Estadísticas de los juegos
Dinámicas centrales de los jugadores
El equipo de dinámicas centrales de los jugadores coopera con todos nuestros títulos y se dedica a detectar infracciones en la comunicación entre jugadores. Los informes relacionados con la comunicación por texto o por voz se analizan utilizando los sistemas de esta disciplina. Por su parte, los informes que afectan a la experiencia de juego, como los de inactividad o sacrificios intencionados, cuentan con sus propios equipos independientes para revisarlos.
En cuanto a los informes sobre la comunicación por texto, la amplia mayoría de los informes los analiza el equipo de dinámicas centrales: hubo 120 millones de partidas en las que se envió al menos un informe, lo que resultó en 13 millones de partidas en las que se cometió una transgresión. Tras detectarlas, aplicamos penalizaciones que varían desde avisos hasta suspensiones de más de 365 días, dependiendo de la naturaleza de la infracción y del historial de infracciones del jugador en cuestión.
League of Legends y Teamfight Tactics
Actualmente, el equipo de LoL aplica alrededor de 700 000 penalizaciones mensuales por la detección de infracciones en el chat de texto, periodos de inactividad y sacrificios intencionados.
Leaverbuster, nuestro sistema de detección de periodos de inactividad, monitoriza todas las partidas para asegurarse de que quienes abandonen una partida antes de tiempo y dejen tirado a su equipo reciban una penalización.
Contamos con diferentes niveles, de modo que se aplican penalizaciones más severas a quienes permanecen inactivos más a menudo. En cuanto a las clasificatorias donde se detecta un periodo de inactividad, os ofrecemos la posibilidad de rendiros de forma anticipada y una reducción en la pérdida de PL para que no os afecte el cabreo de un compañero.
Sin embargo, abandonar la partida solo es una de las herramientas de estas personas. La otra es sacrificarse a propósito. Este comportamiento resulta algo más difícil de rastrear, por lo que utilizamos un modelo de aprendizaje que monitoriza siete datos distintos de todos los campeones para detectar con certeza si alguien está sacrificándose a propósito o, simplemente, jugando mal. A medida que lo actualizamos, los falsos positivos de este sistema se han convertido en acontecimientos de lo más inusuales.
Si queréis saber más sobre la labor del equipo de LoL en lo referido al comportamiento de los jugadores, echad un vistazo a esta publicación de principios de 2022.
VALORANT
Además del chat de voz, el equipo de dinámicas del jugador y sociales de VALORANT también se dedica a los abandonos y sacrificios intencionados. Actualmente, se detecta a alrededor de 27 jugadores inactivos de cada 1000 jugadores de VALORANT. Algunos de ellos son bots que están acumulando experiencia, pero esos bots ya han empezado a acabar en partidas llenas de otros bots inactivos y, si nadie inflige daño, no se consigue experiencia.
En cuanto a los jugadores que siguen al teclado y deciden tirar por la borda la partida, nuestro sistema de detección de sacrificios intencionados cuenta actualmente con un método para identificarlos, y estamos desarrollando otro.
El método actual tiene en cuenta todos los datos y decide si el mal rendimiento de un jugador ha sido deliberado o no después de la partida. Sin embargo, esta solución solo sirve para penalizar a los infractores después, no es de ayuda cuando vais perdiendo por 11 rondas y lo estáis pasando de pena.
Por ello, el equipo de VALORANT está desarrollando un sistema de detección de sacrificios intencionados en tiempo real. No obstante, se trata de un problema peliagudo, dado que jugar mal puede ser el resultado de montones de razones distintas y tirar por la borda una partida de forma intencionada solo conforma un pequeño porcentaje del total. Cuando el equipo de VALORANT haya reducido la cantidad de falsos positivos, implementaremos este nuevo método y lo sumaremos al sistema de detección de después de la partida.
Wild Rift
Los procesos de Wild Rift han evolucionado a lo largo de 2022. Anteriormente, el sistema de detección de inactividad simplemente comprobaba si los jugadores hacían algo. Dado que multitud de jugadores sabían evadir ese rudimentario sistema, añadimos nuevas capas para asegurarnos de que los jugadores estuviesen participando en la partida de una forma útil, no solo moviéndose hacia delante.
En 2022, Wild Rift también ha implementado un sistema de detección de sacrificios intencionados que utiliza aprendizaje automático para asegurarse de que los jugadores están jugando mal deliberadamente. Desde marzo de 2022, este sistema ha detectado algo menos de 2000 casos en los que se ha tirado por la borde una partida de manera intencionada. Conforme mejore el aprendizaje automático del sistema, esta cantidad aumentará, puesto que detectará a más jugadores cometiendo esta infracción.
Por último, hablemos de la detección del intercambio de victorias. Este sistema tiene en cuenta diversos factores, incluyendo a los jugadores a los que llamamos “amienemigos”. Estas personas juegan constantemente con y contra el mismo grupo de jugadores. Si nos fijamos en los patrones de los amienemigos, la duración de las partidas y el historial de victorias o derrotas en salas de amienemigos, este sistema de detección puede identificar intercambios de victorias.
La importancia de la transparencia
Pasar de tener un solo juego a montones de ellos ha traído consigo multitud de desafíos nuevos. Ahora que se acerca el lanzamiento de más títulos, estamos trabajando para incorporar las dinámicas de los jugadores en las fases iniciales del diseño de los juegos con el objetivo de crear comunidades mejores desde un principio.
Además, nos parece importante ser transparentes en lo referido a los datos que recibimos de nuestros títulos. Estos problemas son de lo más complejos y no existe ninguna forma de solucionarlos por completo. Dicho esto, nos hemos comprometido con mejorar la experiencia de juego de todos nuestros jugadores y publicaremos las novedades sobre nuestro trabajo para conseguirlo más a menudo.
Como de costumbre, gracias por jugar.
