Человеческий фактор. Всегда помните о том, что ваши расчеты ожидаемого значения не всегда могут точно предсказать человеческое поведение

Всегда помните о том, что ваши расчеты ожидаемого значения не всегда могут точно предсказать человеческое поведение. Вы можете думать, что игроки будут всегда выбирать опцию с самым высоким ожидаемым значением, но так происходит далеко не всегда. В некоторых случаях причина в незнании – потому что игроки не знают, что такое ожидаемое значение. Например, если вы не откроете игрокам относительные шансы ветра, шара и молнии, а дадите им самим возможность узнать эту информацию методом проб и ошибок, вы можете заметить, что игроки, которые несколько раз применили молнию и ни разу не попали, придут к выводу, что “молния никогда не попадает”, и поэтому ее ожидаемое значение равняется нулю. Выводы игроков относительно частоты событий часто бывают ошибочными. Вы должны знать эти “воспринимаемые вероятности”, к которым приходят игроки, потому что они определяют их игровой опыт.

Но иногда, даже обладая полной информацией, игроки все равно могут не выбирать опции с самым высоким ожидаемым значением. Два психолога Канеман и Тверски провели интересный эксперимент, в котором они спрашивали респондентов о том, в какую игру они хотели бы сыграть:

Игра А:

66% — шанс выиграть $2400

33% — шанс выиграть $2500

1% — шанс выиграть $0

Игра Б:

100% шанс выиграть $2400

Обе игры отличные. Но одинаково ли они хороши? Если сделать расчеты ожидаемого значения:

Ожидаемое значение Игры А: 0.66 х $2400 + 0.33 х $2500 + 0.01 х 0 = $2409

Ожидаемое значение Игры Б: 1.00 х 2400 = $2400

Как видите, ожидаемое значение Игры А выше, чем у Игры Б. Но только 18% участников опроса выбрали этот вариант, тогда как остальные 82% отдали свое предпочтение Игре Б.

Почему? Причина кроется в том, что в расчетах ожидаемого значения нельзя учесть важный человеческий фактор: огорчение. Люди не только склоняются к опциям, которые доставляют им больше всего удовольствия, но и пытаются избегать те, которые подразумевают большую вероятность разочарования. Если вы играли в Игру А (при условии, что вы играли в нее только раз), и получили $0, вас это сильно расстроит. Люди часто готовы заплатить за то, чтобы уменьшить вероятность разочарования – “покупают больше мозгов”, как говорят продавцы страховых полисов. Несмотря на то, что они готовы платить за то, чтобы избежать разочарования, они еще и готовы рисковать. Поэтому игрок, который проиграл немного денег, часто берет на себя еще больше риска, чтобы отыграть эти деньги. Тверски описал это таким образом: “Когда дело касается заработка, все люди консерваторы. Вероятному заработку они предпочтут заработок наверняка. Но мы также обнаружили, что когда люди сталкиваются с незначительным верным поражением и крупным возможным поражением, они не боятся рисковать”.

В некоторых случаях человеческий мозг излишне сильно раздувает вероятность некоторых рисков. В одном исследовании Тверски попросил людей оценить вероятность различных причин смерти и получил следующие результаты:

Что интересно, так это то, что респонденты в своих оценках недооценили три верхние категории (естественные причины смерти) и значительно переоценили нижние три (неестественные причины смерти). Это искажение реальности можно считать отражением личных страхов респондентов. Но как это можно использовать в геймдизайне? Как дизайнер, вы должны иметь контроль не только над настоящими вероятностями событий в вашей игре, но и над воспринимаемыми вероятностями, которые не всегда будут соответствовать вашим ожиданиям.

Вам нужно будет принять во внимание как настоящие, так и воспринимаемые вероятности, когда вы будете высчитывать ожидаемое значение, поэтому обратите внимание на Линзу #28.