Re: [推薦] 國人自製手遊,迷霧編年史

作者: Cactusman (仙人掌人)   2016-12-01 22:08:41
今天第一次玩,玩到12級
感想是真的太農了....
設定太多資源都要靠刷關、定時登入來累積
關卡雖然多,但每一關玩起來都大同小異,只差在傷害數字跟屬性
拼圖的戰鬥方式也是,一開始玩覺得很新奇,後來發現也只是在看運氣
運氣好給你對的形狀對的屬性,關卡就好打
錯的形狀錯的屬性,關卡就難過
什麼前排後排的設定因為會一直往上移
所以在你不能預測下一塊拼圖的時候根本做不到佈陣思考
例如:劍士在第一排傷害五倍 但他下一回合就會消失
很難去做到大Combo連線、原本放後排的弓箭手也是馬上就被推到前排...
變成只有盡量把拼圖從最下面開始放 讓他有空間可以連線才是唯一解
卡片養成枯燥乏味、技能設定也是跟市面上轉珠遊戲沒啥區別
變色、給XX傷害之類的
就連卡面設計也沒別家精緻...
大雜燴式的把騰訊那堆手游的要素都塞進來
重複刷關、推除了屬性之外沒任何差異的關卡主線
老實講沒帶給我多大的樂趣
不知道等級在提升上去是否有更值得一玩的地方?
關掉遊戲之後好像就沒什麼動力繼續打開來玩了...
作者: Lin40433 (Lin40433)   2016-12-01 22:10:00
真的蠻吃運氣的XD
作者: watanabekun (鏡)   2016-12-01 22:11:00
升級滿無感的,戰鬥節奏很死。比較能算亮點的就劇情但... 這年頭劇情在水準之上的作品也不缺
作者: davy012345 (俺を誰だと思ってやがる!)   2016-12-01 22:16:00
很農是真的 食物軍備部隊都要升滿才算練完一隻 累
作者: zelda123 (丸子)   2016-12-01 22:17:00
劍要直接放對方臉上,放在後面太慢了
作者: pan46 (pan)   2016-12-01 22:34:00
國產遊戲是不是大部分都很愛農? 除了那個地城
作者: watanabekun (鏡)   2016-12-01 22:37:00
也不只國產,social game的公式設計路線就是農好農滿
作者: pan46 (pan)   2016-12-01 22:38:00
喔w大 上次那個IOS推薦可能是錯覺吧 查了一下營收叫好不叫座吧...QQ
作者: watanabekun (鏡)   2016-12-01 23:00:00
日本市場耶 打不進去是正常的 基本上就是圓夢性質吧
作者: pan46 (pan)   2016-12-01 23:21:00
我只是想說比另一款都... QQ 人家也外來遊戲啊
作者: watanabekun (鏡)   2016-12-01 23:28:00
有點不知道pan大外來遊戲是在說哪款了 XD...
作者: moondark (分析與解說)   2016-12-01 23:29:00
要算利潤之前記得要先算投入成本不同量級的比賽不是這樣比的為了避免誤會附註一下: 我是在說pan46
作者: pan46 (pan)   2016-12-01 23:33:00
沒差 閒聊XD
作者: moondark (分析與解說)   2016-12-01 23:34:00
順帶提供一個機器學習的數據所有SRPG不管是哪款 日本產或外國產都一樣在社交數據上都有相同困境
作者: pan46 (pan)   2016-12-01 23:36:00
又來啦 我在跟w大亂聊耶...
作者: moondark (分析與解說)   2016-12-01 23:36:00
SRPG 給人的觀感就是很土 不潮 大叔才會玩的東西每次做分類器都會掉到很不妙的分組長遠來看年輕人越來越看不起這種類型 這很不妙最後 你愛離題閒聊 我就順著推文 就是提供資訊給版友這資訊有沒有用看得人自然明白
作者: watanabekun (鏡)   2016-12-01 23:48:00
大叔才會玩的那個類別叫SLG吧 不就是想要擺脫這個印象才把類別寫成輪廓很模糊的SRPG嗎
作者: moondark (分析與解說)   2016-12-01 23:50:00
這個你問我也沒用 因為數據就是這樣顯示SLG範圍太大我沒做 但挑一些有名手機遊戲出來都沒這情況剛剛那段忘了提 我測的樣本完全以手遊玩家為群體就是測手遊玩家對手游上的SRPG的看法我猜如果是測單機玩家會有完全不同的結果
作者: watanabekun (鏡)   2016-12-01 23:54:00
well... 我對這方面分析沒什麼興趣就是樣本大到一定
作者: moondark (分析與解說)   2016-12-01 23:54:00
但這個範圍我沒能力測
作者: watanabekun (鏡)   2016-12-01 23:55:00
程度後會模糊到幾乎什麼都看不出來 (換言之就是怎樣的假說幾乎都能靠這個模糊結果解釋,而證偽很難)
作者: moondark (分析與解說)   2016-12-01 23:56:00
你可能不太清楚機器學習和傳統統計方法的差別機器學習基本上有幾種大類 我剛剛有說我是用分類器基本上是沒有特定的假說先存在然後不論機器學習還是大部分的量性跟少數質性統計流派結果都是很明確的 有問題的地方通常都是正確率 而非模糊會有模糊問題的通常是質性研究的結果
作者: watanabekun (鏡)   2016-12-02 09:25:00
原來如此,上了一課。

Links booklink

Contact Us: admin [ a t ] ucptt.com