не отслеживали, вам нужно будет проводить все тесты опять. Единственное, что вы имеете возможность с этим сделать – согласиться с тем, что, как и сам дизайн, сбор и тестирование данных – процессы цикличные, и учитывать это при составлении графика работ.

— Помимо этого, нужно не забывать, что независимо от разновидности игры весьма, весьма легко случайно всё спутать и взять неверный ответ – прямо как с возможностями.В отличие от возможности, в данной обстановке не проводится так много испытаний работоспособности чтобы неправильные числа смотрелись неправильно, поскольку в соответствии с определению вы не всегда совершенно верно понимаете, что ищете либо какого именно ответа ожидаете.Исходя из этого необходимо функционировать с опаской и применять любой вероятный способ, дабы совершить свободную диагностику взятых чисел.Кроме этого лучше представить себе заблаговременно, какими смогут быть возможные результаты вашего анализа и что они будут из себя воображать.

причинность и Корреляция

В конечном счёте одна из самый распространенных неточностей, связанных со статистикой, это обстановка, в то время, когда вы подмечаете собственного рода корреляцию между двумя размерами.

Корреляция значит, что при повышении одной величины, думается, что вторая величина кроме этого возрастает (хорошая корреляция) либо значительно уменьшается (негативная корреляция).Прекрасно, если вы и в самом деле отыщете корреляцию, но частенько предполагают, что лишь вследствие того что две величины взаимосвязаны, одна есть обстоятельством второй, а этого нельзя утверждать исходя лишь из статистики.

Разглядим пример. Представим себе, что играясь в Пуэрто-Рико, вы подмечаете сильную хорошую корреляцию между покупкой здания и выигрышем Фабрики, предположим, что в 95 играх из 100 победитель приобрел Фабрику.Конечно высказать предположение, что Фабрика владеет суперсилой и исходя из этого вы побеждаете. Но без дополнительной информации таковой вывод запрещено. Ниже приведены другие выводы, каковые кроме этого будут верны, исходя из этих данных:

— Вероятно всё именно напротив, выигрыш обусловливает приобретение Фабрики. Это звучит необычно, но, возможно, мысль содержится в том, что Фабрика оказывает помощь игроку, что уже побеждает, другими словами не Фабрика обусловливает выигрыш, а лидерская позиция по какой-либо причине обусловливает приобретение Фабрики.

— Либо, быть может, что-то иное есть обстоятельством этих двух покупки: Фабрики и событий выигрыша. Возможно какая-то приобретение в начале игры приводит игрока к приобретению Фабрики и та же приобретение в начале игры содействует выигрышу, так, Фабрика — это лишь показатель, а не главная причина.

— Либо эти два события смогут быть не взаимосвязаны, а ваша выборка не большая чтобы закон солидных чисел вступил в воздействие.В действительности мы всегда сталкиваемся с этим явлением в массовой культуре, в то время, когда две вещи, каковые разумеется не связаны между собой, всё равняется считаются взаимосвязанными, к примеру, футбольный матч команды Вашингтон Редскинз предвещает результаты следующих президентских выборов в Соединенных Штатах, либо осьминог предвещает победителя Кубка мира по футболу, либо сурок, в случае если заметит собственную тень, предвещает ещё продолжительную зиму.Как мы уже знаем благодаря изучению возможности, в случае если забрать большое количество случайных размеров, то возможно подметить повторяющиеся схемы; с одной стороны, это смогут быть последовательности, каковые не похожи между собой, но иначе, в случае если забрать множество сборок данных, быть может, кое-какие из них будут случайным образом взаимосвязаны.Если вы мне не верите, попытайтесь кинуть пара раз две отдельные игральные кости и после этого посчитать корреляцию между этими числами, могу поспорить, что она не будет равна нулю!

Статистика в Excel

Хорошие новости: хотя здесь употребляется много математических формул, вам в действительности не требуется их знать. Excel сделает всё за вас, она содержит все эти формулы. Ниже приведены кое-какие нужные формулы:

— СРЕДНЕЕ ЗНАЧЕНИЕ (AVERAGE): вычисляет среднее значение для выбранного диапазона ячеек. Вы кроме этого имели возможность бы применять СУММИРОВАТЬ (SUM) ячейки и после этого поделить итог на количество ячеек, но СРЕДНЕЕ ЗНАЧЕНИЕ легче.

— СРЕДИННОЕ ЗНАЧЕНИЕ (MEDIAN): как вы уже имели возможность додуматься, считает срединное значение для выбранного диапазона ячеек.

— СРЕДНЕКВАДРАТИЧЕСКОЕ ОТКЛОНЕНИЕ (STDEV): вычисляет среднеквадратическое отклонение для выбранного диапазона ячеек.

— КОРРЕЛЯЦИЯ (CORREL): вы показываете два диапазона ячеек, несколько, и между двумя подборками данных подсчитывается корреляция.К примеру, вы имеете возможность создать две колонки, первую с финальными результатами игры, а вторую с результатами по окончании первого хода, выполненного каждым из игроков, и так, взглянуть воздействуют ли результаты в начале игры на её результат (в случае если это так, быть может, где-то в игре имеется хорошая обратная сообщение). Коэффициентом корреляции при применении функции CORREL в Excel возможно число от -1 (полная негативная корреляция) до 0 (не взаимосвязаны) и до +1 (полная хорошая корреляция).

Имеется ли хорошие новости?

Я уже так много поведал о том, как возможно применять статистику неправильно, что вам, предположительно, уже весьма интересно, нужна ли она для чего-нибудь. Ответ: да, нужна.В случае если у вас имеется вопрос, на что вы не имеете возможность ответить интуитивно, и он требует математического расчёта вашей кривой прогресса и затрат, вы сможете сделать нужные выводы посредством статистики… в случае если зададите верные вопросы, и в случае если соберёте верные эти.

Приведу пример случая, в то время, когда статистика весьма понадобилась при разработке игры.Я трудился в компании, которая разрабатывала онлайн игру, и мы поняли, что число и количество игроков сыгранных партий стали уменьшаться, по причине того, что некое время мы не производили обновлений. (Это было ожидаемо. Я увидел, что при отсутствии обновлений, онлайн игра теряет приблизительно половину главных игроков примерно каждые 6 месяцев, по крайней мере, исходя из моего опыта.)

Но мы не ожидали следующего: как-то раз одному из отечественных разработчиков стало скучно, и он создал бота с целью проведения викторины, маленький кусочек кода, что заходил на сервер под своим собственным игровым аккаунтом, рассылал вопрос викторины каждые пару мин., а после этого разбирал чат игроков на предмет верного ответа.

И эта викторина пользовалась популярностью, как бы довольно глупо и просто это не было, по причине того, что представляла собой недолгий мгновенный каузальный игровой опыт.

А сейчас основной вопрос: что случилось с игроками и что случилось с самой игрой, с той игрой, в которую игроки должны были по идее играться (в которой они бы входили в чат, дабы отыскать с кем посоревноваться, перед тем как их бы отвлек бот с викториной)?

Некоторым игрокам весьма нравился бот с викториной. Им было чем заняться между партиями.Другие терпеть не могли бота с викториной, они утверждали, что им было сложнее отыскать игроков для партии, по причине того, что все, кто был в то время в игре, были через чур заняты тем, что отвечали на глупые вопросы викторины вместо того, дабы играться в игру. Кто был прав?Интуиция в этом случае нам не помогла, по причине того, что интуиция подсказывала всем по-различному.Кроме этого не доходил вариант прислушаться к игрокам, по причине того, что та несколько игроков, которая высказывала собственное вывод, была ориентирована на одно направление, а возможности опросить тех, кто не высказывал собственное вывод, не было.Кроме этого не доходила возможность применять математический расчёт, по причине того, что бот с викториной не был частью игры, не говоря уже о кривой затрат. Возможно ли было ответить на данный вопрос посредством статистики? Само собой разумеется, и мы так и поступили!

Это было достаточно легко и не потребовало детального анализа. Необходимо посчитать количество всех входов в игру за сутки. После этого посчитать количество сыгранных партий.

Так как на отечественном сервере и таксохранялся любой вход в игру, начало и выход игры, у нас уже были эти сведенья, и всё, что нам необходимо было сделать, это совершить несложный анализ, дабы выяснить, как эти размеры изменились с течением времени.Как и ожидалось, с момента последнего релиза все показатели неспешно уменьшались, но, вообще-то, бот с викториной содействовал заметному увеличению количества входов в числа и игру партий.Оказалось, что игроки входили в игру и игрались с ботом в викторину, но пока они пребывали в игре, они кроме этого игрались партии между собой!Это был вывод, к которому было бы нереально прийти каким-то определённым методом, без анализа правильных данных.И без того мы выучили что-то крайне важное для онлайн игр: лучше, в то время, когда онлайн большое количество игроков, каковые взаимодействуют между собой… кроме того если они взаимодействуют нестандартным методом.

Лекция 2. Как сравнить количественные показатели в группах


Также читать:

Понравилась статья? Поделиться с друзьями: