FPS 外挂横行？看数据分析如何反作弊

FPS（First Personal Shooting Game），第一人称射击游戏，可以说是目前全球最火爆的游戏类型之一。即使你不热衷游戏，身边也一定有曾经在 CS 或者穿越火线里肆意体验竞技快感的朋友。

但 FPS 游戏中泛滥的「外挂」现象早已被大批新老玩家诟病，透视、穿墙、自瞄等各种逆天操作，让外挂玩家在游戏中无所不能、神乎其神。对绿色玩家而言，他们在游戏中的体验感会受到极大的影响，也越来越多的玩家因为外挂横行选择弃游。

那么，游戏公司就没有办法为热爱 FPS 游戏的玩家打造一个纯净的游戏环境吗？

数据动态监测精准打击外挂

FPS 游戏的计算大多集中在本地服务器，更容易产生外挂现象。虽然现在有很多技术向的封禁和监控手段，但出于数据传输方式的先天缺陷，即使在技术层面有所防范，也依然在外挂打击上存在一定缺口。而数据分析则可以对这部分缺口有所弥补。

游戏内大多数开外挂的玩家是为了获得超越绿色玩家的快感，而这些快感体现在数据指标上就是更高的击杀率、更高的高级武器拥有率等。因此，我们可以严格监测玩家的相关数据指标，如武器的击杀距离、玩家爆头率、高级武器的分布率，并对其设置阈值。一旦发现数据异常的玩家，可以对其进行不同指标维度的交叉分析和数据下钻，找到具备外挂账号高度嫌疑的玩家，给予警告和封号处理。

以下通过一个 FPS 别外挂账号的案例和大家展开讨论：

TA 系统 Demo 截图，非实际运营数据

在初期的埋点方面，我们会更注重玩家拥有的资源和击杀数量等指标。在整合数据之后，我们可以根据武器的属性设定最大击杀距离，如某武器的击杀距离为 110，那么即可通过 TA 系统的事件分析模型对击杀距离超过 110 的场次进行统计分析。

TA 系统 Demo 截图，非实际运营数据

同样，还可以对爆头率连续多场超过 99% 的玩家进行筛选，并关联击杀距离进行交叉分析，从而找出具有外挂账号高度嫌疑的账户 ID。对于这群玩家可进行标签打组处理，在警告后持续观察其数据表现，或给予封号处理。

FPS 游戏距离爆款不止一个外挂

除了加大对外挂的打击力度，我们还可以从玩家新手期的融入、游戏平衡的维护等方面入手，帮助他们快速适应游戏，获得更佳的游戏体验。尤其是在玩家的新手期，当他刚刚加入游戏，面对游戏内积累大量经验的早期玩家以及双方较大的水平差距，更清晰的游戏指引、更友好的操作度等，会让他们玩的意愿增强。

//从数据指标出发增强新手游戏快感

新手期是玩家弃游成本最低的时期，也是最容易产生流失的阶段。我们该如何优化玩家新手期的体验，才能强化新玩家和游戏间的联系？

首先我们要明确新手期的定义，是玩家下载游戏到注册再到玩了几局之后，还是进入游戏之后的几天内。确定新手期之后，我们要关注这个阶段内新手引导的转化率、组队等候时长、首局击杀率、首局时长、AI 玩家数量等，以此确定当前新手阶段的游戏设计是否能够满足新手玩家的需求。

如果玩家首局时长集中在游戏开始的前几分钟，这就意味着大多数玩家都经历着落地成盒。那么游戏运营就该考虑是否需要降低难度或者增加首局 AI 玩家的数量，在首局就给到新手玩家更强的游戏体验感。

//多维均衡保障游戏平衡

FPS 游戏玩家通常都有竞技属性，这类玩家更愿意参与游戏里的 PVP 玩法。但也不免游戏内存在部分休闲向的玩家，所以作为游戏方就需要考量 PVP 和 PVE 两种玩法之间的均衡，以满足玩家对不同玩法的偏好，如 CS 中会有一些打僵尸模式的休闲向玩法。

除了玩法的均衡，游戏内地图设计、武器投放等维度的平衡，也是需要关注的。游戏方可通过玩家的跳伞、武器持有热力图，了解玩家对城市和武器的偏好，推算出各区域的武器投放情况。此外，我们也可以通过武器投放量的增加，引导玩家开展对未知区域的探索，从而实现玩家地图分布上的平衡。

//打破静态平衡刺激游戏正向增长

随着游戏的长线运营，游戏内玩家会逐渐分层，并在各个层级中达到平衡。但如果这种平衡是静态的，则非常不利于游戏的健康增长。这时就需要考虑如何才能够打破这种平衡，如提升玩家活跃度、付费水平等。

通常我们会采取活动和版本更新两种方式，刺激游戏内的静态平衡。首先可以根据不同分层玩家的数据表现，以及各层级的转变过程，确定希望出现的数据趋势，并针对性地开展不同类型的活动。如发现活跃玩家数量维持不变，则可设计活跃累积活动，让玩家通过活跃时间的积累获得相应资源，从而增加非活跃玩家的积极性。

//触达玩家偏好优化商业化体系

相较于其他游戏，FPS 游戏并没有过多的养成线，大部分还是通过一些外显的道具开展商业化，所以这点就局限了 FPS 游戏商业化体系的构建。针对这一点，我们会对玩家消费对象、付费模式等数据的整合分析，了解玩家付费偏好，开发更贴合玩家需求的商业化模式。

TA 系统精准赋能实时辅助游戏决策

面对海量玩家不断变化的游戏需求，及时有效的游戏调优是打造极致玩家体验的关键所在。为此，我们需要一款能够灵活探索各种应用场景的数据分析产品，并结合实时数据分析结果作出游戏调优策略。

上文提到的数数科技自主研发的游戏大数据分析系统 Thinking Analytics（简称 “TA 系统”）能够满足各种细分品类游戏的数据分析场景，快速帮助游戏方掌握游戏内的数据表现。以下从 FPS 游戏新手期的案例可以展开了解。

根据新手路径中产生的一些数据，我们可以通过漏斗分析实时了解到新手引导每一步的转化率和转化时长，以及玩家的组队成本。如下图我们可以了解到该款 FPS 游戏的新手引导用时中位数在 35 分钟左右。通过这个数据可以了解到新手引导的设计是否合理，如果这个用时过长，说明新手引导的设计对于新手玩家来说不是很容易上手，而在这个过程中就有可能导致流失。