游戏测试

游戏测试是把幻想中的玩家体验拉回现实的"闹钟"。Schell 区分四种测试——焦点小组、QA、可用性测试、游戏测试——本章只谈设计师最关心的游戏测试：请人来玩，看游戏是否产生了它被设计要产生的体验。Schell 坦白自己讨厌测试（怕别人不喜欢自己的游戏），但这正是测试的意义。每次测试由六个问题定义：为什么、谁、何时、在哪、看什么、怎么做（第 3 版新增"何时"），并补充 WUBALEW、FFWWDD 等 Schell Games 的实用做法（第 3 版第 28 章 Good Games Are Created through Playtesting）。

四种测试

我可怕的秘密

测试能及早发现问题、增强团队信心、对做好游戏必不可少——但 Schell 会拖延组织、找借口不到场、到场也不直接观察，因为怕人们不喜欢他的游戏：投入心血的游戏是自己的一部分，被拒绝很痛，而这必然会发生。测试就像一张烫金请柬："诚邀您来告诉我为什么我很烂，欢迎携友，备有茶点。"测试让他怕到"无法正常思考"。它必须让人不舒服，因为其全部意义就是指出你安心做出的决定是错的。唯一办法：克服它——喜欢很好，不喜欢也很好，你可以问为什么然后修正；若你天生不怕，客观视角会是巨大优势。

第一问：为什么

测试是一种原型——不是游戏的原型，而是游戏体验的原型；像第 8 章（迭代）说的每个原型都要回答一个问题，没有具体目标的测试很可能浪费时间。"好玩吗？"不够，问题越具体越好：男女玩法不同吗？孩子比大人更喜欢吗？玩家懂怎么玩吗？想玩第二、第三、第二十次吗，为什么？觉得公平吗？会无聊、困惑、沮丧吗？有优势策略或漏洞吗？有隐藏 bug 吗？玩家自己发现什么策略？哪部分最好玩、最不好玩？跳跃用 A 还是 B？第三关太长吗？芦笋谜题太难吗？用本书各透镜生成测试问题很有效。先定"为什么"，才能回答其余几问。

第二问：谁

测试者必须与要回答的问题匹配；几乎每款游戏都会在不同时期组合使用上述人群，关键是在合适时机用合适的人。

版本差异：第 1 版的测试者列表编号重复（"1、2、2、3"），第 3 版改为不编号的小标题，该原书问题不再适用。

第三问：何时（第 3 版新增）

最常见的借口是"游戏还没准备好"，但越早测越早知道方向对不对。任何阶段都能测：

测多频繁？测试高手 Shawn Patton 的答案是 WUBALEW：When Useful, But At Least Every Week（有用时就测，但至少每周一次）。养成每周测试的习惯，就不会长时间脱离真实反馈。

第四问：在哪（参照第 3 章 游戏场所：游戏的场所很重要，测试的场所同样）

测试地点完全取决于要回答的问题，最简单的点子往往最好。Curt Bererton 讲过：一款 Facebook 游戏的 alpha 版在游戏下方放了一个两三行高的文本框，只写"告诉我们怎样让游戏更好"，每次会话可发一条，邮件进团队任何人可订阅的列表。效果出奇地好，正式运营后仍对可调的一小部分玩家（及所有付费用户）保留，每天约 30 条，几乎全是高质量反馈：大量 bug、用户体验问题和好点子；发新版本时尤其细看。附带玩家状态摘要（教程或进度位置）和平台信息（版本、内存等）还有助于查 bug。

第五问：看什么

• 你知道要找的东西：来自"为什么"清单，确保每个问题都有获得答案的途径；与问题无关的部分可做特别版本跳过；一次测不完就拆成几个小测试。
• 你不知道要找的东西：只有学会深度倾听的设计师才能发现。关键是留意意外——要感到意外，先得对会发生什么有预期（玩家会这样打第二关、第三关开头会兴奋）。任何反常，好的坏的，都要立刻抓住弄懂：女孩比男孩更喜欢？反派让人发笑而不是害怕？玩家对你觉得不重要的东西着迷？争论你从没想过的策略？理解意外所得的洞见，是测试之树上最甜的果实。

第六问：怎么做

你该在场吗？ 有学派认为开发者在场危险：情感投入会让他们引导玩家忽略缺陷、用内部视角"感染"玩家。若你做不到客观、管不住自己，就别去；但亲临现场所得远多于读问卷和看录像，所以 Schell 建议克制这些冲动、亲自到场。

事先说什么？ 有时什么都不说，看玩家能否自己弄懂；多数情况要说些话让玩家开始，但要极其小心——开场一句不当的话可能毁掉整场测试：说"目标是打败邪恶的 Chronos"，有人会立刻去找他而错过本会发现的重要细节。事先写好、对所有人说同样的话。多次测试中你会逐步打磨这段话，增删字句直到清晰高效——写下来！它可以成为游戏内教程的基础；很多教程很糟，这样做出的教程往往很出色，让玩家感到被欢迎和关照。

看哪里？ 多数人看玩家看的屏幕；Schell 大部分时间看玩家的脸，偶尔瞥屏幕获取上下文——表情提供的数据在事后访谈和问卷中永远得不到。他从街头表演学会这一点：收入全靠结束时传帽子收钱，必须快速"读懂"人群情绪并调整表演，延长他们喜欢的、跳过让人无聊的部分。人人都有这种能力，只是需要练习。可用多台摄像机合成分屏同时录下游戏画面、脸和手，事后对照三者关系。

收集哪些其他数据？ 记录重要游戏事件日志——数字游戏可自动记录，非数字游戏就仔细笔记。例如：角色创建花了多久？打败反派用了几击？平均得分？哪些武器用得最多？越能自动收集越有用。第 3 版改写为：近年来做 MMO 或免费游戏，必须有严格的数据分析系统配合内容管理系统，持续不断地调优与测试。这种"量化设计 (quantitative design)"有风险——可能导致平庸的设计、让设计师不敢相信自己的直觉——但若能克服，它是理解玩家行为的精妙艺术。

版本差异：第 1 版此处称之为对事件日志做"数据挖掘"的"数字倾听"，第 3 版改称"量化设计"并加入其风险提醒。

中途打扰玩家吗？ 打断可能干扰自然游玩模式；但事后再问，玩家心态已变，可能想不起来。多数设计师只在玩家做出真正意外、无法理解的举动时才打断。人机交互专家推荐出声思考 (think-aloud protocol)，让用户以意识流方式说出所有想法（"我要找香蕉……那根木头后面有什么……哇！坏蛋！……嘿，山上那是香蕉吗？"）。用于游戏有难处：说话会让一些人玩得更谨慎，从而污染游玩模式；有人边玩边说会僵住，压力大时干脆不说——而那正是最需要洞察的时刻；但有些人天生自然，诀窍是识别出他们，或训练回头测试者做好这件事。Schell 见过好心的交互专家为引出出声思考不停发问，彻底毁掉测试；何时、是否用这一技巧要自己决定。

事后收集什么数据？

FFWWDD（第 3 版新增）：Shawn Patton 的另一个缩写，Schell Games 测试后的六个常用问题，按此顺序问：

随着实时分析和对微交易收入的依赖越来越关键，测试正与持续调优融为一体；但测试终归是测试：收集人们喜欢和不喜欢什么，明智地用来做出更好的设计选择。第 3 版延伸阅读另荐 Isbister 与 Schaffer《Game Usability》、Barbara Chamberlin "Trying Very Hard to Make Games that Don't Stink"、Mike Ambinder GDC 2009 "Valve's Approach to Playtesting" 等。

与本库其他页面的关系：迭代与原型 的"循环法则"与本章"测试是体验的原型"是同一思想的两端；自动事件日志在引擎侧可依托 游戏内调试工具 中的日志与统计设施实现。

本页透镜

版本差异：第 1 版为 #91，五个问题。

全部透镜见 Schell 透镜总表。

Adams & Dormans 的视角：模拟试玩不能代替真人（第 8 章，印刷页约 p.171–195）

Adams & Dormans 用 Machinations 人工玩家在几秒内跑数百局，收集胜率与时长统计（模拟试玩与人工玩家）。他们明确说人工玩家不能代替真人、模型无法表现虚张声势等人类行为，应把它做成坚持单一策略的"漫画式角色"来暴露优势策略。这补充了 Schell 的真人试玩：模拟回答"经济结构是否偏向某策略"，真人试玩回答"体验如何"。

Rogers 的视角：先懂系统，再做四种试玩（Level Up! 第 3 版 Level 19 The Play's the Thing，第 487–498 页）

Rogers 先区分：为了检查某个修复（关卡几何、战斗动画）而玩游戏，与试玩 (playtesting) 是两回事。设计师会把自己的游戏玩上成百上千遍、成为"世界上最会玩它的人"——直到交给 QA 或公众，他们总会比你玩得更好。要理解为什么必须试玩，先要理解系统：游戏不过是一个系统，系统是一系列交互，试玩就是检验这些交互是否在做该做的事。他借用 Donella Meadows《Thinking in Systems》的四个要素：存量 (stock)、流 (flow)、依赖 (dependency)、反馈回路 (feedback loop)；设计师能调的参数就是"旋钮 (knobs)"，详见 反馈回路 中的对照。

**何时开始？屏幕上一有东西就开始。**测得越多，越能（a）发现要修的问题，（b）"找到乐趣"——但 Rogers 不建议靠"找到乐趣"来设计核心玩法，那只是测试之后才出现的现象（他对涌现的看法见 复杂系统与涌现）。

为避免 bug（乃至"特性"）要留意：关卡几何放对位置、能引导玩家、好看且没有能掉出世界的缝；战斗动画要快、响应及时，攻击的初始伤害不能一击毙敌又要让敌人活得够久形成挑战，敌人要有受伤的动画或特效，玩家血量要够撑过一场遭遇（除非刻意做《艾尔登法环》《洛克人 9》那样的高难游戏）；三消游戏要有清晰的选中反馈、成功匹配时更多特效，并让人看得出下一个可行的匹配。

四种试玩（由内到外）：

与 Schell 的对照：Schell 的四种测试（焦点小组、QA、可用性、游戏测试）按目的划分，Rogers 的四种试玩按测试者离设计师多远划分，两者可以叠加使用；两人都强调尽早、反复、直接观察，而且都坦白设计师的自我是最大障碍（Schell 的"可怕的秘密"与 Rogers 的"把自尊留在门外"）。Schell 更系统地回答谁、何时、在哪、看什么、怎么做；Rogers 更偏操作技巧（玩旋钮、倒着玩、像白痴一样玩）。

版本差异：本章（第 3 版 Level 19）是第 3 版新增；第 1 版只在 Level 13"设计师眼罩"处顺带提到游戏测试，第 1 版 Level 17 的"涌现，涌个头！"一段在第 3 版移入本章（见 复杂系统与涌现）。

原书问题（Level 19）

• p.498 说试玩问卷在 "Bonus Level 4"：第 3 版的 Bonus Level 4 是高概念提案演示，问卷在 Bonus Level 5 Playtest Questionnaire（p.551）。问卷 20 题的整理见 游戏设计文档 附录一节。
• p.491 的酒杯例子把"喝到醉或吐就停下"称为增强回路 (reinforcing loop)：按 Meadows《Thinking in Systems》的定义，增强回路使存量自我放大，使存量趋向目标或上限的是调节回路 (balancing loop)；同页对增强回路的定义"存量越高流量越大"本身是对的，但这个例子与定义不符。
• 排印：p.491–492 "reenforcing"（应为 reinforcing）。

Schreiber & Romero 的视角：为平衡而测试（第 15 章，p.401–410）

• 测试者发现问题，设计师给出方案："我不喜欢这个"有用；"我不喜欢，因为……"更有用；"你应该改成那样"用处最小——要先反推他想解决的问题，最终改法通常不是他建议的。
• 六类测试者（Jaime Griesemer）：为赢而玩的人（他专用的东西多半超模）、易怒的人（对打断心流的粗糙处最敏感）、总用同一种玩法的人（检验你希望可行的策略是否真可行）、玩得很烂的人（新手视角）、爱恶意骚扰的人（他笑时别人在哭，据此设定边界）、职业玩家（找出最随机的元素）。
• 确保要测的事情发生：把要测的牌叠在牌堆顶；电子游戏请程序加作弊码。测整体平衡时让测试者为赢而玩：试退化策略、"当个混蛋"，看游戏是否奖励刻薄。
• 与本页 Schell 的"任何阶段都能测"相比，Schreiber & Romero 更强调不同阶段测不同的东西：早期测好玩，精细平衡留到 Alpha/Beta。详见 开发周期中的平衡。

Totten 的视角：观察关卡测试的九条要点（第 3 章，p.130–132）

Totten 引 Salen & Zimmerman《Rules of Play》（p.168）"你从不直接设计玩家的行为，只设计系统的规则"——游戏是二阶设计问题，所以必须看人玩。观察时注意：

1. 玩家懂不懂怎么玩这关？不懂某个之后还要重复的谜题，就需要更好、更透明的引入。
2. 是否太难？早期关卡尤其要避免没有铺垫的难度陡增；玩家在开局 10 分钟卡住，就把该挑战后移或在它之前加简单关。自己玩多了会变强，看不出难。
3. 不要干预；玩家买了游戏时你不会在旁边解释，看不懂就加教学时刻。
4. 拥抱意外收获：玩家的非预期用法若不破坏游戏，可以留作秘密。
5. 按开发阶段测试：大的玩法反馈要在做素材之前；发售前一个月只找 bug。准备好问题或纸质问卷。
6. 收集额外意见，但坚持立场：筛掉会破坏核心构想的"你一定要加进去"，并友善地拒绝。
7. 玩家没看懂，就是不够清楚：Totten 的经验是，无论霓虹牌、粒子、音效，通常还要再加至少两种提示玩家才会察觉。《Lissitzky's Revenge》早期只用粒子表示"可以攻击白圆"，测试者说"真希望有个粒子……"；他加了更多粒子、音效和角色闪烁才清楚。
8. 测试以了解玩家需要学什么，为教学关形成"课程表"。
9. 记录每版原型的好与坏，随迭代从大尺度问题转向打磨单个时刻、单块几何体。

对照：Schell 的"六问"侧重组织测试（为什么、谁、何时、在哪、看什么、怎么做），Rogers 侧重测试类型；Totten 是观察者的守则，第 7 条"冗余提示至少三重"给出了比 Schell 更具体的经验数字（但只是个人经验，没有数据支撑）。Totten 说"迭代设计"一词借自人机交互设计，与 Schell 用软件工程史解释迭代的角度不同。

Totten 的视角：用测试检验对玩家的假设（第 8 章，p.350–360）

• 教学关要教什么取决于目标受众的先验知识；"休闲/硬核"的划分过于简化，但能提示玩家熟悉哪些操作惯例。假设只是起点。
• 《Dead Man's Trail》在展会上发现：几乎同样多的玩家用方向键而非 WASD；点击僵尸攻击的说明太轻，有人认为"游戏坏了"，排队的人随之离开。
• La Mancha 的测试者没读过《堂吉诃德》，不知道它是戏仿；通过追问测试者对原著的理解找到原因，把卡牌文字改得更明确后反而更有趣。
• Melanie Stegman：课堂测试效果很好，但在玩家可以随时走开的展会和课后活动中，玩家没坚持到投入——要在玩家可以自由离开的场合测试。

分歧：Totten 从 La Mancha 得出"解释越多越好"（图 8.18 说明），而同章引用的 White 反对只靠"闪卡"、要控制认知负荷。两者针对的是不同的缺失：前者是玩家缺少背景知识，后者是呈现方式单一。见 教学关设计。