游戏经济数值模型的搭建过程——以标准卡牌游戏为例
本文由三个部分组成：
一、总体规划 在该部分中，我们会预先规划好与经济数值有关的一切投放节奏，并获得标准玩家的成长节奏。二、各资源的产出-消耗模型搭建 在该部分中，我们将通过搭建数学模型，计算出所有资源的产出消耗数值。三、模型参数修正以及其他注意事项
在该部分中，我们会考虑测试数据，对模型参数进行修正。
一、总体规划
1.玩家分类
首先我们按照下表对玩家进行分类
在这里我们假设玩家是理性的，即玩家会以追求更高的性价比为目标进行充值与消费（即小R会优先买首冲+月卡，而不是买一个无用的无属性皮肤）
不同类型玩家之间的差异，实际上就主要由这些行为的差异而决定。
注：早期游戏制作的时候，活跃程度也是区分玩家类型的一个重要依据。不过目前现在游戏中有各种手段抹平了不同活跃玩家的差异（体力限制，活跃时间长的收益递减），所以现在不再做区分。
2.收费机制讨论
在这里我们对游戏中将要才用的充值行为与消费行为进行枚举，如下表
以阴阳师为例的充值与消费行为循环：
3.能力载体层/游戏资源层/玩法挑战层元素枚举
接下来开始接触核心玩法层面的东西，卡牌游戏核心玩法可以简化为下图
我们分别对三层进行枚举讨论
a.能力载体层
b.游戏资源层
c.玩法挑战层
最后，画出详细的资源循环路径：
以阴阳师为例的资源循环路径：
4.规划不同类型玩家游戏主进度
这里的主进度，卡牌游戏中是主角等级，mmo里就是角色等级
a.升级时间规划（以卡牌游戏为例）
b.体力产量
最后再根据各等级升级所需经验＆体力经验转换系数，求出上述所有值
后续再调整的话，主要是调1~满级的升级时间节奏以及不同类型玩家的进度差异
tips：日产量=保底日产量（比如每日任务，大家都一样）+差别日产量（比如购买体力药水的次数）。通过调节这两种产量的比例，可以控制不同类型玩家的游戏主进度差异。
重要的一点：
玩家的游戏劳动时间为玩家花掉所有体力与玩掉所有限次玩法所需时间：体力玩法时间+次数玩法时间=所有玩法劳动时间（单位分钟/天）其中：体力玩法时间=日产体力/玩一分钟耗体力数玩一分钟耗体力数会在游戏后期越来越多，目的是为次数玩法腾出时间
5.玩家游戏进度总规划
a.养成进度规划
此表将成为后续各种数值设计的依据（包括战斗数值）
这里有个坑需要提一下，假如同一种资源可以用在培养属性A或者属性B上，那么此处的进度规划应当与战斗数值设计的属性A和属性B在战斗中的价值相符。比如我们这里规划玩家会先培养属性A，后培养属性B，结果战斗数值设计的属性B价值更大，那么数值敏感的玩家就会先培养属性B，后培养属性A，实际玩家的养成进度就会跟我们的规划不一致。
此表各属性的变化应当符合之前对各养成属性的需求分析，刚性需求属性在时间维度上应当总是在成长。这里的规划决定了玩家的成长感。
b.关卡进度规划
这里的关卡进度，任何类型的玩家都不应该出现在时间维度上长时间的滞留，否则玩家会产生无聊的感觉。
此表将成为后续各种数值设计的依据（比如第二十天时，关卡A的进度应当为n，此时查上面的养成进度规划得知此时玩家的标准养成状态为X，那么显然n与X应当具有相当的战斗数值强度）
有趣的是，在一些MMO游戏中，设计者会故意在某些关卡前让所有玩家都滞留一段时间，从而形成一个社交密集区域。
6.资源产出消耗总规划
a.产出规划
梳理游戏中所有资源的产出来源
b.消耗规划
梳理游戏中所有资源的消耗去向
由此，我们基本完成了总体的经济数值规划
二、各资源的产出-消耗模型搭建
我们需要计算出所有资源的产出-消耗数值，在这里我们以其中的一种资源（比如银币）进行演示。
假设银币在玩法A，玩法B，玩法C中产出，用在养成系统X上消耗，用以提升养成系统X的等级。
1.产出模块
在这个模块中，我们对玩家的产出情况进行累加计算
有公式：
玩家在X级的银币产量=玩家在X级停留时间*银币在X级的日产量
其中：
玩家在X级停留时间 我们从之前的设计中已经得到
银币在X级的日产量 为我们的设计值，不同玩家类型之间也不同
这里记得给运营留出余量。
该日产量有多种产出形式，可以抽象为一个f（）函数，自变数可以为一个或多个（比如等级，比如vip等级……），可以计算出具体数值。
累加计算后得到以下二维表格：
2.消耗模块
在这个模块中，我们设计养成系统X每一级的银币消耗量
这个消耗量所有玩家都一样，不能做差异化区分（或许以后会有人尝试做？这让我想到了价格歧视）
3.获得玩家养成系统X的成长节奏，并对比总规划调整数据
【资源产出】-【资源消耗】-【系统X的养成节奏】，其中两者确定后另一个可以推导得出。我们已经先定好了【系统X的养成节奏】，接下来只需要调产出或消耗，推导出消耗或产出。
具体是从产出推消耗还是消耗推产出。一般来说产出途径多，消耗途径单一时，由产出推消耗；产出途径少，消耗途径多时，消耗推产出（这里注意消耗的值要与投入该系统获得的收益相符，否则玩家会倾斜培养，脱离我们的规划预期）
其他的资源也分别进行上述计算过程。
由此，我们完成了各项资源的产出消耗数值计算。
三、模型参数修正
通过从线上测试伺服器中的玩家存档，我们可以获得玩家的实际游戏进度（具体方法之后会专门出一篇数据分析相关的文章）。
然后与理论计算值进行对比，分析差异，分析差异原因。
其实从上述的计算过程中，我们已经可以理解到，玩家的实际游戏过程肯定是会跟我们的预期有偏差，因为我们的计算中使用了一些模拟玩家行为值，而玩家的实际游戏行为不一定与之相符。在这个模块中，我们就是去分析哪些行为不相符，不相符的原因是什么。然后应该使用某些机制使得玩家行为更符合预期，还是修改我们的理论玩家游戏进度预期。
推荐阅读：
