ニュース

【CEDEC2017】「Shadowverse」ではデッキのトレンド分析をどう行なうのか?

データマイニング技術の活用手法紹介

8月30日~9月1日 開催

会場:パシフィコ横浜

講演を行なったデータアナリストの鈴木貴都氏(左)と草野友弘氏(右)

 ゲームを中心とするコンピュータエンターテインメント開発に関する話題を取り扱う「CEDEC2017」がパシフィコ横浜で開催されている。開催初日となる8月30日に、Cygamesによる「Shadowverseにおける『デッキのトレンド分析』を題材としたデータマイニング技術の活用手法紹介」が開かれた。Android/iOS/PCで展開中の人気カードゲーム「Shadowverse」だけに、会場はギッシリ満席になるほどの人気となった。「Shadowverse」ではデータ分析をどのように行なっているのか? その方法論がCygamesのデータアナリストの鈴木貴都氏と草野友弘氏により紹介された。

 データの分析と言っても多岐にわたる。ソーシャルゲームなどでよく使われる「離脱率」などの指標を分析する「KPI分析」などが挙げられる。これは数字的にもはっきりしており、分析結果も明瞭だ。ただ、KPI分析で得られる結果はごく一部にとどまる。

 Cygamesではゲームの運営や開発に活かせる、対戦情報やどのようなアイテムをどのようなタイミングで獲得したかなどのユーザーの「行動ログ」をベースにした分析を重視している。ただ、KPI分析が比較的簡単に行なえるのに比べて、「行動ログ」による分析は、ゲームをプレイして面白さを理解していなければ分析することは難しく、それだけに工数も必要となる。今回様々な分析方法が紹介されたが、Cygamesではこの「行動ログ」の分析をまだ実装途中の段階だが、より面白いゲームにするため今後重要度が増していくとみている。

 「Shadowverse」はカードの数が多く、800枚の中から40枚を選択し、デッキを組んでオンライン対戦に挑む。3カ月ごとに1回100枚ものカードが追加され、ユーザーが飽きないよう工夫されている。これだけ多くのカードがリリースされることに対して、バランスが重要となっており、Cygamesでは「TCGプランナー」が、既存カードとの連携も注目しながらバランスを取ってるのだという。バランスの調整は、当然だが「実際にカードがどう使われているのか?」を把握することが重要となる。

 ゲームにおけるデッキの流行は常に有利・不利が変動していくのが理想的だ。いつも同じデッキが優位であれば、ゲームが固定してしまい、皆が同じデッキ編成になってしまい面白くなくなってしまう。三すくみのように常にデッキの構成について有利・不利が議論されるような状況がゲームを長く続けられる要因となる。

ソーシャルゲームにおけるデータ分析について
カードのバランス分析はTCGプランナーが行なっている
デッキ環境は重要。ユーザーが使うデッキが固定されにくい
ユーザーのデッキのトレンドがその時々で変わっていくことが重要

 デッキのトレンドの分析だが、ユーザーがどういったデッキを使っているのか? どういったタイミングで流行が移るのか? などの判断をしなければならない。ただ、デッキの構成はユーザーによって違う。どこまでを「同じ流行のデッキと見なすか?」の考え方を示さなければならない。デッキの内、数枚違ったデッキでも傾向が同じと見なすかだ。
 「Shadowverse」に限らないが、有名プレーヤーなどによるオススメデッキが存在する。これを参考にする人は多いが、プレイ感にこだわりを持つプレーヤーは、オススメデッキを主軸としながらも自分のプレイスタイルを考えて、数枚カードの入れ替えを行なう。これらのデッキのグルーピングの条件付けを考えるかで、データの分析結果は大きく異なる。Cygamesでは、「コアカードが同じであること」と「コンボの起点」を重要視したという。どのカードをコアとして戦うか? コンボの起点をどのカードに持ってくるか? によってその戦術などの傾向も傾向が似てくるだろう。ここからデッキの平均数を見て、傾向を探るというわけだ。

 カードにはレアリティが存在するが、レアリティに左右されないよりコアに近いカードをわりだす条件などの選定なども必要となる。前述の通り、このデータ分析のシステムはまだ開発中となっている。今後は「何ターン目にどのカードと一緒に使用され、どのような結果を得たのか」などの分析を盛り込んでいきたいという。

 データ分析を行なう部署としては、分析精度を高めることこそが重要と考えるが、はじき出されたデータ分析結果がゲームの向上に利用できなければ開発者にとっても、ひいてはゲームを遊ぶユーザーにとっても意味が無いことになる。最後に鈴木氏は、行動ログを分析することで「データマイニングによって表には出てこない声を拾うことで、よりよいゲームにしていければ」と語り締めくくった。

最後のゲームをよくするためのデータでなければ意味が無いというのが重い。精度も重要だが、そこで終わらず、どうやってゲームを遊んでいるかをデータから統計学的に割り出し、プレイ傾向をつかみ、ゲームをより楽しめるように役立てていく努力が行なわれている