如何科學客觀地給一款遊戲打分？

心誠則靈。

1

最近，遊戲評分又在玩家之間引發了不少的爭議。圍繞著著名遊戲媒體IGN對《死亡擱淺》打出6.8分的同時對《寶可夢 劍/盾》給出了9分的高分，不少人表示了對媒體評分的不認同：IGN的評分就是圖個樂！


其實遊戲評分的爭議不只發生在IGN身上，很多媒體都曾因遊戲評分或高或低而招致非議。

問題在於矛盾性：遊戲評分給人的感覺應該相對客觀公正，但實際上它卻充滿主觀要素——遊戲媒體的評測工作通常由一個人獨立完成，而且為了保證獨立性而不允許他人干預。

但即使IGN、GameSpot這樣的傳統大媒體，評分也並沒有統一的標準，雖然這些編輯會盡量用專業客觀的角度來評判一款遊戲，但從根本上來說，他們仍是以自己的標準來打分的。所以同一款遊戲的媒體評分和玩家評分出現較大出入時有發生。


創造一個科學客觀的評分方法有那麼難嗎？

雖然本人的數學很爛，但我有理由相信自己能夠一勞永逸的解決這個問題。


2

遊戲是多種多樣的，有些遊戲是高成本、大製作，著名團隊製作、大牌明星加盟。有些遊戲可能只是某個大學生的畢業設計，幾乎沒有人聽說過。我們對大遊戲比較挑剔，對小遊戲比較容忍，遊戲在成本、質量、知名度上的巨大差異，決定了對於它們的評分方式也應該分而治之。

因此建立模型的第一步，我們按照馬克思列寧主義階級論，劃分遊戲的階層。


生產資料佔有關係將是我們進行階級劃分的唯一正確的標準。

對於遊戲來說，獨立遊戲開發者對遊戲擁有絕對的控制。隨著遊戲規模變得越來越大，製作者對於作品的掌控也會變得越來越少，而對於一些遊戲工作室來說，生產資料完全掌握在大發行商手中。

因此根據製作者對於遊戲的控制權，可以將遊戲分為幾個階層。

不同階層的遊戲開發目標、受眾不同，評分標準也不同。

把上層資產遊戲和中層資產遊戲為第一類遊戲，因為這些遊戲往往以獲得商業成功為目標，成本更高，質量更好，也更會迎合大眾的喜好，因此大眾的評分對於這些遊戲有較好的一致性。不要誤以為是因為它們的資料比較容易查。

剩下的兩類遊戲為第二類遊戲。這些遊戲往往是獨立開發的，或者銷量不高，或無人知曉，所以沒有很多的統計資料可以參考。

它們的評分標準也更加複雜。製作者的初衷未必是追求商業上的成功或者迎合大多數玩家的口味，因此這些遊戲的評分往往會出現兩極分化，一個玩家覺得無趣的遊戲可能會在另一個玩家眼中是難得的精品。再加上它們的銷量整體較小，玩家樣本也少（換句話說就是沒法算），因此它們的評分需要分開計算。

下一步，我們就可以開始計算遊戲的評分了。

第一類遊戲：

要對第一類遊戲評分，首先我們要確定影響遊戲體驗的因素。

遊戲體驗是很難簡單量化的，此前有不少人嘗試過用數字去衡量一款遊戲的體驗，為此他們開發了一套完整的調查問卷系統，稱為遊戲投入度問卷（GEQ），通過讓玩家回答一系列具體問題來獲得一個最終的得分，比如“我覺得遊戲很容易上手”“我覺得遊戲很好操控”。


不同的研究中選擇的影響因素也不同，可能包括注意力、代入感、成就感、美術、個人興趣等等。還有人通過探索性因素分析法和驗證性因素分析法，來確定影響遊戲體驗的因子。

但不論是哪種方式，都有需要通過調查多個層面的幾十個小問題來實現科學的統計。

但對於每一款遊戲都進行大規模的調查是不現實的,我們需要的是能夠普遍用於多數遊戲的通用公式，最好是利用現有資料就可以完成的。

在日常衡量遊戲的指標中，我們首先想到的自然是媒體評分。但就像開頭說的，媒體評分的波動性很大。媒體評分的形式更接近統計學中的立意抽樣或專家抽樣，屬於非概率抽樣，因此結果只能用做參考，而並不能用來推算本體。使我們使用平均得分，因為總體的樣本量小，也會很不準確。

因此我們選擇metacritic上的使用者平均分S0作為評分的基準，雖然使用者評分同樣具有主觀性，但因為這些資料樣本量大，相比之下比媒體評分代表性強。

接下來，要考慮的是一款遊戲的關注度對其評分的影響。遊戲的關注度高並不等於評分高，有時反而會成為遊戲變爛的重要誘因，對此《輻射76》有很多話要說。


因此要科學的計算遊戲評分，我們要考量的是遊戲關注度和真實表現之間的關係。

拋開小眾遊戲不談，對於第一類遊戲來說，好遊戲最真實的表現是什麼？銷量！購買是實實在在的肯定，我們常看到某某遊戲的銷量突破百萬，就是證明這款遊戲很不錯。

但A遊戲比B遊戲的銷量高，不代表A遊戲就比B遊戲好，總會有一邊罵一邊玩的人，所以一款遊戲的真正好壞應該取決於它的表現是否達到了預期。

用遊戲的銷量N除以關注度，就可以得到遊戲的真實購買率α，α越高，就說明這款遊戲越符合大眾的期望，如果α大於1則說明遊戲的表現超過了預期，這樣的遊戲也自然就是更“好”。

那如何體現遊戲的關注度呢？關注度用新詞說就是流量，這裡用遊戲在搜尋引擎中的搜尋結果數量T來代表。

於是有了下面的公式：


接著我們要找到能夠代表遊戲“好玩程度”的引數。

好玩並不好界定。就拿最近的《死亡擱淺》來說，不少人覺得送貨很無聊，但也有很多人覺得修路實在太上癮了。那麼，如何來衡量一個遊戲是否好玩呢？

遊戲時間可能是一個好的標準。如果一個遊戲很無聊，我還堅持一直玩，那麼……那麼只能說明我就喜歡玩無聊的遊戲，它對我來說就是一個好遊戲。


但這裡不能單純使用遊戲時間作為引數，如果遊戲太無聊直接讓你睡過去了，那遊戲時間也會大幅增長。

因此這裡我們通過howlongtobeat.com這個網站，找到每款遊戲的平均通關時間。再用每款遊戲的平均遊玩時間t1除以它的平均通關時間t2，就得到一款遊戲的平均停留度。

平均停留度越大，說明玩家越願意留住遊戲中。如果停留度大於1，說明遊戲重複遊玩的價值很高。


這樣一來我們就有了決定遊戲好壞的三個因素，它們的乘積結果（別問我為什麼是相乘）就是遊戲的科學加權評分。


最後讓我們用幾個熟悉的遊戲做個測試，結果如下：


我不知道為什麼只狼的得分如此低，科學就是如此神奇，大概是因為太難導致流量太多、銷量太少吧。

這種評分方式存在一些“小問題”：對於剛發售的遊戲，因為銷量和評分還不穩定，無法使用（發售時間不同的遊戲之間相比也有失公平）。再有就是不少遊戲的銷量無法查到，有些遊戲不存在通關，還有除Steam平臺之外的資料都很難查到。

沒關係，我們對“第二類遊戲”的評分方式會變得更加客觀的。

第二類遊戲：

下一步，我們要對無產階級遊戲和小資產遊戲進行評分。

這種作品往往沒有大規模的受眾，或者沒有詳盡的資料進行參考。因此我們需要利用自己的評分，並儘可能的讓評分真實有效。

不是因為我編不下去了，我們知道個人對一款遊戲的打分往往受到情緒的影響，對喜歡的遊戲吹爆，而對於不喜歡的遊戲則一黑到底。所以個人對遊戲的評分通常呈現非10即0的情況。

如果玩家對一款遊戲相當興奮，那麼他對遊戲的評分x，會隨著興奮程度n的變大而發生x=10n的指數型增長。

由此我們可以得到興奮指數n。


如果取評分的滿分為10分，那麼減去興奮度之外的部分為真實評分，再用真實評分除以興奮指數，可以得到真實評分率β。


於是最終的遊戲真實評分y可如下計算。


經過我對公式進行化簡，結果如下：


可以看出，對第二類遊戲的真實評分就是你對於遊戲的評分。

所以至此我們終於一個科學結論：遊戲評分還得信自己。

以上就是我的遊戲評分方法，雖然不一定正確，但至少科學，即使不科學，也至少客觀，哪怕不客觀，也足以讓你在與其他人的辯論中立於不敗之地。

因為即使對方想駁斥你，也起碼得寫出一個同樣科（wu）學（liao）的論證來。而在這之前，你已經證明了自己的評分比IGN更客觀，這就夠了。


作者： 石葉young  
來源：遊戲研究社
原地址：https://mp.weixin.qq.com/s/peCbWn7LAQfhErhtdj3xgg