/ผู้พัฒนา: การอัปเดตโครงสร้างความสมดุล

เพื่อเป็นการสรุป จุดมุ่งหมายของทีมปรับสมดุลคือ การทำให้ Wild Rift เป็นเกม MOBA บนมือถือที่สมดุลที่สุด และเราต้องการให้แน่ใจจริง ๆ ว่าแชมเปี้ยนของเราทุกตัวจะสามารถเล่นได้จริง และไม่มีแชมเปี้ยนหรือกลยุทธ์แบบไหนที่ดีเกินไปในเกม สิ่งที่เราตัดสินใจจะเปลี่ยนก็คือการพึ่งพาค่าเฉพาะ

ไม่กี่เดือนที่แล้ว เราพัฒนาโครงสร้างของความสมดุลโดยอิงจากข้อมูลและเสียงตอบรับที่เราได้มาจาก Regional Alpha, Closed Beta และ Open Beta โครงสร้างนี้ทำหน้าที่เป็นแนวทางเพื่อช่วยให้เราตัดสินใจว่าแชมเปี้ยนตัวไหนควรได้รับการปรับแต่ง แต่ก็ต้องคิดอยู่เสมอว่าโครงสร้างนี้ไม่ได้เป็นกฎตายตัวที่ต้องปฏิบัติตามเสมอ เพราะว่าก็มีกรณีเฉพาะที่ต่างไปอยู่มาก

สถิติหลักที่เราดูเพื่อการปรับสมดุลแชมเปี้ยนคืออัตราการชนะของแชมเปี้ยน เมื่อเราพบความไม่สมดุลแล้ว เราจะใช้ข้อมูลอื่น ๆ หลายแบบเพื่อช่วยให้เราวิเคราะห์ได้มากขึ้น เช่น ความเสียหายเฉลี่ยที่ทำได้ต่อเกม ในตอนนี้ โครงสร้างของเราตรวจสอบว่าแชมเปี้ยนมีผลลัพธ์ที่ดีขนาดไหนในหลาย ๆ MMR รวมถึงเฉพาะในตำแหน่งเมต้าทั้ง 5 ตำแหน่ง

ปรับสมดุลโดยอิงจากอัตราการชนะตามทักษะของผู้เล่น

กล่าวกันง่าย ๆ ก็คือ ถ้ามีแชมเปี้ยนตัวหนึ่งมีประสิทธิภาพสูงไปใน MMR กลุ่มใดกลุ่มหนึ่ง แชมเปี้ยนตัวนั้นก็อาจจะเก่งเกินไป ถ้าแชมเปี้ยนตัวนั้นมีประสิทธิภาพที่ต่ำในทุกกลุ่ม MMR แชมเปี้ยนตัวนั้นอาจจะอ่อนเกินไป นอกจากนั้น ถ้าแชมเปี้ยนตัวใดมีอัตราการชนะมากกว่า 56% ในทุกระดับ เราก็อาจจะมีการปล่อยแพตช์แก้ไขเร่งด่วนด้วย

ลองมาดูตัวอย่างประกอบกันดีกว่า:

• ถ้า Dr. Mundo มีอัตราการชนะ 53% ที่ MMR ชั้นสูง แต่มีอัตราการเลือกเพียง 1% เราน่าจะไม่เนิร์ฟเขา
• ถ้า Master Yi มีอัตราการชนะ 56% ที่ MMR ระดับทั่ว ๆ ไป แต่มีอัตราการชนะ 50% ที่ MMR ระดับมีฝีมือและชั้นสูง เราน่าจะเนิร์ฟเขา
• ถ้า Lee Sin มีอัตราการชนะ 47% ที่ทุกระดับ MMR แต่มีอัตราการเลือก 3% ใน MMR ระดับชั้นสูง เราน่าจะไม่บัฟเขา แชมเปี้ยนที่มีเพดานทักษะสูง ๆ อย่าง Lee Sin อาจจะรับมือได้ยากมากเมื่อตัวแชมเปี้ยนนั้นแข็งแกร่ง เราจึงรู้สึกว่าเหมาะแล้วที่เขาจะมีอัตราการชนะต่ำกว่า 50%
• ถ้า Xayah มีอัตราการชนะ 46% ในทุกระดับ MMR เราน่าจะบัฟเธอ

ปรับสมดุลโดยอิงจากอัตราการชนะด้วยตำแหน่ง

สำหรับแต่ละตำแหน่ง เราใช้อัตราการเลือกเป็นสถิติหลักอีกอย่างหนึ่ง หลัก ๆ แล้วก็เพื่อเป็นการแยกแชมเปี้ยนที่ไม่ควรจะอยู่ในตำแหน่งนั้นออก ตัวเลขจากโครงสร้างนี้อาจจะมีการเปลี่ยนแปลงในภายหลัง เนื่องจากเมต้ามีการเปลี่ยนแปลงตลอดเวลา เพราะว่าบางตำแหน่งมีผลกับเกมมากกว่าตำแหน่งอื่น กลุ่มของอัตราการชนะจึงต่างกันไปในตำแหน่งแต่ละตำแหน่ง

มาดูตัวอย่างวิธีที่เราใช้โครงสร้างนี้กัน:

ถ้า Evelynn ในเลนกลางมีอัตราการชนะ 54% และมีอัตราการเลือก 5% เราน่าจะเนิร์ฟความสามารถในเลนกลางของเธอ

ถ้า Jarvan IV ในตำแหน่งซัพพอร์ตมีอัตราการชนะ 55% แต่มีอัตราการเลือก 0.01% เราน่าจะไม่เนิร์ฟเขา

ขอย้ำอีกครั้งว่าตัวเลขเหล่านี้เป็นเพียงแค่แนวทางเท่านั้น แชมเปี้ยนอย่าง Gragas ที่สามารถเล่นได้สูงสุดถึง 4 ตำแหน่งที่ต่างกัน จะใช้โครงสร้างนี้ได้ยากเพราะว่ามีความยืดหยุ่นสูง เป้าหมายของโครงสร้างนี้คือการควบคุมแชมเปี้ยนตัวหนึ่งหรือกลุ่มหนึ่งไม่ให้ยึดครองตำแหน่งนั้น และให้แต่ละตำแหน่งมีตัวเลือกแชมเปี้ยนที่ใช้ได้ที่กว้างขึ้น

วิวัฒนาการของโครงสร้างนี้ในอนาคต

โครงสร้างนี้จะปรับเปลี่ยนใหม่ในอนาคต และเราจะมาพูดถึงเวอร์ชันที่อัปเดตแล้วเมื่อเรานำปัจจัยใหม่ 2 อย่างมาพิจารณา ได้แก่ การเล่นของผู้เล่นมืออาชีพ และการแบนแชมเปี้ยน ยิ่งไปกว่านั้น เมื่อเราปล่อยแชมเปี้ยนเพิ่มขึ้น ตัวเลขอัตราการเลือกในโครงสร้างของเราก็จะต้องเปลี่ยนไปด้วย