外掛資料分析

本研究為了用外掛收集大量玩家參與 Web Game 的遊戲時間，在網路上提 供外掛讓經玩家下載使用。所有的遊戲玩家都屬於開放式的，所以在受詴者的 族群上並沒有特別區分或追踨其職業或作息。而在遊戲網站上有關玩家的個人 資料也沒有提供職業作為本實驗的參考。但是在玩家資料中有提供「年齡」讓 玩家自行填寫，所以本研究便收集該欄位作為分析的依據。

本研究於 2009/05/20~2009/08/25 期間在網路上將外掛公佈，共吸引 1125 名 玩家下載使用。我們過濾了玩家年齡大於 18 歲，並且持續參與遊戲三週以上的 玩家紀錄供參考。此條件下共得到 192 位玩家約 48 萬筆遊戲紀錄。

為了配合問卷以上班族以及大學生作為區別，資料的分析我們以 25 歲作為 資料兩個族群的界限。因為在我們的外掛僅供 Travian 官方所設置的繁體中文的 伺服器使用，而玩家資料大部分是來自國內，只有少部分的玩家是來自香港。

所以我們認為配合國內人口大部分在 25 以前會完成大學及研究所學業，而 25 之後則視為進入職場的階段。所以我們會將外掛得到的 25 歲以上資料與問卷的 上班族作比較，而 25 歲以下則會與問卷得到的大學生資料作比較。

使用外掛的玩家在開啟瀏覽器之後，外掛即會在滑鼠移動的同時傳回遊戲 時間的紀錄。每筆傳回的資料會紀錄來自哪個伺服器的哪一個使用者、以及其 操作時間。我們藉由觀察其單日及累積的紀錄來比較，來探究是否符合 Web Game 本身的延展性，並且希望能觀察到在上班時段也有遊戲時間的分佈。

表 2. 外掛收集到的玩家使用紀錄範例

說明：外掛會由玩家的電腦偵測滑鼠動作的時間，以分鐘為單位，並且紀錄該遊戲帳號所在的 遊戲伺服器以及玩家在該遊戲伺服器的代號。將這三個欄位資料送回本研究所架設的紀錄伺服 器。

4.2.1 單一玩家的遊戲紀錄

收集玩家的操作紀錄後，我們便可以對每一個玩家每日上線的狀況作觀 察。圖 31 是將某一玩家在一日內的遊戲紀錄作圖型化之後得到的結果，該玩家 在該工作日的上線時間都屬於零碎的片段。唯有 15:00 左右有一段時間是較連 續的的時間，推測應該是工作當中較大的空檔，而其餘紀錄都都屬於零散的片 段。此一特性也與我們的認知相符，參與遊戲可都是一些零碎且不連續的時間。

圖 31. 玩家在單一上班日玩 Web Game 的紀錄

圖 32 則是該玩家在某一週末日的上線狀況，相較之下遊戲時間明顯少於上 班日，除了在早晨 08:00 左右有兩段較長的遊戲時間外，其餘時間都較短，而 且分布的間隔也大於上班日。原因也可以歸因於在週末的作息與週間不用；不

流水號 玩家代號 伺服器 時間

1 12336 S3.travian.tw 2009/07/01 14:03:21 2 12336 S3.travian.tw 2009/07/01 14:04:20

3105 2125 Speed.travian.tw 2009/07/01 23:07:45 3106 12336 S3.travian.tw 2009/07/01 23:07:49 3107 2125 Speed.travian.tw 2009/07/01 23:09:01

14085 6679 S5.travian.hk 2009/07/02 00:03:00

(時:分) 遊戲時間強度

用上班的時間，如果沒有特別的原因，接觸電腦及網路的機會應該會少於上班 日，相對的參與遊戲的動力則少了外在所加諸在身上的環境壓力。所以週末參 與遊戲的動機應該與週間的下班時間一樣，會少於上班時間。

圖 32. 玩家在週末時玩 Web Game 的紀錄

單一玩家的紀錄，不論是週間或週末都是零碎的片段，難以測量其否有規 則性，即使圖形化也難以閱讀。因此，我們將玩家的使用紀錄用累積的方式來 呈現，圖 33 是該玩家連續 30 天的遊戲時間紀錄累積圖。在圖表中即可明顯看 出該玩家在 06:00~17:00 會參與 Web Game，但是頻率較少，而 17:00~00:00 中 間參與 Web Game 的頻率較多。

圖 33. 玩家在連續 30 天玩 Web Game 紀錄的累積狀況

說明：將玩家每分鐘的紀錄用流量統計套件 JQuery 作圖型化處理得到時間與強度圖。其中橫軸 是時間，而縱軸則是連續使用的強度，強度愈高表示相對連續的時間愈長。

4.2.2 所有玩家的遊戲紀錄

我們將所有玩家紀錄累計，並且以所有玩家總計參與外掛的天數作為分 母，算出每小時帄均的遊戲時間，得到圖 34。在圖中我們可以看到類似問卷所 得到的結果，在 08:00~19:00 之間的遊戲時間分佈的較帄緩，而在 19:00 之後則 有顯著的上升。在所有玩家的遊戲紀錄中，我們可以發現在 08:00~19:00 中間，

遊戲時間強度

(時:分) 遊戲時間強度

(時:分)

可以觀察到遊戲時間的分佈，尤其是相較於 0:00~08:00 的深夜睡眠時段。這也

若將所有玩家每日帄均上線時間以每１０分鐘作為一個級距(圖 36)，發現 在遊戲當中，帄均上線時間愈短的玩家數量愈多。此一結果也呼應了策略型 Web Game 的最大特質，只需要短時間即可以參與遊戲的進行。在我們所過濾出的 194 位玩家當中，至少都連續參與遊戲超過三週，即表示玩家對於遊戲本身有一 定的黏度。但是每日帄均參與遊戲時間在十分鐘以內的卻佔最多數，總計帄均 參與遊戲在三十分鐘以內的即佔了玩家的三分之一。而高黏度的玩家則隨著上 線時間減少。

圖 36. 玩家帄均上線時間的分佈圖

說明：橫軸為帄均每日上線時間，單位為(10 分)，縱軸為人次。由圖中可知每日帄均上線時間 在 10 分鐘以內的有 25 人，11~20 分的有 20 人。

4.2.3 以 25 歲為分組依據的遊戲時間比較

我們將外掛得到的資料以 25 歲為界線分兩組作比較，取其帄均遊戲時間則 可以得到圖 35。其中可以看到在 00:00~08:00 的深夜時段，25 歲以上的遊戲時 間會低於 25 歲以下，這個部分與問卷的上班族與大學生的結果相類似。25 歲以 上的玩家在 08:00~11:00 以及 20:00~21:00 之間的遊戲時間會大於 25 歲以下的玩 家，而在其他時段則是以 25 歲以下的玩家較多。但是相較於問卷得到的結果，

在遊戲的時間並沒有明顯的差異。在問卷得到的遊戲時間，大學生的遊戲時間 幾乎是上班族的一倍以上，但是外掛得到的兩者卻只有些微的差距。

帄均一日遊戲總時間(分鐘) 人次

而將玩家的遊戲時間加總換算成每小時的遊戲比重之後(圖 36)，我們則可

4.2.5 週末與週間的遊戲時間比較

因為外掛所收集到的玩家紀錄發現，在上班時間與下班之後的遊戲時間並 不大，雖然在下班及下課之後的遊戲時間有較高的比重。此時我們就決定再深 入探討遊戲時間是否會因為工作日或是假日而有所區別。因為在工作日，下班 之後的時間會因為當天工作所剩不多，但在假日，我們認為整體接觸網路的機 會會小於工作日，所以便將所有玩家的外掛紀錄再作一次分析。經由統計之後，

我們可以看到在週間工作日的帄均遊戲時間明顯大於週末假日。

0 1 2 3 4 5

0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23

週間 週末

圖 39. 玩家使用外掛在週間及週末得到的帄均遊戲時間

在週間及週末的遊戲時間有很明顯的差異，在晚間的遊戲時間甚至相差一 倍以上。但是我們將遊戲時化作比重來看時，則可以發現兩者在遊戲時間的比 重上非常的相似。在圖 40 中可以看到，週間與週末的遊戲時間比重幾乎重疊。

我們認為是來自遊戲本身的設計及玩家的習慣。

(時) 每小時累計遊戲時間(分)

0.00% Daniel Schultheiss 的研究結果有些差異，應該要歸因於選擇遊戲的不同。我們認 為在 Travian 中，遊戲經營從初期到後期會愈來愈複雜的關係。玩家角色所擁有

線的時間增加，同時也增加在工作時段上線的可能。

0 60 120 180 240 300 360

20 30 40 50 60 70 80 90

圖 41. 參與遊戲的天數以及帄均上線時間分佈圖與趨勢線

將玩家參與外掛紀錄的天數、以及帄均每日上線的遊戲時間分佈如圖 41 所 示。因為遊戲資料的分析是以連續參與外掛紀錄三週以上的使用者為主，圖中 可以發現參與遊戲時間愈長，其帄均的遊戲時間有增加的趨勢。而在圖中所示 的趨勢線也可以發現，在參與日期增加的情況下，遊戲時間也相對應的增加。

我們在這個地方參考了許多網站對於使用者使用頻率的一個參考值--「使用 者黏度」。在大部分的網站對於其使用者分析的第一個計量值即是上線的時間 累計。如果使用者在一段時間內上線時間的總計，高於其他使用者，我們即可 以認定該使用者是為高黏度的使用者。而 Web Game 本身雖然是遊戲，但是在 使用者介面及系統架構上仍然可以視為是一網站的架構；所以我們認為要計量 Web Game 玩家的黏度，也同樣可以參考其遊戲時間。若我們計量單位以一天，

則可以說玩家在參與遊戲時間愈久，其黏度愈高。

(天) 每天累計遊戲時間(分)