您的位置 首页 > 体育运动

【经典球员数据区】是谁决定梅西比C罗强?玩数据这件事,或许球队经理得和游戏学?

引言:“XX妖人”是如何炼成的?

即便到了两人职业生涯后期,我们也依然能够直观感受到C罗和梅西这对绝代双骄对于当今世界足坛的统治力,比如今年,当《FIFA22》将首发阶段最高能力值球员的殊荣给予梅球王之后,就引发了C罗球迷的不满。尤其对比现实中回到曼联后C罗那劲爆的赛场表现,和梅西在艺术之都踢的养生足球,这种“梅西老大,莱万次之,C罗第三”的排序,实锤了江湖上关于“EA不懂球”的传闻。

C罗照片中的表情对比前面那两位的“茄子“,透着这位霸道总裁发自内心的“不爽”

说正经的,《FIFA足球》《NBA2K》这种从商业模式到游戏系统经过长期打磨的头部作品,对于游戏里球员的各项能力值设计,早就有一套专门的“数据手艺”,其历史渊源,可以追溯到上世纪80年代的棒球游戏。而作为现实中职业棒球的从业者,也通过建立“魔球理论”,将游戏开发者一样的数值设计能力,上升到了足以指导建队思路和球队技战术制订的高度。

接下来就结合大家熟悉的球类游戏,聊聊现实数据分析与游戏数值设计是如何产生出相互的影响与关联。

从数据到数值

都说“万事开头难”,但是体育游戏基于球员个人能力建立起相应数值这件事,基本上是游戏开发者在“懂球”基础上的一蹴而就。

1984年,美国MicroLeague公司推出了一款DOS系统上运行的棒球游戏《MicroLeague Baseball》,游戏的画面与玩法和大家在FC上能玩到的同题材游戏大同小异,只不过与当时市面上其他棒球游戏相比,《MicroLeague Baseball》除了拥有完整的职业球队授权,还有史以来第一次为游戏中的每一位球员专门建立了一套数值体系,通过各项数值的高低,让玩家在上手操作之前,就能对球员强弱有一个基本了解。

最初的球员数值样式就是这样的

平时观看各种球类比赛的朋友,对于球场边的技术统计人员一定不会感到陌生,与激情四射的解说员不同,他们用手中的纸笔,记录下比赛过程中每一次犯规,等分,失误等等场上发生的事情,最后汇总成为完整的技术统计,当中事无巨细罗列了一名球员职业生涯的高峰与低谷,一名教练临场的指挥与应变,一支球队战绩的辉煌与黯淡。

当勒布朗·詹姆斯在2018年NBA总决赛第一场比赛关键时刻,面对JR·史密斯莫名其妙的临场表现奉献出“历史名画”时,在技术统计栏里,这也只会是一笔没有丝毫感情色彩的“克利夫兰骑士队5号 JR·史密斯 失误+1”。

再回到80年代,《MicroLeague Baseball》的开发者们找来大联盟比赛的过往技术统计,把其中记录的每一名球员在此前每一年的表现,按照具体数据分类,比如全垒打数量、三振数、打击率等等,然后折合成游戏里该名球员的能力数值,最后就生成了每一名球员几乎一样的像素外观下,独一无二的数据模型。这套系统后来在各种体育游戏得到了广泛推广和使用。

场边的技术统计统计人员会记录下场上发生的一切技术环节

对此我国玩家对此最直观的感受,便是上世纪90年代,随着《NBAlive》《FIFA足球》和《实况足球》渐渐流行,作为玩家,可以在赛事转播等传统媒体之前,先从游戏里体验到球员的能力与特点。比如跑起来风一样快的罗纳尔多和艾佛森,力拔山兮的巴蒂斯图塔和奥尼尔,游戏里直观的数值,让玩家们对于球员能力特点一目了然。

球类游戏与生俱来的年货属性,很大程度上就是因为现实中球员能力与状态的逐年变化,要求游戏里做出相应的浮动调整,如今《NBA2K》等游戏几乎把数值调整频率做到可以与比赛日同步,相当于第一时间就把真实比赛数据转化成游戏数值。

但这也引出了新的问题,那就是当物理引擎越发完善的同时,游戏该如何平衡玩家操作,系统玩法和数值设计这三者之间,以避免高数值球员碾压一切的情况出现呢?

“带伤作战的意志力”该给95还是88?

“中国男足只有在游戏里才能捧起世界杯。”

“别说我欺负你不会玩,我选的队伍可比你的弱多了。”

“我靠!西蒙斯(一名现实中一个赛季三分球出手不超过三次的明星级别球员,作为对比,我在院里野球场打3V3的时候每局三分球出手次数在5次左右)能连续命中三分就TM离谱!”

如果是在一款RPG或者装备驱动类游戏里,玩家付出时间和精力,然后凭借角色,武器或者技能的等级强度去碾压对手(类似情况经常发生在JRPG或者《超级机器人大战》等游戏中)自然是无可厚非;而如果是一款格斗或者电子竞技类游戏,那么开发者往往会努力做好数值平衡性调整,让使用不同角色的玩家尽可能公平对战。

不过上述两种思路在体育游戏,特别是玩家们(和商业资本)最喜欢的球类游戏中却很难成立,若是按照强弱有别数值碾压,那类似现实中以弱胜强的冷门何在?但要是一碗水端平,那我氪金在UT模式里抽C罗的卡又图个啥呢(毕竟我又不是C罗的球迷)?

图中韦德和字母哥两位巨星对于球迷来说都十分熟悉,但塔克法尔这位NBA替补的夸张数值,则完全来自于游戏层面的人物3D建模和数值设计

首先,球类游戏系统玩法的升级,对数值设计形成了一种内在的“挑战”机制。以当前流行的《FIFA足球》和《NBA2K》为例,任何一名想要进阶的玩家,都势必要跳出数值碾压的思路(当然竞技体育不是骑士决斗,寻找对位优势本身也是一种战术),从教练的视角去布置每一次攻防策略,这个时候球员的数值优势就会被压缩,网战经常出现的所谓“对面氪一套全明星,结果打不过平民阵容”,就在于胜利一方用战术与操作优势,弥补了球员数值的不足。

然后,开发组对数值进行细化,用尽可能多的参数,试图“还原”一名球员的客观能力。以《实况足球》为例,系列初期球员的速度只有“Speed”一项数值表示,结果就是一群闪电侠主宰胜负,后来“速度”被细分为“跑动速度”和“带球速度”,“带球速度”又会受到“带球精度”的影响;而在《NBA2K》里面,相关运球数值低的球员,甚至无法做出特定的运球动作(比如摆脱防守者非常好用的背后运球技巧),等于把数值融入到了操作当中。

“外星人”罗纳尔多

最后,像是NBA赛场上库里长剑如虹的超远距离三分球,足球场上抗住压力总是能踢进点球的点球手(也有相应的悲催反例),当量化的数值已经不足以体现球员,特别是明星球员个人天赋的时候,体育游戏便引入了“能力属性”概念,在数值量化以外,用文字描述的形式专门来确定球员某项突出能力,比如有“远距离三分”能力的球员,在玩家投篮时,其投篮精度条会像常规射程一样稳定顺滑,从而提升命中率,相应的,这名球员也就具备了过半场立刻发动战术的资本,玩家操作、数值设计、战术系统三者之间,完成了玩法逻辑的闭环。

当那些用电子游戏模拟真实比赛的孩子长大之后

最好在成长过程中还能读个耶鲁大学经济学硕士什么的就更好了。

迈克尔·刘易斯在2003年撰写的运动分析学著作《魔球——如何赢得不公平竞争的艺术》当中,以美国职业棒球联盟的小球队奥克兰运动者队为例,试图证明凭借考察、试训、交易为基础的传统棒球运营理论并不科学(较为依赖“烧钱”),并提出小球队如何在职业联盟中同那些财大气粗的“豪门”相抗衡的方法——那就是基于球员数据的全面收集,建立起一套数学模型,用较低的成本,组建一支有足够竞争力的球队。

迈克尔·刘易斯

通过理论与实践的结合,“魔球理论”渐渐在职业体育中得到推广,该理论最大的建树在于帮助经费有限的“平民玩家”更好进行球员选拔与交易,从而去对抗“土豪玩家”。“魔球”强调用数学模型把球员能力最大程度进行量化,保证场上每个位置上有最合适的人员。

在《魔球》这本书中,奥克兰运动者队的球队经理比利·宾恩与耶鲁大学经济学硕士彼得联手,彼得经过数据分析,避开那些薪资过高的明星球员,专门挑选其他球队里打不出名堂,但是具备某项突出数据的球员,得出组建球队的“最优解”;宾恩负责对目标球员进行招募,最终让奥克兰运动队这支“平民球队”在接下来的赛季中创造出了队史最长的20连胜纪录。

根据《魔球》一书改编的电影,国内通常翻译为《点球成金》

不过面对诸如C罗,杜兰特等“百年一遇的练武奇才”,“魔球”理论也并非永远的制胜法宝,奥克兰运动者队里那些原本符合数据计算最优解的球员,在遭遇对手有针对性的布置后,个人天赋上的短板也就暴露无遗。但“魔球”理论还是为所有职业体育队伍打开了崭新的思路。像是足坛名帅穆里尼奥,很多球迷对于他的印象大都来自于“狂人”的性格,辉煌的战绩以及拜英国媒体所赐,总能制造新闻价值的爆言。

不要觉得只有球迷会为了游戏数值高低而论战,很多球员都曾因为不满自己在游戏中的数值过低而diss开发组,比如图里这位“大白边儿”

而事实上,穆里尼奥手握计算机专业科班学历,早在其执教葡萄牙波尔图队时,穆里尼奥就将所有球员的各项技术统计录入到自己开发的软件当中,以此来模拟比赛中可能出现的各种情况,这其实和玩家们经常用游戏预测即将开始的比赛有着同样的逻辑。如今NBA流行的“小球”打法(在运动战环境下多投三分,加快比赛回合数),也是把“魔球理论”从单纯球员个体的数据分析,升级成用更庞大的数据量,去对整个篮球运动发展规律做出科学指导。

让我们再回到游戏里,当球队经理研究“魔球”理论的时候,游戏公司里《FIFA足球》UT模式,和《NBA2K》MT模式的产品经理们,也把数值设计融入到了游戏运营环节,其结果,自然就是游戏中的每次更新,都会推出数值更高的球员卡来吸引玩家氪金。

这也解释为什么年货球类游戏必须让用户一年一氪——因为一年之内不断累积的数值,会让球员能力越发趋于“变态”(每年《NBA2K》到“大结局”的时候,都会陷入到乱出卡的节奏),新作清零是避免数值爆炸最简单粗暴,可恰恰又是最有利于商业收益的方法,既然如此,游戏里的梅西是否比C罗,也就不那么重要了,反正赛季开始后随着游戏更新,完美形态的“总裁卡”一定会在某个运营节点等待着玩家的钱包。

结语:《FIFA足球》用来的收集整理球员数据的信息,大都都来自一个叫做World Football Web Editor的社区,该社区从最初几百人,发展到如今有8000多名会员,负责世界各地共600多支球队,并且这个数字还在不断增长。未来体育游戏的数值设计,已经超越了单纯游戏系统层面,成为了现实中职业体育的一个数据库,从这一点上来看,我们国家各项职业体育赛事要走的发展之路,还很长很长。

责任编辑: 鲁达

1.内容基于多重复合算法人工智能语言模型创作,旨在以深度学习研究为目的传播信息知识,内容观点与本网站无关,反馈举报请
2.仅供读者参考,本网站未对该内容进行证实,对其原创性、真实性、完整性、及时性不作任何保证;
3.本站属于非营利性站点无毒无广告,请读者放心使用!

“经典球员数据区,实况经典球员数据,nba球员数据,cba球员数据”边界阅读