每日熱點(diǎn):網(wǎng)絡(luò)科學(xué)深度研究:如何搭建游戲中的玩家網(wǎng)絡(luò)|TGDC 2022
“玩家”是網(wǎng)絡(luò)游戲運(yùn)營(yíng)過(guò)程中的重要課題之一。健康的玩家生態(tài)可以幫助一款游戲常青;反過(guò)來(lái),糟糕的玩家環(huán)境也有可能宣判一款游戲的死刑。
【資料圖】
8月14日,由騰訊游戲?qū)W堂舉辦的2022騰訊游戲開發(fā)者大會(huì)(Tencent Game Developers Conference)首日的主論壇上,來(lái)自騰訊互娛光子S工作室總經(jīng)理、和平精英項(xiàng)目負(fù)責(zé)人——高麗娜,就以【游戲世界中的玩家網(wǎng)絡(luò)】為題做了分享。
與過(guò)去不同的是,這一次的分享內(nèi)容,高麗娜采用了一種更為“網(wǎng)絡(luò)科學(xué)”化的方式。
以下為高麗娜分享實(shí)錄
(游戲智庫(kù)略有刪改)
1、游戲與網(wǎng)絡(luò)科學(xué)
我們?nèi)祟愂且环N社會(huì)動(dòng)物,很難脫離群體而存在。在信息社會(huì)里,網(wǎng)絡(luò)游戲作為一種新的社交介質(zhì),幫人們連接彼此,解放孤獨(dú)。因而玩家的社交可謂是網(wǎng)絡(luò)游戲中最重要的玩法構(gòu)成。
以一組游戲里的玩家脫敏的行為數(shù)據(jù)為例的統(tǒng)計(jì)來(lái)看,可以看到:超過(guò)80%的玩家是組隊(duì)進(jìn)行游戲的,有超過(guò)50%的玩家是邀請(qǐng)好友一起組隊(duì),有超過(guò)50%的流失用戶再回流也是因?yàn)楹糜蜒?qǐng)他再回到游戲里,而單人進(jìn)行游戲的玩家的流失率也是最高的。
對(duì)于和平精英來(lái)說(shuō),在一個(gè)很大的用戶規(guī)模下,如何能維護(hù)好用戶的社交生態(tài)也極大決定了游戲玩家的活躍穩(wěn)定性,所以游戲中玩家的社交健康度是非常重要的。
對(duì)于游戲運(yùn)營(yíng)來(lái)說(shuō),一個(gè)難點(diǎn)是:比如我們都知道游戲的活躍、商業(yè)化這些都是有成熟的數(shù)據(jù)指標(biāo)體系來(lái)描述和衡量的,進(jìn)而可以幫助指導(dǎo)我們迭代和運(yùn)營(yíng)游戲,對(duì)于玩家社交很重要,但我們一直缺乏有效的描述方式和評(píng)估方法。這就是我們今天想要探討的話題。
美國(guó)的天文學(xué)家卡爾薩根在他的名著《宇宙》這本書里有提到:我們的宇宙里存在著億萬(wàn)顆恒星。據(jù)估計(jì),宇宙里可觀測(cè)到的恒星數(shù)量大約有23個(gè)0的數(shù)字,這個(gè)數(shù)看起來(lái)非常龐大。
但是很有意思的是,相對(duì)于一個(gè)由30人社群組成的朋友關(guān)系網(wǎng)絡(luò)的數(shù)量,“23個(gè)0”這個(gè)數(shù)字就顯得非常渺小了。聽起來(lái)確實(shí)有點(diǎn)不可思議。
30人的社群里可以結(jié)為朋友的兩兩組合的數(shù)量有435個(gè),當(dāng)我們要把他們組成一個(gè)朋友關(guān)系網(wǎng)的時(shí)候,這個(gè)朋友網(wǎng)絡(luò)的數(shù)量是2的435次方,這個(gè)結(jié)果最后大概是131個(gè)零的數(shù)量級(jí)的數(shù)字,而我們對(duì)比之前提到的宇宙恒星總數(shù)也就只有23個(gè)零。所以即使是30人社群,里面可能出現(xiàn)的朋友網(wǎng)絡(luò)的數(shù)量也是龐大到非常驚人。
人際關(guān)系信息如此的龐大和復(fù)雜,如何去描述它就是很大的難點(diǎn)。并且,我們?cè)撊绾谓⑵鹣鄳?yīng)的評(píng)估體系來(lái)評(píng)估它呢?
我們找到的這種描述語(yǔ)言就是網(wǎng)絡(luò)化建模,幸而我們同時(shí)也身處在信息技術(shù)非常發(fā)達(dá)的時(shí)代,計(jì)算機(jī)可以幫助我們存儲(chǔ)和分析非常海量巨大的數(shù)據(jù)。
具體什么是網(wǎng)絡(luò)化建模呢?比如我們把游戲里的每一個(gè)玩家描繪成一個(gè)點(diǎn),而把玩家之間的社交關(guān)系連接成一條邊,最終我們可以得到一張網(wǎng)絡(luò)化連接圖。
這里我們?cè)僬故疽粋€(gè)更具體的示例。這兩幅圖來(lái)源于 Pacific RISA的網(wǎng)站,這個(gè)網(wǎng)站是評(píng)估太平洋區(qū)域海島氣候環(huán)境變化的一個(gè)研究項(xiàng)目。這個(gè)研究組織對(duì)所有參與研究的331位專業(yè)人士的研究關(guān)系網(wǎng)絡(luò)進(jìn)行了調(diào)查和繪制,當(dāng)把所有與這300多位研究人員有進(jìn)行過(guò)氣候相關(guān)交流討論的人員也包含進(jìn)來(lái)以后,繪制成了一個(gè)有967人的研究關(guān)系網(wǎng)絡(luò)。
最后他們?cè)诰W(wǎng)站上公布了繪制出來(lái)的兩幅圖。這兩幅圖分別采用了不同的布局算法來(lái)呈現(xiàn)。圖上的每種色彩,標(biāo)識(shí)的是研究人員來(lái)自的國(guó)家和地區(qū),而圓圈的大小用來(lái)表示每個(gè)人所擁有的連接數(shù)量。
在第一種布局里,是以呈現(xiàn)國(guó)家地區(qū)為主的社群分布,這個(gè)原圖是可以放大到非常大的程度,可以讓我們很清晰看到這個(gè)社群里以及社群間人們的連接情況,也就是說(shuō)你能很方便地查閱到來(lái)自于同個(gè)地區(qū)的人們互相之間的連接聚集情況,同時(shí)也能看到哪些人承擔(dān)了跨地區(qū)連接的橋梁作用。
第二種布局,重點(diǎn)是呈現(xiàn)了那些連接數(shù)最高的人,擁有最多連接數(shù)的研究人員也被認(rèn)為是最有影響力、最核心的成員,他們都位于這幅圖的中心位置,網(wǎng)站上也把這些人員單獨(dú)列了一張姓名列表出來(lái),因?yàn)樗麄兪呛诵难芯咳藛T。
參照這兩個(gè)圖,大家其實(shí)可以感受到,如果我們把游戲里的玩家網(wǎng)絡(luò)繪制出來(lái),那也將是這樣的一種圖示的方式。只不過(guò)面對(duì)數(shù)量以億計(jì)的玩家數(shù),我們可以把玩家的連接網(wǎng)絡(luò)在計(jì)算機(jī)里繪制出來(lái),但如果把它導(dǎo)出來(lái)是很難讓人以肉眼的方式來(lái)查看和了解信息,因?yàn)檫@基本上已經(jīng)超出了人通過(guò)肉眼處理信息的能力。但是計(jì)算機(jī)是有這樣的信息閱讀和挖掘能力的,所以我們可以通過(guò)計(jì)算機(jī)運(yùn)用多種算法來(lái)從不同維度幫助我們透視了解其中的信息。
既然人與人之間的關(guān)系是可以用網(wǎng)絡(luò)化建模的方式來(lái)描述,那么對(duì)于繪制出來(lái)的網(wǎng)絡(luò)來(lái)說(shuō),它們之間是不是有一些規(guī)律或特點(diǎn)呢?幸運(yùn)的是,規(guī)律和特點(diǎn)確實(shí)存在。
這里就要提到,1999年美國(guó)圣母大學(xué)物理系的巴拉巴西教授和和他的博士生阿爾伯特,他們?cè)凇禨cience》雜志上發(fā)表了《隨機(jī)網(wǎng)絡(luò)中標(biāo)度的涌現(xiàn)》這篇論文,以此發(fā)現(xiàn)了復(fù)雜網(wǎng)絡(luò)的無(wú)標(biāo)度的性質(zhì),從而誕生了研究復(fù)雜網(wǎng)絡(luò)性質(zhì)的一門新的學(xué)科:網(wǎng)絡(luò)科學(xué)。
自從復(fù)雜網(wǎng)絡(luò)的無(wú)標(biāo)度特性被發(fā)現(xiàn)以后,生活中大量的真實(shí)網(wǎng)絡(luò)都被發(fā)現(xiàn)是具有這種特點(diǎn)的。例如我們很熟悉的由無(wú)數(shù)網(wǎng)頁(yè)互相l(xiāng)ink(鏈接)跳轉(zhuǎn)而成的互聯(lián)網(wǎng)、以及人與人之間進(jìn)行通訊的電話網(wǎng)等等。
從1999年以來(lái),人們對(duì)現(xiàn)實(shí)中發(fā)現(xiàn)的這些大量的符合無(wú)標(biāo)度特性的復(fù)雜網(wǎng)絡(luò),進(jìn)行了很多的論文發(fā)表。左邊這幅圖就是歷年來(lái)無(wú)標(biāo)度網(wǎng)絡(luò)的論文發(fā)表數(shù)量的連線圖,其中特別要提到twitter和facebook,它們也對(duì)自己的用戶連接關(guān)系網(wǎng)絡(luò)進(jìn)行了相應(yīng)的研究,然后它們發(fā)現(xiàn)自己的用戶關(guān)系網(wǎng)也是符合無(wú)標(biāo)度性質(zhì)的,所以它們也在2010年和2011年發(fā)表了相應(yīng)的論文。
所以,現(xiàn)在我們要做的事也是把研究復(fù)雜網(wǎng)絡(luò)的方法引入到游戲里,為我們研究游戲玩家社交網(wǎng)絡(luò)提供相應(yīng)的理論和方法支持。
既然網(wǎng)絡(luò)科學(xué)是基于無(wú)標(biāo)度網(wǎng)絡(luò)的,那什么是無(wú)標(biāo)度網(wǎng)絡(luò)呢?這里引用了巴拉巴西教授在他《網(wǎng)絡(luò)科學(xué)》的書籍里,以公路網(wǎng)和航空網(wǎng)為例的兩張示意圖。
首先對(duì)于公路網(wǎng)來(lái)說(shuō),可以看到它顯著的特點(diǎn)是:無(wú)論是大城市還是小村莊,一般擁有的公路數(shù)量差別都不大,大概在3~5條上下這樣一個(gè)范圍。這種網(wǎng)絡(luò)我們稱之為隨機(jī)網(wǎng)絡(luò),特點(diǎn)是每個(gè)節(jié)點(diǎn)擁有的連接數(shù)大體是差不多的,沒(méi)有擁有特別多連接數(shù)的節(jié)點(diǎn),整體是遵循泊松分布,而我們所說(shuō)的差不多其實(shí)就是“標(biāo)度”;而航空網(wǎng)就非常不一樣了,比如像芝加哥這樣的大樞紐城市會(huì)擁有非常多的航班線路,而小城市的航線就非常有限。對(duì)于這種大多數(shù)節(jié)點(diǎn)只擁有少量連接,而少數(shù)節(jié)點(diǎn)卻擁有大量連接的網(wǎng)絡(luò),叫做無(wú)標(biāo)度網(wǎng)絡(luò),它整體是遵循冪律分布的,這個(gè)分布的尾部會(huì)拖的比較長(zhǎng),所以我們說(shuō)它是有重尾效應(yīng)的。
接下來(lái)我們來(lái)總結(jié)下無(wú)標(biāo)度網(wǎng)絡(luò)的重要特點(diǎn):
符合冪律分布和擁有樞紐節(jié)點(diǎn),在上面一張圖里已經(jīng)講到了。對(duì)于游戲玩家網(wǎng)絡(luò)來(lái)說(shuō),經(jīng)過(guò)我們的分析,會(huì)發(fā)現(xiàn)游戲里大部分的玩家通常交互的朋友數(shù)也只是3~4人,但是有少部分玩家交互的朋友數(shù)非常的多,可以達(dá)到幾十人,甚至幾百人。
其次是無(wú)標(biāo)度網(wǎng)絡(luò)它不是靜態(tài)的,在具有生長(zhǎng)的特性,而在生長(zhǎng)的過(guò)程里非常重要的特點(diǎn)是具有優(yōu)先連接的特征的。這個(gè)在游戲里也很容易理解,擁有更多朋友自身也更活躍的玩家通常在游戲里也更容易交到新朋友。
然后是社群聚集的特征。關(guān)于社群我們也在前面的圖例里有進(jìn)行過(guò)相應(yīng)的展示,我們經(jīng)常說(shuō)人以群分,具有共性的人們總是傾向于結(jié)成一個(gè)圈子,在游戲里也一樣,所以在游戲里基于不同屬性的玩家是可以挖掘出不同的社群分布。
最后一個(gè)特點(diǎn)是面對(duì)攻擊的脆弱性,就從這樣一張網(wǎng)絡(luò)連接圖來(lái)看,當(dāng)你主動(dòng)攻擊這個(gè)網(wǎng)絡(luò)的時(shí)候,你一定會(huì)選取攻擊這個(gè)樞紐節(jié)點(diǎn),因?yàn)檫@個(gè)時(shí)候的攻擊效果最大化的,失去樞紐節(jié)點(diǎn)會(huì)讓它所連接的大量其他節(jié)點(diǎn)失聯(lián)。在游戲里表現(xiàn)為當(dāng)樞紐用戶流失的時(shí)候,同時(shí)會(huì)影響他周邊大量好友的活躍和留存情況,進(jìn)而會(huì)比較嚴(yán)重影響到游戲的局部社交生態(tài)。
看完這些特點(diǎn),我們其實(shí)會(huì)發(fā)現(xiàn)這個(gè)無(wú)標(biāo)度網(wǎng)絡(luò)模型能跟社科學(xué)里的一些概念找到對(duì)應(yīng)的。比如冪律分布,就很像我們經(jīng)常講到的二八定律,20%的人擁有80%的資源。而且我們也經(jīng)常說(shuō),在地球上如果想找到任意一個(gè)人最多只需要通過(guò)6個(gè)人,但我們都知道地球馬上要有80億人了,那為什么通過(guò)如此少的人數(shù)就能觸達(dá)世界的每個(gè)角落呢?因?yàn)楫?dāng)我們?cè)谡胰说臅r(shí)候,也總是先找到那些擁有廣泛連接的樞紐節(jié)點(diǎn)型的人,這些擁有廣泛人脈的人的存在,最終促使地球這樣一個(gè)大世界通過(guò)樞紐節(jié)點(diǎn)快速地完成了一種連接塌縮,最后的結(jié)果就好像我們是生活在一個(gè)非常小的小世界一樣,這里提到的就是社科學(xué)里的六度分隔和小世界。最后的優(yōu)先連接的點(diǎn),跟我們經(jīng)常講的富者愈富聽起來(lái)是比較近似的了。
2、玩家網(wǎng)絡(luò)的運(yùn)營(yíng)
進(jìn)行完比較概念化的一章,接下來(lái)具體看一下第二部分:玩家網(wǎng)絡(luò)的運(yùn)營(yíng)。我們先來(lái)具體展示一下游戲中具體的玩家網(wǎng)絡(luò)建模的過(guò)程。
首先為了構(gòu)建我們的玩家網(wǎng)絡(luò),我們需要對(duì)網(wǎng)絡(luò)的“邊”進(jìn)行定義。
游戲里玩家交互行為是非常多樣的,那如果我們想要建立的是一個(gè)描述玩家強(qiáng)互動(dòng)行為的網(wǎng)絡(luò),這里比如我們?cè)诙x邊的時(shí)候就可以選取組隊(duì)、聊天和預(yù)約對(duì)局這樣的強(qiáng)交互行為,假設(shè)把這些行為按照1:1:1的權(quán)重進(jìn)行網(wǎng)絡(luò)邊權(quán)重的計(jì)算,這樣就可以得到一張描述強(qiáng)交互行為連接的玩家網(wǎng)絡(luò)。如果你想構(gòu)建一張輕交互連接的玩家網(wǎng)絡(luò),就可以把觀戰(zhàn)、點(diǎn)贊這樣輕互動(dòng)的社交行為納進(jìn)來(lái)做定義。具體的邊的定義是可以根據(jù)實(shí)際研究的需要進(jìn)行修改的,不同的目的就采用不同的定義方式。我們目前主要是聚焦于研究強(qiáng)交互玩家網(wǎng)絡(luò),我們認(rèn)為強(qiáng)交互是游戲里更加核心的部分。
那有了這些邊定義之后,我們就把游戲中所有的玩家構(gòu)建出了一張帶有邊權(quán)重信息的玩家網(wǎng)絡(luò)。當(dāng)然,這張網(wǎng)很大,它的數(shù)據(jù)量決定了只有計(jì)算機(jī)才能夠閱讀它,所以我們是通過(guò)各種算法來(lái)從各種維度查看和管理它。
在全局網(wǎng)絡(luò)生成之后,就可以進(jìn)行社群的挖掘。在我們對(duì)社群定義里,我們會(huì)認(rèn)為社群是一些緊密連接的節(jié)點(diǎn)的集合,這個(gè)集合內(nèi)部連接是非常緊密的,但是它與外部的連接是稀疏的。根據(jù)這個(gè)定義,我們運(yùn)用了相應(yīng)的算法來(lái)進(jìn)行社群發(fā)現(xiàn)。最后在游戲里面得到了幾百萬(wàn)個(gè)社群。這樣整體我們?cè)谟螒蚶锏耐婕胰志W(wǎng)絡(luò)和相應(yīng)的局部社群信息,就都建模好了。
下面我們來(lái)看如何動(dòng)態(tài)的運(yùn)營(yíng)這張網(wǎng)絡(luò)。
因?yàn)樵谟螒蛑形覀冄芯康亩际侨后w,所以我們就需要借助定義一些標(biāo)簽來(lái)定義玩家的群體。首先為了基于社交這個(gè)屬性進(jìn)行相應(yīng)的研究,我們需要在以前已有的用戶標(biāo)簽基礎(chǔ)上,補(bǔ)充添加一些社交相關(guān)的標(biāo)簽信息,以便于對(duì)社交屬性進(jìn)行研究。
一方面,我們是在原有的玩家標(biāo)簽里增加了一些比如說(shuō)標(biāo)識(shí)玩家社交相關(guān)的特征的標(biāo)簽,比如說(shuō)是否偏好組隊(duì)?wèi)?zhàn)斗,是否會(huì)進(jìn)行點(diǎn)贊聊天的社交行為,是不是喜歡主動(dòng)添加好友等等,盡量用這樣一些方式去還原用戶的社交偏好,以便更好地為他們服務(wù)。
另一方面,因?yàn)槲覀兘⒘松缛海晕覀冡槍?duì)挖掘出來(lái)的社群,也給這個(gè)社群定義了社群標(biāo)簽,用于標(biāo)識(shí)社群的特征。偏好類的比如有些社群特別喜歡玩團(tuán)競(jìng)模式,有的只玩海島;屬性類的比如有的社群平均段位可能就很高,這樣一些類別。
那有了這些標(biāo)簽,我們就可以從用戶群體出發(fā)來(lái)做一些相應(yīng)的體驗(yàn)優(yōu)化了。首先我們關(guān)注的是玩家網(wǎng)絡(luò)中的生長(zhǎng)問(wèn)題,玩家網(wǎng)絡(luò)的生長(zhǎng)就是網(wǎng)絡(luò)中的如何建立新的連接關(guān)系,主要有兩類:一類是陌生人之間進(jìn)行交友建聯(lián),另外將玩家推薦建聯(lián)到合適他的群體組織。
陌生人之間的交友聯(lián)建,目前根據(jù)不同的情況和適用性有很多套公開算法,這里舉例了其中的兩個(gè)。這里要提到的重點(diǎn)是,像以前我們運(yùn)用這些公開算法做推薦的時(shí)候,更多我們只考慮玩家的活躍、行為偏好這樣一些標(biāo)簽,但是現(xiàn)在因?yàn)槲覀兓谏缃痪W(wǎng)絡(luò)進(jìn)行了相應(yīng)的構(gòu)建,并且提取和新增定義了社交類的標(biāo)簽。我們認(rèn)為這些社交標(biāo)簽?zāi)芨脦椭覀兞私庥脩粼谏缃环矫娴奶卣髌茫晕覀儼焉缃粯?biāo)簽融入到算法中來(lái),進(jìn)一步讓我們的交友推薦變得更加精準(zhǔn)化,因?yàn)橐话阃婕也皇遣幌矚g交朋友,他們是希望交到自己覺(jué)得合適的朋友。
我們?cè)谇懊嬉蔡岬竭^(guò)的優(yōu)先連接的結(jié)論,所以這里把算法融入社交標(biāo)簽去改進(jìn)的目標(biāo),就是能夠精準(zhǔn)地為用戶推薦他愿意結(jié)交的優(yōu)先連接的節(jié)點(diǎn),這樣他們最后的連接成功率才會(huì)比較大。
把玩家推薦到適合的組織也是一樣的道理,假設(shè)你是一個(gè)軍團(tuán)長(zhǎng),你會(huì)收到很多入團(tuán)申請(qǐng),這個(gè)時(shí)候你會(huì)同意批準(zhǔn)什么樣的玩家加入自己的軍團(tuán),其實(shí)是有標(biāo)準(zhǔn)的,這里我們的目的就是要融入這些標(biāo)簽,讓算法可以更理解這個(gè)軍團(tuán)吸納人的偏好,以便把更適合的玩家推薦進(jìn)來(lái),才更有可能幫助他們成功地加入到相應(yīng)的群體中來(lái)。
總體這些思路都是通過(guò)將用戶社交屬性進(jìn)行細(xì)分定義,再把它融入到算法里,提升推薦的精準(zhǔn)性,從而促進(jìn)玩家網(wǎng)絡(luò)的生長(zhǎng)。
除了生長(zhǎng)以外,我們還需要做的就是不斷地維護(hù)這張網(wǎng)絡(luò),也就是要不斷地激活網(wǎng)絡(luò)中的聯(lián)通關(guān)系,促進(jìn)玩家間實(shí)實(shí)在在的交互。
我們都知道很多玩家間在游戲里確實(shí)加了好友,但就再也沒(méi)有互動(dòng)過(guò)了。從我們過(guò)去對(duì)流失玩家的分析經(jīng)驗(yàn)來(lái)看,用戶流失通常的路徑,首先大概率會(huì)經(jīng)歷活躍度降低的過(guò)程,當(dāng)降低成一個(gè)低活躍用戶的時(shí)候,因?yàn)檎承圆蛔悖乱徊骄秃芸赡軙?huì)流失了。而活躍度降低的原因里像關(guān)鍵好友流失、社交行為減少這樣的社交原因其實(shí)占比是很重的。
這里有一張紅色點(diǎn)組成的網(wǎng)絡(luò)圖,這個(gè)是我們用算法標(biāo)識(shí)的局部社群。在這個(gè)算法里,我們把用戶的每次互動(dòng)都看作是一次能量的交換傳遞,假如對(duì)這個(gè)社群以月為周期進(jìn)行標(biāo)識(shí),就可以得到一個(gè)本月的這個(gè)用戶社群的能量值網(wǎng)絡(luò)圖。這里可以很明顯的看出來(lái),這個(gè)社群里是存在社交能量遠(yuǎn)遠(yuǎn)高于其他用戶的大KOL,同樣也存在一些能量次之的小KOL,他們就是我們之前講到的樞紐用戶,都擁有非常多的朋友連接數(shù)。
可以說(shuō)社群的形成離不開這些KOL,正是這些有非常高社交意愿的KOL,他們所輻射的高社交能量才使得這個(gè)社群被緊密的維護(hù)在一起。
而社群是有另外一個(gè)典型特點(diǎn)的:當(dāng)你要傳播相應(yīng)的信息的時(shí)候,信息在社群內(nèi)部會(huì)被傳播得非常快,但如果想要把信息傳出圈傳到其他社群就會(huì)比較困難。因?yàn)槲覀兦懊嬷v過(guò),社群之間的連接是比較稀疏的。
所以當(dāng)我們想要把重要的信息盡可能地觸達(dá)到所有用戶都了解或關(guān)注的時(shí)候,往往我們需要借助社群和KOL的力量,由傳播意愿最高的大KOL傳播給傳播意愿次之的小KOL,最終這個(gè)信息就有可能借助他們的高傳播意愿和高能量,最終被盡可能多地傳遍給整個(gè)社群所有人知道。
最后依然列舉了兩種常用的熟人社交的算法,這些公開算法是我們平時(shí)做推薦常用的,但是跟前面講的原理是一樣的,這次我們對(duì)它的改進(jìn)是我們?cè)诶锩嫒谌肓松缃惶卣鳎萌谌肷鐣?huì)特征的算法去激活玩家已經(jīng)建立的連接,從而讓玩家間可以更有效地互動(dòng)起來(lái),加深他們彼此之間的連接。
3、玩家網(wǎng)絡(luò)的健康度
介紹完我們對(duì)玩家網(wǎng)絡(luò)的搭建和基本的運(yùn)營(yíng)方式以后,最后來(lái)談?wù)勎覀兡壳霸谏缃辉u(píng)估方法上的一些探索。
因?yàn)楦鞣N游戲中的具體情況不同,所以接下來(lái)圖表中舉例的數(shù)據(jù)僅僅是示意值,但不影響最終結(jié)論的呈現(xiàn)。
首先看左邊這張圖,基于我們前面所探討的社群的挖掘,我們可以根據(jù)自己的需求設(shè)定一些社群規(guī)模的標(biāo)桿值,例如10人以下社群,10~50人社群,50~100,500人以上等等。
當(dāng)我們?nèi)ザx了這樣一些劃分標(biāo)準(zhǔn)的時(shí)候,就可以比較方便統(tǒng)計(jì)游戲中前面發(fā)現(xiàn)的社群里面各種規(guī)模的社群在其中占的數(shù)量有多少,同時(shí)我們也可以很方便地看到游戲中各類社群所能夠覆蓋到的玩家數(shù)量有多少,就如這張圖的呈現(xiàn)。對(duì)于這張圖,如果同比看一些周期,這里面的對(duì)比信息就會(huì)讓你得到比較有啟發(fā)的結(jié)論。
需要注意的是,這里數(shù)據(jù)展示是基于玩家間在一定周期內(nèi)的真實(shí)互動(dòng)而生成的,它是區(qū)別于去統(tǒng)計(jì)游戲里的靜態(tài)社交組織。我們都知道游戲中通常都會(huì)設(shè)計(jì)比如幫派、軍團(tuán)這樣的社交組織,當(dāng)然我們是可以去統(tǒng)計(jì)每個(gè)幫派中有多少玩家,但實(shí)際上這些幫派里的很多玩家加入后可能已經(jīng)流失很久了,所以要是基于這樣的靜態(tài)社交數(shù)據(jù)統(tǒng)計(jì)其實(shí)沒(méi)有辦法去真實(shí)反映出玩家的聚集情況,我們也沒(méi)法知道玩家們到底身處在什么樣繁榮度的朋友網(wǎng)絡(luò)里。
來(lái)看右側(cè),如果把社群分成不同的規(guī)模后,我們就可以進(jìn)一步去針對(duì)不同規(guī)模的社群挖掘它的其他規(guī)律。右側(cè)這個(gè)圖就是對(duì)不同規(guī)模的社群進(jìn)行當(dāng)周平均在線時(shí)長(zhǎng)的統(tǒng)計(jì)所發(fā)現(xiàn)的結(jié)果,可以很明顯的看出:當(dāng)社群規(guī)模少于10個(gè)人的時(shí)候,隨著社群規(guī)模的增大平均在線時(shí)長(zhǎng)增長(zhǎng)的很明顯;當(dāng)社群規(guī)模大于10人以后,增長(zhǎng)開始變緩;當(dāng)社群規(guī)模大于50人以后基本上這個(gè)值就趨于穩(wěn)定了。
所以這里我們通過(guò)社群的分解和挖掘可以得到一個(gè)結(jié)論是:社群的平均在線時(shí)長(zhǎng)與社群規(guī)模呈正相關(guān),但是存在邊際效應(yīng)。
以這個(gè)數(shù)據(jù)為例,我們可以有一個(gè)直觀的結(jié)論:如果能夠把游戲里規(guī)模少于10人的社群提升到10人以上,勢(shì)必會(huì)增加不少用戶粘性,玩家的社交體驗(yàn)會(huì)變得更好。如此就可進(jìn)一步看出,社群的規(guī)模和用戶活躍度是息息相關(guān)的。
為了進(jìn)一步研究清楚社群規(guī)模和用戶活躍度之間的關(guān)系,我們又進(jìn)行了進(jìn)一步的探索。這里我們要引入圖論中的集聚系數(shù)的概念,簡(jiǎn)稱cc值,方便描述。
首先,cc值在概念上是用來(lái)表征一個(gè)網(wǎng)絡(luò)中的點(diǎn)它們之間連接的密集程度的,這個(gè)值最小為0,最大為1。
對(duì)于一個(gè)現(xiàn)實(shí)中的朋友網(wǎng)絡(luò)來(lái)說(shuō),cc值越大說(shuō)明這個(gè)朋友圈里人們的關(guān)系交錯(cuò)得十分緊密,大多數(shù)的人互相之間都認(rèn)識(shí);越小說(shuō)明關(guān)系是比較疏散的,很多人互相之間不認(rèn)識(shí)。
假設(shè),比如你新建了一個(gè)群,這個(gè)時(shí)候剛把你的朋友們拉進(jìn)去,準(zhǔn)備介紹他們互相認(rèn)識(shí),但這個(gè)時(shí)候他們互相之間是不認(rèn)識(shí)的,那這時(shí)這個(gè)群的cc值就是0;但是當(dāng)你認(rèn)真地介紹了每一個(gè)人的情況,他們這個(gè)時(shí)候互相都知道了彼此的情況,互相之間也添加了對(duì)方為好友,大家都認(rèn)識(shí)了,這時(shí)這個(gè)群的cc值就是1。
比如具體看三幅圖的第一幅圖就是介紹cc=0的情況,比如看左上的四個(gè)點(diǎn),其中有一個(gè)點(diǎn)跟另外三個(gè)點(diǎn)之間都是有連接關(guān)系的,如果這個(gè)點(diǎn)就是你,就是說(shuō)這里你是認(rèn)識(shí)你三個(gè)朋友,但是他們?nèi)齻€(gè)互相之間都是不認(rèn)識(shí)的,這個(gè)時(shí)候如果你流失了,那這個(gè)網(wǎng)絡(luò)便從這里斷開了,他們變成了三個(gè)無(wú)社群的散點(diǎn);但是如果你一直留存,有可能你會(huì)邀請(qǐng)他們?nèi)齻€(gè)一起四人組隊(duì)游戲,這樣他們之間可能互相就認(rèn)識(shí)了,也加了好友,他們互相間也形成新的連接關(guān)系,cc值就變大了。
同理,后面的兩幅圖,呈現(xiàn)了cc=0.6和cc=0.92的時(shí)候,圖中的點(diǎn)互相之間連接的緊密度的情況。
事實(shí)上在真實(shí)的社交網(wǎng)絡(luò)里,我們的密友之間他們往往也是朋友,所以真實(shí)世界的社交網(wǎng)絡(luò)通常集聚性是比較高的,大家是以一種圈子的方式在生活。在虛擬世界里,同樣這也是我們努力的目標(biāo)。
那有了cc值的概念,我們?cè)賮?lái)看幾組和它有關(guān)的挖掘的結(jié)論。
繼續(xù)以10人群為例,看第一幅圖,橫坐標(biāo)是cc值,縱坐標(biāo)是一周的平均對(duì)局次數(shù),明顯會(huì)看到隨著cc值的增大,平均對(duì)局次數(shù)也在不斷增大,是一個(gè)正相關(guān)的關(guān)系,cc=0.6的時(shí)候大約剛好是中間值。
下面一張圖是cc值和留存率的關(guān)系。很明顯也是正向增長(zhǎng)的關(guān)系,隨著cc值靠近1,這個(gè)留存率會(huì)達(dá)到一個(gè)非常高的程度。
這兩張圖都說(shuō)明在一個(gè)社群里,當(dāng)cc值很高時(shí),玩家的社交網(wǎng)絡(luò)是非常致密的,每個(gè)人都身處在一個(gè)熟悉的環(huán)境里,朋友圈內(nèi)部關(guān)系很親密,良好的社交支撐帶來(lái)了高度的活躍性。
由這兩組例子我們可以看出,社群cc值跟社群的活躍度、留存情況是正相關(guān)的。所以我們?cè)谌粘5倪\(yùn)營(yíng)中就可以去查看各種規(guī)模社群,按不同cc值的數(shù)量分布的情況,即右邊這張圖,這樣查看可以讓我們比較直觀地了解到用戶網(wǎng)絡(luò)的緊密與活躍情況。
當(dāng)然我們努力的目標(biāo)就是要盡量去通過(guò)各種方法把社群的cc值向上引導(dǎo),讓玩家的社交網(wǎng)絡(luò)更加活躍健康,從而改善玩家社交的游戲體驗(yàn)。
在之前的講述里,我們可以知道在游戲中因?yàn)闃屑~用戶的流失,大社群會(huì)被拆分變成多個(gè)更小的社群。
我們進(jìn)一步統(tǒng)計(jì)各種不同規(guī)模社群的占比變化,就可以發(fā)現(xiàn)里面存在一些數(shù)據(jù)上的關(guān)聯(lián)性,比如說(shuō)50人以上社群每減少1%,那么下一個(gè)周期2~5人社群就會(huì)增加0.3%;10~50人社群每減少1%,2~5人社群下一周期就會(huì)增加0.5%。
而如果我們把游戲里不同規(guī)模的社群人數(shù)占比隨著時(shí)間畫成一張圖,我們也明顯看到這種占比變化是存在周期性的,比如在每年春節(jié)這樣的大節(jié)點(diǎn),因?yàn)楹芏嗳擞袝r(shí)間了,各種玩家的回流,大社群就會(huì)多起來(lái),游戲里的社交就會(huì)呈現(xiàn)一種非常繁榮的跡象,當(dāng)假期結(jié)束很多人重新忙碌起來(lái),大社群就會(huì)拆分,小社群變得多起來(lái)。
但總體來(lái)說(shuō),游戲里的無(wú)社群和小社群占比的增加,與活躍度是負(fù)相關(guān)的,所以我們?nèi)粘EΦ哪繕?biāo)依然是要維穩(wěn)社群,這對(duì)游戲的活躍是非常重要的。
目前基于對(duì)這樣一些變化關(guān)系的觀察,我們?cè)谟螒蚶镆矊?shí)現(xiàn)了相應(yīng)的無(wú)社群預(yù)測(cè)模型,可以幫助去預(yù)測(cè)接下來(lái)的周期里,如果沒(méi)有一些相應(yīng)的引導(dǎo),可能的無(wú)社群的情況以及相應(yīng)的流失情況。
來(lái)到最后,經(jīng)過(guò)前面的介紹,我們總結(jié)一下玩家網(wǎng)絡(luò)生態(tài)整體的一個(gè)動(dòng)態(tài)運(yùn)行方式。
首先是網(wǎng)絡(luò)的生長(zhǎng)和修復(fù):我們通過(guò)對(duì)陌生關(guān)系的破冰去促進(jìn)網(wǎng)絡(luò)的生長(zhǎng),在里面運(yùn)用融入社交標(biāo)簽的陌生關(guān)系推薦以及社群推薦算法,去幫助玩家更好地結(jié)識(shí)新朋友;其次注重做好回流玩家的承接,運(yùn)用熟人關(guān)注推薦算法,幫助玩家重新激活和修復(fù)原有的社交網(wǎng)絡(luò)。
再次是對(duì)社交關(guān)系的帶動(dòng)加深:這里會(huì)關(guān)注運(yùn)用社群化傳播方式來(lái)最大化的帶動(dòng)觸達(dá)到網(wǎng)絡(luò)中的每一個(gè)用戶,致力于去提升玩家社群的cc值,加深玩家間的連接緊密性,從而提升玩家活躍度。
最后是在整個(gè)過(guò)程里,會(huì)不斷地從對(duì)全局指標(biāo)和局部指標(biāo)的觀察出發(fā),來(lái)分析玩家網(wǎng)絡(luò)波動(dòng)的原因,同時(shí)也會(huì)開展一些主動(dòng)的預(yù)測(cè),去及時(shí)引導(dǎo)和加固相應(yīng)的社群,維穩(wěn)活躍。
在PPT的右側(cè)簡(jiǎn)單示例了全局的指標(biāo),比如說(shuō)第一個(gè)連通性的指標(biāo),它的意思比較簡(jiǎn)單,就是在全局網(wǎng)絡(luò)里有組隊(duì)交互的玩家占比,下面的繁榮行廣度、深度相應(yīng)也是有自己的定義,這是一些指標(biāo)的例舉。
標(biāo)簽: 網(wǎng)絡(luò)科學(xué)深度研究如何搭建游戲中的玩家網(wǎng)絡(luò)|TGDC