Пока искал выступление на gdc2019 от авторов Slay the spire наткнулся на любопытное видео по теории количества рандома в геймдизайне. Как понять много его или мало?
Есть 2 распространенных похода - плэйтесты и интуиция. Первый дорогой, второй ненадежный. В видео приведен метод приблизительного расчета раздражения игрока от неудач с рандомом. Негатив игрока пропорционален потерянному игроком времени в результате поражения умноженному на шанс его потерять из-за влияния рандома.
Например hearthstone, 25% партий сливаются из-за рандома, на партию в среднем затрачивается 10 минут. Поражение сдвигает тебя на одну строку ниже в таблице, из-за этого суммарная потеря получается 20 минут. В итоге абстрактный коэффициент раздражения от рандома - 5.
В HS есть режим арена, где по сути нужно пройти серию партий. Каждый вход стоит некоторое количество валюты.
Можно выделить 3 типа игроков, которые в него играют:
- те, кто играет когда валюта сама накопится
- те кто покупает вход в режим за реальные деньги (~$2)
- те кто гриндит валюту целенаправленно, чтобы играть в арену
Для каждой из этих когорт коэффициент раздражения будет разным. Первые теряют лишь время, затраченное на саму арену. Вторые дополнительно теряют время, которое было затрачено на зарабатывание этих $2. Третьи теряют время потраченное на саму арену плюс несопоставимо большее время на гринд и их боль значительно сильнее. Стоит это учитывать при продумывании механик и расчете баланса.
Slay the spire. Чтобы дойти до первого босса требуется немного времени. И на порядок больше для победы над последним. Вывод: для того, чтобы поддержать коэффициент раздражения от рандома на том же уровне нужно, чтобы вероятность поражения из-за него падала. Для этого отлично подходит функционал дэкбилдинга в roguelike играх. Чем больше вы играете - тем больше контролируете состав колоды и соответствие ее своим требованиям, тем меньше влияние рандома на исход сражений.
Для классической рулетки, как впрочем и для всех игр, где поражение стоит денег, их потерю можно конвертировать во время, используя информацию о среднем заработке к примеру за час у вашей ЦА. Чем больше заработок - тем меньше раздражения вызывают поражения. В то же время в играх такого типа огромное влияние оказывает размер выигрыша.
Что со всем этим делать? Да, результат получается неточный, но и из него, думаю, можно извлечь пользу. К примеру посчитать средние значение у лидирующих конкурентов и отталкиваться от них при расчете баланса, определиться с оптимальными значениями для своей игры и использовать их при расчете сложности ивентов.
Источник (англ.): https://www.youtube.com/watch?v=ry2xz5yYZwY
Есть 2 распространенных похода - плэйтесты и интуиция. Первый дорогой, второй ненадежный. В видео приведен метод приблизительного расчета раздражения игрока от неудач с рандомом. Негатив игрока пропорционален потерянному игроком времени в результате поражения умноженному на шанс его потерять из-за влияния рандома.
Например hearthstone, 25% партий сливаются из-за рандома, на партию в среднем затрачивается 10 минут. Поражение сдвигает тебя на одну строку ниже в таблице, из-за этого суммарная потеря получается 20 минут. В итоге абстрактный коэффициент раздражения от рандома - 5.
В HS есть режим арена, где по сути нужно пройти серию партий. Каждый вход стоит некоторое количество валюты.
Можно выделить 3 типа игроков, которые в него играют:
- те, кто играет когда валюта сама накопится
- те кто покупает вход в режим за реальные деньги (~$2)
- те кто гриндит валюту целенаправленно, чтобы играть в арену
Для каждой из этих когорт коэффициент раздражения будет разным. Первые теряют лишь время, затраченное на саму арену. Вторые дополнительно теряют время, которое было затрачено на зарабатывание этих $2. Третьи теряют время потраченное на саму арену плюс несопоставимо большее время на гринд и их боль значительно сильнее. Стоит это учитывать при продумывании механик и расчете баланса.
Slay the spire. Чтобы дойти до первого босса требуется немного времени. И на порядок больше для победы над последним. Вывод: для того, чтобы поддержать коэффициент раздражения от рандома на том же уровне нужно, чтобы вероятность поражения из-за него падала. Для этого отлично подходит функционал дэкбилдинга в roguelike играх. Чем больше вы играете - тем больше контролируете состав колоды и соответствие ее своим требованиям, тем меньше влияние рандома на исход сражений.
Для классической рулетки, как впрочем и для всех игр, где поражение стоит денег, их потерю можно конвертировать во время, используя информацию о среднем заработке к примеру за час у вашей ЦА. Чем больше заработок - тем меньше раздражения вызывают поражения. В то же время в играх такого типа огромное влияние оказывает размер выигрыша.
Что со всем этим делать? Да, результат получается неточный, но и из него, думаю, можно извлечь пользу. К примеру посчитать средние значение у лидирующих конкурентов и отталкиваться от них при расчете баланса, определиться с оптимальными значениями для своей игры и использовать их при расчете сложности ивентов.
Источник (англ.): https://www.youtube.com/watch?v=ry2xz5yYZwY
Меня периодически спрашивают про расчет статистической значимости экспериментов. Наконец, я нашел время поделиться опытом. К сожалению, в открытом доступе хороших материалов на эту тему почти нет, поэтому поделюсь тем, что узнал, проходя продуктовый курс Симулятор от GoPractice.
Сейчас продуктовые курсы делает каждый кому не лень, и в большинстве своем это практически бесполезные сборки базовой теории и пары историй. Симулятор же был действительно хорош. Если смотреть в разрезе пользы именно в геймдеве, то, думаю, лучший. Так вот, в нём как раз поднималась эта важная тема - расчет статистической значимости результатов эксперимента.
Статистическая значимость - показатель, определяющий показывают ли результаты нашего эксперимента закономерность или являются случайностью с определенной точностью (мы возьмем 95:).
Коэффициенты для формулы (см. под заголовком) от желаемой точности:
90% - 1.645
95% - 1.96
99% - 2.575
Другие параметры, от которых зависит значимость:
- размеры выборок. Чем они больше тем выше вероятность получить значимый результат
- разность конверсий в обоих экспериментах. Опять же, чем она больше, тем выше вероятность значимого результата
К примеру мы сделали окно покупки акции "Starter pack" в двух вариантах и решили сравнить их в A/B тесте.
Первую версию акционного окна увидели 250 пользователей (N1) с конверсией в покупку 1% (conv1). Вторую 250 (N2) и сконвертились 3% (conv2).
После этого эксперимент был остановлен.
Мы привлекали одинаковых пользователей и никакие другие факторы, способные влиять на продуктовые метрики, не менялись. Выросла ли реальная конверсия в покупку во второй версии или рост конверсии в покупку с 1% до 3% может быть случайностью?
Считаем доверительный интервал для разницы двух конверсий по формуле (картинка под заголовком).
В результате получаем 2 границы интервала: -0.0445 ; 0.0445.
Трактовка полученного доверительного интервала: с вероятностью 95% разница реальных конверсий в покупку между второй и первой версиями игры лежит в интервале -4.45%;4.45%.
Если полученный интервал не включает 0, можно считать, что изменение конверсии статистически значимое. Иначе статистически значимой разницы между результатами нет. То есть на основании имеющихся данных, конверсии в покупку акции в первой и второй версии игры неразличимы.
В рассматриваемой ситуации 0 попадает в интервал, поэтому рост конверсии в покупку в игре статистически не значимый. То есть он может быть вызван как изменениями в продукте, так и простой случайностью.
Если бы мы использовали размеры выборок к примеру по 500 человек каждую, то получили бы 0.27%;3.73% и этого уже было бы достаточно, чтобы считать результат значимым.
Для удобства собрал вам небольшой калькулятор в google sheets ( https://docs.google.com/spreadsheets/d/1YhSNfoNXkGcKlI-6b5bwr37mxPdmz2Atdxf3aAG4T2E/edit?usp=sharing ), достаточно скопировать себе и подставить значения своих выборок и конверсий.
Многие моменты я упростил в трактовке и опустил некоторые нюансы, чтобы проще было понять логику. Если хотите разобраться в деталях лучше конечно почитать в источнике.
Источник: https://simulator.gopractice.ru
Сейчас продуктовые курсы делает каждый кому не лень, и в большинстве своем это практически бесполезные сборки базовой теории и пары историй. Симулятор же был действительно хорош. Если смотреть в разрезе пользы именно в геймдеве, то, думаю, лучший. Так вот, в нём как раз поднималась эта важная тема - расчет статистической значимости результатов эксперимента.
Статистическая значимость - показатель, определяющий показывают ли результаты нашего эксперимента закономерность или являются случайностью с определенной точностью (мы возьмем 95:).
Коэффициенты для формулы (см. под заголовком) от желаемой точности:
90% - 1.645
95% - 1.96
99% - 2.575
Другие параметры, от которых зависит значимость:
- размеры выборок. Чем они больше тем выше вероятность получить значимый результат
- разность конверсий в обоих экспериментах. Опять же, чем она больше, тем выше вероятность значимого результата
К примеру мы сделали окно покупки акции "Starter pack" в двух вариантах и решили сравнить их в A/B тесте.
Первую версию акционного окна увидели 250 пользователей (N1) с конверсией в покупку 1% (conv1). Вторую 250 (N2) и сконвертились 3% (conv2).
После этого эксперимент был остановлен.
Мы привлекали одинаковых пользователей и никакие другие факторы, способные влиять на продуктовые метрики, не менялись. Выросла ли реальная конверсия в покупку во второй версии или рост конверсии в покупку с 1% до 3% может быть случайностью?
Считаем доверительный интервал для разницы двух конверсий по формуле (картинка под заголовком).
В результате получаем 2 границы интервала: -0.0445 ; 0.0445.
Трактовка полученного доверительного интервала: с вероятностью 95% разница реальных конверсий в покупку между второй и первой версиями игры лежит в интервале -4.45%;4.45%.
Если полученный интервал не включает 0, можно считать, что изменение конверсии статистически значимое. Иначе статистически значимой разницы между результатами нет. То есть на основании имеющихся данных, конверсии в покупку акции в первой и второй версии игры неразличимы.
В рассматриваемой ситуации 0 попадает в интервал, поэтому рост конверсии в покупку в игре статистически не значимый. То есть он может быть вызван как изменениями в продукте, так и простой случайностью.
Если бы мы использовали размеры выборок к примеру по 500 человек каждую, то получили бы 0.27%;3.73% и этого уже было бы достаточно, чтобы считать результат значимым.
Для удобства собрал вам небольшой калькулятор в google sheets ( https://docs.google.com/spreadsheets/d/1YhSNfoNXkGcKlI-6b5bwr37mxPdmz2Atdxf3aAG4T2E/edit?usp=sharing ), достаточно скопировать себе и подставить значения своих выборок и конверсий.
Многие моменты я упростил в трактовке и опустил некоторые нюансы, чтобы проще было понять логику. Если хотите разобраться в деталях лучше конечно почитать в источнике.
Источник: https://simulator.gopractice.ru
Неожиданно оказалось, что меня читают ребята из Go Practice и получилось договориться насчет 11% скидки для подписчиков -
https://simulator.gopractice.ru?utm_source=partner&utm_campaign=5VW4LY
Действовать будет неделю, рекомендую не упускать возможность прокачать скиллы.
https://simulator.gopractice.ru?utm_source=partner&utm_campaign=5VW4LY
Действовать будет неделю, рекомендую не упускать возможность прокачать скиллы.
gopractice.ru
ᐈ Курс «Симулятор управления продуктом на основе данных»: обучение продуктовой аналитике — GoPractice
280+ заданий и реальных кейсов | 100 часов практики | более 7000 счастливых выпускников
Сегодня небольшой материал с гамасутры насчет предметов игровой экипировки. Автор рассматривает её в контексте AAA игр, но на самом деле те же принципы работают и для мобильных игр с RPG элементами.
В большинстве RPG прогресс игрока может быть связан как с уровнем и скиллами персонажа, так и с предметами, одетыми на него. В первом случае прогресс относительно линейный, прогнозируется и контролируется игроком к примеру через распределние очков умений. Во втором за счет случайности выдачи предметов и непрозрачности логики выдачи для игрока, разработчики получают возможность разнообразить игровой опыт и внести элемент неожиданности в геймплей. Эта механика представляет те ценности, которые являются основными для жанра RPG.
Уникальная внешность.
В случае с многопользовательскими играми очень важным моментом является уникальность персонажа. Для этого нам дают настроить внешность в начале игры. Но в определенные моменты, к примеру после апдейта с добавлением новой локации с новым дропом, определенный сет брони может оказаться популярен у игроков в силу его характеристик. В таком случае можно использовать механику скинов, которые позволяют пользователям выглядеть по разному без влияния на показатели. От себя добавлю, что данная механика часто встречается в баттлерах, к примеру среди late-game игроков в баттлере summoners war и думаю очень неплохо монетизируется.
Уникальный игровой опыт.
Некоторые игровые предметы позволяют изменить стиль игры, что сказывается на удержании. К примеру в borderlands можно наткнуться на гранаты, которые летят со скоростью пуль, ружья, стреляющие рикошетными боеприпасами и т.д. Игроки учатся ими пользоваться, придумывают тактику, получают запоминающиеся моменты и эмоции. В случае мобильного геймдева можно привести опять те же баттлеры, когда к примеру собирая сет с вампиризмом ты совершенно иначе планируешь бои.
Предметы как награды.
Экипировка позволяет награждать игрока, моментально давая ему новую способность. Более того её эффективность падает по мере прогресса, что позволяет награждать игрока снова и снова.
Баланс.
Для того, чтобы сбалансировать получение игроком экипировки и упростить восприятие вводится понятие редкости с цветовой дифференциацией. К примеру белый - обычный, синий - редкий, фиолетовый - эпический, оранжевый - легендарный. В конце статьи приложу график разброса качества предметов относительно прогресса игрока.
Источники предметов и распределение типов:- магазин (обычные, редкие)- миссии (редкие, эпические)- боссы (эпические, легендарные).
Данная схема не является универсальной, но встречается довольно часто. По мнению автора механика магазина является недоработанной, поскольку не создает пользовательскую историю и эмоциональную привязанность, которая есть в случае с выбиванием лута. Как решение - использовать систему репутации, которая позволит купить предмет только после достижения определенных целей (убить N троллей).
Источник (англ.): https://www.gamasutra.com/blogs/GorkaMerindano/20190516/342764/Equippable_Items_on_Role_Playing_Games.php
В большинстве RPG прогресс игрока может быть связан как с уровнем и скиллами персонажа, так и с предметами, одетыми на него. В первом случае прогресс относительно линейный, прогнозируется и контролируется игроком к примеру через распределние очков умений. Во втором за счет случайности выдачи предметов и непрозрачности логики выдачи для игрока, разработчики получают возможность разнообразить игровой опыт и внести элемент неожиданности в геймплей. Эта механика представляет те ценности, которые являются основными для жанра RPG.
Уникальная внешность.
В случае с многопользовательскими играми очень важным моментом является уникальность персонажа. Для этого нам дают настроить внешность в начале игры. Но в определенные моменты, к примеру после апдейта с добавлением новой локации с новым дропом, определенный сет брони может оказаться популярен у игроков в силу его характеристик. В таком случае можно использовать механику скинов, которые позволяют пользователям выглядеть по разному без влияния на показатели. От себя добавлю, что данная механика часто встречается в баттлерах, к примеру среди late-game игроков в баттлере summoners war и думаю очень неплохо монетизируется.
Уникальный игровой опыт.
Некоторые игровые предметы позволяют изменить стиль игры, что сказывается на удержании. К примеру в borderlands можно наткнуться на гранаты, которые летят со скоростью пуль, ружья, стреляющие рикошетными боеприпасами и т.д. Игроки учатся ими пользоваться, придумывают тактику, получают запоминающиеся моменты и эмоции. В случае мобильного геймдева можно привести опять те же баттлеры, когда к примеру собирая сет с вампиризмом ты совершенно иначе планируешь бои.
Предметы как награды.
Экипировка позволяет награждать игрока, моментально давая ему новую способность. Более того её эффективность падает по мере прогресса, что позволяет награждать игрока снова и снова.
Баланс.
Для того, чтобы сбалансировать получение игроком экипировки и упростить восприятие вводится понятие редкости с цветовой дифференциацией. К примеру белый - обычный, синий - редкий, фиолетовый - эпический, оранжевый - легендарный. В конце статьи приложу график разброса качества предметов относительно прогресса игрока.
Источники предметов и распределение типов:- магазин (обычные, редкие)- миссии (редкие, эпические)- боссы (эпические, легендарные).
Данная схема не является универсальной, но встречается довольно часто. По мнению автора механика магазина является недоработанной, поскольку не создает пользовательскую историю и эмоциональную привязанность, которая есть в случае с выбиванием лута. Как решение - использовать систему репутации, которая позволит купить предмет только после достижения определенных целей (убить N троллей).
Источник (англ.): https://www.gamasutra.com/blogs/GorkaMerindano/20190516/342764/Equippable_Items_on_Role_Playing_Games.php
Гринд вызывает негативные эмоции у большинства игроков при одном своем упоминании. Плохо реализованная механика может испортить любую игру. В данном видео разбирается как построена игра, целиком построенная на гринде и причины, почему в неё играют. За пример берется forager (схожие принципы встречаются в minecraft и factorio).
Сама игра построена на простом принципе - больше опыта получил, выше уровень, больше способностей доступно. А с ними увеличивается количество доступных активностей. Также можно расширять территорию, используя золото.
Основные идеи:
1. Игрок должен видеть ощутимую цель и идти к ней. Гринд награждается новым снаряжением и способностями меняющими геймплей.
Пример: Добывает металл - крафтит ключ - открывает сундук - получает инструмент дающий новую механику взаимодействия с миром.
2. Наградой может быть упрощение старого цикла гринда и экономия времени игрока.
Пример: изучает банк - банк автоматичеки производит золото, избавляя от необходимости тратить время на его добычу.
Типовая модель данного цикла: Ресурс генерится редко в мире независмо от игрок - ресурс генерится с некоторым шансом при каждом использовании инструмента - ресурс генерится каждый раз при использовании инструмента - ресурс генерится автоматически в специальной постройке, без действий со стороны игрока.
3. За каждое действие должна быть нагарада в краткосрочной перспективе + вклад в глобальную будущую награду.
Распространенные ошибки:
(на примере swag and sorcery, graveyard keeper)
- Гринд реализован так, что игрок вынужден тратить время на повторение действий не получая наград за это, а лишь новые задачи. Или то, что ему не нужно. А одной из важнейших задач в айдлере не дать игроку испытать ощущение, что он тратит время впустую.
- Независимо от прогресса игрока он вынужден добывать ресурсы первого тира в late-game тем же способом, что и в начале игры. Часто встречается в играх жанра survival. Как разновидность проблемы - игры, где меняются только цифры, но сам процесс тот же.
Источник (20 мин., англ.): https://youtu.be/a5skg3YF6D0
Сама игра построена на простом принципе - больше опыта получил, выше уровень, больше способностей доступно. А с ними увеличивается количество доступных активностей. Также можно расширять территорию, используя золото.
Основные идеи:
1. Игрок должен видеть ощутимую цель и идти к ней. Гринд награждается новым снаряжением и способностями меняющими геймплей.
Пример: Добывает металл - крафтит ключ - открывает сундук - получает инструмент дающий новую механику взаимодействия с миром.
2. Наградой может быть упрощение старого цикла гринда и экономия времени игрока.
Пример: изучает банк - банк автоматичеки производит золото, избавляя от необходимости тратить время на его добычу.
Типовая модель данного цикла: Ресурс генерится редко в мире независмо от игрок - ресурс генерится с некоторым шансом при каждом использовании инструмента - ресурс генерится каждый раз при использовании инструмента - ресурс генерится автоматически в специальной постройке, без действий со стороны игрока.
3. За каждое действие должна быть нагарада в краткосрочной перспективе + вклад в глобальную будущую награду.
Распространенные ошибки:
(на примере swag and sorcery, graveyard keeper)
- Гринд реализован так, что игрок вынужден тратить время на повторение действий не получая наград за это, а лишь новые задачи. Или то, что ему не нужно. А одной из важнейших задач в айдлере не дать игроку испытать ощущение, что он тратит время впустую.
- Независимо от прогресса игрока он вынужден добывать ресурсы первого тира в late-game тем же способом, что и в начале игры. Часто встречается в играх жанра survival. Как разновидность проблемы - игры, где меняются только цифры, но сам процесс тот же.
Источник (20 мин., англ.): https://youtu.be/a5skg3YF6D0
Сегодня материал будет на чисто продуктовую тематику. Автор рассказывает о том, какие сложности есть при использовании воронок и как их можно решить. Многие проблемы надуманные и решаются незначительными модификациями воронки, но сам предложенный метод использования матрицы роста выглядит довольно любопытным.
За пример берется одна из наиболее часто используемых воронок - AARRR.
Acquisition – привлечение
Activation – активация
Retention – возвращаемость
Refferal – готовность рекомендовать
Revenue – доход
Плюсы:
- показаны этапы жизни пользователя
- хорошая их визуализация
Минусы:
- Воронка фокусируется на оставшихся, а не на ушедших, а их много. Как решение можно выгрузить ушедших, чтобы узнать в чем проблема, улучшить онбординг. По ним можно заранее определить поведенческие паттерны тех, кто не старгетируется.
- Не учитывает циклы и обратные шаги. Циклы возникают из-за технических ошибок, например из-за ошибки оплаты. На воронке этого не видно. Также причиной цикла может быть неинтуитивный интерфейс, который не позволяет сконвертиться. Можно исправить, если трекнуть тех, кто пытался оплатить и не смог.
- Упускаются особые нужды, когда клиент с супермотивацией многократно повторяет одно и то же действие. Можно посчитать зацикленных, можно сделать ux тесты, можно найти китов и выделить их особенности, чтобы привлечь таких же. К примеру кит вынужденный 5 раз покупать ваш самый дорогой иннап, хотя он готов потратить в 10 раз больше. Отлично подходит для того, чтобы старгетировать акционные предложения.
- Не учтены тайминги. В типовой воронке не учитывается время конверсии, потому более молодые когорты могут выглядеть хуже старых.
Покупка ценности и ее использование разнесены по времени и из-за этого сложно считываются на воронках.
Проблема с конверсией приведенного трафика может быть связана не с трафиком, а с проблемами в экономике продукта, но воронка этого не учитывает.
Использование матрицы.
Для того, чтобы это решить можно использовать графы состояний, визуальным представлением для которых матрица. Основная её идея в том, что клиент не идет линейно.
Столбцами на ней обозначены состояния, в которых игрок находился неделю назад. Строками - две недели назад. Описание работы проще посмотреть в источнике, ~20 минута.
Данный подход позволяет:
- понять взаимодействие пользователя с игрой в долгосрочной перспективе.
- посчитать quick ratio (разница между новыми и вернувшимися клиентами и тему, сколько отвлилось). QR от 2 до 4х норма для здоровых проектов. Меньше единицы - умирает.
- смотреть отвал (churn) по когортам.
- прогнозировать динамику активной аудитории, их количество и долю. Для этого определяются этапе жизни в проекте, в которых находится активная аудитория и они суммируются. Суть операции прогнозирования в том, что матрица перемножается на себя N раз. Более того, она позволяет Поменяли метрику, повторили, в итоге спрогнозировали значение метрики на какое-то время вперед. Это важно, поскольку позволяет увидеть проблемы до появления последствий. Связано с тем, что доход - запаздывающий (lagging) показатель, активная аудитория - опережающий (leading) показатель.
Источник (30 мин., рус.): https://www.youtube.com/watch?v=U83WDOWqdBI
За пример берется одна из наиболее часто используемых воронок - AARRR.
Acquisition – привлечение
Activation – активация
Retention – возвращаемость
Refferal – готовность рекомендовать
Revenue – доход
Плюсы:
- показаны этапы жизни пользователя
- хорошая их визуализация
Минусы:
- Воронка фокусируется на оставшихся, а не на ушедших, а их много. Как решение можно выгрузить ушедших, чтобы узнать в чем проблема, улучшить онбординг. По ним можно заранее определить поведенческие паттерны тех, кто не старгетируется.
- Не учитывает циклы и обратные шаги. Циклы возникают из-за технических ошибок, например из-за ошибки оплаты. На воронке этого не видно. Также причиной цикла может быть неинтуитивный интерфейс, который не позволяет сконвертиться. Можно исправить, если трекнуть тех, кто пытался оплатить и не смог.
- Упускаются особые нужды, когда клиент с супермотивацией многократно повторяет одно и то же действие. Можно посчитать зацикленных, можно сделать ux тесты, можно найти китов и выделить их особенности, чтобы привлечь таких же. К примеру кит вынужденный 5 раз покупать ваш самый дорогой иннап, хотя он готов потратить в 10 раз больше. Отлично подходит для того, чтобы старгетировать акционные предложения.
- Не учтены тайминги. В типовой воронке не учитывается время конверсии, потому более молодые когорты могут выглядеть хуже старых.
Покупка ценности и ее использование разнесены по времени и из-за этого сложно считываются на воронках.
Проблема с конверсией приведенного трафика может быть связана не с трафиком, а с проблемами в экономике продукта, но воронка этого не учитывает.
Использование матрицы.
Для того, чтобы это решить можно использовать графы состояний, визуальным представлением для которых матрица. Основная её идея в том, что клиент не идет линейно.
Столбцами на ней обозначены состояния, в которых игрок находился неделю назад. Строками - две недели назад. Описание работы проще посмотреть в источнике, ~20 минута.
Данный подход позволяет:
- понять взаимодействие пользователя с игрой в долгосрочной перспективе.
- посчитать quick ratio (разница между новыми и вернувшимися клиентами и тему, сколько отвлилось). QR от 2 до 4х норма для здоровых проектов. Меньше единицы - умирает.
- смотреть отвал (churn) по когортам.
- прогнозировать динамику активной аудитории, их количество и долю. Для этого определяются этапе жизни в проекте, в которых находится активная аудитория и они суммируются. Суть операции прогнозирования в том, что матрица перемножается на себя N раз. Более того, она позволяет Поменяли метрику, повторили, в итоге спрогнозировали значение метрики на какое-то время вперед. Это важно, поскольку позволяет увидеть проблемы до появления последствий. Связано с тем, что доход - запаздывающий (lagging) показатель, активная аудитория - опережающий (leading) показатель.
Источник (30 мин., рус.): https://www.youtube.com/watch?v=U83WDOWqdBI
Slay the spire смесь карточной игры и рогалика. Суть в том, что ты сражается в последовательных боях с использованием карт, в награду получаешь артефакты и формируешь свою колоду. Бои процедурно генерируются.
Немного от себя.
Рекомендую обратить внимание на то, как несколькими ГД решениями ребята уменьшили долю рандома в игровом процессе:
- выбор из трёх карт в конце боя ведет к тому, что чем дальше проходишь, тем больше затачиваешь колоду под себя
- сброс руки, в отличие от hearthstone заставляет играть каждый раунд без планов на следующий, а значит не держать карты на будущее и меньше зависеть от набора
- отображение намерений противника (атака, баф, дебаф) - позволяет понимать какой тактикой воспользоваться в данном ходу
Второй задачей было сделать динамичные бои:
- механика сброса игры делает игру динамичнее
- отказ от лечащих механик карт в пользу атакующих
Выводы автора:
- Только огромным количеством итераций можно добиться хорошего результата
- Не стоит бояться рисковать
- Уменьшайте барьер между вами, плэйтестерами и аудиторией
- Выпускайте обновления как можно чаще
Цифры.
- 96% фидбэка игроков положительные
- Продано 1.5 млн копий
- Разработали 2.5 года до раннего доступа + 1 год в нем
Любопытный факт.
Ребята вдохновлялись построением процесса работы Пикассо над картинной les demoiselles d'avignon - год работы, 500 набросков и шедевр в результате.
Баланс.
В карточных играх это один из краеугольных камней, поэтому важно было избежать проблемы, когда определенная карта или комбинация карт делают игру слишком простой. Любая карта должна быть полезна в определенной ситуации. Если игроки они не берут определенную карту - скорее всего нет явной ситуации, где она могла бы себя показать с лучшей стороны.
В отличие от мультиплеерных соревновательных карточных игр (hearthstone) можно позволить создать некоторые интересные и в некоторой степени дисбалансные синергии, поскольку они не могут доставить негатив оппоненту, но дают игроку почувствовать себя крутым. Благодаря случайности в выдаче карт, собрать такие комбинации не просто,
Организовали 2 канала сбора информации.
Активный сбор:
- плэйтесты, для плэйтестеров завели slack и прикрутили к нему бота, перерабатывающего фидбэк в багрепорты
- сами сыграли невероятное количество партий
- привлекли игроков в настольные карточные игры, попросили найти способы сломать систему
- стремились к ежедневным билдам, чтобы поддерживать активность
Пассивный:
- сделали систему аналитики и собирали пути пользователей, состоящие из произошедших с ними событий и их выборов, поэтому в раннем доступе получили инфу о проблемах тех пользователей, которые сами не рассказывали.
Заметили, что аудитория ждет регулярных обновлений. (коррелирует с недавним докладом о PoE)
Прикрутили фидбэк бота к дискорду, собрали фидбэк на twitch, получили огромные объемы информации и узнали массу нового.
Сделали ветку с бета версией, которая чаще обновлялась и была менее стабильной, правки в основную версию заливались только после дневного теста в бете.
Стримеры оказались очень ценными для связи с аудиторией и получением фидбэка от аудитории. Зачастую они давали очень полезные инсайты.
В этапе раннего доступа сделали всего одного нового персонажа. Получилось в разы быстрее, благодаря потоку информации от игроков. Также выход новых карт для привлек аудиторию заходить ежедневно и улучшил показатели.
Q&A:
Цену устанавливали посмотрев на конкурентов.
На старте сделали 20-30 карт+обычных врагов+одного героя и дальше всё развивалось само равномерно, не было чего-то одного, с чего начинали.
Дневные задания процедурно генерируются от даты.
Новые режимы не балансили заранее, выливали, смотрели на данные и корректировали модификаторы.
С обилием эмоционального фидбэка справлялись просто удаляя.
Недельные апдейты были очень изматывающими, спасала лишь ветка с бетой, на которой изменения заранее обкатывались.
Источник(англ.): https://www.gdcvault.com/play/1025731/-Slay-the-Spire-Metrics
Немного от себя.
Рекомендую обратить внимание на то, как несколькими ГД решениями ребята уменьшили долю рандома в игровом процессе:
- выбор из трёх карт в конце боя ведет к тому, что чем дальше проходишь, тем больше затачиваешь колоду под себя
- сброс руки, в отличие от hearthstone заставляет играть каждый раунд без планов на следующий, а значит не держать карты на будущее и меньше зависеть от набора
- отображение намерений противника (атака, баф, дебаф) - позволяет понимать какой тактикой воспользоваться в данном ходу
Второй задачей было сделать динамичные бои:
- механика сброса игры делает игру динамичнее
- отказ от лечащих механик карт в пользу атакующих
Выводы автора:
- Только огромным количеством итераций можно добиться хорошего результата
- Не стоит бояться рисковать
- Уменьшайте барьер между вами, плэйтестерами и аудиторией
- Выпускайте обновления как можно чаще
Цифры.
- 96% фидбэка игроков положительные
- Продано 1.5 млн копий
- Разработали 2.5 года до раннего доступа + 1 год в нем
Любопытный факт.
Ребята вдохновлялись построением процесса работы Пикассо над картинной les demoiselles d'avignon - год работы, 500 набросков и шедевр в результате.
Баланс.
В карточных играх это один из краеугольных камней, поэтому важно было избежать проблемы, когда определенная карта или комбинация карт делают игру слишком простой. Любая карта должна быть полезна в определенной ситуации. Если игроки они не берут определенную карту - скорее всего нет явной ситуации, где она могла бы себя показать с лучшей стороны.
В отличие от мультиплеерных соревновательных карточных игр (hearthstone) можно позволить создать некоторые интересные и в некоторой степени дисбалансные синергии, поскольку они не могут доставить негатив оппоненту, но дают игроку почувствовать себя крутым. Благодаря случайности в выдаче карт, собрать такие комбинации не просто,
Организовали 2 канала сбора информации.
Активный сбор:
- плэйтесты, для плэйтестеров завели slack и прикрутили к нему бота, перерабатывающего фидбэк в багрепорты
- сами сыграли невероятное количество партий
- привлекли игроков в настольные карточные игры, попросили найти способы сломать систему
- стремились к ежедневным билдам, чтобы поддерживать активность
Пассивный:
- сделали систему аналитики и собирали пути пользователей, состоящие из произошедших с ними событий и их выборов, поэтому в раннем доступе получили инфу о проблемах тех пользователей, которые сами не рассказывали.
Заметили, что аудитория ждет регулярных обновлений. (коррелирует с недавним докладом о PoE)
Прикрутили фидбэк бота к дискорду, собрали фидбэк на twitch, получили огромные объемы информации и узнали массу нового.
Сделали ветку с бета версией, которая чаще обновлялась и была менее стабильной, правки в основную версию заливались только после дневного теста в бете.
Стримеры оказались очень ценными для связи с аудиторией и получением фидбэка от аудитории. Зачастую они давали очень полезные инсайты.
В этапе раннего доступа сделали всего одного нового персонажа. Получилось в разы быстрее, благодаря потоку информации от игроков. Также выход новых карт для привлек аудиторию заходить ежедневно и улучшил показатели.
Q&A:
Цену устанавливали посмотрев на конкурентов.
На старте сделали 20-30 карт+обычных врагов+одного героя и дальше всё развивалось само равномерно, не было чего-то одного, с чего начинали.
Дневные задания процедурно генерируются от даты.
Новые режимы не балансили заранее, выливали, смотрели на данные и корректировали модификаторы.
С обилием эмоционального фидбэка справлялись просто удаляя.
Недельные апдейты были очень изматывающими, спасала лишь ветка с бетой, на которой изменения заранее обкатывались.
Источник(англ.): https://www.gdcvault.com/play/1025731/-Slay-the-Spire-Metrics
Небольшая статья о механиках удержания в играх от gamerefinery. Дэйлики, дэйли квесты, вот это вот всё.
Стоит учесть несколько моментов для построения циклов возврата:
- Временной интервал. Как часто планируется возвращать игрока - через час, день, неделю и т.д.
- Уровень вовлечения. Будет ли это прямым вознаграждением за вход в игру или потребуется выполнять задание.
- Прогрессия. Изменяется ли награда при последовательном заходе в игру (к примеру календарь наград)
- Уровень случайности. Знают ли игроки что точно получат или есть вероятностные механики, типа гача.
Выводы по результатам изучения игр в топ200 гроссинг:
- Ежедневные награды распространены во всех категориях независимо от успешности конкретной игры
- Дневные квесты распространены среди мидкор игр, спорта и гонок, но редки в казуалках и казино
- Казино игры с раздачами фишек выделяются среди остальных игр многочисленными попытками вернуть игрока несколько раз за день
- Интервал выдачи длиннее суток, к примеру гача на 48 часов или недельные квесты, практически не встречаются в казуалках и казино, но обыденность для мидкора
- Награда за время проведенное в игре - довольно популярная механика в Китае, но за его пределами практически не встречается, независимо от категории. Недостаточно часто заходить в игру, она должна быть включена продолжительное время. Есть реализации с обновлением награды раз в сутки или в неделю.
- Есть менее интуитивный вариант - награждать за время, проведенное вне игры. Как пример игра - MU Miracle. В этом есть своя логика, механика направлена на возврат игрока после долгого отсутствия.
Мысли:
- Награда за непрерывный заход несколько дней подряд по своей сути набор краткосрочных целей для игрока
- Функция получения награды за пропущенные дни, просмотрев рекламный ролик или заплатив - еще одна неплохая точка монетизации
Источник(англ.): https://www.gamerefinery.com/keep-your-players-in-game-with-appointment-mechanics/
Стоит учесть несколько моментов для построения циклов возврата:
- Временной интервал. Как часто планируется возвращать игрока - через час, день, неделю и т.д.
- Уровень вовлечения. Будет ли это прямым вознаграждением за вход в игру или потребуется выполнять задание.
- Прогрессия. Изменяется ли награда при последовательном заходе в игру (к примеру календарь наград)
- Уровень случайности. Знают ли игроки что точно получат или есть вероятностные механики, типа гача.
Выводы по результатам изучения игр в топ200 гроссинг:
- Ежедневные награды распространены во всех категориях независимо от успешности конкретной игры
- Дневные квесты распространены среди мидкор игр, спорта и гонок, но редки в казуалках и казино
- Казино игры с раздачами фишек выделяются среди остальных игр многочисленными попытками вернуть игрока несколько раз за день
- Интервал выдачи длиннее суток, к примеру гача на 48 часов или недельные квесты, практически не встречаются в казуалках и казино, но обыденность для мидкора
- Награда за время проведенное в игре - довольно популярная механика в Китае, но за его пределами практически не встречается, независимо от категории. Недостаточно часто заходить в игру, она должна быть включена продолжительное время. Есть реализации с обновлением награды раз в сутки или в неделю.
- Есть менее интуитивный вариант - награждать за время, проведенное вне игры. Как пример игра - MU Miracle. В этом есть своя логика, механика направлена на возврат игрока после долгого отсутствия.
Мысли:
- Награда за непрерывный заход несколько дней подряд по своей сути набор краткосрочных целей для игрока
- Функция получения награды за пропущенные дни, просмотрев рекламный ролик или заплатив - еще одна неплохая точка монетизации
Источник(англ.): https://www.gamerefinery.com/keep-your-players-in-game-with-appointment-mechanics/
A/B тесты. Часть 1. Метрики для валидации гипотез.
#ab #splittesting #analytics #product #theory #neronov
#ab #splittesting #analytics #product #theory #neronov
Сегодня статья в несколько необычном формате. Недавний мой пост про расчет стат. значимости результатов A/B теста сподвиг одного достойного гд/аналитика и по совместительству моего хорошего знакомого Макса Неронова, запилить здоровенный лонгрид на тему проведения A/B тестов. В один пост его не ужать, но думаю из этого может получиться любопытный цикл. Итак, первый блок.
Выбор метрик для валидации теста
Эта тема остро встает на этапе анализа, поэтому хорошим тоном считается определить заранее, какие показатели стоит фиксировать в первую очередь. Здесь стоит задуматься не только о выборе определенных метрик для измерений, но и об интересующих нас масштабах наблюдений. Контролировать этот этап стоит максимально тесно с человеком или командой, которая будет его проводить. Лично я разделяю метрики на валидирующие (целевые) и сопутствующие, первые являются показателем, которым мы определяем «победителя» в первую очередь, а вторые помогают нам лучше понять природу изменений и проверить влияние изменений на сторонние показатели.
Ключом к правильному выбору метрик является четкое понимание тестируемой гипотезы и общей идеи теста, если Вы не можете ответить на вопросы: «в чем заключается гипотеза», «чего мы пытаемся добиться», то стоит еще раз подумать над выбором гипотезы. Валидирующими метриками стоит выбирать те метрики, которые имеют прямую зависимость от вносимых изменений или которые мы сами пытаемся изменить. Чем их меньше, тем лучше. Сопутствующими метриками стоит выбирать те метрики, которые могут измениться косвенно, помочь в детализации изменений или все, которые могут измениться, но не являются ключевыми. Их может быть больше одной, но я бы ограничивался в пределах одного десятка.
В идеальном случае, валидирующая метрика должна быть одна и строго описывать гипотезу и если мы тестируем механику на ретеншн новых пользователей, нам не стоит валидировать изменения через LTV. Однако, в случае, когда гипотеза гораздо более точечная, выбор может быть не столь очевиден. Например, если мы пытаемся понять, как отрабатывает всплывающее окно с промо-предложением (иконка в углу против развернутого окна при запуске), валидирующими метриками могут являться и CTR этого предложения и количество транзакций с данным продуктом и даже среднее время сессии или показатель отказов, если мы хотим узнать, не отпугивает ли оно нашу аудиторию. В данном случае не стоит гнаться сразу за всеми изменениями, и стоит остановить свой выбор на одной функции, которую мы проверяем и отталкиваться от задачи, которая перед нами стоит.
Подводные камни.
Выбор большого количества разных показателей может затруднить анализ, а полученные выводы окажутся сглаженными. Такое поведение характеризуется тем, что при множественном сравнении нескольких изменений у нас увеличивается вероятность совершить хотя бы одну ошибку первого рода (см. Family-Wise Error Rate). Эту ошибку можно корректировать определенными поправками на множественные сравнения, однако с ними падает мощность критериев, что повышает вероятность не засечь изменение, когда оно на самом деле есть. По этой причине не стоит выбирать слишком много метрик (например 7 - плохое число метрик для валидации, а вот с 1-3 уже можно работать).
Метрики могут не согласовывать друг друга (половина вырастет, половина упадет, прибыль не изменится), что не позволит однозначно подтвердить или опровергнуть гипотезу.
Важность выбора метрик перед запуском теста помогает экономить время на этапе его анализа и ликвидировать недопонимание между командой, чтобы лишний раз не объяснять, почему неизменность среднего чека при тестировании заголовка окна это естественный результат.
Источник: не публиковалось
Выбор метрик для валидации теста
Эта тема остро встает на этапе анализа, поэтому хорошим тоном считается определить заранее, какие показатели стоит фиксировать в первую очередь. Здесь стоит задуматься не только о выборе определенных метрик для измерений, но и об интересующих нас масштабах наблюдений. Контролировать этот этап стоит максимально тесно с человеком или командой, которая будет его проводить. Лично я разделяю метрики на валидирующие (целевые) и сопутствующие, первые являются показателем, которым мы определяем «победителя» в первую очередь, а вторые помогают нам лучше понять природу изменений и проверить влияние изменений на сторонние показатели.
Ключом к правильному выбору метрик является четкое понимание тестируемой гипотезы и общей идеи теста, если Вы не можете ответить на вопросы: «в чем заключается гипотеза», «чего мы пытаемся добиться», то стоит еще раз подумать над выбором гипотезы. Валидирующими метриками стоит выбирать те метрики, которые имеют прямую зависимость от вносимых изменений или которые мы сами пытаемся изменить. Чем их меньше, тем лучше. Сопутствующими метриками стоит выбирать те метрики, которые могут измениться косвенно, помочь в детализации изменений или все, которые могут измениться, но не являются ключевыми. Их может быть больше одной, но я бы ограничивался в пределах одного десятка.
В идеальном случае, валидирующая метрика должна быть одна и строго описывать гипотезу и если мы тестируем механику на ретеншн новых пользователей, нам не стоит валидировать изменения через LTV. Однако, в случае, когда гипотеза гораздо более точечная, выбор может быть не столь очевиден. Например, если мы пытаемся понять, как отрабатывает всплывающее окно с промо-предложением (иконка в углу против развернутого окна при запуске), валидирующими метриками могут являться и CTR этого предложения и количество транзакций с данным продуктом и даже среднее время сессии или показатель отказов, если мы хотим узнать, не отпугивает ли оно нашу аудиторию. В данном случае не стоит гнаться сразу за всеми изменениями, и стоит остановить свой выбор на одной функции, которую мы проверяем и отталкиваться от задачи, которая перед нами стоит.
Подводные камни.
Выбор большого количества разных показателей может затруднить анализ, а полученные выводы окажутся сглаженными. Такое поведение характеризуется тем, что при множественном сравнении нескольких изменений у нас увеличивается вероятность совершить хотя бы одну ошибку первого рода (см. Family-Wise Error Rate). Эту ошибку можно корректировать определенными поправками на множественные сравнения, однако с ними падает мощность критериев, что повышает вероятность не засечь изменение, когда оно на самом деле есть. По этой причине не стоит выбирать слишком много метрик (например 7 - плохое число метрик для валидации, а вот с 1-3 уже можно работать).
Метрики могут не согласовывать друг друга (половина вырастет, половина упадет, прибыль не изменится), что не позволит однозначно подтвердить или опровергнуть гипотезу.
Важность выбора метрик перед запуском теста помогает экономить время на этапе его анализа и ликвидировать недопонимание между командой, чтобы лишний раз не объяснять, почему неизменность среднего чека при тестировании заголовка окна это естественный результат.
Источник: не публиковалось
Получилась некоторая пауза между постами, причин этому две. Первая - был на небольшой конфе, которую гугл проводил для разработчиков в своем офисе. Там были весьма любопытные доклады, но не всё можно разглашать. Поэтому материалы опубликую, когда согласую с авторами.
Вторая - я неожиданно для себя начал писать деконстракт игры AFK arena. Еще в начале софтлонча начал следить за тем, как она развивалась. Сам бы я ничего писать не стал и дождался бы, когда выйдет качественный деконстракт, но неделю назад на манжетах вышла статья с названием "Деконстракт afk arena" по качеству настолько плохо передающая суть, что я не выдержал и даже связался с ребятами, поскольку от таких материалов есть серьезный вред. Во-первых, читатели сталкиваются с тем, что получаются ложное представление о данной игре, во-вторых ко мне на собеседование регулярно приходят джуны, которые считают, что так и надо писать документацию.
И вот просадил я пару вечеров за созданием структуры и сбором информации, но неожиданно выходит деконстракт от ребят из деконстрактор оф фан. Но и на перевод и доработку с учетой инфы, что обладаю уходит довольно много времени. Короче вот пока кусок для затравки, а на днях сделаю лонгрид.
Долгое время западные компании испытывали сложности с экспансией на восточный рынок, а восточные с выходом на запад. Десятилетиями эти две группы влияли друг на друга, но сталкивались с проблемой развития своих продуктов из-за большого культурного различия. Но со временем мобильная f2p индустрия взрослела и становилась глобальной. Согласно appannie 20% выручки компаний в штатах приходило из Китая и Японии в 2018 и доля продолжает расти. Есть и аналогичный тренд среди восточных компаний. Успеха на обоих рынках достигли такие компании как Firecraft Studios (Matchington Mansion), FunPlus (King of Avalon, Guns of Glory) и IGG (Lords Mobile).
Одной из таких компаний является Lilith games, на иллюстрации в заголовке показан рост выручки её проектов. Всего за первый квартал 2019 года игра отвоевала у крупных игроков мобильного RPG рынка 6% выручки и 24% установок.
Схожие игры:
Heroes Charge, Puzzles and Dragons, Empires and Puzzles, Idle Heroes, Star Wars Galaxy of Heroes, Legendary, Marvel Strike Force.
Как в Heroes charge и Galaxy of heroes основной игровой цикл построен на сражениях и получении наград для улучшения своего отряда. Все механики построены вокруг этого и направлены на то, чтобы игрок развивал свою коллекцию героев, как во множестве других игр с gacha механиками в основе. Но ребята из Lilith изменили то, как ощущаются бои, автоматизировав и ускорив их, а также изменив циклы получения ценностей. Но обо всем по порядку.
Бои. Автоматизированные сражения.
Сражения просты и требуют минимального вмешательства. Как и в heroes charge бой автоматизированный и быстрый. Герои атакуют автоматически, влияние игрока ограничивается моментов использования специальных способностей, которые заряжаются на протяжении боя. Для тех, кто больше интересуется стратегией и декбилдингом, чем тактикой, и не хочет прожимать способности есть режим автоматизации этого процесса.
AFK выделяется на фоне прочих пошаговых RPG отсутствием необходимости совершать огромные количества действий (как к примеру в Glu’s Disney Sorcerers’ Arena). Она не требует от тебя немедленной реакции или обдумывания каждого шага в бою, создавая ощущение того, что геймплей был идеально подогнан для мобильных сессий, игра не вынуждает выделять большие объемы времени на неё.
Вторая - я неожиданно для себя начал писать деконстракт игры AFK arena. Еще в начале софтлонча начал следить за тем, как она развивалась. Сам бы я ничего писать не стал и дождался бы, когда выйдет качественный деконстракт, но неделю назад на манжетах вышла статья с названием "Деконстракт afk arena" по качеству настолько плохо передающая суть, что я не выдержал и даже связался с ребятами, поскольку от таких материалов есть серьезный вред. Во-первых, читатели сталкиваются с тем, что получаются ложное представление о данной игре, во-вторых ко мне на собеседование регулярно приходят джуны, которые считают, что так и надо писать документацию.
И вот просадил я пару вечеров за созданием структуры и сбором информации, но неожиданно выходит деконстракт от ребят из деконстрактор оф фан. Но и на перевод и доработку с учетой инфы, что обладаю уходит довольно много времени. Короче вот пока кусок для затравки, а на днях сделаю лонгрид.
Долгое время западные компании испытывали сложности с экспансией на восточный рынок, а восточные с выходом на запад. Десятилетиями эти две группы влияли друг на друга, но сталкивались с проблемой развития своих продуктов из-за большого культурного различия. Но со временем мобильная f2p индустрия взрослела и становилась глобальной. Согласно appannie 20% выручки компаний в штатах приходило из Китая и Японии в 2018 и доля продолжает расти. Есть и аналогичный тренд среди восточных компаний. Успеха на обоих рынках достигли такие компании как Firecraft Studios (Matchington Mansion), FunPlus (King of Avalon, Guns of Glory) и IGG (Lords Mobile).
Одной из таких компаний является Lilith games, на иллюстрации в заголовке показан рост выручки её проектов. Всего за первый квартал 2019 года игра отвоевала у крупных игроков мобильного RPG рынка 6% выручки и 24% установок.
Схожие игры:
Heroes Charge, Puzzles and Dragons, Empires and Puzzles, Idle Heroes, Star Wars Galaxy of Heroes, Legendary, Marvel Strike Force.
Как в Heroes charge и Galaxy of heroes основной игровой цикл построен на сражениях и получении наград для улучшения своего отряда. Все механики построены вокруг этого и направлены на то, чтобы игрок развивал свою коллекцию героев, как во множестве других игр с gacha механиками в основе. Но ребята из Lilith изменили то, как ощущаются бои, автоматизировав и ускорив их, а также изменив циклы получения ценностей. Но обо всем по порядку.
Бои. Автоматизированные сражения.
Сражения просты и требуют минимального вмешательства. Как и в heroes charge бой автоматизированный и быстрый. Герои атакуют автоматически, влияние игрока ограничивается моментов использования специальных способностей, которые заряжаются на протяжении боя. Для тех, кто больше интересуется стратегией и декбилдингом, чем тактикой, и не хочет прожимать способности есть режим автоматизации этого процесса.
AFK выделяется на фоне прочих пошаговых RPG отсутствием необходимости совершать огромные количества действий (как к примеру в Glu’s Disney Sorcerers’ Arena). Она не требует от тебя немедленной реакции или обдумывания каждого шага в бою, создавая ощущение того, что геймплей был идеально подогнан для мобильных сессий, игра не вынуждает выделять большие объемы времени на неё.
Синергии и уязвимости.
Игра имеет достаточно простую классическую систему уязвимостей по фракциям 4+2, что облегчает онбординг пользователя по сравнению с Contest of Champions (7 типов) или Fire emblem (3x3 типа).
Система бафов от использования персонажей определенной фракции в игре построена достаточно прямолинейно - чем больше у тебя существ одной расы. Тем больше баф команды. Разработчики подталкивают игроков к тому, чтобы те имели по одной команде каждой фракции и расширяли коллекцию персонажей. Персонажи.Каждый герой характеризуется определенными статами и способностями. На них собственно и строится синергия, к примеру герой Saveas, обладающий способностью поднять DPS ценой здоровья, отлично дополняется хилером (Nemora). Но данный момент встречается не так часто и фракционные бафы являются большим мотиватором для получения новых персонажей и экспериментов.
Игровые режимы.
1. Кампания (PvE). Онбординг и прогресс.
Позиционируется как основной прогресс в игре, её видишь первой при входе в игру. Отличие от других RPG - уровни проходятся лишь однажды и фарм в ней невозможен.
Влияние на core loop: сложность растет линейно с каждым уровнем, на боссах сделаны пики сложности. Постепенно у игрока создаётся необходимость иметь 5 сильных персонажей. От себя добавлю что дальше этого количества становится недостаточно, за счет уязвимостей фракций и классов создается ситуация, когда сильнейшая пачка героев игрока становится неэффективна, вынуждая игрока экспериментировать).
Данный режим решает задачу создания простого и понятного геймплея на онбординге и в дальнейшем служит индикатором общего поогресса игрока, периодически мотивируя игрока наградами за прохождение определенных майлстоунов.
Количество попыток и тайминги: игрок не ограничен ни по количеству попыток, ни по времени доступности режима, что создаёт эффект очень быстрого прогресса на раннем этапе игры. Дальше игрок постепенно приходит к ситуации, когда сталкивается с блокером по силе отряда и вынужден проходить другие режимы. Или заплатить.
2. Idle (PvE). Retention механика.
В нижней части экрана мы можем видеть как отряд сражается с бесконечными волнами монстров, выбивая из них награду. Это типичная idle механика, которая создает стимул для игрока регулярно заходить и забирать Опыт, Золото и Экипировку, поскольку максимальный объем награды имеет лимит и после него перестает увеличиваться.
Влияние на core loop: размер награды зависит от прогресса в основной кампании и соответственно стимулирует проходить её дальше.
Количество попыток и тайминги: собирать награду можно когда угодно, лимит накапливается за 12 часов. Механика ориентирована на retention и использует push-нотификации.
Peaks Of Time (PvE), Labyrinth (PvE), King’s Tower (PvE), Arena (PvP), Bounty Board, GW - опишу отдельно.
Краткое резюме по механикам.
Суммарно получаем 3 режима постоянной прогрессии, 2 механики на retention, 1 циклический ивент для фарма, 1 PvP режим. Это достаточно сильная и гибкая система, дающая игроку ощущение прогресса в начале, цепляет механиками с вознаграждениями и затем дает игроку разнообразие режимов, затормаживая прогресс по основной кампании.
Сейчас лишь режим labyrinth ориентирован на увеличение количества персонажей, возможно в дальнейшем по аналогии с SWGOH добавят режим с ограничениями по фракциям для участия.
В основе игры достаточно сложная экономика, в которой различные объекты могут быть получены множеством различных способов. Герои к примеру могу быть получены из gacha свитков, камней, за различные виды влюты в 5 различных магазинах и т.д.
Не люблю давать сырой материал, где 80% осталось неохваченным (механики, экономика, монетизация), но тут возникает вопрос любопытна ли подробная информация кому-то, кроме меня и стоит ли писать лонгрид? Короче запилил голосовалку под пост, очень интересно узнать мнение.
Источник(англ.): https://www.deconstructoroffun.com/blog/2019/6/6/afk-arena-puts-lilith-into-the-billionaire-club
Игра имеет достаточно простую классическую систему уязвимостей по фракциям 4+2, что облегчает онбординг пользователя по сравнению с Contest of Champions (7 типов) или Fire emblem (3x3 типа).
Система бафов от использования персонажей определенной фракции в игре построена достаточно прямолинейно - чем больше у тебя существ одной расы. Тем больше баф команды. Разработчики подталкивают игроков к тому, чтобы те имели по одной команде каждой фракции и расширяли коллекцию персонажей. Персонажи.Каждый герой характеризуется определенными статами и способностями. На них собственно и строится синергия, к примеру герой Saveas, обладающий способностью поднять DPS ценой здоровья, отлично дополняется хилером (Nemora). Но данный момент встречается не так часто и фракционные бафы являются большим мотиватором для получения новых персонажей и экспериментов.
Игровые режимы.
1. Кампания (PvE). Онбординг и прогресс.
Позиционируется как основной прогресс в игре, её видишь первой при входе в игру. Отличие от других RPG - уровни проходятся лишь однажды и фарм в ней невозможен.
Влияние на core loop: сложность растет линейно с каждым уровнем, на боссах сделаны пики сложности. Постепенно у игрока создаётся необходимость иметь 5 сильных персонажей. От себя добавлю что дальше этого количества становится недостаточно, за счет уязвимостей фракций и классов создается ситуация, когда сильнейшая пачка героев игрока становится неэффективна, вынуждая игрока экспериментировать).
Данный режим решает задачу создания простого и понятного геймплея на онбординге и в дальнейшем служит индикатором общего поогресса игрока, периодически мотивируя игрока наградами за прохождение определенных майлстоунов.
Количество попыток и тайминги: игрок не ограничен ни по количеству попыток, ни по времени доступности режима, что создаёт эффект очень быстрого прогресса на раннем этапе игры. Дальше игрок постепенно приходит к ситуации, когда сталкивается с блокером по силе отряда и вынужден проходить другие режимы. Или заплатить.
2. Idle (PvE). Retention механика.
В нижней части экрана мы можем видеть как отряд сражается с бесконечными волнами монстров, выбивая из них награду. Это типичная idle механика, которая создает стимул для игрока регулярно заходить и забирать Опыт, Золото и Экипировку, поскольку максимальный объем награды имеет лимит и после него перестает увеличиваться.
Влияние на core loop: размер награды зависит от прогресса в основной кампании и соответственно стимулирует проходить её дальше.
Количество попыток и тайминги: собирать награду можно когда угодно, лимит накапливается за 12 часов. Механика ориентирована на retention и использует push-нотификации.
Peaks Of Time (PvE), Labyrinth (PvE), King’s Tower (PvE), Arena (PvP), Bounty Board, GW - опишу отдельно.
Краткое резюме по механикам.
Суммарно получаем 3 режима постоянной прогрессии, 2 механики на retention, 1 циклический ивент для фарма, 1 PvP режим. Это достаточно сильная и гибкая система, дающая игроку ощущение прогресса в начале, цепляет механиками с вознаграждениями и затем дает игроку разнообразие режимов, затормаживая прогресс по основной кампании.
Сейчас лишь режим labyrinth ориентирован на увеличение количества персонажей, возможно в дальнейшем по аналогии с SWGOH добавят режим с ограничениями по фракциям для участия.
В основе игры достаточно сложная экономика, в которой различные объекты могут быть получены множеством различных способов. Герои к примеру могу быть получены из gacha свитков, камней, за различные виды влюты в 5 различных магазинах и т.д.
Не люблю давать сырой материал, где 80% осталось неохваченным (механики, экономика, монетизация), но тут возникает вопрос любопытна ли подробная информация кому-то, кроме меня и стоит ли писать лонгрид? Короче запилил голосовалку под пост, очень интересно узнать мнение.
Источник(англ.): https://www.deconstructoroffun.com/blog/2019/6/6/afk-arena-puts-lilith-into-the-billionaire-club