Kami amat menyukai permainan kompetitif. Riot telah berdedikasi untuk mencipta permainan kompetitif sejak syarikat ini diasaskan pada tahun 2006. Persaingan, secara semula jadi, menimbulkan semangat yang luar biasa dalam diri pemain. Itulah yang menyebabkan naik turun bermain permainan terasa begitu bermakna. Tetapi hal ini juga boleh menjadi bahan api yang menyebabkan sesetengah pemain menyerang pemain lain, mengganggu pengalaman permainan untuk semua orang.
Kami tahu ada masalahnya. Kami telah melihat klipnya, kami telah mendengar daripada pemain tentang tingkah laku dalam permainan kami, dan kami telah mengalaminya sendiri apabila kami masuk queue. Walaupun kami tidak boleh mengubah keadaan manusia, kami boleh cuba mengubah cara pemain berinteraksi dalam permainan kami dengan tujuan untuk mencipta pengalaman permainan yang lebih baik.
Kami sedang giat mencari cara untuk menjadikan permainan kami lebih selamat, lebih inklusif, lebih adil dan yang utamanya lebih menyeronokkan untuk semua orang.
Cabaran yang muncul untuk mencapai matlamat ini tiada hentinya dan tiada juga penyelesaian yang mudah.
Inilah peranan Dinamik Pemain. Matlamat Dinamik Pemain sebagai satu disiplin reka bentuk adalah untuk membina struktur permainan yang memupuk pengalaman sosial yang lebih bermanfaat dan mengelakkan interaksi yang memudaratkan sejak awal lagi. Secara ringkasnya, disiplin ini bertujuan untuk menjawab soalan: “Bagaimanakah kami memupuk dan mengekalkan komuniti yang sihat dalam talian?”
Jika anda berminat untuk mengetahui lebih lanjut tentang bidang Dinamik Pemain dan cara ia memberi kesan kepada reka bentuk permainan, sila lihat siri dua bahagian yang kami terbitkan pada awal tahun ini.
Dalam kemas kini ini, kami akan menyelami data di sebalik Dinamik Pemain dan perkara yang data tersebut maklumkan kepada kami tentang mewujudkan interaksi yang sihat dalam permainan. Dinamik Pemain direka bentuk untuk menjadi disiplin seluruh Riot supaya kami mempunyai beberapa pasukan berbeza yang menumpukan pada bidang ini. Pasukan Dinamik Pemain Pusat adalah seperti namanya, mereka bekerja di tengah-tengah semua sistem pembangunan permainan kami yang boleh memberi kesan kepada kedua-dua permainan semasa dan yang masih dalam peringkat R&D. Setiap permainan juga mempunyai pasukan khusus yang bekerja untuk menangani cabaran yang unik untuk permainan tersebut.
Laporan Merangkumi Seluruh Rantau dan Permainan Kami
Kami amat berbesar hati kerana beratus-ratus juta orang di seluruh dunia suka bermain permainan Riot. Sebilangan besar permainan dimainkan dan pemain melaporkan pemain lain atas spektrum sebab yang lebar, daripada kebimbangan yang sah kepada keputusan biasa seperti bermain dengan baik atau buruk. Pada tahun 2021, kami menganggarkan kira-kira 240 juta laporan sebulan untuk jumlah keseluruhan kurang daripada 3 bilion laporan merentas permainan kami di rantau-rantau yang Riot terbitkan.
3 bilion merupakan jumlah yang sangat besar. Jika setiap Rioter menghabiskan 365 hari setahun dengan satu-satunya tugas mereka menyemak laporan ini, kami masih memerlukan setiap orang menyemak kira-kira enam laporan seminit supaya tidak ketinggalan.
Selain itu, setiap laporan tidak boleh dianggap sebagai isyarat yang jelas - ada laporan dikeluarkan oleh pemain yang kami tidak mahu mengambil tindakan pun. Kadangkala ini bermakna tingkah laku yang mereka laporkan mungkin berasa buruk tetapi tidak layak menerima penalti seperti bermain dengan buruk dalam perlawanan, dan kadangkala laporan itu sendiri sengaja berniat jahat.
Walau bagaimanapun, matlamat kami ialah setiap laporan perlu disiasat. Hal ini bermakna kami perlu menjadi kreatif dan membina penyelesaian automatik yang boleh mengesan tingkah laku yang mengganggu pada skala yang diperlukan. Sistem ini perlu mampu membezakan kelakuan yang memerlukan penalti daripada kelakuan yang tidak. Untuk sesetengah kelakuan ini lebih mudah - kelakuan AFK, sebagai contoh - dan untuk sesetengah kelakuan seperti sengaja feeding atau trolling ini benar-benar mencabar. Kami sedang berusaha secara berterusan untuk menambah baik kaedah pengesanan ini, tetapi masih banyak lagi yang perlu dilakukan.
Sebelum kami menyelami beberapa perkara yang sedang kami usahakan dan statistik khusus permainan, kami ingin perhatikan beberapa perkara penting yang kami pelajari yang membantu memaklumkan strategi Dinamik Pemain kami. Satu nota penting ialah terdapat perbezaan antara seseorang yang mengalami hari yang buruk dan seseorang yang berulang kali mengganggu pengalaman permainan.
Merentasi seluruh industri ini, pecahan itu jatuh sekitar peratusan 95/5. Hal ini bermakna bahawa 95% orang yang mengganggu dalam permainan hanya kadangkala mengganggu. Bagi pemain tersebut, amaran dan penalti ringan biasanya cukup untuk menghalang mereka daripada melakukan kesalahan semula. Yang 5% terakhir pula sengaja mengganggu secara konsisten. Kami mempunyai toleransi sifar untuk orang yang masuk queue dalam permainan hanya untuk menghalang pengalaman permainan pemain lain.
Satu lagi perkara penting: penalti adalah berkesan. Daripada pemain yang menerima penalti pada tahun 2021, kurang daripada 10% pemain itu menerima satu lagi penalti dalam tahun kalendar tersebut.
Setiap tindakan mempunyai akibatnya dan ramai pemain berubah selepas menerima akibat tersebut.
Dilengkapkan dengan data ini dan perkara-perkara yang kami pelajari dari seluruh industri permainan, kami sedang membangunkan pelbagai cara baharu untuk menilai kelakuan pemain. Berikut adalah beberapa perkara yang sedang kami usahakan.
Melihat Ke Hadapan
Penilaian Suara Automatik
Pada masa ini kami bergantung pada laporan pemain yang berulang dan proses manual untuk menentukan apabila penyalahgunaan chat suara telah berlaku. Tetapi proses manual memerlukan pemantauan berterusan dan hanya boleh melihat sebilangan kejadian sahaja, itulah sebabnya kami berusaha untuk membangunkan penilaian suara automatik.
Sama seperti sistem penilaian teks kami, penilaian suara direka untuk membantu kami menangkap secara automatik pesalah yang menggunakan komunikasi suara untuk mengganggu pengalaman permainan. Setiap laporan yang kami terima membantu memaklumkan sistem ini untuk memastikan ia dapat mengesan pelbagai cara orang di seluruh dunia menggunakan chat suara untuk berkomunikasi. Kami ingin menangkap gangguan tersebut sambil memastikan tiada gangguan kepada kegemparan selepas suatu detik hangat.
Pasukan Dinamik Pemain Pusat kami sedang berusaha untuk melengkapkan aspek ini. Permainan pertama yang akan terkesan ialah VALORANT dan setelah ia berfungsi dengan baik, ia akan dikembangkan kepada permainan lain yang menggunakan komunikasi suara.
Memperbaik Penilaian Teks Kami
Untuk kebanyakan permainan kami, teks merupakan cara utama orang berkomunikasi dengan rakan sepasukan dan lawan. Teks juga merupakan satu sumber gangguan yang berpotensi besar. Kami telah, dan akan terus, melabur besar dalam meningkatkan cara kami memantau teks dalam permainan termasuk kedua-dua nama dan chat. Untuk memantau nama yang tidak sesuai dengan lebih baik, kami terus melabur dalam pembelajaran mesin dan menambah sokongan bahasa tambahan yang akan membolehkan kami menangkap teks berbahaya secara automatik dalam permainan secara berskala untuk pemain di seluruh dunia.
Di samping itu, kami sedang mengembangkan senarai perkataan toleransi sifar kami. Sesetengah perkataan langsung tidak boleh digunakan dalam permainan. Kami akan menambahkan lebih banyak variasi ejaan dan bahasa pada senarai ini kerana hanya menukar nombor dengan huruf tidak mengubah niat menggunakan perkataan itu.
Kami akan mengambil proses baharu yang dicipta oleh Dinamik Pemain Pusat dan menerapkannya pada semua permainan kami, termasuk menggantikan sistem pengesanan teks warisan League yang sepatutnya akan menunjukkan peningkatan ketara dalam penilaian teks untuk pemain League.
Penilaian Laporan Didorong Kebolehpercayaan
Kami sedang mengembangkan keupayaan kami untuk mengesan unsur luaran yang menerima lebih banyak laporan dalam berbilang permainan berbanding purata populasi sambil menyelinap melepasi sistem pengesanan automatik kami. Pada masa ini, sistem ini hanya menumpukan pada kelakuan yang mengganggu dalam komunikasi, tetapi kami sedang dalam proses mengembangkannya kepada kesalahan permainan dan nama yang tidak sesuai.
Pengembangan memerlukan penyiasatan yang teliti terhadap tabiat pelaporan dan penalaan konservatif untuk mengelakkan pemain dikenakan penalti secara tidak adil. Walau bagaimanapun, kami mempunyai hasil yang hebat setakat ini dan menjangkakan ini akan berguna dalam mengenal pasti gangguan berimpak tinggi, tetapi sukar untuk dikesan, seperti feeding yang disengajakan.
Penilaian Masa Nyata
Kami sedang berusaha ke arah keupayaan untuk mengambil tindakan terhadap kesalahan berasaskan chat dalam masa nyata. Bayangkan satu sistem yang boleh membantu orang ramai menyemak diri mereka apabila mereka mula menghantar mesej yang tidak sesuai kepada rakan sepasukan mereka. Hal ini akan membolehkan pemain melaraskan kelakuan semasa perlawanan tetapi kami ingin memastikan ia tidak memberi kesan kepada pengalaman pemain jadi kami akan mencuba perkara yang berbeza merentas permainan yang berbeza untuk memastikan ia sesuai. Kami mula mengusahakannya pada tahun 2022 dan akan menggunakannya secara lebih meluas apabila ia berfungsi dengan betul.
Pelaburan dalam ProSosial
Kelakuan ProSosial adalah, secara ringkasnya, niat untuk memberi manfaat kepada orang lain.
Dalam permainan, hal ini bermakna tumpuan untuk memberi ganjaran kepada pemain yang meningkatkan pengalaman permainan untuk orang lain, bukan hanya menghukum mereka yang mengganggu pengalaman itu.
Kami sedang membangunkan rangka kerja baharu, dengan kerjasama pembangun permainan utama yang lain, tentang cara untuk menumpukan usaha kami untuk memberi ganjaran kepada kelakuan positif selain mengurangkan kelakuan yang mengganggu. Perkara ini merupakan topik yang berkembang dan topik yang kami rasa akan membuat perubahan positif yang bermakna dalam komuniti permainan dalam talian. Kami akan mempunyai lebih banyak perkara untuk dikongsikan mengenai topik ini pada masa akan datang, jadi sila nantikannya!
Rakan Kongsi Industri dan Komuniti
Kelakuan yang mengganggu bukanlah masalah yang unik kepada permainan. Kami akan terus bekerjasama dengan rakan kongsi di dalam dan di luar permainan yang percaya dalam mewujudkan komuniti yang selamat dan memupuk pengalaman positif dalam ruang dalam talian termasuk Fair Play Alliance dan #TSCollective.
Melalui kerjasama dengan rakan kongsi, kami dapat berkongsi pengetahuan untuk mengembangkan penyelesaian kami kepada masalah kompleks yang memberi kesan bukan sahaja kepada pemain yang bermain permainan kami tetapi kepada semua orang yang berinteraksi dalam talian.
Statistik Di Sebalik Permainan
Dinamik Pemain Pusat
Dinamik Pemain Pusat berfungsi dengan semua permainan kami dan menumpukan pada mengesan gangguan dalam komunikasi antara pemain. Laporan yang berkaitan dengan komunikasi teks dan suara dalam permainan dinilai menggunakan sistem CPD. Laporan khusus permainan seperti AFK atau feeding yang disengajakan (inting) mempunyai pasukan permainan individu yang bertanggungjawab.
Untuk laporan teks, yang merupakan sebahagian besar laporan yang dijalankan melalui CPD, terdapat 120 juta permainan dengan sekurang-kurangnya satu laporan yang menghasilkan 13 juta permainan di mana pelanggaran telah dikeluarkan. Pelanggaran ini mengakibatkan tindakan yang terdiri daripada amaran hingga larangan 365+ hari, bergantung pada sifat pelanggaran dan sejarah pelanggaran sebelumnya pemain tersebut.
League of Legends dan Teamfight Tactics
Pasukan League kami pada masa ini mengeluarkan kira-kira 700,000 penalti sebulan merentas pengesanan teks, pengesanan AFK dan pengesanan inting.
Leaverbuster, sistem pengesanan AFK kami, memantau setiap perlawanan untuk memastikan pemain yang berhenti awal dan memberi kesan kepada pasukan mereka dihukum atas tindakannya.
Kami menggunakan peringkat supaya pemain yang lebih banyak AFK menerima penalti yang lebih keras. Dan untuk permainan ranked di mana rakan sepasukan anda menjadi AFK, kami menyediakan penyerahan awal dan mitigasi LP supaya anda tidak dihukum kerana rakan sepasukan anda merajuk.
Tetapi meninggalkan permainan hanyalah satu pilihan untuk rakan sepasukan yang merajuk, satu lagi adalah feeding. Hal ini mungkin agak sukar untuk dijejaki jadi kami menggunakan model pembelajaran yang menjejaki tujuh titik data yang berbeza merentas semua champion untuk mengesan dengan yakin apabila seseorang sengaja feeding dan bukan hanya bermain dengan buruk. Sambil kami terus mengemas kini ciri ini, positif palsu telah menjadi sangat jarang berlaku untuk sistem ini.
Jika anda ingin mengetahui lebih lanjut tentang cara pasukan League sedang mengusahakan kelakuan pemain, sila lihat siaran ini dari awal tahun 2022.
VALORANT
Selain chat suara, pasukan Sosial dan Dinamik Pemain VALORANT juga tertumpu pada AFK dan inting. Pada masa ini, kira-kira 27 pemain bagi setiap 1,000 pemain VALORANT akan AFK. Sebahagian daripada ini merupakan bot yang cuba mendapatkan XP. Tetapi kami telah mula melihat bot-bot ini dimasukkan ke dalam lobi yang dipenuhi dengan bot AFK lain dan jika tiada damage dikenakan, tiada pengalaman akan diperoleh.
Bagi pemain yang masih berada di papan kekunci mereka tetapi cuba kalah permainan dengan sengaja, pengesanan inting kami pada masa ini mempunyai satu kaedah dengan kaedah lain sedang diusahakan.
Kaedah semasa mengambil semua input dan memutuskan sama ada prestasi buruk pemain adalah disengajakan atau tidak selepas permainan. Tetapi kaedah ini hanya menangkap pesalah selepas ia terjadi, ia tidak membantu apabila anda sedang kalah 11 pusingan dan difahami tidak berseronok.
Jadi pasukan VALORANT sedang mengusahakan pengesanan inting masa nyata. Tetapi terdapat banyak perkara samar-samar berkenaan isu ini kerana permainan buruk boleh disebabkan oleh banyak sebab yang berpotensi dan kalah dengan sengaja merupakan peratusan kecil daripadanya. Setelah pasukan VALORANT telah mengurangkan positif palsu kepada jumlah yang kecil, kami akan melancarkan kaedah baharu ini yang akan berfungsi bersama pengesanan selepas permainan.
Wild Rift
Proses Wild Rift telah berkembang pada tahun 2022. Sebelum ini, pengesanan AFK hanya melihat sama ada pemain melakukan sebarang input sama sekali. Oleh sebab sesetengah pemain mengelak pengesanan mudah ini, kami menambah lapisan baharu untuk benar-benar memastikan pemain benar-benar berada dalam permainan dan melakukan input yang berguna, bukan hanya bergerak ke hadapan.
2022 juga membawa sistem inting baharu kepada Wild Rift yang menggunakan pembelajaran mesin untuk memastikan bahawa sebab pemain bermain buruk adalah disengajakan. Sejak bulan Mac 2022, sistem inting telah menangkap hampir 2,000 contoh permainan kalah dengan sengaja. Seiring, baiklah, pembelajaran mesin, jumlah ini mungkin akan meningkat apabila lebih ramai pemain yang inting dibenderakan.
Dan akhirnya, terdapat pengesanan wintrading. Perkara ini melihat kepada pelbagai faktor termasuk perkara yang kami gelarkan pemain "lawan bersama". Golongan pemain yang sentiasa bermain dengan dan menentang kumpulan pemain yang sama. Dengan melihat corak dalam pemain lawan bersama, tempoh permainan dan rekod menang-kalah untuk lobi lawan bersama, sistem pengesanan boleh mengenal pasti wintrading.
Kepentingan Ketelusan
Melangkah daripada satu permainan kepada sekumpulan permainan membawa banyak cabaran baharu dengannya. Dengan lebih banyak permainan yang akan datang, kami sedang berusaha untuk menanamkan pemikiran Dinamik Pemain pada peringkat terawal reka bentuk permainan untuk menyusun komuniti yang lebih baik dari permulaannya.
Pada masa yang sama, kami percaya adalah penting untuk bersikap telus tentang data yang kami terima merentas semua permainan kami. Hal ini adalah masalah yang rumit dan tiada cara untuk benar-benar menyelesaikannya sepenuhnya. Dengan itu, kami komited untuk berusaha meningkatkan pengalaman permainan untuk semua pemain kami dan akan menyiarkan lebih banyak kemas kini tetap tentang kerja yang kami lakukan ke arah itu.
Seperti biasa, terima kasih semua kerana bermain.
