Доктор Дарина Голдин из Bayes Esports представила публике идею продукта для оценки потенциала драфта (фазы выбора персонажей). Эксперт утверждает, что воплотить ее замысел нелегко, но решение принесет огромную пользу игровому комьюнити.
В большинстве киберспортивных развлечений перед началом сессии пользователь выбирает персонажа, за которого хочет играть, из ограниченного пула героев. Как правило, геймеру доступно от десяти до более сотни различных опций.
У каждого персонажа свои сильные и слабые стороны. В командных играх важно создать сбалансированную комбинацию. Кто-то должен наносить урон, кто-то — лечить, кто-то — оказывать поддержку в дальнем бою,
Это особо актуально для профессиональных матчей, где качество командного взаимодействия влияет на результат. Драфт может определить исход сессии. В Сети часто распространяются идеи о самых эффективных комбинациях, но они не универсальны.
Выбор и блокировка
Провести объективный анализ драфта на многопользовательских боевых онлайн-аренах довольно сложно. Фаза выбора и блокировки — этап в начале карты, когда команды могут отбирать чемпионов и банить других персонажей из общего списка доступных опций.
Этап давно стал своего рода отдельной игрой. И не без оснований. Когда все другие параметры равны, выбор персонажей может оказаться решающим.
В этой фазе важны такие аспекты:
- Представлен ли в общем игровом каталоге сильнейший чемпион? Смогла ли какая-то команда его выбрать?
- Предпочитают ли геймеры определенных героев? Если да, то удалось ли заполучить их?
- Могут ли конкретные чемпионы или их группы эффективно противостоять команде соперника?
- Игроки выбрали персонажей для начала или конца матча (есть ли у них герои, которые могут уничтожить противника, пока их силы невелики, или их показатели улучшатся только к концу сессии)?
- Выбрала ли команда чемпиона, который нравится их противникам, отняв у соперников сильного персонажа?
Некоторые герои всегда востребованы, потому что они показывают лучшие результаты. Другие же опции очень ситуативны или созданы, чтобы обыграть конкретную команду. Выбор персонажа может быть навязан оппонентами путем блокировки героев, которых намеревался присоединить соперник.
Исследователи из Bayes Esports хотят определить, какой выбор будет оптимальным для команд на этапе драфта. Иногда лучше сосредоточиться на одном сильном персонаже. В других случаях может быть несколько перспективных вариантов.
Команда Bayes Esports не планирует просто предлагать потенциально правильный выбор. Специалисты хотят проанализировать комбинации персонажей более детально. После каждого выбора или блокировки необходимо заново переоценить вероятность победы команд. Это очень важный нюанс для киберспортивного беттинга.
Перспективность драфта должна быть отражена в коэффициентах ставок. Команда, не собравшая оптимальный пул героев, получает меньшие шансы на победу.
Инструмент оценки настраивается с учетом данных о предыдущих матчах. Его можно легко адаптировать после выхода патчей (программных дополнений к игре). Новые моды иногда значительно влияют на механику продукта, меняя ценность чемпионов.
Поиск решения
Кажется, что найти правильный подход к выбору героев довольно легко, учитывая большой объем исторических данных Bayes Esports. Можно ли просто сформулировать статистику побед на основе этой информации и использовать ее для оценки будущих матчей?
Это кажется хорошей идеей. Однако математические принципы, лежащие в ее основе, не сработают. В игре League of Legends представлены 154 чемпиона, а в Dota 2 — 120. В каждом профессиональном матче геймеры будут выбирать 10 персонажей и еще 10 блокировать.
Такое количество героев формирует триллионы потенциальных комбинаций. Даже если исследователи захотят получить 20 совпадений во время драфта, они не соберут достаточного количества данных.
Некоторые комбинации никогда не разыгрываются. Например, сложно найти команду, состоящую из всех героев поддержки. Одни чемпионы выбираются в 40% матчей, другие — только 1−2 раза за весь турнир.
Связано ли это с их явными недостатками или у команды, выбирающей таких персонажей, есть своя новаторская стратегия? Предположим, геймеры присоединят 5 героев поддержки. Как вы оцените их решение, если ранее не видели такой комбинации?
Специалисты давно пытаются решить такую проблему. Это возможно. Тем не менее придется сгенерировать больше данных.
Если бы в Bayes Esports были профессиональные игроки в League of Legends или Dota 2, эксперты смогли бы смоделировать разные варианты турниров, определив случайные комбинации персонажей для обеих сторон.
Это очень трудоемкий процесс, так как сотрудников нужно будет переучивать после каждого выхода патча. Однако такой подход поможет ответить на вопрос, кто лучше — Ренектон или Орн.
Ознакомьтесь с современными трендами игорного бизнеса на сайте Casino Market.
Остались вопросы или хотите заказать услуги?
Обращайтесь к нашим консультантам:
- e-mail: manager@casino-market.com
- форма обратной связи.
Пожалуйста, тщательно проверяйте контактные данные, которые вводите для связи с нами. Это необходимо для вашей безопасности.
Мошенники могут использовать контакты, похожие на наши, чтобы обманывать клиентов. Поэтому просим вводить только те адреса, которые мы указываем на официальном сайте.
Будьте осторожны! Мы не несем ответственности за деятельность лиц, использующих схожие контактные данные.
