|
首发“游戏设计理论”公众号
引言
最近帮一个游戏调数据,为了做全面的分析,就给这个游戏建了个模型,从全局视角结合对本质的理解,分析游戏的问题,才能给出完整、正确的调整方案。
当然本文只讲过程,细节都是脱敏的。
早先入行都会学画“系统结构图”,把各个系统、玩法、资源用线连起来,形成一个大循环,看起来还挺“全局”的。
但是工作多年之后就不做了,因为它太表层,几乎没有价值,做完了也不可能理解一个游戏。
就像看了汽车的设计图你也不会造车一样,而是必须掌握整个造车的知识体系——即“造车的模型”。
有了设计模型才能真正理解游戏是如何设计出来的,并判断设计得好不好,而不是仅仅知道游戏是由什么组成的。
我是用脑图建的模型,毕竟是自己看的,模块间的逻辑关系自己脑补。输出给团队的应该是具体的方案,而不是这个模型,所以也没考虑表现力。
当然本文主要还是用文字说明这个模型,后面会给出脑图的例子。
建模的步骤
做任何事情,第一步就是收集必要信息。当然一开始不知道哪些是必要的,就要尽量多的收集,整理出信息框架,发现缺失或关键节点,再有目的的收集。
第二步就是建立结构,有多少信息用多少,先把结构搭起来,慢慢填补。这一步主要是为了自己理清逻辑关系。
第三步是加入个人认知,建立整个游戏的完整模型。个人认知是“为什么这么做”的原因,做游戏拼的就是谁的认知更正确、更接近真实。
建立模型之后才能暴露表象背后的根本问题,从最根本的问题入手,提供针对整个游戏的解决方案,否则解决一堆表层问题也不能让最终数据变好。
接下来详细讲讲这三个步骤。
收集信息
收集研发中的游戏信息跟拆解已上线的游戏不一样,拆解已上线的游戏不需要搞清楚设计目的,你也搞不清楚,用玩家的行为、体验倒推设计是否优秀即可。
但研发中的设计目的、定位是必须要搞清楚的,否则就不叫设计了。但是由于没有上线验证,只能通过经验和逻辑判断设计是否合理。
高手跟菜鸟的区别就在于经验和逻辑有没有形成模型,或者说有没有形成方法论。形成模型的人,成功率会更高,价值自然也高。而且经验如果不能结合逻辑形成模型,就是个鸡肋。(所以我一直把“经验丰富”当成骂人的话)
需要收集的信息种类有:世界观、节点、规则、体验规划、系统定位、核心体验、用户属性。此外还有核心玩法,它比较特殊,需要独立分析。
这几种信息构成了模型的基础结构,下面展开介绍。
用户属性
商业游戏一般需要先找用户,尤其是潜在用户。
如果市场已经被开发得很全面,比如现在的二次元题材,竞争就会很激烈,成功率很低。如果是潜在市场,竞争就会弱一些,成功率略高,当然也面临市场空间不大的问题。
但不管怎么样,一般还是要先想好用户是谁,要满足用户什么潜在需求,再设计独特的游戏满足这个需求,成功率会高很多。
要收集用户的哪些属性之前的文章写过,就不赘述了。
可惜大部分属性非常难收集,尤其是特定领域的用户,也就很难挖掘潜在需求。这些信息才是一个公司真正的积累,不然凭什么能连续做成一个品类呢?
没有这些信息只能自己体验了,如果游戏感足够强,也是可以的。这也是为什么我认为“游戏感”是策划的核心竞争力。
核心体验
核心体验是整个游戏的“调性”,是这个游戏给人的整体感觉,有点像看完一场电影之后用几个关键词描述感受一样。
这是一个游戏最抽象的总结,是你希望玩家给别人说起这个游戏时的描述。这个体验好不好决定了游戏的上限和生命周期,因为它影响留存、付费、新增。
也正是因为它太抽象,很难直接指导设计,实际操作中一般是先确定核心玩法,再调整设计确定核心体验。
只有少数创新游戏才会先想“我要做一个什么样体验的游戏”,再设计合适的玩法。
先有还是后有都可以,但一定要有,因为后续指导做什么以及做到什么程度会以核心体验为锚。
核心玩法
一般来说核心玩法就是指战斗机制,如果没有战斗就是指核心规则,之前讲过,不再赘述。
核心机制包括战斗公式、战斗规则、战斗方式、关卡机制。
战斗公式很好理解,就不说了。
战斗规则就是胜负判定、先后手判定、技能规则、回合或即时等等。
战斗方式就是射击、战棋、传统卡牌等等。
关卡机制是关卡内的机关、关卡的特殊机制等等。
可以看出核心玩法跟“游戏类型”很像,只不过我们的目的是建模,就不能简单的用一个“SLG” 、“卡牌”就认为这个游戏的核心机制大家都知道了。
建模需要确定所有细节。
系统定位
这是设计的目标,如果定位不想清楚,后续的设计就会来回摇摆。
借用《塔木德》的一句话:如果一艘船不知道该驶去哪个港口,那么任何方向吹来的风都不会是顺风。
把整个游戏看作一个大系统,每个玩法、养成、功能系统都是一个节点,它们的定位是否合适,决定了整个游戏的体验是否流畅。
定位是由多个维度的设计目的组成的,比如一个新手关卡,可能需要表现剧情,也需要引导教学;一个养成玩法,需要提供数值成长,也需要提供战斗策略的变化。
在这个定位上的系统,必须把每个设计目的都达成,否则就会引起整个系统运转不畅。
如果一个系统有多个功能,需要把每个功能的定位列出来,不能只列一个总的。比如装备有升级和升星,就要独立规划定位和体验。
如果定位不搞清楚,后续一定会跑偏,每个人就各凭想象做游戏了。
体验规划
体验规划是设计者为玩家设定的体验,包含整体的体验规划、分阶段的规划、对不同类型玩家的规划。
跟定位不同的是这一步需要精确的定量。
整体预期
包括运气、付费导致的方差、体验的峰值、体验的形式。
举个例子:希望做一个无需战斗,只需要点一点就能解开谜题拿奖励的玩法,最好最差的奖励不超过2倍,概率在1: 9左右,最好的奖励属于一般品。
然后就会根据这个目标体验设计玩法和奖励,再不断调整让它符合整个游戏的体验预期。
当然也有觉得某个玩法不错,确定拿来用之后再给它重新规划一个体验。
就是之前文章说过的四个游戏阶段,因为大部分养成或玩法都是贯穿终生的,所以要考虑玩法在整个游戏生命周期的体验。
把玩家划分为几个类型,主要是不同属性强度、技巧水平、玩法偏好。这些类型玩家肯定会有重叠,目前没办法完全分开,只能做取舍了。
这三部分体验确定后需要做出表格,把每天/每级的精确状态设计出来,看看是否符合体验预期。
体验规划得精不精确,是决定后续系统设计能否符合预期的关键。大部分项目的体验规划都很粗糙,大概就是“主要属性成长来源,提供快速大幅度提高属性的途径”之类的一句话描述。结果就是好像大家都明白,但又有不同的解读,导致设计跟预期有偏差。
最后游戏看起来好像没问题,但玩起来体验就是一般。就是因为没有做到精确控制,系统节奏的衔接不够精密,不能营造极致的体验。
规则
就是每个系统、玩法的限制规则。
例如等级限制玩法开启、抽卡规则、养成需求、匹配规则等等。是这些规则把“节点”连接起来的,同时也需要这些规则控制整个游戏体验和节奏。
还有玩别人游戏不可能知道的“潜规则”,比如随机概率、隐藏的匹配规则等,这些规则设定也会影响体验。
节点
因为没有合适的名称,就用网络中的“节点”概念来命名了,因为模型也是一个网络。
节点就是各个养成系统、玩法系统、资源、角色属性等等,而且需要细化到最小概念,假如“经验药”分三档,那就要把这三档全列出来。
统计节点的时候要做到事无巨细,只要是玩家能看到玩到的,就是一个节点。有了这个全景图之后,才能判断出哪里有问题。
世界观
不同游戏的世界观重要性不同,如果是二次元游戏世界观就很重要,二次元题材的玩家非常重视剧情的内核、表现力、文笔、人设。
玩家就是会因为某个角色人设做得好,愿意为这个角色付费。所以有的系统目的就是为了表现世界观。
世界观包含两个部分:文字和美术。
玩家的代入感一定是文字叠加视觉效果才足够强,所以需要两者共同发力为玩家营造一个有吸引力的虚拟世界。
文字主要分剧情、系统包装、道具技能等包装,美术则是模型、立绘、图标、UI等,之前的文章讲过。
分类做好记录,后续可以根据是否达到“有吸引力的虚拟世界”这个标准做判断。
当然因为世界观好不好比较主观,能有测试数据会更容易判断。
小结
一般来说,设计是由顶层开始逐渐向下设计,上一层是下一层的锚,也互相影响。但实际操作中并非如此。
世界观较重的游戏,也可以由世界观开始,一切为叙事服务。
由核心玩法开始最常见,核心玩法是整个游戏的发动机,如果发动机不好,肯定跑不快也跑不远,甚至跑不起来。而且它相对独立,用来起步也挺好。
建立结构
这一步就比较简单,熟练后就是个体力活。
用脑图把每层的信息框架化,然后在自己大脑里形成结构,这些节点间的关系需要理解并记住,要是画出来这个脑图就没法看了。
重点和难点在于分类,比如一般可以把所有系统分成玩法系统、养成系统、功能系统,可不可以再独立出一个运营玩法系统?就要看各自产品的特征了。
这个图可能会随着跟项目组的讨论随时变化,因为设计一直在变。文末会给一个简化版的例子,这里就不再介绍了。
加入个人模型
底层逻辑是每个设计者自己的设计模型,或者叫“方法论”,它也是一个模型。
怎么判断一个未上线的游戏好不好呢?大多数人是凭感觉,要想成为少数稳定设计高质量游戏的人,就需要有“稳定且正确的模型”。
有了模型,就可以判断需要哪些体验、实现体验需要哪些设计、设计间如何配合,也就可以判断有没有缺失、缺陷。
之前的文章说过,人的认知由两部分组成,一部分是确定的事实和逻辑,一部分是自己总结出的认知,或者说自己的洞察。
这个模型也是由事实和逻辑,结合个人认知形成的。
模型分成四部分:个人认知、设计认知、科学理论、真实数据,前两部分是个人总结的,后两个则是逻辑和事实。
下面逐个介绍。
个人认知
个人认知是通过对事实的观察归纳出来的理论,不是经过严谨实验证明的科学理论。这是顶尖高手间的主要差距体现,因为确定科学理论大家都能学到,但对事物本质的洞察必须长期深入的实践、研究、思考才可能得出。
它包括设计者对不同方面的本质的认知,如对游戏核心循环、人性、商业的洞察等等,这里仅举这三个方面做例子。
游戏核心循环即这个游戏是怎么运转起来的、是由什么驱动的。比如卡牌游戏的核心驱动力是收集,大部分卡牌设计、关卡需求、玩法设计都是为了让玩家收集更多卡牌。
为什么是收集?答案也很简单,因为收集是人的天性,还有什么比本能更合适的驱动力?
卡牌游戏的核心循环就是围绕“收集”建立的一个模型:关卡>卡组>养成>迭代。设计多样的关卡去需求丰富的卡组和更高的属性,然后不断迭代新关卡、卡组、养成。
所有卡牌游戏都逃不出这个循环,当然部分卡牌游戏没有养成。
这个循环就是个漏斗模型,即使做得非常好,也会有部分玩家流失,但只要新增加回流不小于流失,理论上就能持续运营下去。
对人性的理解上,除了确定的科学实验得出的结论以外,还有大量个人对世界的观察,因为每个国家的文化、教育、制度都有区别,人与人之间或多或少都有一些区别,这些区别很难通过有效的实验验证,只能自己观察。
比如没占到便宜会觉得吃亏、重大损失之后给点补偿能大幅缓解挫败感、代入感强的二次元玩家不喜欢“老婆”太暴露等等。
大多数体验能做到极致的游戏,很多是对细微人性的观察和理解到了一定深度,抓到了玩家的爽点。
对人性的理解影响核心体验定位的精细程度,以及细节设计的方向,很大程度影响游戏的成功率。
这些理解又不可能在科学理论里找到,所以很考验设计者自身的敏锐度。
游戏也是一种商品,必然要考虑怎么才能卖得好,对商业的洞察极少能在科学理论里找到,只能依靠自己对商业的理解。
像“用户分层”其中一个维度就是价格歧视,虽然能在经济学里找到,但用法其实不太一样。比如游戏不一定通过价格歧视用户,这就需要对“价格歧视”有和经济学不同角度的理解。
还有我自己的一个观察:所有知名的饭店都有一两个招牌菜,一般不会所有菜品都创新,仅靠招牌菜就能带来新增或复购。
所以游戏也一样,如果创新不了核心玩法,在世界观、核心体验等方面有足够的特性也是可以的,当然这也不简单。
有很多没有科学理论支持但是正确的逻辑,只靠自己想不现实,只能向其他有洞察力的人学习,读他们的书,看他们的文章。
游戏毕竟是个商品,需要遵循商业规律,对商业理解透彻,有助于明确市场定位。而且也有很多付费相关的设计,需要商业上的理解才能做好。
设计认知
这部分是我一直研究的游戏设计理论的主要部分,即判断什么是好的设计,及如何设计的知识体系。
这部分这里就不展开讲了,可以看之前的文章,我目前又有了一些新想法,后续会写出来。
科学理论
目前用科学逻辑产生的学科都可以统称为科学,抽象度越高的学科正确率越高,抽象度越低的学科越容易直接指导设计。
这一层的价值在于,如果个人认知和设计认知可以找到科学理论的支持,正确率会更高,也就是找到了具体设计背后的逻辑,复用性很强。
相当于你做了假设,能找到理论支持,最后还有上线数据验证,逻辑链的强度就很高。
如果只是自己或别人做了个数据和体验还不错的设计,就认为永远是对的,以后一直做这个玩法,就是刻舟求剑,没有价值。
而且科学理论也有助于拓展设计思路,提供设计灵感。
真实数据
数据是做设计的参考依据,从立项到具体设计都可能用到,不过更多的还是作为设计方向的参考。
具体设计的细节数据跟用户属性一样不容易获取,只有专攻一类游戏才能有长期多角度的统计,这是公司的护城河。
数据可以分成两种:宏观数据、微观数据。
是指游戏行业的数据,比如各类型游戏的市占率变化、性别年龄变化、平均在线时间等整个游戏市场的数据。
宏观数据是硬性限制,是不太可能以人力突破的天花板,如果不了解的话很容易选错方向。如果离天花板还远,则没必要太看宏观数据,看看竞品,和提高自身品质更有帮助。
另外如果是成熟的类型,竞品的数据也有参考价值,因为用户属性、偏好比较接近。拿竞品做标准,知道大概数据做到什么程度能成。
不过如果不知道竞品所有数据,也就只能起个当标准的作用了。
真正有价值的是能验证逻辑的数据,有用的是数据背后的逻辑,不是数据本身。被数据检验过的逻辑才能复用,价值才高。
当然有时候不知道逻辑,直接用数据当设计依据也是可以的,这种情况就比较复杂了,很难判断是否正确。
如果是自己做游戏,应该是先有逻辑,再通过数据验证,这个逻辑就比较有价值。
如果是看竞品,应该是看具体设计和数据,反推背后的逻辑。可惜如果不知道竞品的整体数据,只看到一个局部,推导出的逻辑可能是错的,所以我个人不太关心竞品的表层数据。
有效的微观数据,基本只能靠自己实践积累,这也是个人和公司的护城河。
举个几个例子,我以前一直觉得土豪都是不想动脑才花钱,后来看了一个相对公平的玩法数据,再跟土豪交流,发现土豪比大部分玩家都玩得明白。
第二个是“花钱就是为了节省时间”这个认知是错误的,大部分花钱纯粹就是为了“马上就要”。花时间去计算节省了多少时间就很浪费时间。而且实际上土豪的在线时间和长留都很好。
第三个是个比较隐蔽的认知,也不是微观,只不过是从微观中得出的结论。大概5年前,我发现付费良心的游戏也挺赚钱,再结合之前文章写的一个趋势判断“ARPU的增速会大于ARPPU”,得出一个观点:适度但有效的付费深度比极深的付费深度再打折卖要有前途,我自己戏称为“有效坑理论”。
因为我一直做数值游戏,这个观点在当时的环境里是被鄙视的,做数值游戏的人的认知里付费必须是无底的。结果现在大量游戏的付费深度都是“看得到头的”,有钱也花不出去,世界变化太快了。
这些认知仅看数据还不够,更要对游戏和游戏以外的大环境有较深的理解,才能找到背后的逻辑。
小结
每个人都有自己的模型,必须是自己理论结合实践慢慢建立的,如果只是凭感觉,就不可能稳定。
为了稳定产出高质量的游戏,必须建立一个复杂的模型去把“游戏设计”拆得足够细,越细就越有利于精确控制。
这就是研究设计理论的价值所在,理论能让你搞清楚脉络,不掌握脉络就像屠夫做解剖,只能靠大力出奇迹了。
总结
最终整个模型有两部分,一部分是当前已经或将要做的设计,一部分是什么样的设计成功率高,以及怎么做。
这个模型我简化了大部分信息,就留了一个例子,不然图就太大了,而且也不打算事无巨细的列出来。
有几个点需要解释一下。
游戏模型的分类方式是为了方便我自己做定位用的,大家可以按自己的逻辑分类。
个人模型是从设计理论中简化出来,专门为这个项目打造的模型,并不能通用在所有项目上,因为不同类型的游戏的核心循环、研发阶段不同。
个人模型是路径,有了路径就可以找到跑偏的地方,就能给出明确的方向和方案,而不是很业余的说主观感觉。
能给出清晰逻辑的才是高手,而不是模糊的感觉。
就像美术大佬不会说一幅画“味道不对”,我以前觉得这才是大佬,“味道不对”多高深莫测、意味深远,那些说一大堆理论的人在扯什么?
后来才知道自己有多菜。
菜鸟总是信奉大道至简,却从来不知道,简单是复杂到极致的结果。
大量高手几乎穷举了所有情况,才找到了那条最简单、正确的路径,菜鸟只是直接看到了结果,然后莫名其妙的觉得大道至简。
文/世界是流动的
来源:游戏设计理论
|
|