การวิเคราะห์ทางสถิติขั้นสูงใน CS:GO

การวิเคราะห์ทางสถิติขั้นสูงใน CS:GO

Night Mode

Tomi “lurppis” Kovanen อดีตผู้เล่น CS1.6 ระดับตำนาน จากประเทศ Finland ซึ่งปัจจุบันทำหน้าที่เป็น นักวิเคราะห์ และ นักเขียน ให้กับ HLTV.org ได้เสนอแนวคิดเกี่ยวกับ การเพิ่มเติม feature ใหม่ๆ ใน CS:GO ที่ทำให้สามารถวิเคราะห์สถิติของการแข่งขัน ได้อย่างละเอียดมากขึ้น

lurppis กล่าวว่า ยังมีผู้คนจำนวนมากที่ไม่เห็นด้วยกับตัวเลขสถิติที่มีอยู่ในปัจจุบัน นั่นเป็นเพราะการเก็บสถิติในมุมมองที่น้อยเกินไป
การวิเคราะห์การแข่งขันจากตัวเลขสถิติเพียงอย่างเดียว ไม่สามารถทดแทนการดูการแข่งขันแบบสดๆได้ก็จริง แต่ไม่มีใครสามารถมองเห็นในทุกๆมุมมองของการแข่งขัน
lurppis จึงได้นำเสนอ มาตรวัด (Metrics) ที่ควรจะเพิ่มเติมเข้าไปในเกม ซึ่งจะทำให้มองเห็นสถิติของผู้เล่นและทีมในเชิงลึกมากขึ้น

1

ก่อนที่จะกล่าวถึงสิ่งที่ lurppis นำเสนอ ผม (Trumpetz) ขอเล่าถึง ตัวเลขสถิติที่มีอยู่ในปัจจุบัน คร่าวๆก่อนครับ
โดยทั่วไป ตัวเลขสถิติที่นำเสนอประสิทธิภาพของผู้เล่นหรือทีม ที่เรามองเห็นได้ชัดเจน คือ Kill, Assist และ Death
หากเรามองการเก็บสถิติของ HLTV.org จะมีมาตรวัดที่ละเอียดขึ้นกว่านั้น อย่างเช่น %Headshot, KPR (Kills Per Round) หรือ Rating ลิ้งก์

การได้มาซึ่งตัวเลขเหล่านี้, HLTV.org ใช้การวิเคราะห์ log จาก demo file ซึ่งมีข้อจำกัดคือ ได้ตัวเลขในมุมมองที่ยังไม่ละเอียดพอ (เช่น ไม่สามารถบอกได้ว่า ผู้เล่นทำ Damage ไปเท่าไหร่ เป็นต้น)
HLTV.org บอกว่า วิธีนี้ง่ายที่สุด เนื่องจากทุกๆการแข่งขันต้องมี demo file

และถึงแม้ว่า สามารถเอา server log file ซึ่งมีรายละเอียดสถิติมากขึ้น มันยังไม่ละเอียดพออยู่ดี
lurppis จึงได้นำเสนอ มาตรวัด หรือ วิธีเก็บตัวเลขสถิติ ในมุมมองต่างๆ เพิ่มเติม ดังนี้

1. การวางเป้า (Crosshair Placement)
การวางเป้าเป็นสิ่งที่มองเห็นได้จากการดูการแข่งขันเท่านั้น ซึ่ง lurppis มองว่า การวางเป้าเป็นสกิลที่สำคัญที่สุดในการเล่น
มันจะน่าสนใจมาก ถ้าเราสามารถมองเห็นว่าผู้เล่นคนไหนวางเป้าได้ดี โดยการคำนวณจาก จำนวน pixels ที่ crosshair ขยับ ภายใน X วินาที ก่อนที่จะ Kill ได้
(คล้ายกับข้อมูลที่บอกว่า Player X1 saved Player X2 ที่มีแล้วในปัจจุบัน)

ในทางตรงกันข้าม หากผู้เล่นมีการขยับเป้าก่อนจะ Kill สูงมาก แสดงให้เห็นถึง การสะบัดยิง (flick shot) อย่างแม่นยำ
มาตรวัดนี้จะทำให้เราสามารถประเมินผู้เล่น ที่มีสไตล์การเล่นที่แตกต่าง ได้ดีมากขึ้น อย่างเช่น s1mple
และทำให้เรารู้ style การเล็ง (aim) ของผู้เล่นแต่ละคน

2. การฆ่าศัตรูได้อย่างง่ายดาย (Ease of kills)
เราจะเห็นว่าผู้เล่น ที่เล่นในตำแหน่ง Lurker (ตัวดักตลบหลัง) อย่าง GeT_RiGhT หรือ Happy สามารถฆ่าศัตรูได้อย่างง่ายดายบ่อยครั้ง
นั่นเป็นเพราะการเล่นที่ฉลาด อาศัยการยืนในจุดที่ถูกที่ถูกเวลา ทำให้ยิงศัตรูจากด้านหลังหรือด้านข้าง อย่างง่ายดาย
ควรจะมีอะไรบอกได้ว่า แต้ม Kill ที่ผู้เล่นทำได้นั้น มาจากจุดที่ศัตรูมองเห็น หรือไม่จะทำให้เรารู้ว่า ผู้เล่นคนไหนมีสไตล์แบบ Entry Kill (ยิงแบบปะทะกันต่อหน้า) หรือ Backstab Kill (ยิงจากด้านหลังหรือด้านข้าง)

3. Kills versus saves, force buys and buys
ปัจจุบันเราสามารถมองเห็น จำนวนเงินที่ใช้รวมแต่ละทีมในแต่ละรอบ ได้อยู่แล้วจากหน้าจอ
ควรจะเพิ่มเติม feature ที่แยกได้ว่า kills ที่ได้นั้น มาจาก eco round หรือไม่ รวมถึงบอกได้ว่า ผู้เล่นใช้เงินไปเท่าไหร่ในการทำแต้ม kills แต่ละครั้ง
จะทำให้เรามองเห็น ผู้เล่นหรือทีม ที่เล่น second round (ตาหลังปืนพก) ได้มีประสิทธิภาพ หรือว่า ทีมใดเป็น force-buys king เช่น NaVi

4. การใช้ Flash เพื่อนำไปสู่การ kill (Flashes leading to kill)
เราควรจะทราบว่า มีจำนวนกี่ kills ที่ทำได้ในขณะที่ศัตรูโดน flash และ flash โดยใคร
ทำให้เราทราบถึงการใช้ flash อย่างมีประสิทธิภาพของผู้เล่น รวมถึงให้ credit ผู้เล่นในตำแหน่ง support ที่คอยปา flash ให้เพื่อนได้

5. เวลาในการติด Flash (Time spent/deaths flashed)
ถ้าเราสามารถรู้ได้ว่า ผู้เล่นคนใด ตาบอด (blind) จาก flashbang เป็นระยะเวลากี่วินาที ก่อนที่จะฆ่าหรือถูกฆ่า
เราจะรู้ว่า ใครสามารถหลบ flash ได้ดี ซึ่งจะทำให้เห็นว่า ตำแหน่งยืนของผู้เล่นนั้น เป็นตำแหน่งยืนที่ดีหรือไม่ ได้ด้วย

6. ความเสียหายจากระเบิด (Overall grenade damage dealt)
นอกจากการใช้ flashbang เพื่อ support ทีม ควรมีตัวเลขสถิติที่บอกได้ว่า การใช้ระเบิด หรือ ระเบิดไฟ ทำ damage ได้มากเพียงใด ต่อรอบ หรือ ต่อการปาหนึ่งครั้ง

7. Average Damage per Round
ตัวเลขสถิตินี้ มีให้เห็นแล้วในหลายๆที่ อย่างเช่น GotFrag’s GameSense, CEVO หรือ ESEA
แต่ใน HLTV.org ไม่มี เนื่องจากเราได้ตัวเลขสถิติมาจาก demo log
ปัจจุบัน server log มีตัวเลขนี้แสดงอยู่แล้ว ซึ่ง ADR เป็นสถิติที่สำคัญที่ควรจะมี

8. สถิติการทำ kill แรกในแต่ละ round (Entry frags statistics)
Entry frag หรือการทำ kill แรกในแต่ละ round ถูกกล่าวถึงอยู่แล้วใน match สำคัญๆ
ตัวเลขสถิตินี้ ควรเป็นสถิติพื้นฐานของผู้เล่นแต่ละคน (เหมือนกับ Kill, Death หรือ Headshot)
และควรจะนำไปรวมกับ heat maps แสดงให้เห็นว่า entry frag เกิดขึ้นในบริเวณใดของแผนที่บ้าง

9. ระยะห่างจาก Smoke ในขณะที่ Kill (Kills within X meters of a smoke)
มาตรวัดนี้จะช่วยสะท้อนถึง ประสิทธิภาพในการใช้ Smoke ของผู้เล่น
บอกถึงการใช้ smoke เพื่อเพิ่มความได้เปรียบ จากตัวเลขที่บอกว่า ผู้เล่นสามารถฆ่าหรือถูกฆ่า ในบริเวณใกล้ๆ smoke ได้มากน้อยเพียงใด
มันอาจดูไม่น่าสนใจสำหรับบางคน แต่ผู้เล่นอย่าง Niklas “niko” Johansson (อดีตผู้เล่น CS1.6 ชาวสวีเดน จากทีม Lions) เป็นตัวอย่างของผู้เล่นที่ใช้ smoke ได้เก่งมาก ซึ่ง smoke มีบทบาทอย่างมากใน CS:GO

10. Passive (รอจังหวะดักยิง) or aggressive (บุกแหลก) fraggers
การวัดการเคลื่อนที่ของผู้เล่นไปยังจุดต่างๆของแมป (ไม่นับการยืนอยู่กับที่แล้วขยับไปมา) ก่อนที่จะสามารถฆ่าศัตรูได้ และหากรวมเข้ากับ heat maps จะทำให้มองเห็นตำแหน่งต่างๆได้ดียิ่งขึ้น
และสามารถบอก style ของผู้เล่นได้ ว่าเป็นบุกเดินยิง (agressive) แบบ JW หรือยืนรอจังหวะดักยิง (passive) แบบ allu

11. ผู้เชี่ยวชาญในการต่อกรกับ AWP (Anti-AWP specialist)
ผู้เล่นในระดับแถวหน้าของโลก หลายๆคนเป็นคนที่เล่น AWP เป็นหลัก ในบางสถานการณ์ถือว่าสำคัญมาก หากสามารถฆ่าผู้เล่น AWP ได้ มาตรวัดนี้ จะทำให้ทราบว่า ใครสามารถจัดการ (ฆ่า) ผู้เล่นที่เป็น Sniper (AWP) ฝั่งตรงข้ามได้ดี ซึ่งควรแบ่งเป็น 2 ส่วน คือ การใช้ Rifle สู้กับ AWP และ การใช้ AWP สู้กับ AWP และสามารถลงรายละเอียดได้อีก เช่น นับเฉพาะ kills ที่ทำได้จากผู้เล่นที่กำลังซูม หรือ จากผู้เล่นที่ไม่ได้ซูมแล้วเป็นระยะเวลา x วินาที เป็นต้น

12. ความแม่นยำในการ Spray (Accuracy of spray)
บ่อยครั้งหากพูดถึงผู้เล่นที่มีสไตล์การยิงแบบ spray เราจะนึกถึง GeT_RiGhT แต่จริงๆแล้วเราไม่เคยมีวิธีวัดอย่างมีระบบเลย นอกจากใช้สายตาเวลาดูการแข่งขัน เราควรจะเพิ่มเติม feature ที่สามารถตัดสินได้ว่าจำนวนกระสุนที่ยิงเกินขอบเขตที่กำหนดและถือว่าเป็นการ spray เพื่อทำให้ทราบว่า มีจำนวน kills เท่าไหร่ที่มาจากการ spray

13. Traders and tradees
(traders ในที่นี้ไม่ได้หมายถึง พ่อค้าซื้อขายนะครับ แต่หมายถึง การที่สามารถฆ่าศัตรูได้ หลังจากเพื่อนร่วมทีมตาย เหมือนเป็นการแลก 1-1 กัน ทำให้ทีมไม่เสียผู้เล่นฟรีๆ ครับ)
lurppis กล่าวว่า การเล่นที่ดี ต้องสามารถแลก 1-1 kill กับฝั่งตรงข้ามได้ โดยเฉพาะฝั่ง terrorist
การ trade kill เป็นสิ่งที่สำคัญในการควบคุมพื้นที่ในแมป ซึ่งส่งผลให้สามารถชนะในแต่ละรอบได้
หากเราสามารถบอกได้ว่า ทั้งสองคนที่ทำหน้านี้ เป็นใคร และสามารถ kill ได้บ่อยแค่ไหน จะสามารถรู้ถึงสไตล์การเล่นของแต่ละทีมได้อีกด้วย ซึ่งมีจุดที่ต้องระวังคือ การวัดว่า kill นี้เป็น trade kill หรือไม่ โดยวัดจากเวลาหลังจากที่ผู้เล่นคนแรกตาย และเวลาหลังจาก trade kill เกิดขึ้น ตัวเลขสถิตินี้ยังสะท้อนถึง ผู้เล่นสามารถเอาตัวรอดได้ โดยไม่ต้องมี trade kill (คนแรกไม่ตาย) และสามารถบอกได้ว่า ใครเป็น support entry-fraggers (ตัวซัพตัวเปิด) ได้ด้วย

14. Pointman into bombsites
ผู้ชมหรือแฟนๆที่ชมการแข่งขัน มักกล่าวโทษผู้เล่นที่ชอบวิ่งเข้าจุดวางบอมเป็นคนแรก แต่ไม่สามารถฆ่าศัตรูได้เลย
มันจะน่าสนใจถ้าเราสามารถรู้ว่า ใครเป็นคนวิ่งเข้าบอมเป็นคนแรกของทีม โดยประกอบกับตัวเลขสถิติอื่นๆ เช่น ADR (Average Damager per Round) หรือ KPR (Kills per round)
และบอกได้ว่าผู้เล่นคนไหนที่มักจะเข้าบอมทีหลัง หรือ ระยะเวลาหลังจากที่คนแรกเข้าบอมไปแล้ว เป็นต้น

15. สถิติการวางบอม A และ B (Bomb plants in A and B)
นี่เป็นอีกตัวเลขสถิติที่ได้มาไม่ยากเลย แต่เป็นข้อมูลสำคัญกับผู้ชมหรือผู้บรรยายเกม, เราสามารถบอกได้เลยว่า ทีมไหนมักจะเข้าโจมตี บอม A หรือ B มากกว่ากัน
หรือมองลึกลงไป หากพิจารณาเฉพาะช่วงต่อเวลา ซึ่งเป็นช่วงที่แต่ละทีมต้องการ win ให้ได้มากที่สุดเพื่อเอาชนะ จะสามารถรู้ได้เลยว่า ทีมนี้ชอบเข้าตี A หรือ B มากกว่ากัน

16. Fake salesman
บทบาทสำคัญของผู้เล่นในทีม ที่มักจะไม่ถูกกล่าวถึงอันนึงคือ ผู้เล่นที่ทำการหลอกว่าจะโจมตี (fake)
ซึ่งผู้เล่นเหล่านี้ มักจะเข้าโจมตีและตายฟรีๆบ่อยครั้ง แต่เปิดโอกาสให้เพื่อนร่วมทีมสามารถเข้าบอมอีกฝั่งได้อย่างง่ายดาย จากการที่เรามีมาตรวัด ที่ทำการ setup จุดที่เป็น choke point (มุมแคบหรือมุมอับ) ก่อนจะเข้าถึงจุดวางบอม เพื่อวัดสถิติในข้อ (14) เรายังสามารถบอกได้ด้วยว่า ใครที่มักจะเป็น faker ได้แต่ละเกมได้ด้วย

17. พื้นที่ใดบ้างที่เกิดการฆ่ากันบ่อยๆ (Area of kills and deaths)
lurppis กล่าวว่า นี่เป็นสถิตินี่น่าสนใจที่สุด ในทั้งหมดที่กล่าวมา, และได้ถูกพัฒนาแล้ว ในรูปแบบของ heat maps (คือการนำ แผนที่ มาประกอบกับสถิติพื้นฐานต่างๆ เช่น kill, death)
หากเราสามารถ generate heat maps ได้ตามมุมมองที่เราต้องการ เราจะสามารถบอกอะไรหลายๆอย่างได้เลย อันดับแรกคือ จุดใดบ้างที่ผู้เล่นมักจะอยู่และมีประสิทธิภาพมากหรือน้อย หรือบอกได้ว่า ผู้เล่นคนไหนสามารถ kills ได้เยอะที่สุดหลังจากเข้าบอม และวางบอมแล้ว หรือ ผู้เล่นคนไหนเป็นคนคอยเปิดทางให้เพื่อน
heat maps ยังสามารถบอกถึง แนวโน้มในการเล่นของแต่ละทีมได้ เป็นประโยชน์ในการวางแผนสู้กับทีมอื่นๆ หรือสามารถเปรียบเทียบความสามารถในการเล่นในพื้นที่ต่างๆของผู้เล่นแต่ละคน เพื่อวางตำแหน่งในทีมได้อย่างเหมาะสม

ww

มาตรวัดหรือสถิติ ที่ได้กล่าวมาทั้งหมดนี้ จะนำไปปรับปรุงระบบสถิติของ HLTV.org ให้เกิดข้อมูลในหลายมุมมองมากขึ้น สามารถกรอง (filter) ตามมุมมองหรือหลักเกณฑ์ (criteria) หลายๆแบบ รวมทั้ง ข้อมูลพื้นฐานเดิม เช่น ประเทศ, อายุ และข้อมูลอื่นๆ

ข้อความฝากจากผู้เขียน (Trumpetz)

สถิติในหลายๆข้อที่กล่าวมานั้น เกิดขึ้นจริงแล้ว สามารถเอาข้อมูลมาได้จาก server log (หรือ warmod log) เช่น ระยะเวลาในการติด flash หรือ ตำแหน่งยืนของผู้เล่น
ผมคิดว่าไม่นาน เราจะสามารถเข้าถึงข้อมูลเหล่านี้ได้ง่ายขึ้น จาก HLTV.org หรือจาก Organization อื่นๆ

สำหรับการแข่งขันในประเทศไทย ก็มีการเก็บข้อมูลสถิติ แต่อาจไม่ได้ถูกกล่าวถึงมาก หรือกล่าวถึงในเชิงเบื้องต้น
จริงๆแล้วหาก CS:GO Server มีการ setup plugin eBot จะช่วยเก็บสถิติต่างๆ ค่อนข้างละเอียด หากผู้จัดท่านใดสนใจลองศึกษา eBot ดูได้ครับ http://public.ebot.wedeho.be/

และตัวผมเองกำลังพัฒนาโปรแกรมเก็บข้อมูลสถิติ จาก warmod log (ซึ่งนิยมใช้ในประเทศไทย)
อาจจะไม่ลึกมาก แต่จะพยายามพัฒนาต่อไปเรื่อยๆ เพื่อให้การแข่งขันใน tournament ต่างๆ มีความสนุกมากขึ้นครับ
ตอนนี้กำลังทยอยทำในส่วนของ EXL Tournament อยู่ สามารถเข้าไปดูได้ที่นี่ครับ http://180.180.244.92/stat

ขอบคุณที่อ่านจบครับ :p

Source : http://www.hltv.org/news/15243-advanced-analytics-for-csgo
Write : Neo.INS-Trumpetz

Comments

comments

About author

0bibea
0bibea 1118 posts

ผู้ร่วมก่อตั้งเว็บไซต์ ThaiCSGO หนึ่งในเว็บไซต์ที่คนรัก Counter-Strike ไม่ควรพลาด

You might also like

ข่าว

CS:GO Major Accuracy Update Analysed

FacebookTwitterGoogle+ 3kliksphilip Comments comments

ข่าว

Fake ประกาศออกทีม MiTH พร้อมเฟ้นหาผู้เล่นฝีมือดีเพื่อสร้างทีมของตัวเอง

FacebookTwitterGoogle+ Joonas “Fake” Oikarinen อดีตผู้เล่นทีม MiTH ได้ประกาศผ่าน Facebook เกี่ยวกับการออกจากทีม และกำลังเฟ้นหามือดีเพื่อสร

News

GODSENT ถอนตัวจากการแข่งขัน WESG 2016 World Finals ส่งผลให้กลุ่ม C เหลือทีมแข่งขันเพียง 5 ทีม

FacebookTwitterGoogle+ WESG 2016 World Finals เปิดเผยว่าทีม GODSENT จะไม่ได้เข้าร่วมในการแข่งขัน Comments comments

ข่าว

AGG ดึงตัว Piotr “peet” Ćwikliński กลับมาเข้าร่วมทีมอีกครั้ง

FacebookTwitterGoogle+ AGG ประกาศดึงตัวผู้เล่น Piotr “peet” Ćwikliński กลับมาเข้าร่วมทีม Comments comments

ข่าวทั่วไป

Daily Dot คอนเฟิร์ม nV สลับขั้ว kennyS-Apex แทน SmithZz-Shoxie !

FacebookTwitterGoogle+   1  ในทีมใหญ่ของ CS:GO อาจจะมีการเปลี่ยนแปลงสมาชิกภายในทีมครั้งยิ่งใหญ่ จากผลงานที่ทำได้ไม่ค่อยดีในรายการใหญ่ที่ผ่านมา Co