データで騙る -12A猫プレイヤー解析-
たまには, データで語る(騙る)ことをやってみようと思いまして, 12A猫でデータ解析を行ってみました.
12A猫に100戦以上参加しているプレイヤー50人の村の勝敗の情報を集めました. それぞれの役職での, 全ての村の参加数に対しての勝率/敗率を計算しました. 50人におけるその統計値と, プレイヤーの値を見ていくことによって, 色々騙るのがこのエントリーです. そして, そのデータを元にとあるプレイヤーの特徴を語って(騙って)みようと思います. (プレイヤーの解析を勝敗情報を使ってやるのは, あんまり好みではないのですが...) 今回, 解析対象にしたのは井上美羽さん.
●村人
@Win:28.9% Rank#6
MAX:47.9% , MIN:3.3% , AVE:14.0% , MED:10.5%
@Lose:29.8% Rank#4
MAX:39.4% , MIN:1.9% , AVE:12.4% , MED:9.7%
最初なので, まずは情報の見方から.
井上美羽さんの全ての参加村のうち, 28.9%の村で村人として勝利していて, 29.8%の村で村人として敗北しています. 解析対象のプレイヤーのうち, この28.9%という値は6番目に大きい数字で, 29.8%という数字は4番目に大きい数字です.
村人としての勝利率で一番高い人の値は47.9%. 一番低い人の値は3.3%. 平均は14%で, 中央値は10.5%です.
村人としての敗北率で一番高い人の値は29.8%. 一番低い人の値は1.9%. 平均は12.4%で, 中央値は9.7%です.
上の情報はこのように見ることができます.
さて, まず言えることは井上美羽さんは, 村人でのゲームのプレーが非常に多いということですね. 勝率と敗率を足すと60%近くなので(今回情報にいれていない引き分けも加味すると) 6割以上の村で村人をやっています. 村人希望をすることが多い人なのでしょうね. 村人希望ランキングを作ったら, トップ10には確実に入るプレイヤーですね.
少し村人としての敗率が勝率が高いですが, ほぼ50 - 50です. 12A猫全体として, 狼 - 村がほぼevenな戦い方が行われていると考えると, 全体と同じような推移であると言えるでしょうね.
●占い師
@Win:0.0% Rank#50
MAX:13.4% , MIN:0.0% , AVE:3.9% , MED:2.7%
@Lose:0.9% Rank#43
MAX:9.1% , MIN:0.0% , AVE:3.1% , MED:2.8%
占い師に関してです. 井上さん, 占い師ほとんどやっていないですね.
それ以上の考察は難しそうです.
●霊能者
@Win:0.0% Rank#50
MAX:13.0% , MIN:0.0% , AVE:4.0% , MED:3.0%
@Lose:5.3% Rank#12
MAX:11.1% , MIN:0.0% , AVE:3.9% , MED:3.3%
井上さんは霊能者に関しては負けることが多いですね. 霊能者で負けた数の割合が平均よりも高いにも関わらず, 霊能者での勝率は0です.
一般論ですが, 霊能真狂での霊能ローラー展開や霊能者の即噛み展開などの場合は, 霊能者とゲームの勝敗の関係性は薄くなります. 霊能者が一番勝敗に直結することになるのは, 指定役/判断役になった時です. "進行論的に" もっと「良い進行があるか?」を考えると, 決め打ちの2択3択を外すことはあっても, "どの2択3択を行うか"ということに関して, 村有利になるような進行を選べると思います. もし, 進行論的なミスが少ないということであれば, 貴方の真/偽を見分ける感覚と, るる鯖12A猫に参加しているプレイヤー の感覚にずれがあることを示唆していると考えられます.
●狩人 Role:
@Win:0.9% Rank#43
MAX:15.6% , MIN:0.0% , AVE:4.8% , MED:3.4%
@Lose:4.4% Rank#24
MAX:14.2% , MIN:0.0% , AVE:4.3% , MED:3.7%
どちらかというと, 狩人で勝つことは少ないという感じでしょうか？ 狩人での敗率は平均程度ですが, 勝率は平均を大きく下回っていますね. 狩人の役職に就職する率は, 平均よりも少ないという感じですね.
これも一般論ですが, 狩人として詰み進行でCOするタイミングなどには気をつけるといいと思います. 各占い者/霊能者視点でのグレーの数の把握/残り人外数の把握. そして, それに基づいた護衛先の決定は 狩人にとって非常に大事です. そこから先の話は相性です. 井上さんの読みと実際の狼の噛みの結果があっていないことや, 狼視点, 井上さん狩人が見えやすくなっていることなどが理由として考えられます.
●猫又
@Win:3.5% Rank#26
MAX:22.4% , MIN:0.0% , AVE:4.8% , MED:3.6%
@Lose:3.5% Rank#27
MAX:16.8% , MIN:0.0% , AVE:4.3% , MED:3.6%
猫又の役職に関しては, 典型的なプレイヤーという結果ですね.
●狼
@Win:5.3% Rank#46
MAX:42.6% , MIN:0.0% , AVE:13.1% , MED:12.8%
@Lose:7.9% Rank#43
MAX:29.7% , MIN:0.0% , AVE:12.7% , MED:11.0%
狼の就職率が低いですね. 本当に少しだけ狼の勝率が低いという感じですね. 面白い考察はあんまりないかな.
●狂人
@Win:2.6% Rank#29
MAX:19.4% , MIN:0.0% , AVE:5.2% , MED:3.2%
@Lose:3.5% Rank#30
MAX:21.5% , MIN:0.0% , AVE:5.2% , MED:4.0%
狂人の就職率も平均よりちょっと少ないという感じですね. これも着目すべき点が他にないですね.
●総評
井上さんは, 村人希望がすごい多いプレイヤーですね.
勝率という観点から見た苦手役職は 霊能/狩人ですね. 霊能/狩人はかなり性質の違う役職なのにも関わらず, この2つで共通して勝率が低い. この理由を考えることが, 面白い何かを見つける手がかりになるかもしれません.
他の役職については, 平均的な結果なので考察できることは少ないですが, 村人以外の村役職を多く行うとプレイヤーとしての特徴が 勝敗という数値により反映されるのではないでしょうか？
こんな感じでしょうか？ 人狼ゲームにおける騙りは, 勝利/引き分けのために村の進行や指定を誘導するという目的がありますが, こういったデータ解析における騙りは, 面白いと思ってもらえることだけが目的です. それが出来なきゃ失敗なんだろうなぁ...と感じています.
また, 勝敗に着目するだけでは, そのプレイヤーが持っている面白い特徴のうち, 一部分しか見えないです. それでも, 自分の知っているプレイヤーの何人かで数字を算出することを行いましたが面白いですね. 狼希望専門家/村人希望専門家/占い希望専門家...強い特徴を持ったPLがいますね. 井上美羽さんよりもそういう人の数字を出すと面白いんですが...本人の了承がないとHNを出したくないですね.
「他のプレイヤーと比べて, 自分がどんな特徴をもっているのか？」を知りたいっていう需要ってあるのかな...? プレイヤーの思いは色々あると思いますが, プレイヤーごとの特徴の違いを味わって楽しむことが人狼というゲームの醍醐味なんだろうなぁ...と思う今日このごろです.
P.S.1
(自分は, プレイヤーの解析を勝敗情報を使ってやるのはあんまり好きではないんですよね. 勝率が高いことと, プレイヤー自身の能力の高さを結びつけて考える人が多いことがその一番の理由です. 人狼なんて所詮じゃんけんなので, 勝敗の大半は相性で決まると思っています. 勝率が他と比べて著しく高い人や低い人がどんな特徴を持っているか? ということを知るのは, 現在のゲーム環境を考察するという点で有意義ですが, それはプレイヤーの能力の高さと自分は判断しません。 プレーを見て、自分の好きなプレイヤーや、自分が考えつかないことをするプレイヤーの動きを味わうことが このゲームの面白さだと思っていますね。 じゃんけんに深い物語性が付加されているゲームだと思っています。 ....だけど, 井上美羽さんの勝率は低い方ですね(笑))
P.S 2
こういうデータ解析をやっているのは, pythonとvimの練習です.
pyCharm のCommunity Editionとideavimの組み合わせがいい感じです.
I was charmed by python! ってやつですね.
P.S 3
週に1回ぐらいの頻度になっているけれど, 本日人狼に参加させてもらいました. 色々あったけれど ,悩んだ末に, 2択の決め打ちを外したのはちょっと悔しかったです.
そして,
http://werewolf.ddo.jp/log3/log277316.html
の村の占い師さんのことを思い出しました.
この村のフクトミさんは, 自分の人狼プレーの中で, 理想の占い師の１人.
視野の広さ, グレー全ての発言把握と考察....短時間で, あそこまで情報整理をできる人は素晴らしいと思いました.
"勝てない..."と心から思った占い師の１人であります.
"数字で語れない何かがある"プレイヤーの１人なのかもしれません.
