百科问答小站 logo
百科问答小站 font logo



游戏数值策划要如何入门? 第1页

  

user avatar   itnan-71 网友的相关建议: 
      

不要急,不要浮躁,不要一来就想着套公式学函数玩VBA,先认清数值的本质把基础打好。

引用一下最近写的干货,希望能让题主对数值有一个清晰的认识

以下为原文:

最近面试了几个刚入行一两年的新人,在震惊于其基本功薄弱之余,其对游戏本身的理解还处于较为初级的阶段;正好知乎换新号了,思考再三决定陆续撰写一些剖析游戏设计本质与设计方法的干货,其中包含了我入行近七年来对设计思路与方法的理解,我会通过多个案例讲述游戏设计的本质及如何从本质上设计游戏,如果你是想要入行或已经入行的新人,希望这一系列能给到你帮助,而对于某些入行多年对数值感兴趣却又不甚了解的朋友,也可一阅。

__________________________

提到游戏设计,要谈的太多,有人聊规规则有人聊想法,看了半天也难得见到几个人聊到设计的本质;尤其是聊到数值部分时,大部分人无非就是把一堆公式函数往观众肚子里塞,缺乏依据又缺乏目的,更有甚者告诉我数值就是经验等级各种战斗公式......数值作为游戏规则玩法本质中的本质,竟有相当部分人的理解还停留在这个阶段实在是让我失语...

所以我决定从游戏设计的核心:数值谈起,而今天就单聊一句我常说的老话:

“数值是对规则的量化,数值是规则与玩法的化身,甚至是他们本身。”

首先我想说的是我要聊的不是这句话的对错,而是聊聊这句话为什么是对的。

围绕这句话生成本篇的三个问题

1.什么是数值?

2.数值的目的是什么?

3.游戏必须要有数值吗?

知乎个别答主说对了,数值是为体验服务的产物,那么是为什么体验服务?

数值为强化游戏规则的体验服务,游戏可以没有显性数值,但一定存在规则,且规则一定能通过数值进行量化。(注:战斗规则体系下的攻击生命及养成线等均属于显性数值)


今天举两个例子进行说明,

例一:

假定我们的游戏规则是存在战斗的,我们先为战斗规则建立HP,Attack两个属性,两个玩家通过(守方的HP-攻方的Attack)两个属性轮询对抗,第一个HP<=0的玩家判定为失败。(加减法公式+回合制战斗)

在这个规则下,我们将任意数值给双方的两个变量赋值就能保证得出一个战斗结果,但我们能保证这个结果双方的战斗体验吗?

答案是不能。假设在加减法公式且无周边系统养成(或养成成本相等)的情况下,

A的HP=50,Attack=10,

B的HP=100,Attack=10,

两者的属性公平吗?B凭着比A多出一倍的存活时间,在对抗时是否对A处于碾压地位?所以我们得出结论:

“当无养成或双方养成成本相等时,保证双方战斗属性价值相等=保证战斗体验”

所以一切战斗,先算核心属性值价值(HP和Attack即为大多战斗最基本的核心属性,暴击命中只是它基础上的延伸),再通过调试数值使双方属性价值大致相等。具体如何计算价值,如何调试,本文不做阐述,可双击屏幕后关注本人后续文章。(注:战斗体验不仅仅是保证属性平衡即可,还存在战斗时长控制数值的情绪映射等等都与体验息息相关)

那么通过这个例子我们可以引申出:

“数值是一套根据规则产生的可对游戏体验进行调试的方法,仅靠规则无法保证玩家的体验”


现在我们把显性数值拿掉,参考其他游戏,

例二:

经典的狼人杀。

狼人杀规则中一无攻击二无生命,狼人杀存在有数值吗?

答案是有,不光有,而且还占有极其重要的位置。狼人杀是一个以阵营胜利为目标、进行个人推理or团队合作的社交竞技游戏,狼人12人标准局中的阵营配置为4民4狼4神,狼人干掉民或神任意一边视为狼人胜利,狼人全灭则视为民和神胜利,具体规则劳烦自行百度。

我们先看狼,因为这是以阵营为单位的社交竞技游戏,所以这里我们把阵营看作一个整体,狼人4人、好人8人,而个人的生命值为1,我们先得出双方HP

狼人:

生命=人数

HP=4

好人:

生命=除去一人后min值与max值的平均值(屠边胜利在极端情况仅剩一人时视为狼人胜利,所以min值=4,max值=8-1=7,最后取平均值)

HP=AVERAGE[4~7]=5.5

狼人每晚固定可以干掉一名好人;由于夜晚先行,不算狼自刀的情况下,例如第一轮剩余玩家为4狼7好人,先摈弃掉双方的策略因素(其实算上策略因素狼人略大,因为不具备猜疑链在票型统一上更有优势),按照纯随机的投票逻辑第一晚好人投出的狼人概率量化为对狼人的伤害为4/7=0.36,而没有投中狼人的概率则量化为对好人的伤害为1-4/7≈0.64;但由于每晚狼人及每白天投票造成的人数减少,投票对双方造成的伤害是不固定且浮动的,所以我们把每日造成的投票伤害代入得出投票伤害平均值

狼人:

狼人伤害=每晚造成伤害+每日投票伤害平均值

Attack=1+AVERAGE[0.36 , 0.4 , 0.46 , 0.55 , 0.74]=1.5

好人:

伤害=每日投票伤害平均值

Attack=AVERAGE[0.64 , 0.6 , 0.54 , 0.45 , 0.26]=0.5


从双方HP与Attack的数值量化得出:

好人HP高于狼人:好人HP(5.5)>狼人HP(4)

双方投票伤害相等:好人投票伤害(0.5)=狼人投票伤害(1.5-1)

而狼人的综合Attack高于好人:好人Attack(0.5)<狼人Attack(1.5)

总分对比:好人 5.5+0.5=6>狼人 4+1.5=5(在不算先手优势的情况下,加减法公式中HP和Attack价值基本相等)

那么我们能得出好人更有优势的结论吗?

不能,因为我们还漏掉了两个参数

1.狼人的先手优势,众所周知狼人杀第一天开始为夜晚,故狼人阵营具备先手优势。仅此一点即可使总分增值0.5以上达成数值平衡。

2.好人阵营的不稳定性,在我们默认单个玩家为菜鸟的概率为50%的情况下,好人出现菜鸡数量更多这对于好人来说是不公平的。

那么你可能要问了,好人虽然数量多但双方比例不是一样吗,这有什么不公平的?

答案是好人要通过投票对狼人造成伤害是非常依赖于玩家主观判断的,菜鸡的数量越多团队越趋于混乱,趋于混乱的团队更容易将己方阵营玩家投出去。而狼人由于视野清晰敌我判断明确,更容易做出正确的决策;且狼人的1点伤害是不受菜鸡影响,只要不刀队友伤害永远是恒定的(极端自刀情况不纳入考虑范围),所以第一点使两者数值基本平衡,第二点使狼人优势超过好人。

假如狼人杀的设计到此为止,那这个游戏也到此为止了,这种数值悬殊下好人根本没法玩;为了平衡性,狼人杀的制作者衍生出了好人阵营的4神,用4神的技能来制衡狼人的信息优势与先手优势,优化平衡的同时提高了可玩性。(例如预言家制衡信息优势优化决策,女巫、猎人用于增加Attack和HP,优秀的白痴则用于帮助进行决策)

但这个方案也存在一些瑕疵:

1.技能的量化难度太高难以做到绝对的平衡。我们常常发现不少玩家玩狼人杀时会经常调整游戏的身份卡,如4神4民3狼1狼神和第三方阵营等等、延伸出了一系列的身份搭配,这其中也有平衡性的考量。

2.神职对于好人方数值影响太大,神职的水平十分影响其他玩家的游戏体验。相信很多玩家都有神职划水狼人杀疯的奇妙体验。

这个框架的阵营胜利曲线可能是这样的:

初期好人阵营对游戏不够熟悉,神职发挥不出既定的信息优势导致好人胜率较低,而随着时间推移双方游戏理解加深,最终的胜率会趋于相等。当然,由于咱们现实中的狼人杀并没有一个基于ELO算法的匹配机制,每一局的游戏体验都是参差不齐的,胜率悬殊只会更大,这里只谈同水平下量化之后的胜率。(玩家之间的水平也是可以进行量化的,这个以后讲)

总体来说这个框架已经实现了相对平衡,可以上线了。

现在来回到最开始的三个问题:

1.什么是数值?

“数值是一套根据规则产生的可对游戏体验进行调试的方法,仅靠规则无法保证玩家的体验”

2.数值的目的是什么?

“数值的目的是对规则进行的量化,对规则的量化是为了更好地设计规则。”

3.游戏必须要有数值吗?

“得有,因为数值就是规则与玩法的化身”


游戏设计或者说策划工作的核心即为设计规则,这也是我为什么常说策划一定要学数值,规则和数值就是一对连体婴,不懂数值的策划设计的规则往往是不合格的。

不要问我怎么那个XXX做了一个XXX动作手游,他不懂数值设计的规则上线后也卖得挺好的呀?首先那个XXX做的东西很可能是走前人走过的老路或一套比较成熟的框架,借用别人的框架做东西并不可耻,但毕竟借用规则框架≠设计规则框架,如果你有好好看本篇你应该知道我在说什么。

研究数值第一步不用纠结于公式算法等一切衍生物,所有的公式算法均是为某一个游戏类型框架下的规则服务,为什么这么做总是比怎么做更加重要,也只有当你真正理解了数值的含义和目的后你才会发现:原来如此。

下课。




  

相关话题

  如果《赛博朋克2077》实体游玩体验低于大众期待会怎么样? 
  有哪些二周目依然有趣的游戏? 
  为什么从来没有听说过印度的3a游戏? 
  网吧住一个星期大概多少RMB? 
  如何看待《黑神话:悟空》战斗策划离职并发文交代原因和对行业新人的建议? 
  历代《精灵宝可梦》游戏的时间线、主角及主线剧情是怎样发展的? 
  如何评价游戏《黑神话:悟空》的文案水平? 
  如何评价原神疑似更改申鹤立绘? 
  如何看待《原神》中的敌人愚人众先遣队? 
  是不是只有免费才能挽救守望先锋的人气? 

前一个讨论
怎么训练自己反转写作的能力?
下一个讨论
在网络小说中,该如何合理设计剧情中的阴谋诡计?





© 2024-11-24 - tinynew.org. All Rights Reserved.
© 2024-11-24 - tinynew.org. 保留所有权利