调游戏数据第一步：给游戏【建模】，全局视角构建完整循环

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。

• 分阶段的预期
  

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。

• 不同类型玩家的预期
  

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
  

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。

• 人性
  

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。

• 商业
  

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。

• 宏观数据
  

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。

• 微观数据
  

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。


来源：游戏设计理论