简介

我们很好奇玩我们游戏的玩家都是些什么样的人，他们有些什么样的特点，会以怎样的方式游戏。然后我们可以以此改进我们的游戏设计。但直接问他们又是不可能的，这辈子都不可能的。那么我们会如何实现这个目标呢？

一个有点像魔塔的游戏

我们所要测试的游戏， MiniDungeons ，是一个类似魔塔但却大大简化的游戏。上图是其中的一关，每关由12×12的网格组成，你需要操控我们勇士——就是那个左手拿个盾牌，右手拿个蜡烛，傻不拉几站在那儿的就是我们的勇士——活着从上楼处走到另一个向下的楼梯处就算通过了这关。

不过前进之路没那么顺利，你要是遇到药水，你的生命会增加，遇到宝藏，那么你的宝藏计数器会加一，此外毫无用处。但要是你遇到了恶魔，就是那个浑身绿色，站在那儿好像在说：“我的膝盖中了一箭”的恶魔，就必须与之战斗，然后你就会损失掉相当于于一药水瓶的血量。

我们的游戏一共有10个关卡。

设定不同性格的电脑玩家

我们请来五个不同性格电脑玩家，让他们游玩，并将他们的行为与我们的人类玩家比较，看看玩我们游戏的究竟是喜欢看小马宝莉的古怪大叔，还是喜欢看《山》的佛系玩家，或其它什么不明生物之类的。

总之，我们请来的五个电脑玩家性格分别如下：

• 保守玩家（baseline player），我们简称他为B。他对打怪捡金币什么的不甚感兴趣，只想快点到达终点。
• 大脚丫（Runner），我们简称他为R。他的特点是懒，每次都选择步数最少的路线，哪怕前面有恶魔，刀山火海或者碰瓷的，也绝不肯多走一步。
• 求生者（ Survivalist），我们简称他为S。他的特点是求生欲极强，不愿意作战，每次遇到恶魔都尽量避开。
• 恶魔杀手（Monster Killer），我们简称他为M。他的特点是极为冷血，没得感情，希望干掉尽量多的恶魔。
•  寻宝者（Treasure Collector ），我们简称他为T。他的特点是没得钱，因此希望找到尽量多的宝藏。

我们强迫这些电脑人去上一门名叫“Q-learning”的课，然后让他们在游戏中实习，根据他们在游戏中的不同表现给分，如下表，并敦促他们努力追求高分。

人类玩家数据收集分析

我们邀请了很多人来玩我们的游戏，其中我们使用38根棒棒糖诱惑的那38个人类玩家都成功通关了。之后我们有了如下发现：

1. 游戏一共有70个宝藏，而32个玩家都收集了至少60个。
2. 游戏一共有40个药水，而22个玩家都喝下了至少30个。
3. 玩家平均走过了600个地块，而其中两个玩家走过的地块连400个都不到
4. 游戏一共有80个恶魔，但只有13个玩家杀死了60个以上，没人全部杀死

我们收集到了这些数据，却不知道该怎么处理它们。于是我们又制作了玩家行走路径的heatmap。a，b，c，d，e，f分别代表不同玩家玩同一关时的行走路线。亲爱的读者，你们有什么发现吗？

我们经研究发现，a那位简直就是个变态，想要收集所有的药水和宝藏，想要击败所有的恶魔，我们猜他会对《血缘》和《只狼》感兴趣。而e这位明显想快速通关，然后可能是回家收衣服什么的吧…废话说了一堆，但我们还是无法知道游戏该怎样改进。别急吗，下面有请我们电脑玩家出场。

电脑玩家数据收集分析

到了验收电脑玩家成果的时候了。来看看他们的成绩单吧。

我们强迫每位电脑玩家都完了20遍游戏，一共两百关。反正电脑玩家傻效率高，没事。以下数据均为每遍的平均数。

对此，我们只想说：

有20%的利润，它就活跃起来；有50%的利润，它就铤而走险；有100%的利润，它就敢践踏一切人间法律！

——经济评论家邓宁

不过，我们还是制作了一个heatmap图来看看电脑人究竟干了些什么。

左边这张图，是保守玩家，大脚丫和求生者走的一模一样的路线。中间这张图为恶魔杀死的路线，而右边是寻宝者的路线。

鉴于保守玩家，大脚丫和求生者走的路线一模一样，我们有充分的理由怀疑他们相互抄袭，于是又让他们补考了一次，并展示他们补考的结果。下图从左到右分别是保守玩家，大脚丫和求生者。

那么玩我们游戏的究竟是些什么人？

现在我们终于回到最初的问题了。我们知道每个玩家玩游戏时会受到影响，在不同关卡的表现也不尽相同。比如你玩得好好的，就快赢了，你妈妈却突然告诉你你只能再玩10分钟，然后必须做作业去，于是你再也静不下心，然后就反胜为败了。

假设某个玩家的路径为N(a)，而某种电脑的路径为N。我们将比较人类和电脑人的heatmap，即每位玩家在每关的路径，与每种电脑人的路径符合度，从而判断他们在每关究竟是哪种类型的玩家。

除了之前提到的5种电脑人以外，我们还邀请来一个没上过课的随机漫步的傻瓜，简称为Z，特点就是毫无目的，随便乱走。

如下图所示，level的意思为“关卡”，Total的意思为“总数”。

从表中来看，大多数玩家都很符合“寻宝者”的特性。heatmap对比的结果，也符合我们之前收集人类玩家数据时的分析。

所以呢？

Nicole Lazzaro 说过：“A game’s value proposition is how it makes its players think and feel. Players don’t buy games,they buy experiences ”。

照这样说的话，玩家并不只是想玩我们的游戏，而是想体验收获宝藏并逃出恶魔的重重包围的感觉，而不太在意走过多少地块或杀死多少恶魔。而且我们可以推测，这个规则不仅适用于我们的游戏，也适用于大部分冒险类游戏。

有了这个依据，我们就能大刀阔斧改进游戏设计了。玩家不就是想突破阻碍拿宝藏吗，不就是想体验一下不入虎穴焉得虎子的感觉吗？好，那我们可以安排围墙巧妙地守卫住宝藏，玩家需要需要按特定顺序穿过过道才能拿到宝藏；又或者宝藏分为几个等级，等级越高的宝藏由越厉害的恶魔守卫，击败高等级恶魔也需要更高等级的技能…

总结

这篇文章总结了使用冰淇淋引诱玩家的方法，那就是很多人都喜欢巧克力口味的，有的人甚至非巧克力口味的就不要……等等，好像跑偏了，不好意思哈。

嗯，在这篇文章里，我们使用计算机的帮助来分析游戏玩家的行为，并且证明这种方法是相当有效的。当然，我们不止是想借此来观察游戏玩家的行为，更想借此满足我们的不灭的好奇心，满足我们为玩家开发有趣游戏的愿望。

以及， Georgios N. Yannakakis 和 Nicole Lazzaro是两位游戏设计的大佬。没事时可去谷歌学术上瞻仰一下他们。

参考

[1]Christoffer Holmgård, Antonios Liapis, Julian Togelius & Georgios N. Yannakakis . Generative Agents for Player Decision Modeling in GamesGenerative Agents for Player Decision Modeling in Games 

后记

之前翻译的两篇尽管赞和收藏了不少，但几乎没评论，我在想是不是太晦涩难懂了，所以虽然主要内容仍然来自参考文献，但换了另一种文风，不知道大家看起来感觉怎么样？