“Data uit Overwatch 2-bèta is van onschatbare waarde”

Overwatch 2

Had jij het geluk om deel te nemen aan de Overwatch 2 PvP-bèta? Dan heb je je wellicht kostelijk geamuseerd met de game gedurende die enkele dagen. Wat je misschien nog niet wist, is dat je ook hebt bijgedragen aan de toekomst van de game. De data die voortvloeide uit de bèta werd namelijk geanalyseerd en zal gebruikt worden om de game verder te finetunen. Dus alvast bedankt voor jullie hulp!

Zo’n eerste interessante statistiek die gebruikt wordt om verbeteringen aan te brengen is de ‘usage rate’. Stel; een wedstrijd duurt tien minuten. Als van die tien minuten een team Sombra voor vijf minuten in zijn opstelling heeft staan, dan heeft Sombra een zogenaamde usage rate van 0.5. Absolute koploper hier van Sojourn, gevolgd door Ana, Orisa en Doomfist. Ook leuk om te zien is dat de usage rate van Sojourn gestaag afnam over de verschillende dagen. Velen wilden blijkbaar Sojourn uittesten, waarna ze overschakelden op andere heroes. Los van de voorgenoemde personages ligt de usage rate van de andere personages in dezelfde trant. Doel van deze metric? Kijken of iedere hero even populair is bij het publiek.

Sojourn bleek extreem populair te zijn in de bèta gevolgd door Ana en Orisa

Als er slechts vier personages in een bepaalde role zitten, dan is het logisch dat die personages een hogere usage rate zullen kennen dan personages die in een role zitten waarvan er tien verschillende opties zijn. Zou dit de hoge usage rate van Sojourn kunnen verklaren? Als we data normaliseren (delen door het aantal beschikbare personages in die rol) tot de ‘weighted usage rate’, dan zien we dat Sojourn nog steeds absolute koploper is. Wat deze grafiek ons wel leert is dat Ana (met een zeer hoge usage rate) op vlak van weighted usage rate in de buurt ligt van Orisa en Doomfist. Hieruit kunnen we concluderen dat Ana binnenin haar rol even populair is (en dus geen uitschieter is) als Doomfist in zijn klasse. Conclusie, min of meer iedere Hero werd evenveel gespeeld met uitzondering van enkele uitzonderingen… Up next? Hero balance!

Weighted Usage Rate is een betere metric dan de gewone usage rate

Om de verschillende heroes uit te balanceren hebben we een nieuwe metric nodig. Je zou kunnen kijken naar de winrates; hoeveel win- en verliespartijen heeft een bepaalde hero? Het feit dat je in Overwatch on the fly kunt wisselen van character maakt deze metric zo goed als waardeloos; wat je als een wedstrijd gewonnen wordt, maar een hero pas de helft van de tijd meedeed? Dat probleem werd opgelost met win en loss fractions. Stel dat je van de 10 minuten wedstrijd 5 minuten met Soldier: 76 speelt en een overwinning behaalt; dan krijgt Soldier: 76 een 0.5 win fraction. Mocht je de partij verliezen, dan krijg je 0.5 loss fraction. Er is echter een groot nadeel aan deze metric; wat als beide teams dezelfde hero bevatten? Dat betekent dat de win en loss fraction elkaar quasi constant zouden uitmiddelen. Ook daar hebben ze bij Blizzard een oplossing voor; de Unmirrored Winrate. Deze meting maakt gebruik van de bovenstaande fractions, maar pas wanneer een hero aanwezig is langs één van de twee teams. 

Unmirrored winrates geven een beter beeld dan de gewone winrates

Symmetra scoort daar behoorlijk hoog. Hoe komt dat? Wel Symmetra is een personage die gebruikt wordt in specifieke situaties die vervolgens met veel zekerheid een win oplevert, bijvoorbeeld door het eerste punt van een map te verdedigen. Zelfs als het verkeerd loopt switchen spelers snel naar een ander personage, wat uiteindelijk toch in een win fraction resulteert of een zeer lage loss fraction. Langs de andere kant wilden veel spelers Sojourn en Orisa spelen vanwege hun nieuwe mogelijkheden; dat betekent dat velen – tegen het winnen of verliezen in – integraal kozen voor één van deze heroes. Misschien had een andere hero hier een betere keuze geweest? Dat boeide de spelers klaarblijkelijk niet in de bèta. Louter naar de getallen kijken levert dus niet veel op; er moet wat context geschetst worden.

De impact van de patch had een significante impact op Soldier: 76

Vervolgens gingen de ontwikkelaars aan de slag met deze getallen en werden enkele patches uitgerold. Deze hadden op bepaalde personages een gigantische impact op de winrate. Een mooi voorbeeld daarvan was Soldier: 76 die na een drietal changes aan 6% winrate moest inboeten. Zo zie je maar dat alle data uit de bèta wel degelijk gebruikt wordt en mits voldoende kadering wel degelijk significante gevolgen kan hebben op de game. Een hero shooter is nu eenmaal zeer moeilijk om te finetunen, maar de bètatesters zorgen er alvast voor dat er heel wat data is om op verder te bouwen.

Zo wordt Overwatch 2 iedere keer dat tikkeltje beter, dankzij jullie!

Gepubliceerd door Ardtieboy

Een paarse Game Boy Color en Pokémon Red deden de vonk zo'n 16 jaar geleden overslaan. Sindsdien vertoeft Ard menig avond voor zijn consoles om er helemaal op los te gaan, liefst zonder al te veel nadenken. Games die hem geregeld doen gniffelen staan bij Ard op de bovenste plank. Het is dan ook niet vreemd dat titels zoals Borderlands, Destiny, Animal Crossing en Hearthstone op zijn shortlist staan. Verder hackt en programmeert hij zich door het leven met Nalu 🐶 aan zijn zijde.

%d bloggers liken dit: