Водич за тестирање друштвених игара: Како тестирати равнотежу као професионалац

Након 25 година развоја Neutronium: Parallel Wars и покретања 12+ документованих сесија тестирања, могу да вам кажем разлику између тестирања игре и професионалног тестирања. Замолити пријатеље да играју вашу игру није тестирање. То је дружење са вашом игром на столу. Професионално тестирање играња је систематска провера равнотеже — дефинисане метрике, тестирање са једном променљивом, прикупљање структурираних података и дисциплина да се свака сесија третира као оглед, а не као доживљај.

Овај водич покрива како то изгледа у пракси: како подесити сесију, шта мерити, како идентификовати специфичне категорије проблема са равнотежом и — критички — када престати са тестирањем и испоруком. Принципи се примењују на сваку сложену игру. Примери потичу из Neutronium: Parallel Wars-ових 47 механика и 13 нивоа универзума, који су обезбедили довољно сложености за тестирање сваке методологије која је овде описана.

Зашто већина тестирања не успе

Једина најчешћа грешка у тестирању играња: питање "да ли је било забавно?" на крају седнице. „Забава“ је превише широка да би се могла применити. Забава вам не може рећи која је механика прекинула равнотежу. Забава вам не може рећи у ком тренутку је ангажовање пало. Забава је закључак, а не дијагноза.

Уместо тога, измерите специфичне метрике: стопа победа по фракцији, окреће се првом сукобу, разлика у приходу на средини игре, Дужина сесије по фази. Ови бројеви вам говоре где да тражите. „Забава“ вам не говори ништа у шта већ нисте сумњали.

Студија случаја

Ефекат грудве снега код Nuclear Port — Универзум 7

Nuclear Port у Neutronium: Parallel Wars генерише експоненцијални приход: 1 порт даје 2 Nn по рунди, 10 портова даје 220 Nn по рунди. У раним сесијама, плејтестери су описали економију као „осећај неуравнотежености“. Није корисно. Поправка је захтевала мерење: колика је била стварна разлика Nn између лидера и последњег места на крају Универзума 6?

MEQA праћење је открило однос водећих према последњем приходу од 14:1 у сесији 7 — лидер је акумулирао 6 портова, а играчи у заостатку су имали 0. То није „неуравнотежен осећај“. То је дефинисани број који премашује праг контроле квалитета 5:1 и покреће обавезну промену дизајна. Без тог мерења, поправка би била само нагађање. Уз то, исправка је била циљана: учините портове уништивим током борбе. Формула прихода непромењена. Проблем решен.

Основни неуспех неструктурисаног тестирања репродукције: без дефинисаних метрика, не можете разликовати проблем дизајна од адаптације играча. Искусни играчи се прилагођавају поквареној механици — граде стратегије око покварености, престају да се жале на то и чине да изгледа као „начин на који се игра игра“. Мерење открива шта понашање крије.

MEQA Преглед оквира

За Neutronium: Parallel Wars, методологија систематског тестирања играња је MEQA оквир — структура са четири стуба развијена током 25 година итерације. Сваки стуб се бави различитим категоријама потреба за тестирањем:

М

Мерљивост

Свака сесија има дефинисане нумеричке метрике праћене пре почетка сесије. Односи прихода, стопе победа, број територија, дужина сесије по фази.Ако не можете да дефинишете број за њега, не можете га тестирати.

Е

Ангажовање

Темпо се прати по нивоу универзума. Време по фази открива где се играчи одвајају пре него што то ураде повратне информације после утакмице. Прекиди пажње код млађих играча су мерљиви неуспеси ангажовања.

К

Контрола квалитета

Дефинисани прагови пролазности/неуспеха за сваку метрику, постављени пре прикупљања података. Прелазак прага покреће промену дизајна — уклањање субјективности из питања „када је нешто довољно покварено да се поправи?“.

А

Прилагодљивост

Метрике се прате у различитим групама играча: старосне групе, нивои искуства, број играча. Механика избалансирана за искусне одрасле особе може катастрофално да пропадне у групама мешовитих старосних група.

Пуна методологија MEQA оквира — укључујући специфичне метрике које се користе за Neutronium: Parallel Wars и систем граничних вредности КЦ — детаљно је документована у MEQA методологији за игре на плочи: Проверена методологија за тестирање равнотеже друштвених игара. Овај водич се фокусира на практичну апликацију на нивоу сесије.

Подешавање сесије играња

Професионалне сесије тестирања играња имају три фазе: подешавање пре сесије, посматрање током сесије и структурирани извештај након сесије. Свака фаза има специфичне захтеве које већина неформалног тестирања у потпуности прескаче.

Пре сесије: Дефинишите тачно једну механичку промену коју тестирате. Запишите то пре него што играчи стигну. Ако не можете да кажете „данас тестирамо да ли стављање Nuclear Port на уништавање смањује однос водећих и последњих прихода испод 5:1“ — нисте спремни да покренете сесију. Хипотеза мора бити конкретна и фалсификабилна. Забележите основну метрику из претходне сесије за директно поређење.

Током сесије: Одредите једног посматрача који НЕ игра. Посао посматрача је да забележи: дужину сесије по фази, време одлучивања по заокрету (просечно), све тренутке конфузије или одвајања, стање победе/губитка по фракцијама по универзуму. Посматрач не учествује у игри, не објашњава правила и не одговара на питања — ако играч има питање, то су подаци. Забележите шта их је збунило и зашто.

Извјештај након сесије: Максимално 15 минута. Само структурирана питања — специфични упити о понашању, а не „да ли сте уживали у томе?“ Погледајте одељак Честа питања за тачна питања која треба да користите.Прикупите писмене одговоре када је то могуће — вербални одговори губе детаље и уводе друштвену пристрасност (играчи нерадо говоре негативне ствари дизајнеру директно).

Подаци за прикупљање сваке сесије без изузетка:

Идентификовање проблема са равнотежом

Проблеми са равнотежом спадају у пет категорија, од којих свака има посебан сигнал у подацима:

Лидер у бекству: Сигнал — водећи играч никада није изгубио после Универзума 5 у 3 од 4 сесије. Праг: ако вођа победи са позиције коју су имали у Универзуму 4 у више од 70% сесија, игра се ефективно завршава у Универзуму 4. Истражите механику прихода и територије у Универзуму 1–4.

Парализа анализе: Сигнал — просечно време одлуке по заокрету се повећава како универзум напредује брже него што то захтева сложеност одлуке. Просечан окрет од 5 минута у Универзуму 3 који постаје просечан окрет од 20 минута у Универзуму 6 са само 2 додане нове механике сугерише проблем механичке интеракције, а не проблем сложености. Истражите које конкретне одлуке одузимају највише времена.

Доминација фракције: Сигнал — једна фракција осваја 60% или више сесија у 5 или више тестова. Очекивана стопа победа у уравнотеженој игри са 4 фракције је приближно 25%. Са 60%, фракција није само боља – она има структурну предност коју друге фракције не могу да превазиђу бољом игром. Истражите јединствену механику доминантне фракције за непредвиђене ефекте интеракције.

Пад ангажовања: Сигнал — играчи постају пасивни или видљиво искључени у одређеном универзуму. Понашање које се може приметити: играчи проверавају телефоне, скрећу поглед са табле, питају "када је мој ред?" Ово су мерљиви догађаји. Забележите када се дешавају и који универзум је био у току.

Студија случаја — Доминација фракције

Iit Неравнотежа економије у универзуму 6+

Iit, економска фракција, освојила је 7 од 10 сесија на Универзуму 6 и више због Nuclear Port акумулације прихода. Подаци су били јасни: 70% победа, 4к изнад очекиваних 25% основне линије. Три исправке су тестиране, једна по сесији, у складу са правилом једне променљиве.

Тест 1: Смањите Nuclear Port вредности прихода. Резултат — Iit стопа победа је пала на 28%, у прихватљивом опсегу. Проблем: Iit играчи су пријавили да се фракција осећа „шупљом“ са смањеном вредношћу порта. Уништен је економски идентитет. Промена је поништена.

Тест 2: Ограничење броја Nuclear Port по играчу. Резултат — Iit добитна стопа 35%, ближе уравнотеженој. Проблем: игра у касној утакмици изгубила је динамику економске ескалације. Друге фракције су пријавиле мање занимљиве одлуке када Iit није могао да се повећа. Промена је поништена.

Тест 3: Учините Nuclear Port уништивим током борбе. Резултат — Iit стопа победе 31%, унутар прихватљивог опсега. Нема негативних ефеката на друге фракције. Формула прихода луке непромењена — економски идентитет очуван.Поправка потврђена.

Правило једне променљиве

Правило једне променљиве је најважнији принцип у тестирању равнотеже и најчешће кршено. Правило: промени тачно једну ствар између сесија.

Разлог је јасноћа дијагностике. Ако промените три механике и игра се побољша, не знате која је промена била одговорна. Можда сте решили један проблем и направили два друга која се још нису манифестовала. Можда сте поправили симптом и оставили основни узрок на месту. Не можете знати — јер сте променили три ствари истовремено.

Примењено на Neutronium: Parallel Wars: када се Универзум 7 осећао „пребрзо“ — сесије трају краће него што се очекивало, а играчи су се осећали журно — три могућа узрока су истражена у одвојеним сесијама:

Без тестирања сваке промене засебно, увид сесије Ц — проблем механичког груписања — био би невидљив. Комбинована промена Б+Ц је можда изгледала као „додавање механике је помогло“, када је стварна поправка преуређивала оно што је већ било тамо.

Уобичајена грешка: Покретање сесије у којој сте променили „само две мале ствари“. У игри са међузависном механиком нема малих промена. Свака промена је потенцијално променљива. Посветите се једном по сесији.

Тестирање са мешовитим искуственим групама

Најтежи изазов равнотеже у дизајну друштвених игара није равнотежа фракција или скалирање прихода – он осигурава да искусни играчи не доминирају тривијално над новим играчима у истој сесији. Већина дизајнера игара ово потпуно игнорише и губи своју породицу и повремени публику.

За Neutronium: Parallel Wars, MEQA стуб прилагодљивости је експлицитно пратио стопе победа у сесијама са мешовитим искуством. Пре него што су се позабавили проблемом, искусни играчи су освојили 78% сесија у мешовитим групама — озбиљна неравнотежа која би спречила нове играче да се врате на сесију 2.

Решење је био систем хендикепа Дневник напретка : искусни играчи који су претходно освојили универзум почињу са негативним стањем Nn пропорционално њиховој предности у искуству. Калибрација је дошла из података о сесији MEQA:

Одиграних сесија (искусан играч) Почетни хендикеп Стопа победа након хендикепа (иск. играч)
1–3 сесије−5 Nn54%
4–7 сесија−10 Nn52%
8+ сесија−15 Nn51%

Циљ за победу искусних наспрам нових је 55–65%. Испод 55% значи да нема смисленог изражавања вештине — искусни играчи немају предност од свог знања. Изнад 65% значи да је искуство новог играча ефективно покварено — они не могу да се такмиче без обзира на донете одлуке.

Утврђивање недостатака у искуству у подацима: пратите број сесија за сваког играча заједно са подацима о победама/губицима. Ако играч са 10 сесија побеђује у 75% утакмица против играча са 2 сесије, калибрација хендикепа треба да се прилагоди — или сама механика ствара неповратне предности које се пребрзо спајају.

„Литица од 12 сесија“ у Neutronium: након што су играчи домаћини сакупили 12+ сесија, игра је постала недоступна новим играчима који су се придружили по први пут. Јаз у знању механике био је превелик да би се премостио кроз нормалну игру. Поправка: систем дневника напретка, који је разликовао искуство видљивим и применио пропорционалну корекцију. Без података који посебно показују литицу од 12 сесија, овај проблем би се појавио као „нови играчи се не враћају“, а не „нови играчи на сесији 1 са домаћинима од 12 сесија имају стопу победа од 23%“.

Када зауставити тестирање играња

Једна од најчешћих грешака у развоју друштвених игара је тестирање на неодређено време — коришћење „још увек тестирамо“ као разлог за избегавање испоруке. Ово је одговор на страх обучен као строгост. У неком тренутку, подаци вам говоре да сте готови.

тест за смањење : ако три узастопне сесије тестирања не дају никакве тачке података – ниједна метрика не прелази праг контроле квалитета, не бележе се нови догађаји конфузије, не долази до опадања ангажовања, тренутно стање играња се идентификује – имате сатурну игру. Додатне сесије производе потврду, а не откривање.

Neutronium: Parallel Wars критеријуми спремности брода су:

  1. Стопа победа у све 4 фракције је унутар 10% једнаких (циљ: 25% свака, прихватљив опсег: 22–28% по фракцији)
  2. Резултат ангажовања остаје изнад 4 од 5 у свим сесијама у Универзумима 1–6
  3. Без догађаја забуне забележених у 3 узастопне сесије у Универзумима 1–3 (основна игра)
  4. Стопа победа у мешовитом искуству (искусни према новим) у распону од 55–65% у 3 узастопне сесије

Када су испуњена сва четири критеријума у три узастопне сесије, игра је у стању за брод. Није савршено — „савршено“ није значајно стање за игру. Стање испоруке значи да подаци више не идентификују побољшања која би променила искуство играча на мерљив начин.

Често постављана питања

Колико вам је потребно плејтест сесија пре објављивања друштвене игре?
Минимално 10–15 сесија са различитим групама за игру мале сложености. За сложене игре са више фракција и дубоком механиком, реалније је 30–50+ сесија. Игра Neutronium: Parallel Wars прошла је кроз 12+ документованих сесија провере равнотеже — не рачунајући 25 година необавезног играња током развоја. Број је мање важан од квалитета: 12 структурираних сесија са дефинисаним показатељима производи више података од 100 неструктурираних сесија у којима сте питали „да ли је било забавно?“
Да ли дизајнер треба да игра у тестирањима играња?
Не, за конкурентно тестирање равнотеже. Присуство дизајнера мења понашање играча на два начина: играчи постављају питања правилима дизајнера уместо да снимају догађај конфузије, а играчи модерирају своје повратне информације како би избегли да изгледају критично. Покрените сесије само за посматраче за тестирање равнотеже — дизајнер гледа, снима податке и не учествује. Дизајнер може да игра у повременим сесијама повратних информација, али те сесије не би требало да буду примарни извор података о стању.
Како пишете добра питања за тестирање?
Избегавајте "да ли сте уживали у овоме?" — превише неодређено и друштвено пристрасно према позитивним одговорима. Користите специфична питања понашања: „У ком тренутку сте сматрали да ваша стратегија више није одржива?“ открива када механика сустизања закаже. „Када сте одлучили да пређете са проширења на одбрану?“ открива динамику пејсинга и притиска. „Која одлука је била најнејаснија по својим последицама?“ идентификује механике којима недостаје видљива повратна информација. Питања о понашању откривају проблеме механике; питања о преференцијама откривају проблеме теме. То су засебне категорије и потребна су им посебна питања.
Које алате професионални дизајнери игара користе за тестирање?
Tabletop Simulator за удаљене сесије и управљање верзијама — омогућава вам да се вратите на претходне верзије игре без губљења времена физичког прототипа. Google Табеле за праћење података о сесији — направите шаблон пре сесије 1 и попуните исте колоне сваке сесије. Папирни прототипови (никада дигитални мокапи) за рано физичко тестирање — физички токени откривају ергономске проблеме које дигитални мокапи скривају, укључујући брзину руковања компонентама, видљивост у условима игре и осећај трошкова одлуке када физички предате токене. Гласовни снимци разговора после сесије за каснији преглед — играчи често успут кажу важне ствари које записничар у том тренутку пропусти.

Прочитајте комплетан MEQA оквир

Комплетна MEQA методологија — укључујући КЦ прагове, метричке дефиниције и потпуну студију случаја Nuclear Port — документована је у чланку оквира MEQA.

Прочитајте MEQA оквир →