Погружаемся в недры и тонкости матчмейкинга
Каждый геймер, запуская поиск матча в соревновательной игре, ожидает честной и интересной битвы. Жанр не важен — это может быть шутер или MOBA. Но если через пять минут после начала матча команда разгромлена, пользователь ощущает несправедливость. Если ситуация регулярно повторяется, возникает вопрос: «В поражении виноваты случайные союзники или система, которая подбирает противников?»
В поисках ответа мы погрузились в тонкости матчмейкинга вместе с представителями Astrum Entertainment. Руководитель департамента разработки Анастасия Джиоева рассказала об основных способах поиска соперников, базовых критериях отбора и популярных алгоритмах вроде Elo, Glicko-2, TrueSkill.
Зачем нужны системы подбора игроков?
Главная задача матчмейкинга — создать условия для честной игры, которая положительно скажется на динамике развития игроков. В Astrum Entertainment уверены, соперники должны быть сопоставимы по уровню навыков, чтобы иметь равные шансы на победу и, как следствие, получать полноценный игровой опыт.
Важно, чтобы геймеры могли быстро находить соперников, не жертвуя качеством матча. В идеале система должна обеспечивать положительный винрейт (процент побед), чтобы пользователи проигрывали реже, чем выигрывали. Это мотивирует продолжать игру и совершенствовать свое мастерство.
Честная игра или быстрый поиск матчей?
Один из главных вызовов для разработчиков соревновательных игр — обеспечение баланса между временем поиска матчей и честной игрой.
«Слишком долгое ожидание игры негативно влияет на опыт, снижая вовлеченность и приводя к уходу геймеров», — подчеркивают в Astrum Entertainment. А честность, по мнению Анастасии Джиоевой, — фундамент доверия и удовлетворенности пользователей, каждый из которых желает соревноваться на равных условиях.
Разработчики ищут оптимальный подход и создают динамическую настройку системы. Astrum Entertainment делится, что на старте поиска матча алгоритм ставит в приоритет баланс сил, а с увеличением времени ожидания постепенно расширяет критерии — такая последовательность называется «брекеты матчмейкинга». Это позволяет игрокам не ждать матч слишком долго, но при этом подбор соперника остается честным.
По теме:
Ключевые критерии системы
Брекеты матчмейкинга учитывают различные критерии. В командных играх вроде Dota 2 и League of Legends используются базовые аспекты формирования баланса. Если количество геймеров недостаточно для набора двух команд, то брекеты расширяются. Система смягчает требования к одному из параметров или вовсе игнорирует некоторые критерии.
Например, алгоритм допускает чуть больший разброс в рейтинге или «закрывает» глаза на предпочитаемый регион. Это гарантирует, что пользователь найдет матч, а игра останется честной в текущих условиях.
Ключевые параметры, учитывающиеся в подборе матча:
- Мастерство (звание или MMR) — алгоритмы формируют команды, равные по званиям и уровню навыков;
- Регион — система старается комплектовать команды игроками из одного региона или страны, чтобы минимизировать пинг и улучшить внутреннюю коммуникацию (включая снижение языкового барьера); выбор региона зачастую доступен в клиенте игры;
- Роль в команде — алгоритмы учитывают выбранные игроками роли для достижения баланса;
- Наличие голосового чата — один из главных факторов успеха в достижении победы, поэтому современные платформы требуют общения между участниками команды.
Но существующие алгоритмы по-разному учитывают все параметры или добавляют собственные критерии. Поэтому порассуждаем о плюсах и минусах популярных систем.
Алгоритмы Elo, Glicko-2, TrueSkill — плюсы и минусы
Три наиболее популярных алгоритма в соревновательных играх — Elo, Glicko-2 и TrueSkill. О каждом из них подробнее руководитель департамента разработки Astrum Entertainment Анастасия Джиоева.
- Elo используется преимущественно в дуэльных играх, где рейтинг игрока корректируется после каждого матча. Система отличается простотой реализации, но обладает существенными ограничениями: она не учитывает опыт пользователей, то есть новичок и опытный геймер могут получить схожий рейтинг после одной игры. Также она требует дополнительных модификаций в командных или многопользовательских играх. Ранее алгоритм использовался в Dota 2 и League of Legends.
- Glicko-2 — наиболее популярный алгоритм, который сейчас используется в Dota 2 и, предположительно, Counter-Strike 2 (Valve не раскрывает систему подбора в шутере). Это усовершенствованный Elo c новым важным параметром — коэффициентом неопределенности рейтинга. Алгоритм учитывает не только мастерство и рейтинг игрока, но и игровую активность (показатель Rating Deviation).
Главное преимущество Glicko-2 — более точная оценка навыков игрока за счет учета уверенности в рейтинге. Однако алгоритм сложен в реализации и требует регулярной активности от самих геймеров. - TrueSkill — система подбора игроков, созданная компанией Microsoft для платформы Xbox Live. Она использует два параметра: предполагаемый уровень навыка геймера и дисперсию — уровень неуверенности в оценке. Алгоритм способен обрабатывать как одиночные, так и командные матчи с любым количеством участников. Система может быстро и точно оценивать уровень мастерства геймеров, но требует тщательной настройки под каждую игру.
ELO-hell, «система 50%» или почему вы «всегда» проигрываете
Геймеры, столкнувшись с длительной серией поражений, часто обвиняют союзников или алгоритмы, которые подобрали им плохих тиммейтов. Анастасия Джиоева рассказала, правда ли существуют такие ситуации.
«ELO-hell — это термин, которым игроки называют ситуацию, когда им кажется, что они не могут подняться в рейтинге из-за слабых тиммейтов: даже если сам игрок играет хорошо, однако его команда регулярно играет плохо. Геймеру кажется, что это мешает побеждать и поднимать рейтинг.
ELO-hell — больше миф или эмоциональное восприятие, чем реально неразрешимая проблема. Да, иногда система подбирает не самых сильных товарищей по команде, но если ты постоянно играешь хорошо, то твой рейтинг все равно будет расти».
Анастасия Джиоева, руководитель департамента разработки Astrum Entertainment
Проблема регулярного попадания в плохую команду может быть следствием поведенческих паттернов пользователей. Например, в группе могут оказаться пять сильных геймеров, но все они — токсичны или находятся в плохом настроении. В подобной ситуации они могут проиграть из-за плохой коммуникации и внутренних конфликтов.
Заключение
Современные алгоритмы подбора игроков — не просто системы, которые формируют команды из самых разнообразных пользователей. Эти сложные процессы учитывают множество показателей каждого участника, чтобы в результате игроки получали честный и интересный игровой опыт, который сохранит вовлеченность аудитории.
Понимание работы алгоритмов подбора, вероятно, поможет вам меньше злиться на союзников и не винить игру за случайное поражение. В конечном итоге идеального матчмейкинга не существует, но стремление к нему помогает играм развиваться и совершенствоваться.
Поделитесь в комментариях, в какой соревновательной игре подбор игроков, по вашему мнению, наиболее точный? А какие алгоритмы все еще требуют совершенствования?