数据分析将用于休闲游戏的开发过程

小提示：您能找到这篇{数据分析将用于休闲游戏的开发过程}绝对不是偶然，我们能帮您找到潜在客户，解决您的困扰。如果您对本页介绍的数据分析将用于休闲游戏的开发过程内容感兴趣，有相关需求意向欢迎拨打我们的服务热线，或留言咨询，我们将第一时间联系您！

你是否见过有人使用你设计或者制作的软件？对于开发者来说，让普通用户首次与刚开发出数周或数月的程序进行互动是种无价的资源。对程序员来说，他们无法区分出这些行为是否来源于新用户。如果你是一个合格的开发人员，你不能忽视用户测试所带来的益处，但你也无法实时监控玩家的游戏过程。不过，在这时只需要在临时 HTML5 游戏中发几个求助帖，就可以获得数千名玩家关于你的游戏的有价值的反馈。

其难度而选择退出游戏。在桌游或是电玩游戏中，这些障碍的难度有时会设置的比较高，这是因为用户已经表现出下载或购买游戏的意向。有些游戏中的障碍是与游戏本身的主线情节相关的;如果用户无法解决当下的障碍，他们更无法解决游戏在未来向他们抛出的障碍。在游戏设置中常见的是，最难的障碍不应该设置在游戏的前期。如果玩家在刚开始玩《超级玛丽》的时候就面对大 boss，那么对玩家来说，高难度的游戏设置会使其有挫败感，他们会认为该游戏的成功性太小。当然，对于这些大牌游戏来说，一个小难关不足以让玩家退出或者离开游戏。不过，在休闲游戏和手游领域，这些障碍可能意味着用户体验的终止。对于休闲游戏而言，它比任何一个平台都需要一个平滑的游戏难度曲线，并且在宏观层面上观察这些简单的统计数据可以帮助开发人员找出一条适合的难度曲线。

有许多方法可以收集到有用的数据。你可以通过存储和分析每个玩家的互动，点击鼠标或触摸屏幕的次数而获得有效的数据。但是在这样一个巴别塔数据库中,通过它筛选数据需要花费大量的时间，这样一来，即便它能提供有价值的数据也使得这些数据失去其实用价值。让我们来看看 Punt Hooligan 和 ShockRipple 这两个游戏 的数据，每个游戏都有超过 10,000 条的游戏记录，而从这几个数据字段中可以发现很多东西。

比较游戏的完成数

一个明显的出发点是分析游戏的完成率。根据你设置统计监控的方式，此医药宣传册指标可能或多或少能起点作用。Punt Hooligan 的游戏内容是模拟踢足球。如果你踢得不是很远，你可以从中间重新开始。这并不会视作完成了一局游戏，而会被看作是重新开始上一个已经启动的游戏。对于这种情况我们预测出的完成率会比较低，但这不一定表示 Punt Hooligan 这款游戏的难度曲线过大。相比之下，在 ShockRipple 中，如果游戏关卡重新启动也会被视为一局游滴滴危机公关怎么做戏已经完成，但提交的分数将是平时的一半。这种数据设置下，一场新游戏的开始就意味着上场游戏的玩家离场，而相关的数据结果会根据两种不同点游戏设置分别进行预测。

这取决于这款游戏的设置，低游戏完成率也意味着关卡障碍的难度过高。但是对一款游戏来说，完成率并不是最重要的衡量标准。

分析玩家游戏时间

我们可以使用的另一个衡量指标是计算每场游戏花费的时间。这种方法可以在几乎没有基础框架的时候下被引入，因为它可以简单地从比分提交的时间中扣除游戏开始的时间以获得游戏花费的时间。由于游戏自身的性质不同，每场游戏所花费的时间当然会有所不同。对于 Punt Hooligan 而言，时间的长短与分数的高低直接相关，所以该指标也并不是非常有用。

然而，在 ShockRipple 中，通过查看游戏玩家在一个关卡上花费的平均时间，我们可以预测玩家愿意在该游戏上花费的时间。

在 ShockRipple 中同等级玩家所愿意花费的平均时间是 32.59 秒。…但这款游戏的数据设置并没有考虑游戏的分数高低，而对于这款游戏而言，将游戏分数考虑进去将极大地提高该数据的有效性。即便如此，这也为难度等级提供了一个通行证：如果需要比这更长的时间来解决通关障碍，人们可能会选择放弃该游戏。

检查得分分布

我认为，在任何游戏中，奖励都应该与投入的努力成正比，无论这种努力是技巧还是耐力。Punt Hooligan 就是一个很好的例子，但其中也有一些异常情况：

大约在 2000 分后，分数逐渐下降，表明游戏难度适当增加。 在 1500 分左右，有一个激增。此外，在 0 分这个段位有一个峰值。当错过所有球时，玩家得分为 0。 这是该游戏的核心机制。

相比之下，ShockRipple 就是另外一回事。在 ShockRipple 中，如果等级闯关失败，那么提交的得分将是该等级的一半。这使得数据变得更加复杂。

在 3 级的时候有一个陡峭的峰值，而 5 级的难度曲线更为陡峭！很显然这段的难度设置出现了问题。

这几种方法只是通过简单的数据字段进行分析和改进休闲游戏的冰山一角。数据分析将在休闲游戏的开发中起到越来越重要的作用。

作者：ZYJ