数据研究所:ADC的数据分析与评估

  BY:PentaQ魔鬼天使、PentaQ Saint、PentaQ Janice

引言

通过几年的发展,LOL的竞技体系建立起:上单、中单、打野、ADC和辅助这五个至关重要的位置划分,这是将职业选手的职能范围、场上分工做出专业划分的里程碑。

而我们今天的研究课题,是ADC这个位置的一些常见数据形式,包括相关数据定义、标准及研究方向,这将使我们更加充分地了解LOL职业竞技赛事中的一些数据的解读方式。

一、何谓“ADC”

ADC,即AD Carry缩写,意即游戏中主要负责物理伤害输出的位置——在某些特殊阵容中也有例外(如铁男阵容),这是游戏中唯一的双人路成员之一。

作为MOBA游戏,装备是英雄联盟的重要组成部分,召唤师所有行动都需建立在装备的基础上。而对于ADC来说,是宁可牺牲等级和经验,也需要装备尽快成型的位置,所以双人路之设立,就是为了保护ADC获取经济。

二、何谓伤害——分均伤害 & 伤害占比

如果要描述一个ADC造成的伤害,我们需用到这两个互为补充的数据项,这道理就好像在平面上描述一个点的位置必须用到X/Y两个坐标,缺一不可。

伤害占比描述的是该ADC在团队中提供的伤害,作用在于描述一场比赛中ADC所发挥的能量。

但由于LOL是个团队游戏,上单、辅助和打野常规情况下不会创造特别多的伤害,所以对于ADC来说,需达到28.1%的伤害占比方为及格(此数据参考P社统计的春季赛数据标尺,下面所有数据也是如此,不再额外说明)。而意图进入优秀的区间,则必须突破上四分位,超过32.6%

图1.jpg

但伤害占比不准确的地方在于,队伍里一旦出现同样优秀的大腿,双方便会互相侵占降低对方的伤害占比,“一山不容二虎”说的就是这个道理。

这时,我们就要考虑ADC的分均伤害。当然,这也是一个必须通过对比才能理解的数据,当我们说“一个ADC的分均伤害是500” 时毫无意义,但如果我们说“A的分均伤害是500,B的分均伤害是600”时,我们就明白了,B要比A干得漂亮一点。

再把这个范围放大一点,对应到全联盟的数据样本中,ADC场均完成543可被视为及格线,而进入优秀的上四分位,需有679

图2.jpg

然而需要注意的是,所谓分均伤害也有它的致命伤:当一场比赛迅速结束时,ADC往往根本来不及进行输出;或者对手被碾压得太厉害,根本无法承受大量伤害时,ADC的分均伤害也会偏低。而比赛时间拖得越长,ADC制造伤害的机会和可能性就越多,获得的数据就越好。

所以正确对待伤害的做法,是将这两个数据放到一起看,从而获得对一名ADC选手的准确评价:

当一位ADC选手伤害占比高,分均伤害低时,他就是一个比自己队友更加Carry的选手,但他的ADC同行却比他做得更好;反之,如果一个ADC伤害占比低,但分均伤害高,那就是他比自己的同行做得更好,但队友也相当不错。

这是我们的第一个结论:不同的比较对象,采用不同的数据项,以得到不同角度的观察。不要急,这才是第一步,还会更多结论,帮助我们从更全面的角度去理解ADC。

三、何谓效率——分均经济 & 经济伤害转化率

任何一名选手想要打出成吨伤害都需要装备支持,尤其是ADC,一名ADC选手技术再好,也无法依靠六把多兰剑Carry队伍。而装备的获取,建立在足够的经济基础之上。

在我们深入研究两者关系之前,我们需先了解三个数据项:分均伤害、分均经济和经济伤害转化率。

其中分均伤害上面已做描述,分均经济也比较简单,简单来说就是选手每分钟获取的经济收益,这是一项直接反映选手经济状况的数据。

经济伤害转换率则是一项需详加论述的数据,它的算法是:分均伤害/分均经济。无论是补刀、推塔或击杀,落到实处就是所谓“经济”。而拿到这些经济能打出多少伤害,发挥出多高的效率,就是这个数值的意义。

简单来理解,就是给你一分钱,你能干多少事情。

如果你是一个投资人,手里有一大笔前要考虑投资项目,毫无疑问,你应该选择“经济伤害转换率”高的选手,因为他们就是那种能更有效地使用资金,创造出更高效率的企业!

不过长久以来,因为有“经济伤害转化率”的存在,而公式中“经济”一项放下面做分母,便使大家存在着误解:一个ADC,就应该用较少的经济打出较高的伤害,使转化率提高,才能凸显出这个ADC的高水平,如果一个ADC经济太高,他就是在吃经济,反而对输出伤害以及团队无益。

其实真正的高伤害ADC们,都稳稳地掌控着高分均经济。两者之间在大多数情况下,存在着很明显的正比关系,并显著地对最终结果——“经济伤害转化率”产生巨大影响。

以下我们将为大家呈现LPL中所有ADC选手的相关数据列表。根据两项数据排名的大小关系,我们将14名ADC选手分成三个梯队。

注:以下所有数据为2016年LPL夏季常规赛W1-W6的累积数据,出场未超过5场的选手则不计算在内。

图3.jpg

从Deft、Uzi和Mystic身上,我们可以看到这些一流伤害值的ADC们全都拥有着极高的经济值。而尽管Uzi因为超高的经济拉低了自己的转换率,仍无法掩盖他高伤害的地位,当然Deft和Mystic能用较少的经济就做到这一点,这显得他们更有效率。

但如果你熟知二战就明白,作战更有效率的德军最后输给了盟军,因为对手的经济实在太充裕了,铺天盖地的飞机和大炮,使所有一切高效率的机动战化为泡影。

所以我们必须认识到:高效率是一项优点,但不是获胜的唯一标准和方式。

并且通过这一梯队的表格,我们也看到只有在同级别的ADC之间,较少的经济才会在转换率上构成优势。

而司马老贼则明显是个异数,他楞是用第九的分均经济打出了第四的分均伤害,转换率甚至超过了Uzi,这就是我们经常说的那种吃草挤奶的超高效率ADC。但整个LPL也就他一个人能做到这种程度,“逆天而行”的人毕竟是少数,而我们可以看到:他的转换率领先不多,但分均伤害却比其它三人足足少了近100,他以极为勉强的状况跟着第一梯队。

图4.jpg

这一梯队大家最明显的特征是:分均伤害的名次,直接决定了他们的转换率名次。对于中间梯队的选手来说,他们经济获取量的差距非常小,分均10块钱都不到的差距,在20分钟后的团战期,连一个小件装备的差距都不存在。

而不出意外的是,这个梯队中也同样存在违反常规的存在,排进第二梯队的ADC全员分均经济都在5-9名之间,唯独IMP以排名11的分均伤害挤了进来,但也可以感觉到,他毕竟只有排名11的经济,能挤进第二梯队已是艰难,想上升到第一梯队,还是差了点装备。

图5.jpg

这梯队与第二梯队差别不大,唯独有两人值得单说。Rain获取的分均经济简直低得可怕,他与正常发育的ADC们在团队期相遇,起码落后别人1-2个小件,他勉强可算这一梯队的“吃草挤奶”选手。

而最令人惊讶的是谭队Martin,他高达第三的经济居然只有垫底的伤害,令人很是不解。正因为他的存在,才有了我们的第三部分,他的个案我们将在下一部分详加论述。

综合上述,可以看到三个梯队的选手,其分均经济与分均伤害并不呈完全的必然正比关系,英雄联盟毕竟是一个竞技类游戏而不是数学函数。但纵观三个梯队,能出现低经济量逆反获取高伤害量的仅3人,出现高经济量逆反获取低伤害量的则仅1人。

其他的10位选手,都遵循着 “ADC的高伤害需建立在高经济的基础之上”这一结论。

那么影响一名选手伤害的元素又到底是哪些?我们在下一环节展开研究。

四、何谓核心——参战率 & 输出率

参战率,是近期官方数据中最被重视的一项数据,其重要程度远超伤害占比和承伤占比。顾名思义,该数据是描述一名选手在整场比赛中的战斗参与度,其基本算法为:

选手参战率 = 选手K+A / 全队K总值。

通常情况下,选手的伤害输出并不只是赛后统计的一组数值,而是会成为很直观的击杀与助攻,从而便衍生出KDA算法和参战率算法。时至今日,我们已经知道KDA的研究价值很小,它仅能反应出很小的一部分选手价值。

但由于一场比赛中,所有战斗都分散在地图各处,参战率就可以有效地反应出当战斗发生时,选手对这些战斗是否提供了正面协助。

简言之,就是当所有的战斗打响时,参战率可以考察你到底干活了没有,这个数据项的价值远超KDA。

需要注意的是,参战率偏高,其实存在着两种截然不同的情况:一是主动获取,二则是被动配合。

例如在某些比赛中,下路两人发力,直接线上各种双杀对方下路组合,推掉下塔后顺势在全图频繁行动,毫无疑问,这当然是主动获取的高参战率;但如果是中上野轮流来下路带节奏,每次获取的击杀和助分别被中上野人员分摊,却集中在ADC和辅助身上,这就是被动配合所得到的高参战率。

需要注意的是,这里还存在着第三种纯数字型的虚高参战率:当整个团队前期偏软不主动开团甚至避战时,因为不存在击杀或击杀太少,所以各成员之间也就很难形成参战率差距,而我们又知道游戏后期所有队员势必抱团,这时每个队员都很容易参与到每次击杀中,就会形成全队参战率偏(虚)高。这属于一种特殊情况。

而要降低ADC的参战率,那办法可就太多了:中上野节奏爆炸,各线开花各种单杀,2-3人小规模战斗频繁发生,以上这一切只要不带下路玩,便会严重削减ADC的参战率。

此外,战斗(团战)前被秒或遭重伤被逼出战场,或前期遭到压制需大量时间补发育而无法参团……

这些均是参战率之杀手。

所以,参战率高或低的缘由,必须通过更多数据项逐一验证,而参战率这个数值本身的价值,其实是选手在团队中所处位置,即是否团队核心。选手的参战率高于团队参战率平均值,意味着要靠他带起节奏,率领全队走向胜利。

无论主动或被动,高参战率人员必是该队核心!这是我们根据“参战率”这单一数据所能下的唯一结论。

而要对其数据来源进行分析,就必须展开全面的观测角度。下面我们将各ADC选手的20分钟参战率与场均参战率,统计后进行分析。

注:以下所有数据为2016年LPL夏季常规赛W1-W6的累积数据,出场未超过5场的选手则不计算在内。

图6.jpg

从这张表里我们能发现什么呢?

首先很容易看出,Deft、Uzi、Mystic、smlz这四名分均伤害和伤害转换率都名列前茅的ADC,同样在场均参战率上拥有绝对的前排名次,他们分享了2-6名的位置,这也符合他们在队伍中处于“核心”的定位。

区别只在于Deft是从前期就获得团队支撑开始发力,20分钟即形成核心位置,而Uzi、Mystic、smlz的队伍并没有在前期完全围绕ADC作战,于是他们只能在20分钟装备成型之后才开始发力,凭借个人实力和发育拉高参战率,成为双C或者多C核心之一。

而这个表单里,存在意外的是水晶、Endless和Jinjiao,他们明明拥有很高的参战率,为什么对应的伤害排名却不高呢?

首先是Jinjiao,他拥有很好的前期参战率,但所在队伍似乎很难围绕他形成良好的后期团战配合,自然就难以获取较好的伤害量。 

另一方面,水晶和Endless则是其他情况,首先这里有两个极为有趣的团队数据,VG和SS两支队伍(截止第六周)在20分钟前团战总次数分别为11次和10次,在全LPL所有队伍中垫底最后两名,换言之,他们完全,不喜欢在前期组织团战或接团。

而我们又知道,前期最容易形成团战的地方,就是ADC所在路——本来就是四个人了,只要双方打野来,而上单和中单只要带着传送,瞬间就形成团战。

所以实际上,这两个ADC就属于我们上面所讲到参战率虚高的特殊情况——并不是从前期就多人配合所形成的高参战率,而是前期避战后期抱团所形成的高参战率。

尤其是水晶,他所在的时期SS还没有骚芬,那节奏慢得简直吓人,一场比赛经常打出将近40分钟,而且他目前仅上场5次,样本偏少也是主要原因之一。

再加上团战偏少,参战率虚高,这伤害量想高也高不起来。

而这时,我们讲到团队特性的问题,也就顺带开始解答上文遗留问题:谭队Martin的伤害是怎么回事?

在上文中,我们看到他在获取相当好的经济时,却只有相当靠后的分均伤害,从现在来看,他的参战率也不是特别低,该如何理解他的伤害量呢?其实道理上面已经提到过:SS的团战数量太少了。

Martin在参战率排行上并不高,是因为随着骚芬的加入,SS一度变为极为猛烈的攻击型节奏,但这个节奏基本是围绕着打野而形成的中上野联动,这导致Martin的参战率脱去水分,获得一个比较正常的值。

但不管是以前的慢节奏SS,还是快节奏猛攻的SS,团战的数量都显得偏少——场均团战数仅为3.55次,在全LPL的12支队伍中排名第九。

所以尽管Martin拥有ADC中排名第七的团战输出率(28%),但能给他用来输出的场均团战时间却只有52.33秒,如此短暂的时间,在所有ADC中只排到13名,这是他难以打出高分均伤害的主因之一。

此外,他在每场比赛中因自己主动攻击而遭到的反击人次仅为3.33人次(ADC中排名14),自己挨得少,那必然线上攻击得也少,正所谓互相伤害嘛。从实际情况来看,他基本都是在线上平稳发育,这或许是性格所然,又或许是团队安排,总之,这当然也使他很难在线上,通过换血获得伤害量。

两项综合,他如何能获取高伤害量?

而其他ADC的伤害量来源何处,通过这个个案,相信大家也就多少有所了解了。

五、何谓数据

数据研究所是P社数据组新捣腾出来的玩意,意在解读职业联赛中数据的意义。要完成这个目标,首先我们要搞明白,数据是什么?

在我们的理解中,它绝不是简单的数字,它承载着巨大的信息量,并只在一个特定环境和特定条件下成立,而研究所存在的意义,就是找出这个环境和条件,将其展现在诸位面前。

当然,这些内容阅读起来略显生硬,但对于我们广大赛事迷来说,了解这些数据的意义,并获悉它们所代表的含义,以后再遇上蛮不讲理的无脑黑和无脑粉时,手中不就多了一件理论的武器么。

在一开始,我们工具粗糙,手法稚嫩,能还原出的真实有限,武器伤害低。没关系,我们可以慢慢升级,将它越做越好,这毕竟是一项有趣的挑战嘛,且让我们大胆尝试一番。

已有2条留言发表留言

  1. 郑日天说道:

    数据很专业

  2. 阿卡丽说道:

    看完了,没怎么懂,还得多看

发表评论