Flashbang-statistieken effectief gebruiken

De meeste statistieken die we gebruiken, meten de prestaties van een speler in termen van hun remkracht. De moorden, sterfgevallen, transacties enzovoort van een speler zijn allemaal directe metingen van vaardigheid. Maar Counter-Strike gaat over meer dan klikken op hoofden, en hoewel het niet zo voor de hand liggend is om statistieken te gebruiken om over indirecte acties te praten, kunnen ze net zo nuttig zijn voor het ontwikkelen van verhalen over de vaardigheden en waarde van een speler aan hun zijde.

Flashbangs zijn een duidelijk voorbeeld. Bekijk elke professionele wedstrijd en een van de eerste dingen die je opvalt, is het nut. Jij en je vrienden kennen misschien een paar 'god flashes', maar het is niets vergeleken met de rijkdom aan line-ups die beschikbaar zijn om door de profs te worden geleerd.

Veel van professionele CS gaat over het vermijden van pure 50-50 vuurgevechten. Je kunt een voorsprong krijgen met wat hoogte, een beetje beweging of, het meest effectief, een teamgenoot voor je laten flitsen. Dit is natuurlijk niet altijd mogelijk, en professioneel spel is zo geëvolueerd dat spelers zo vaak mogelijk 'anti-flits'-posities innemen - kijkend naar een muur of de vloer is de meest voorkomende soort -. Meta-games zijn rond deze gewoonte gegroeid, zoals het gooien van een slechte flits om een ​​anti-flits-tegenstander slechts voor een seconde te laten omdraaien, een goede flits om recht in hun gezicht te knallen.

Dit is nauwelijks krassen op het oppervlak - flitsen kunnen net zo beslissend zijn als een scherpe first-bullet headshot. Dus, moet er meer moeite worden gedaan om die impact te meten en lof te geven aan de spelers die het meeste hebben? Dit is onze blik in de wereld van flashbang-statistieken.

Om te beginnen zijn hier de acht spelers met de hoogste flitsassistentie per ronde op LAN dit jaar in wedstrijden tussen teams in de top 20.

De lijst wordt gedomineerd door AWPers en IGL's, een logisch resultaat. AWPers spelen over het algemeen vanaf de achterkant van het peloton en gooien hulpprogramma's zoals flashbangs om hun riflers te ondersteunen voordat ze zichzelf activeren, meestal later in de ronde. Ook IGL's nemen vaak ondersteunende posities in bij AWPers, waardoor ze zich kunnen concentreren op de radar en hun oproepen in plaats van op hun vizier.

Combineer beide rollen en je krijgt Casper "⁠CadiaN⁠" Moller en Dzjami "⁠Jame⁠" Ali, twee AWP-IGL's die consequent elite zijn in de meeste flash-statistieken. Ilya "⁠M0NESY⁠" Osipov staat op de vierde plaats, wat geen verrassing is voor degenen die zijn stream of demo's hebben bekeken, waar de jonge AWPer altijd nieuwe handigheidstrucs laat zien, of het nu weer een eenrichtingsrook in Mirage-venster is of een precieze pop-flash .

Flash assists vertellen echter niet het volledige verhaal. Met elke statistiek moeten we altijd gelijkstellen voor kansen voordat we een speler met iemand anders vergelijken. Dit klinkt ingewikkeld, maar de kans is groot dat je het al doet.

In het voetbal wordt verwacht dat een spits meer doelpunten maakt dan een verdediger, dus om de kans van een speler om doelpunten te maken gelijk te stellen, zouden we een spits die meer doelpunten maakt dan een verdediger niet als bewijs beschouwen dat de spits een superieure speler is. Tien goals voor een verdediger is opmerkelijk, maar redelijk gemiddeld voor een spits.

Hetzelfde geldt voor CS. De beoordeling van een supportspeler van 1.00 is eigenlijk best behoorlijk, maar er moeten alarmbellen gaan rinkelen als je AWPer rond dat bereik ligt. Evenzo is een beoordeling van 1.30 op een enkele kaart redelijk goed, maar een beoordeling van 1.30 over een heel jaar is een goddelijk niveau dat maar weinigen hebben bereikt. Het is dus nodig om kansen gelijk te stellen, inclusief het waarborgen van vergelijkbare steekproefomvang en de voordelen die de rol van een speler kan bieden als we willen weten wie de beste flashbangs gooit.

Een antwoord is om verder te gaan dan het delen van de flitshulpen van een speler door rondes, in plaats daarvan te delen door het totale aantal gegooide flashbangs. Nu kunnen we zien welk percentage van de flashbangs van een speler direct leidt tot de dood van een tegenstander. Dit maakt het eerlijker, aangezien een speler die elke ronde een HE-granaat moet kopen (en dus minder flashbangs gooit), nog steeds wordt beloond voor het hebben van effectieve flitsen in verhouding tot zijn rol.

Dit is beter, hoewel het problemen met zich meebrengt die voorheen niet bestonden. Net zoals een beoordeling van 1.30 over een jaar indrukwekkender is dan over een kaart, is een hoog percentage effectieve flitsen indrukwekkender naarmate een speler meer flitsen gooit. Om die reden mogen flitsassistenten per gegooide flits niet de flitsassistentie per ronde volledig vervangen.

Maar moeten we flitshulpen überhaupt gebruiken? De flitshulpstatistieken van HLTV zijn strenger dan die van Valve, met een schaaldrempel op basis van hoe lang een speler blind was. Dit betekent dat als een speler drie seconden blind was, elke kill binnen die drie seconden telt als een flitshulp. Dit is handig in termen van nauwkeurigheid, maar het betekent ook dat flitshulpen moeilijker te krijgen zijn in vergelijking met in-game statistieken.

Als er maar eens in de tien ronden iets gebeurt - en dat cijfer is genereus, 0.10 flitshulpen per ronde is zeer indrukwekkend - wordt het moeilijker om verschillen tussen spelers vast te stellen. Hetzelfde probleem is waar als het gaat om 1vX-koppelingen, daarom is onze leaderboard voor koppelingen houdt geen rekening met gespeelde rondes.

Flash assists zijn ook verschillende stappen gescheiden van de flashbang zelf. Een teamgenoot kan een volledig blinde speler besnuffelen, waardoor je per ronde 0.00 flitshulp krijgt. Een tegenstander kan geluk hebben en een kill maken terwijl hij volledig blind is. Je flitser kan een ander doel hebben dan een flitshulp, en vertraagt ​​de push van een vijand perfect voor een cruciale drie seconden om een ​​rotatie binnen te laten komen.

Flitsers zijn veelzijdig en hun effectiviteit wordt niet volledig gedekt door flitshulpmiddelen. Gelukkig is het niet onze enige optie: er is ook de stat gelabeld als 'opp flashed' op onze flashbang-pagina. Dit is de gemiddelde tijd per ronde dat tegenstanders verblind werden door de flashbang van een speler. Het houdt dus rekening met goede flitsen, zelfs als ze niet tot een moord leiden.

Cadian staat nog steeds bovenaan, maar een speler als Dmitry "⁠Sh1ro⁠" Sokolov valt uit de top tien met slechts 1.66s tegenstanders geflitst. Dit is waar deze statistieken kunnen helpen met verhalen; sh1ro's Cloud9 kant zijn onder vuur komen te liggen vanwege hun slechte flitsassistentie als team, vaak laag in de FTU-klassement met slechts 0.19 flitshulpen per ronde. Om dat in context te plaatsen, Cadian krijgt zo vaak als Cloud9Het hele team krijgt er twee.

Dus wat verklaart deze discrepantie? heldhaftig's proactieve stijl, vooral aan de CT-kant, zou hen in meer situaties kunnen brengen waar een popflash vandaan komt Cadian is handig in vergelijking met Cloud9's pragmatische, schildpad-achtige benadering van verdediging. Maar het kan ook zo simpel zijn als: Cloud9 en sh1ro minder flitsen kopen dan andere topteams - elke statistiek heeft context nodig om mee te gaan.

Een mogelijkheid hier is om kansen nog verder gelijk te stellen, door een speler alleen met zijn teamgenoten te vergelijken. Dit zijn de spelers die het hoogste percentage van de flitsassistentie van hun team leveren:

Hoewel interessant, lost dit ons probleem nog steeds niet op. Er is geen enkele flashbang-statistiek die alle problemen in dit stuk verklaart. Dat is echter niet zo zeldzaam in statistieken. In feite moeten veel statistieken in samenhang met een andere worden gepresenteerd. We doen dit vaak automatisch, zoals hoe 0.80 kills per ronde gelijk zijn aan 24 kills in een game van 30 rondes of hoe rating verschillende statistieken verzamelt om één gemakkelijk te begrijpen getal te maken.

Maar soms is het samenstellen van meerdere statistieken in één getal minder waardevol dan ze apart te houden. Elke stat kan je een stukje context geven, maar alleen als je ze samen bekijkt, krijg je een volledig beeld van hoe elke stat de andere beïnvloedt.

Om dit te visualiseren, is hier een scatterplot. Op de ene as staat hoeveel flashbangs elke speler per ronde gooit, en de andere laat zien hoeveel seconden een tegenstander wordt verblind door de flashbangs van die speler in elke ronde.

Nu bekijken we de cijfers met de juiste context. De rechterbovenhoek toont de spelers die elite zijn met flashbangs terwijl ze onder een veel grotere steekproefomvang zitten, terwijl spelers houden van kader "⁠Snappi⁠" Pfeiffer en Lotan "⁠Spinx⁠" Giladi zijn in een andere zone voor spelers die zeer effectieve flitsen hebben maar niet te veel gooien.

We zouden dit natuurlijk voor elke flashbang-statistiek kunnen doen; het zou even waardevol zijn om flitshulpen te zien in vergelijking met de tijd dat tegenstanders werden geflitst, om te zien wiens flitsen het vaakst worden omgezet.

Hopelijk hebben we het verschil geïllustreerd tussen het afzonderlijk bekijken van een statistiek en met de juiste context. Voordat we het artikel afmaken, voegen we nog een waarschuwing toe: we kunnen nog steeds niet statistisch bepalen wie de beste flashbangs gooit. We hebben de beperkingen al genoemd als het gaat om AWPers en ondersteunende, back of the pack, spelers die meer flashbangs mogen gooien.

Maar we missen ook een belangrijk deel van de puzzel: wie heeft de line-up voor de flashbang gevonden? Wie ontwierp de uitvoering waar de flitser deel van uitmaakt? Hoewel het vaak een IGL is, verdienen coaches en analisten ook lof voor de flashbang-statistieken van hun team en speler.

Een speler zoals Cadian komt voor in alle statistieken, dus hij doet duidelijk iets anders dan andere spelers. Maar van buitenaf kunnen we er niet 100% zeker van zijn dat de voorsprong niet wordt vergroot door analisten, stijl en talloze andere factoren.

Dit betekent dat het eerlijker moet zijn om teams te vergelijken, in plaats van spelers, als het gaat om flashbang-statistieken. Behalve dat teams die hoog scoren op flitsassistentie zelden de allerbeste teams ter wereld zijn.

In feite is er een zwakke negatieve correlatie tussen de flitshulpen van een team en het winstpercentage. Van de acht FTU-statistieken (mutli-kills, opening kills, etc.) is flitshulp de enige waarbij onze trendlijn naar beneden helt.

Teams zoals Cloud9 hebben consequent slechte flitshulpen gehad, en de eerste scatterplot liet zien hoe faze'De spelers lijken eigenlijk veel flitsen te verspillen, met roodborstje "⁠Ropz⁠" Kool, Fin "⁠Karrigan⁠" Andersen en Russell "⁠Twistzz⁠" Van Dulken allemaal in het gele kwadrant. Dit leidt ons naar een kruispunt: zijn het beste team ter wereld slecht met hun flashbangs? Of missen we iets?

Het laatste antwoord lijkt waarschijnlijker. faze zijn een internationale ploeg, met een explosieve stijl. Hun rondes zijn vrij kort, waardoor ze minder tijd hebben voor perfecte godflitsen. faze, uitgezet tegen elke ploeg, zijn eigenlijk vrij gemiddeld voor flitshulpen; het zijn multi-kills, 5v4-conversie en 4v5-conversie waarin ze uitblinken.

Dit is een belangrijk voorbehoud om te erkennen voor het laatste deel van het artikel, waar we alles in overweging nemen om een ​​'flash-classificatie' te creëren, vergelijkbaar met het openen van kill-classificatie, impactclassificatie en classificatie 2.0. Flashbang-statistieken kunnen op dit moment niet alle benodigde context bevatten.

Teams willen niet dat elke flits die ze gooien een vijand drie seconden verblindt of een assist krijgt; de granaat maakt deel uit van de kat-en-muis, nep-zware, meta. Dit is dus geen definitieve lijst van de beste flashbang-werpers, en dat probeert het ook niet te zijn. Het is slechts een compilatie van spelers die consistent uitstekend zijn in deze drie statistieken:

— Flashbangs gegooid per ronde
— Gemiddelde tijd dat tegenstanders werden geflitst per ronde
— Flash assists per ronde

Toch gaat de formule een beetje in de richting van het schetsen van een algemeen beeld van hoe goed een speler zijn flashbangs gebruikt, met spelers als Cadian, Jame en Gabriel "⁠FalleN⁠" Toledo nogmaals beloond. Onze AWP-IGL-trend is opnieuw te zien, terwijl vijf IGL's en zes AWPers de definitieve lijst maken. Maar vergeet niet dat de impact van menig flashbang niet in deze beoordeling is verwerkt.

Dus, moeten we flashbang-statistieken meer gebruiken? Misschien; spelers houden van Cadian duidelijk een talent hebben met de granaat van $ 200 en verdienen de eer om dit te doen. Maar hun doel moet blijven als een indicator van stijl: deze statistieken vertellen ons dat: Cadian gebruikt zijn flitsen om assists te krijgen en zijn tegenstanders te verblinden, maar dat is niet het enige mogelijke nut. Het hebben van een lage rating betekent niet dat een speler zijn flashbangs verkeerd gebruikt. Zoals elke stat is context koning. En dat is een les die kan worden toegepast op alle statistieken, niet alleen die met flashbangs.