游戏推荐算法是怎么运作的?
你想让人推荐款游戏,结果来来回回还是那五款到处都能看到的老面孔。这可不是巧合,而是大多数推荐器的设计方式决定的。搞懂其中的门道,你就能挑到更好的工具,也能把它们用得更顺手。
简短回答:大多数游戏推荐器依赖四种信号:什么游戏热门、游戏库相似的玩家都有什么、某款游戏的标签与你喜欢的游戏有多像,以及你自己的评分。以热门度为主的榜单只会反复推大作;而看重稀有标签、又参考你评分的基于标签的推荐,给出的结果会更精准。
信号 1:热门度
最简单的推荐器,就是把很多人在玩、在买的游戏摆出来。省事又稳妥,所以各种“最佳游戏”榜单看起来都差不多。但它完全不了解你的口味,而且永远偏向大作,忽略那些你可能会爱上的小体量游戏。
信号 2:游戏库相似的玩家
这就是协同过滤:拥有你那些游戏的人,也都有 X,所以就把 X 推给你。数据量大的时候效果很好。缺点是偏向本来就很火的游戏,而全新的或小众的游戏没人买过,就永远不会被推荐。
信号 3:游戏本身的构成
基于内容的推荐器会直接比较游戏本身,用的是类型和标签,比如氛围感、roguelike或剧情丰富。它不依赖其他玩家,所以能推荐小众游戏和新游戏。效果好不好,取决于标签权重怎么设。两款游戏都有“类银河战士恶魔城”这种稀有标签,比都有“单人”说明的问题多得多,所以好的实现会给稀有标签更高的权重。NXTO 的“相似游戏”功能就是这个思路,实际效果看这里。
信号 4:你自己的评分
最强的信号,是你亲口告诉系统的。五星游戏说明你想要更多这类;玩了一小时就弃坑的游戏,则说明该避开什么。不看评分的推荐器只能根据你拥有的游戏瞎猜,可“拥有”一款游戏,并不代表你喜欢它。
为什么你总是看到同样的游戏
- 榜单是按热门度排的,所以大作次次都赢。
- 它只按类型匹配。“RPG”既包括 100 小时的开放世界,也包括 6 小时的回合制独立游戏。
- 它不知道你已经有哪些游戏、通关了哪些,所以会推荐你玩过的游戏。
用任何工具都能获得更好推荐的方法
- 从一款你特别喜欢的具体游戏出发,而不是整个类型。
- 给玩过的游戏打分。会参考评分的工具进步很快。
- 多看榜单第 8 到 15 位,别只盯着前三名。
- 加入游戏库前先看一下时长。感觉相似,不代表花的时间也相似。
想对比不同工具的话,我们的对比文章讲了它们各自是怎么找游戏的,AI 推荐则介绍了按心情推荐的思路。
亲眼看看这套方法的效果:给下一款玩什么选择器三款你最爱的游戏,它会根据共有的稀有标签和评分,给相似游戏排出名次。