لقد كنت أفكر مؤخرًا بشكل متكرر: هل يمكن لنظام PIXELS الاقتصادي أن يتحمل واقع "اللاعبين يصبحون أكثر براعة، وذوي القمصان الصوفية يتزايدون"، وليس بالاعتماد على المزيد من المكافآت، بل بتحويل توزيع المكافآت إلى علم قابل للتكرار من "إدارة الأعمال". وهذا أيضًا ما أفهمه عن عمل الاقتصاديين في الذكاء الاصطناعي: ليس نموذجًا يروي القصص، بل يركز على الجماعات (الشرائح السكانية) عند اتخاذ القرارات - لماذا يفقد المبتدئون في اليوم الأول، ولماذا لا يعود اللاعبون القدامى في اليوم السابع، وأي نوع من المهام يجذب الناس إلى الزراعة، وأي نوع من المكافآت يمكن أن يكسر أسعار السوق، وما هي السلوكيات التي هي في الحقيقة روبوتات تقوم بالتحصيل.
الآن، تتحدث الاتجاهات الصناعية عن ارتفاع تكلفة الشراء، وتزايد تعب النشاطات التقليدية، يبدو أن نهج PIXELS يشبه تحويل LiveOps إلى نظام تجريبي قابل للتحقق: كل توزيع مكافأة هو تجربة A/B، أولاً حدد الهدف (الاحتفاظ، العودة، تحويل الدفع، هيكل الناتج)، ثم انظر إلى البيانات (معدل الإنجاز، توزيع الوقت المستغرق في المهام، نسبة السلوكيات المتكررة، تجميع العناوين الشاذة)، ثم قم بضبط المعايير (العوائق، فترة الانتظار، هيكل المكافآت، الندرة، نسبة التداول). المفتاح هو "النموذج يقدم الاقتراحات، والناس يتحملون المسؤولية"، يجب تقليص ما يحتاج إلى تقليص، يجب قطع المهام ذات الاستنزاف العالي، ولن يتم تفريغ الاقتصاد من أجل الحماس القصير الأجل.
ما أركز عليه أكثر هو: يمكن للاقتصاديين في الذكاء الاصطناعي إدراج مكافحة الغش أيضًا في تصميم الاقتصاد، ليس بعد إغلاق الحسابات، بل قبل ذلك من خلال تسوية "منحنى عائدات الغش" - على سبيل المثال، من خلال نقل المكافآت من نقطة واحدة إلى سلسلة متعددة الخطوات، ربط العائدات بشكل أكبر بالسلوكيات الحقيقية في اللعبة وتكاليف الوقت، وتقليل العائدات الحدية للسلوكيات ذات التردد العالي، ثم استخدام صورة إدارة المخاطر للتعرف على الزراعة. باختصار، يجب أن تتجه الميزانية نحو اللاعبين الحقيقيين، وليس أن تُلتهم بواسطة السكربتات. لن أتحدث عن الأسعار، ولكن من حيث المشروع نفسه، فإن "محرك المكافآت المدفوع بالبيانات" هو جوهر ما إذا كان بإمكان PIXELS الحفاظ على النظام البيئي على المدى الطويل.
@Pixels $PIXEL #pixel
الآن، تتحدث الاتجاهات الصناعية عن ارتفاع تكلفة الشراء، وتزايد تعب النشاطات التقليدية، يبدو أن نهج PIXELS يشبه تحويل LiveOps إلى نظام تجريبي قابل للتحقق: كل توزيع مكافأة هو تجربة A/B، أولاً حدد الهدف (الاحتفاظ، العودة، تحويل الدفع، هيكل الناتج)، ثم انظر إلى البيانات (معدل الإنجاز، توزيع الوقت المستغرق في المهام، نسبة السلوكيات المتكررة، تجميع العناوين الشاذة)، ثم قم بضبط المعايير (العوائق، فترة الانتظار، هيكل المكافآت، الندرة، نسبة التداول). المفتاح هو "النموذج يقدم الاقتراحات، والناس يتحملون المسؤولية"، يجب تقليص ما يحتاج إلى تقليص، يجب قطع المهام ذات الاستنزاف العالي، ولن يتم تفريغ الاقتصاد من أجل الحماس القصير الأجل.
ما أركز عليه أكثر هو: يمكن للاقتصاديين في الذكاء الاصطناعي إدراج مكافحة الغش أيضًا في تصميم الاقتصاد، ليس بعد إغلاق الحسابات، بل قبل ذلك من خلال تسوية "منحنى عائدات الغش" - على سبيل المثال، من خلال نقل المكافآت من نقطة واحدة إلى سلسلة متعددة الخطوات، ربط العائدات بشكل أكبر بالسلوكيات الحقيقية في اللعبة وتكاليف الوقت، وتقليل العائدات الحدية للسلوكيات ذات التردد العالي، ثم استخدام صورة إدارة المخاطر للتعرف على الزراعة. باختصار، يجب أن تتجه الميزانية نحو اللاعبين الحقيقيين، وليس أن تُلتهم بواسطة السكربتات. لن أتحدث عن الأسعار، ولكن من حيث المشروع نفسه، فإن "محرك المكافآت المدفوع بالبيانات" هو جوهر ما إذا كان بإمكان PIXELS الحفاظ على النظام البيئي على المدى الطويل.
@Pixels $PIXEL #pixel
