Dev
/dev: bilanciare nuovi campioni

Abbiamo adottato un approccio più orientato al lungo periodo nel bilanciamento dei nuovi campioni e dei VGU.

DevAutoreTeam della Landa degli evocatori
  • Copiato negli appunti

Benvenuti alla seconda parte di una serie di quattro post del Team della Landa degli evocatori! L'anno scorso, abbiamo lanciato la campagna "Il ciclo di vita di una patch", durante la quale vi abbiamo mostrato in che modo sviluppiamo una patch di bilanciamento di League of Legends (qui potete trovarne un riassunto). Oggi affronteremo alcuni dei principali argomenti ricorrenti sul bilanciamento in modo più approfondito di quanto possiamo fare tramite le note sulla patch, i social media o i post settimanali di Meddler e Scruffy.


Ecco un sommario di ciò che tratteremo nei prossimi mesi:

  • Blog 1, fine giugno: lo stato della struttura bilanciamento campioni, con dettagli su cosa abbiamo modificato dalla sua implementazione avvenuta l'anno scorso
  • Blog 2, inizio luglio: un aggiornamento sull'approccio al bilanciamento dei nuovi campioni e dei VGU
  • Blog 3, metà agosto: il bilanciamento per i principali tornei professionali, inclusi i Mondiali
  • Blog 4, inizio settembre: il bilanciamento della rune e degli oggetti (con qualche annuncio sulla pre-stagione 2021)

Capire le curve di maestria dei campioni

I nuovi campioni e i VGU sono casi unici perché, a differenza del bilanciamento generale dei campioni, non abbiamo i dati provenienti da milioni di partite che ci indicano il loro livello di potenza. Monitorare le percentuali di vittorie da una patch all'altra richiede tempo, durante il quale i giocatori continuano a imparare i punti di forza e le debolezze di quel determinato campione. Ciò implica che la percentuale di vittorie iniziale di un campione non rispecchia necessariamente il suo "reale" livello di potere.

Utilizziamo le curve di maestria stimate per stabilire gli obiettivi di bilanciamento dei nuovi campioni. Le curve di maestria sono la rappresentazione di quanto un giocatore diventi più abile con un campione man mano che lo utilizza, rappresentata dall'aumento della percentuale di vittorie di quel giocatore rispetto alle partite giocate. Questo è il loro aspetto:

Ask_Riot_Mastery_Curves_For_Loc-ita.jpg
Più la curva iniziale è verticale (per es. Neeko), meno partite sono necessarie ai giocatori per raggiungere prestazioni stabili: in altre parole, quel campione è più facile da padroneggiare. Più la curva è diagonale (per es. Yuumi), più è difficile imparare a usarlo
Win_Rate_Growth_FOR_LOC-ita.jpg

Anche i campioni facili da imparare con curve di maestria meno ripide vedranno un miglioramento del 4% nelle percentuali di vittorie nel corso delle prime 15 partite. La maggior parte delle volte, la curva di apprendimento prosegue oltre le 15 partite e i giocatori che stanno imparando a padroneggiare nuovi campioni continuano a vedere una crescita fino a (o anche oltre) la 100esima partita: per esempio, campioni come Yasuo, Katarina e Nidalee hanno una curva di maestria molto allungata.

Poiché sappiamo che la percentuale di vittorie di un giocatore con un determinato campione migliora in base alle partite giocate, ci troviamo di fronte a una difficile scelta in termini di bilanciamento: dobbiamo lanciare i nuovi campioni con quello che riteniamo essere il loro livello di potere bilanciato sul lungo periodo, lasciando però che siano più deboli rispetto agli altri mentre i giocatori scalano la curva di maestria? O è meglio rilasciarli in uno stato artificialmente potenziato per ottenere un migliore bilanciamento a breve termine, per poi nerfarli in base alle necessità quando i giocatori imparano a padroneggiarli col tempo?

Negli ultimi anni, il nostro approccio è stato di lanciare nuovi campioni bilanciati sul breve periodo. Un paio di mesi fa, abbiamo deciso di invertire la rotta:

Adesso pubblichiamo nuovi campioni e VGU in quello che riteniamo essere il loro stato di bilanciamento a lungo termine.

Ciò implica che sembreranno probabilmente più deboli all'inizio, quando i giocatori devono ancora imparare le nuove dinamiche e configurazioni, ma non dovranno subire la stessa quantità di nerf o di modifiche alle meccaniche dopo il lancio.


Analizziamo più approfonditamente il nostro vecchio approccio per capire i motivi che ci hanno spinti a cambiarlo.

Il vecchio metodo: percentuali di vittorie pari a quelle degli altri campioni

Per un periodo piuttosto lungo, abbiamo lanciato i nuovi campioni in modo che le loro percentuali di vittorie raggiungessero quelle degli altri dopo un periodo di due settimane. Per alcuni, come Mordekaiser e Neeko, questo approccio ha funzionato bene, poiché non hanno curve di maestria molto ripide. (E nel caso di Neeko, c'è stata anche una notevole curva di apprendimento di chi giocava contro questo campione, a causa della quale ci siamo trovati di fronte a una riduzione della percentuale di vittorie dopo la prima settimana dal lancio, durante cui i suoi avversari avevano imparato il funzionamento della sua passiva e delle sue altre abilità).

Avevamo deciso di lanciare nuovi campioni e VGU che avessero prestazioni pari a quelle degli altri per diversi motivi:

Evitare che i nuovi campioni sembrassero particolarmente deboli

In passato, rilasciavamo campioni che, al lancio, arrivavano a vincere meno del 40% delle partite giocate, tra le proteste dei giocatori. Bard, Ivern e perfino Ornn avevano stili di gioco unici difficili da padroneggiare immediatamente: in altre parole avevano curve di apprendimento relativamente ripide. Per questo motivo, i giocatori a volte finivano per ritenere questi campioni un "fallimento", a causa del loro basso livello di potere al lancio. All'inizio, eravamo preoccupati che rilasciare campioni che davano ai giocatori questa impressione potesse avere effetti negativi sul loro livello di utilizzo, ma non siamo più di quest'avviso.

04_Bard_Cropped.jpg

Migliore qualità del gioco (più o meno)

In secondo luogo, questo approccio ha permesso a tutti di poter iniziare a usare immediatamente i campioni nuovi (o aggiornati), senza dover compromettere l'esperienza di tutti gli altri giocatori. Anche le partite normali possono sembrare sprecate quando c'è un campione che vince meno del 40% delle volte. (Ma come vedremo in seguito, rilasciare campioni troppo forti crea tutta un'altra serie di problemi alla qualità del gioco).

05_Ivern_Cropped.jpg

Facilitare l'accesso dei giocatori ai VGU

Il problema della debolezza dei campioni è particolarmente rilevante per i VGU, per i quali i giocatori si aspettano di riuscire a capire le meccaniche di un campione anche dopo che ha subito modifiche a una parte (o quasi a tutto) il suo kit. Dare ai campioni aggiornati una potenza temporanea aggiuntiva aiutava i giocatori ad avere successo con i loro campioni preferiti anche nel periodo necessario per imparare nuovamente a padroneggiarli.

06_Mordekaiser_Cropped.jpg

Il problema

Lanciare nuovi campioni e VGU bilanciati sulla base di prestazioni a breve termine aiuta i giocatori ad avere la sensazione di saperli usare anche nel periodo necessario a scalare la curva di maestria. Tuttavia, questo approccio finiva per avere più risvolti negativi che positivi.

Ultimamente, i nuovi campioni davano la sensazione di essere troppo forti appena dopo il lancio. Il fatto che un campione sia troppo debole al lancio è problematico perché crea la sensazione che sia scarso in generale; d'altro canto, la situazione opposta, cioè quella in cui un campione risulta troppo forte, dura a lungo nella percezione dei giocatori, anche molto dopo eventuali nerf e modifiche alle meccaniche.


Ma al di là di questo aspetto, crediamo che rilasciare campioni bilanciati per il lungo periodo abbia un impatto più positivo sullo stato complessivo del gioco. Vediamo perché.

Il nuovo metodo: mirare al bilanciamento di lungo periodo

A cominciare da Fiddlesticks, adesso pubblichiamo nuovi campioni e VGU in quello che riteniamo essere il loro stato di bilanciamento a lungo termine. Parliamo delle speranze che abbiamo riposto in questo nuovo sistema.

I nuovi campioni non dovrebbero dominare la scena

Non vogliamo che i giocatori si preoccupino che i campioni nuovi e aggiornati finiscano sempre per dominare la scena come è successo negli ultimi anni. Senza la pressione di dover fare in modo che questi campioni abbiano al lancio la stessa percentuale di vittorie degli altri, possiamo evitare che diventino dominanti man mano che i giocatori acquisiscono esperienza nell'utilizzarli. Non dovrebbe succedere che un campione vinca il 55% delle partite nel corso della sua prima patch e, a dirla tutta, anche i campioni che vincono il 45% degli scontri nei primi giorni dal lancio potrebbero creare problemi di bilanciamento a lungo termine, se hanno una curva di maestria allungata.

07_Aphelios_Cropped.jpg

D'altro canto, i nuovi campioni non dovrebbero perdere con frequenza eccessiva. Se ci rendiamo conto che un campione è davvero troppo debole al lancio, continueremo a reagire con dei buff, come è successo con Fiddlesticks e Volibear.

I nuovi campioni non sono di base molto usati dai professionisti

L'approccio usato in passato favoriva molto quei giocatori che vogliono raggiungere rapidamente un alto livello di maestria con i nuovi campioni. Chi gioca 30 partite con un nuovo campione durante la sua prima patch supera di gran lunga il numero di scontri ottenuto dal giocatore medio. Perciò, anche se i dati sulla percentuale di vittorie mostrano che questi campioni vincono il 50% delle partite, i giocatori che li usano con maggiore frequenza hanno senza dubbio un numero di vittorie molto più alto.

Per quanto riguarda la coda in singolo, questo tipo di comportamento non crea problemi. Vale per i giocatori mono-campione più determinati, che riescono a ottenere un vantaggio dedicandosi moltissimo a padroneggiare uno specifico campione. Ma se applichiamo lo stesso concetto ai professionisti, la questione diventa più problematica: in questo caso, sono incentivati a giocare centinaia di partite con i nuovi campioni non solo per dare un vantaggio alla propria squadra, ma anche per restare all'altezza degli avversari con cui devono competere. Per questo, se accorciamo la curva di maestria di un campione rendendolo più forte di quanto dovrebbe essere nel lungo periodo, il risultato sarà quasi sicuramente che i professionisti impareranno a padroneggiarlo e quel campione diventerà più forte di altri nella scena professionistica.

In teoria, con il nostro nuovo approccio, i nuovi campioni non diventeranno più immediatamente centrali nel gioco professionistico.

08_Kai_Sa_Cropped.jpg

Evitare mesi di nerf consecutivi

Il prossimo obiettivo favorisce quei giocatori che sperano di padroneggiare i campioni o i VGU più recenti. Pubblicando i campioni al loro stato di bilanciamento a lungo termine, non dovremmo più aver bisogno di modificarli e nerfarli continuamente per "compensare" lo stato iniziale artificialmente troppo potente.

Anche in questo caso, la percezione dei giocatori ha un ruolo importante. Abbiamo esitato a nerfare in modo significativo i nuovi campioni che sembrano quasi bilanciati (o solo leggermente troppo forti) nel corso delle prime patch dal lancio, anche quando crediamo che continueranno a ottenere sempre più vittorie. Con dei nerf durante questa finestra temporale, i giocatori avrebbero la sensazione che trattiamo i nuovi campioni con criteri diversi rispetto ad altri che hanno percentuali di vittorie simili. Questa situazione porta a nerf consecutivi nel corso di diverse patch e crea un'esperienza poco piacevole per chi usa questi campioni, in quanto devono costantemente adattarsi alle modifiche al bilanciamento e alle meccaniche. Lo stesso vale per gli altri giocatori, che devono stare al passo con tutti questi cambiamenti.

Con l'obiettivo di un bilanciamento sul lungo periodo, ci auguriamo di evitare questo prolungato ciclo di nerf, che spesso finisce per durare anche per 6-12 mesi dopo il lancio di un campione.

09_Sett_Cropped.jpg

Minore rimozione di meccaniche

Ci sono molti motivi per cui possiamo decidere di modificare le meccaniche di un campione, ma solitamente, per quelli nuovi, possono essere divisi in due categorie.

La prima riguarda quelle volte in cui ci rendiamo conto che una meccanica ha degli effetti negativi sullo stato del gioco. In un mondo ideale, questo scenario non si verifica mai. Ma a volte, ci accorgiamo che una meccanica è problematica solo dopo che il gruppo principale di playtester (cioè tutti voi) comincia a usare un campione. Un esempio recente di questa situazione è la vera invisibilità di Akali. Modificare il modo in cui approcciamo il bilanciamento dei nuovi campioni non risolve questo tipo di problemi e potremmo ancora essere costretti a rimuovere meccaniche che hanno effetti negativi sul gioco.

10_Akali_Cropped.jpg

La seconda categoria comprende i casi in cui ci rendiamo conto di aver dato a un campione uno strumento per compensare una sua debolezza, che però non è realmente necessario per il suo bilanciamento nel lungo periodo, come dimostra l'avanzamento dei giocatori sulla rispettiva curva di maestria. Per esempio, la guarigione di Akali sul suo Attacco a cinque punte (Q) era un modo per aiutarla a restare in corsia, in particolare per quei giocatori che non padroneggiavano ancora le altre sue meccaniche. Ma una volta raggiunto un certo livello di maestria, quella guarigione rendeva quasi impossibile costringerla ad arretrare, anche prima che cominciasse a crescere e ad acquistare una Pistola a lame. Ora che abbiamo deciso di lanciare i campioni in uno stato di bilanciamento orientato al lungo periodo, analizzeremo le meccaniche in modo più approfondito per stabilire se sono davvero necessarie per il funzionamento del kit di un campione.

Ci auguriamo che questo ridurrà le volte in cui è necessario rimuovere in un secondo momento qualche meccanica apprezzata dai giocatori.

Il nuovo obiettivo e i suoi svantaggi

Nelle nostre aspettative, questo nuovo approccio ci permetterà di raggiungere un reale stato di bilanciamento entro una patch dall'ottenimento dei dati dei professionisti, senza ulteriori modifiche sostanziali successive. Ovviamente, ciò non implica che non ci saranno buff o nerf in futuro, ma secondo le nostre stime, i nuovi campioni e i VGU appariranno nelle note sulla patch con la stessa frequenza degli altri. Un'eccezione a questo scenario riguarda quei casi in cui il designer di un campione decida di apportare delle modifiche alle meccaniche qualche patch dopo il lancio, anche se è perfettamente bilanciato secondo il nuovo approccio. Un esempio di questa eventualità sono le modifiche a Un innocuo spaventapasseri di Fiddlesticks, nella patch 10.11.


Anche se crediamo che questo approccio sia migliore per lo stato generale del gioco, presenta ugualmente qualche svantaggio:

I campioni ad alta maestria sembreranno più deboli rispetto al passato.

Ci vuole più tempo per imparare a usare i campioni che hanno uno stile di gioco unico e siamo consapevoli che alcuni di loro verranno ritenuti "scarsi" dai giocatori. Questo nuovo approccio non avrà lo stesso impatto su tutti i campioni, poiché quelli con livelli più bassi di maestria e meccaniche più familiari non avranno le stesse difficoltà. Ma potrebbe creare delle situazioni di malcontento (sia per noi che per i giocatori) in quei casi in cui non faremo modifiche se riteniamo che un campione sia bilanciato per il lungo periodo, anche se le percentuali di vittorie ancora non lo mostrano.

Ci dispiace, fan di ((REDACTED)).

Potrebbe volerci più tempo prima che i nuovi campioni arrivino sulla scena professionistica.

Senza il vantaggio conferito dall'imparare a padroneggiare rapidamente i nuovi campioni, potrebbe volerci più tempo prima che facciano la loro comparsa nel gioco professionistico. Avere meno esperienza a giocare con (e insieme a) un campione che ha lo stesso livello di potere degli altri, implica che ci saranno meno incentivi a sceglierlo. Detto ciò, crediamo che sarà un sollievo per i giocatori, che non dovranno più preoccuparsi di eventuali nerf al loro campione preferito causati dalla scena professionistica. Siamo anche entusiasti all'idea di vedere i nuovi campioni nella scena professionistica solo dopo che le squadre hanno capito come sfruttare al meglio i loro punti di forza unici.

11_Volibear_Cropped.jpg

Uno sguardo al futuro

Abbiamo già pubblicato due VGU seguendo questi nuovi principi, Fiddlesticks e Volibear, e presto lanceremo i nostri primi nuovi campioni con questo nuovo approccio. Anche se abbiamo incontrato delle difficoltà, siamo convinti di voler continuare su questa strada, visto che né Fiddle né Voli hanno avuto bisogno di molteplici nerf o di rimozione di meccaniche importanti. La prossima area in cui vogliamo migliorare è quella delle previsioni sulle percentuali di vittorie al lancio, in modo che i nuovi campioni non siano più deboli rispetto al loro stato di bilanciamento di lungo termine.

Volibear e Fiddlesticks hanno avuto curve di ri-apprendimento rispettivamente medie e alte, ma i nostri prossimi campioni potrebbero costituire una maggiore sfida per noi e per voi. Il nuovo, onirico campione da giungla e l'assassino mascherato attireranno quei giocatori che cercano delle esperienze di gioco più innovative e richiederanno un investimento considerevole per superare la loro curva di apprendimento iniziale. Anche se siamo convinti che varrà la pena imparare a padroneggiarli è probabile che qualcuno avrà delle difficoltà, specialmente rispetto ad altri campioni futuri più semplici.

Come facciamo per tutti i nostri principi, continueremo a valutarli per migliorarli, in modo da ridurre al minimo gli effetti negativi sui giocatori e creare un'esperienza di gioco in generale più positiva rispetto ai nuovi campioni e ai VGU.

Speriamo che questa serie di blog vi dia più informazioni sul modo in cui i nostri team affrontano le sfide di bilanciamento di LoL e che vi tenga aggiornati sul nostro lavoro in modo da poter continuare a discutere con noi e tra di voi di bilanciamento. Torneremo ad agosto con il prossimo post, in cui parleremo del nostro approccio al bilanciamento dei tornei professionistici più importanti, come i Mondiali!



  • Copiato negli appunti