由 dawei 副标题#e#
一整年，说长不长，说短不短，行业的变动让思路有了大量的改变，其实很多思路早现于市场，但后知后觉的市场行为让我们经过伤痛才能明白。
“多杰神教”是个笑话，来源于常年推广某些理念，其背后就是一个跨越了许多年份的计划，不断完善的体系，要回答2019年累积了啥，得先说说，前几年累计了啥。
2011年开始探索问题：“人为什么玩游戏？”
学习两年，百余本书，2013年有了初步的答案，“人在缺乏决策与情绪的情况下会烦躁”，并将这种感觉起名“寂寞”。
2014年开始正式编写《玩家思维》，于2016年出版。
最初的“寂寞论”就这样诞生，阐述了一个假设：“人是寂寞的，玩游戏可以排解寂寞，这是生理上的需求，不然人就会烦躁。”
什么样的行为可以排解这种烦躁？“拥有动脑频率的行为”。
虽已出版，但上述方法有两个问题：
1、依然是假设，最多属于“心理学”的方法论构建的理论，没有底层支持。
2、没有实用性，缺乏直接指导工作的方法论。
在2016年出版《玩家思维》后，经过短时间的总结，2017年就立马开启了新的研究旅程。
2017年，重新梳理的基础模型，將原本不完善的“寂寞模型”进行了修缮。
1、所谓烦躁，不再是假设，而是生理上缺乏脑啡肽，由杏仁核制造的一种感觉。
2、所谓理性人，不再是假设，而是生理上由大脑神经网络组成的“选择”、“存储”、“优化”功能回路。
3、所谓动脑频率与多巴胺，不再是“排解寂寞”的核心，而是“情绪”。
整个思路从“制造动脑频率”变成了“制造情绪”。
同时建立了新的情绪模型与认知模型，来完善之前的寂寞模型，对寂寞模型有了一定的修订。
至此，整个知识体系内不再有假设，只有简单的少量基础知识，且都有已经发现证实的客观机制做正确性的保证，让我们可以放心的不用再往下层去探索反而转头回到实用中来。
2017年尾，创立了“人类行为闭环”的概念，从底层推导出100%正确，可以信任实用的指导方法论，根据生理过程，將人的所有行为分为了“目标”、“过程”、“反馈”三个类型，并进行细化的研究每个类型的有效，缺失，等对应的场景。
2018年一整年，在各种实用场景中运用这条方法论，提炼出了公式描述的方法，既CL = OPF。完成了内部培训与沟通，高效协作的实践，并在用户体验，活动设计，系统设计，游戏分析等各种角度都进行了实践。
得出了“高中低三频OPF模型”的检测，设计方法，研究院同事在之前的文章中也有提到过（点击下方蓝字可回顾全文）。
1、如何让玩家避免陷入毫无乐趣的游戏“困局”？
2、在MOBA游戏中，玩家的期望胜率可以量化吗？
3、如何让回合制RPG给玩家更好的游戏体验？
在这样的情况下，来到的2019年。
未知总是随着已知进行扩充
在过去的日子里，我们确定了基础理论，构建了中层方法论，搭建了针对体验的可直接使用的OPF工具。这都是一个过程，等于完成了：经验总结理论，理论指导实践。
毛主席说过，实践是检验真理的唯一标准。
一个游戏系统是复杂的，设计是针对到每一个系统，每一次操作的。如果我们从一个大而全的角度，是无法验证一个设计的。
也就意味着，我们需要一种手段，去验证每一个设计点，也就体现了细致的数据分析的作用。
这有什么区别？
数据分析谁都知道重要，这不是屁话吗？
不一样的，许多公司都做数据分析，最后只不过变成了做报表的，不是做了假数据，就是做真装饰。
要让数据分析效果最大化，就需要设计的时候就有预期，什么样的设计可以有预期？
就是有理论支撑的设计，什么样的理论可以支撑设计，就是100%正确的理论，不是隔空架构的理论。
一层层从上往下探索，再一层层从下往上设计，最终通过数据分析的方法，用来检验设计是否合理，发现设计问题，最终形成了科学的闭环。
这就是2019年最缺乏的内容，也是下半年过程中一直尝试研究突破的内容。
既然是分享，当然还要將成果分享出来的，因为之前的文章都描述过了，这里就只进行简单的分析。
设：
O = Object = 目标
P = Process = 过程
F = Feedback = 反馈
定理1：人类的行为，一定包含在OPF的过程中。
相关链接：如何让回合制RPG给玩家更好的游戏体验？
我就直接讲实例了，我是怎么用这个玩意儿的。
当我分析游戏时
第一步：画出游戏的结构图；
第二步：画出玩家体验的流程图；
第三步：分析不同时期，玩家的OPF体验问题。
前两步略过，重点讲第三步，这是一个通用法则，在设计游戏的时候也需要。
我会画一张表，下面是某游戏某时期的核心战斗体验检查表：
里面有定义需要解释一下：
CL = Closed-loop = 闭环， 代表一个OPF过程
CL = O + P + F
明白了CL，要解释前缀，我简单一个例子距离。
我要去上班，这是最终极的目标，整个行为中只产生了一次，所以它是低频的，我们就叫做Low Closed-Loop。
上班的途中，使用了交通工具，大概三次，就是Middle CL，但它确实不合格的MCL，因为在游戏中，我们定义的MCL，得让玩家感到意外小惊喜。比如，我付钱时候，突然免单了。
然后就是我走的每一步，都是HCL，H自然是High的意思，代表高频闭环，因为它随时存在，随时存在的，不需要给玩家带来情绪上的刺激，有即可。
#p#副标题#e#
回头看LCL。低频闭环，通常它的作用要让玩家感受到大喜大悲，在游戏内才算合格的，所以LCL的反馈F，是带符号的，F±，这就代表了这个反馈既可以给用户带来正性反馈，也可以给用户带来负性反馈，通常是什么？
没错，赌博！
有了上述简单的理解后，我们再回头看这张表。
假定了一个时期，一个系统，我需要给玩家一个较好的体验，我就会检查：
1、这个系统是否有一个高频的闭环，始终让玩家有事情可做。
a、我会检查目标是否有效，驱动玩家执行，比如走路要有路径。
b、我会检查P的过程是否有效，玩家需要决策，而不是单纯的无意义的操作。
c、我会检查F的反馈是否存在，因为所属于HCL，所有不用检查F是否带来意外。
2、这个系统是否每个一段时间就完成一次低频闭环，定期为玩家提供小惊喜。
a、与1相同。
b、与2相同。
c、检查F+是否达成，比如走路的时候突然有事件产生，给予累计奖励。
3、这个系统是否每隔一段不小的时间，是否有大惊喜或大喜大悲。
a、检测同上。
b、检测同上。
c、检测反馈F是否成正负性。
为什么这么去检测用户体验？
这就是来源于开篇所讲的基础理论。
1、在一个闭环中，只有F+才能强化下一次的O，让用户可以被持续驱动。
2、但持续F+是十分困难，定期需要更强烈的刺激，所以需要F±±。
为什么不是F++？
理论上，大喜与大悲对称存在，在自然中，他们同时有概率出现。
当然，在设计上有防挫败的方法，这种方法通常会让F++成为一次性的消耗品。
比如：一个宝箱，一定开出巨额奖励，它就只有第一次才有效果，然后急速减弱给用户带来的惊喜感。
只有一次50%的赌博，才能让用户在持久的OPF过程中体验到情绪的波动。
上述3中，为什么有个或字。
因为用户前期还没有对游戏产生依赖性，俗话说就是情感，这时候如果给用户一个挫折，通常就会离去。除非这个游戏给予用户的O与体验就是围绕挫折的，比如：“黑魂系”。
上述，就是如何用OPF体验工具分析一个游戏的思路。
其实学会了上面的，设计方面自然而然就会了，先定义一段时期的内容，再把内容填入到OPF表中，在设计之初，就确定玩家在某个期间内的各种体验感受，层次。
观察类的校验方法
因为有F+与F±的存在，我们只需找配合的玩家玩，观察他在我们预设的节点是否有情绪反应出现就行了。
其实自己上阵也行，这种方法虽然粗浅，但因为是先设计，先预设，后观察，基本偏差不大。
剩下的只会是用户类型划分的问题，毕竟每个人的认知是不一样的，对于一个用户的敏感点，对于另一个用户不是。
数据类的校验方法
OPF是一个过程。
O，就是目标传递给用户的时候。
如果在O期间内用户流失了，就说明这里有2种情况：
1、O.Bad ， 无效的目标O，我们给目标玩家无所谓。
2、O.Miss， 缺失的O，我们甚至没及时的给予玩家一个目标。
对应的，自然还有P.Bad，P，Miss，F.Bad，F.miss。
数据分析怎么做？
1、在CL之间做留存分析，分析哪部分CL出问题。
2、定位到LCL后，检查LCL，没问题就细化到MCL。
3、逐步降下CL层，指导最基本的节点，甚至可能是个BUG引起的[通常如此]。
另外一方面，用户在任意时刻，多处于多重CL中，所以要从大到小的[人工检查]。
如果一个人没检查出来，换一个人检查。
这套工具的精髓就在于，它本身不带有任何的判断依据，它只是一套思考的方式，利用每一个使用者的认知，也就意味着，换一个人，有不一样的效果。
还有另一个重要的属性，就是CL.Span。
1、随便抽一个闭环，组成抽查节点。
2、取这个CL的留存漏斗。
3、取每两个CL之间的用户间隔时间。
4、看留存与间隔时间Span的关系。
这能看出什么？
1、用户是否按你预先设想的进度前行。
2、数值策划给出的间隔是不是太长了[理论上无法验证太短]。
两个情绪反馈太长，会让用户失去耐心，从而离开游戏。
上述两个方法，已经适用了大部分场景，且简单，易用。
核心在于，策划在设计一个系统的时候，就同时设计了埋点，以及预期分析的模型，以及各个结果如果产生，可能会是什么问题的预判。
小总结下
上述内容告诉我们什么？
就是不要乱测试。
要有理论的去设计，设计给出预期结果。每一个系统的预期结果，然后再去测试。
如果测试只是为了从宏观看一个留存，或者付费。
对不起几十块的A，对不起渠道给你的免费量，对不起上苍！
其妙的是，纯理论层面，确实还留了一些问题，没想到在2019年的年底，最终得到了解答。
之前认为“寂寞模型”，“认知模型”，“情绪模型”中一些观点，都是我们自己从底层发现的，推导的，很难去验证。
但哪知道，多杰桌子上丢着一本《脑内多巴胺》，直到年底项目上线了才有空看看，没想到一看，就验证了之前推导的模型，科学家们已经早就清清楚楚的知道了。
只是他们都很小气，没有大肆宣传，告诉我们，原来人脑是这么个回事。
哼！这些科学家坏得很。
2018年留了一些问题。
为什么缺乏脑啡肽人会烦躁。
为什么动脑频率可以排解烦躁。
为什么情绪可以排解烦躁。
动脑频率的间隔是多少？[>320ms]
当然，这里我就没法逐一回答了，类似于初中生物课要解释光合作用一样，篇幅需要较多，还是等我写书再说吧。
完成了理论升级，彻底解决了“多杰神教”最底层的那一丝不确定，可以100%放心的使用理论。
当遇到奇怪的现象时，不用再质疑理论，而是可以根据理论去分析问题。[真很重要]
一个设计方法，如果依托于自然科学，就类似于1+1=2一样神圣，我们不用再去质疑“+”号与“=”号，只用思考是不是我们自己算错了。
#p#副标题#e##p#分页标题#e#
时间是有限的，如果在解决问题的时候又回头去思考工具对不对，那一辈子解决不了问题。证明了工具的客观性，正确性，则可以大胆的向后发展。
科学教派的发展，信徒不是忽悠来的，信仰人是没有用的，信仰科学方法论才有用。
所以，如何把知识[教义]传递给别人，就是很核心的一步。
在2018~2019年期间，也有不少探娱研究院的同学在腾讯游戏学院开发者社区上面发帖，用相同的思路、模型去完成不同的课题。
这代表着我完成了多次的体系知识传承工作。
传承后的好处是显然易见的，我们可以通过简短的时间分析复杂的问题，简单的话语沟通复杂现象，精准高效，最终提高了企业的生产力。
比如，我一个游戏在某个阶段少了任务面板，我们可以简单地说这是：“某时段O.miss”。
一个刚毕业的萌新熟练分析，设计，运用游戏要多久？
三个月可以入门小能手。
这是最初版本的草稿，应该不涉秘，可以给大家参考下，经过了2年实践，目前最新版的当然已经完全不同了。
公司内部对新人的教育体系，完全决定了公司是否能拥有人才队伍，这是非常重要的。
这个才是2019年最重要的成果。
一个企业要怎么样才能活下去？
就是在死之前不断的积累，博取一个爆发的希望。
爆发的希望如何增大概率？
马克思说了：生产资料与生产力。
生产资料可以提高生产力，所以一个游戏公司的生产资料是什么？
1、成熟的理论体系。
2、可复用的工具体系。
3、流程化的作业体系。
前面所讲的，其实是1、2点，现在所讲的，就是第3点。
一个游戏的生命周期是十分长的，在这个漫长的过程中，既有事务，也有任务。
如果整个过程没有清晰的规划，就无法将一个很复杂的事情做得很漂亮。
不管是造航母，造火箭，还是造一个芯片，一个手机，都需要流水线。
游戏的设计，也需要这种流水线。
这里会有疑问，那游戏流水线了，不就是辣鸡游戏了？
国外3A大作，全球同步制作，只有工业体系才能确保它的有效完成。哪成辣鸡游戏了？
流水线作业有几个好处：
1、岗位需求降级，原本需要一个熟练工的岗位，因为成为了流水线，只要需要一个学徒了。这样用人成本就下降了。
2、效率提升，安全性增加，每一项过程都有检查，就不会有疏漏，返工可查，效率增加。
3、知识共享，一个错误产生，更新流程，所有执行的人立马修复，企业的运作像一个抽象软件，不再是个体作战。
#p#副标题#e#
好处还有很多，伟大之处难以言尽，具体的内容涉及到公司机密，就无法说了，只能在这里告诉大家，一个公司，如果没有流水线，就永远都只是创业团队，只有生产资料的累计，才能让一个公司成为一个百年不倒的企业。
流水线固定的是生产流程，生产流程可以利用人的大脑。
所以不用担心固定的生产流程限制了人的思维，就和前面的OPF一样，它只管接口是否标准，并且引导你的记忆产出更高效的结果。
要有进步，就要敢于实验，也不怕说自己的无能。
2018~2019年间，上线了几个游戏。
《迷城起源》，见光死。
《少年君王传》，第一个商业游戏在Tap得到高分的。
《夕阳热气球》，苹果Tap双推荐的游戏，富有教育意义。
要想发好一个游戏，既有口碑又能赚钱，就需要付费生态创新。
三家公司因此，因我，被坑在了探索的道路上。
这条路很难走，也怪自己能力不足，至今还没研究透彻，这也给2020年提供了新的目标。
同时也要向三家公司道歉的。
来源：腾讯GWB游戏无界