Bruke flashbang-statistikk effektivt PlatoBlockchain Data Intelligence. Vertikalt søk. Ai.

Bruke flashbang-statistikk effektivt

De fleste statistikkene vi bruker måler en spillers ytelse i forhold til deres stoppkraft. En spillers drap, dødsfall, bytter og så videre er alle direkte målinger av ferdigheter. Men Counter-Strike handler om mer enn å klikke på hodet, og selv om det ikke er like opplagt å bruke statistikk for å snakke om indirekte handlinger, kan de være like nyttige for å utvikle narrativer rundt en spillers ferdigheter og verdi til deres side.

Flashbangs er et åpenbart eksempel. Se hvilken som helst profesjonell kamp, ​​og en av de første tingene du legger merke til er verktøyet. Du og vennene dine kjenner kanskje noen "gudsglimt", men det er ingenting sammenlignet med vell av oppstillinger tilgjengelig for å lære av proffene.

Mye av profesjonell CS handler om å unngå rene 50-50 skuddvekslinger. Du kan få et forsprang med litt heving, litt bevegelse, eller, mest effektivt, ha en lagkamerat-blits for deg. Dette er ikke alltid mulig, selvfølgelig, og profesjonelt spill har utviklet seg til det punktet at spillere inntar "anti-flash"-posisjoner - og ser inn i en vegg eller gulvet er den vanligste typen - så ofte som mulig. Metaspill har vokst rundt denne vanen, som å kaste en dårlig blits for å få en motstander mot blits til å snu seg bare et sekund, bra, blits til å komme rett i ansiktet på dem.

Dette skraper knapt i overflaten - flashbangs kan være like avgjørende som et skarpt hodeskudd med første kule. Så, bør det settes mer innsats i å måle den effekten og gi ros til spillerne som har mest? Dette er vårt blikk inn i verden av flashbang-statistikk.

Til å begynne med, her er de åtte spillerne med høyest flash assists per runde på LAN i år i kamper mellom lag rangert blant de 20 beste.

Bruke flashbang-statistikk effektivt PlatoBlockchain Data Intelligence. Vertikalt søk. Ai.

Listen domineres av AWPers og IGLs, et logisk resultat. AWPere spiller vanligvis fra baksiden av flokken, og kaster verktøy som flashbangs for å støtte riflere før de aktiverer seg selv, vanligvis senere i runden. Også IGL-er tar ofte støttende posisjoner med AWPere som lar dem fokusere på radaren og anropene deres i stedet for trådkorset.

Kombiner begge rollene, og du får Casper “⁠CadiaN⁠” Møller og Dzhami “⁠Jame⁠” Ali, to AWP-IGL-er som konsekvent er elite på de fleste flash-statistikker. Ilya “⁠M0NESY⁠” Osipov er på fjerde plass, noe som ikke er noen overraskelse for de som har sett streamen eller demoene hans, der den unge AWPer alltid viser frem nye triks for nytte, enten det er nok en enveis røyk i Mirage-vinduet eller en presis pop-flash .

Flash-assistenter forteller imidlertid ikke hele historien. Med enhver statistikk, må vi alltid likestille for muligheter før vi sammenligner en spiller med noen andre. Dette høres komplisert ut, men sjansen er stor for at du allerede gjør det.

Bruke flashbang-statistikk effektivt PlatoBlockchain Data Intelligence. Vertikalt søk. Ai.

AWPing-IGL-er som cadiaN er generelt elite på de fleste flashbang-statistikker

I fotball forventes en spiss å score flere mål enn en forsvarsspiller, så for å likestille for en spillers mulighet til å score mål, vil vi ikke ta en spiss som scorer flere mål enn en forsvarer som bevis på at angriperen er en overlegen spiller. Ti mål for en forsvarsspiller er bemerkelsesverdig, men ganske gjennomsnittlig for en spiss.

Det samme gjelder i CS. En støttespillers 1.00-vurdering er faktisk ganske anstendig, men alarmklokkene bør ringe hvis AWPeren din er rundt det området. På samme måte er en vurdering på 1.30 på et enkelt kart ganske bra, men en vurdering på 1.30 over et helt år er et gudelignende nivå få har nådd. Så det er behov for å likestille for muligheter, inkludert å sikre lignende utvalgsstørrelser og fordelene en spillers rolle kan gi hvis vi ønsker å finne ut hvem som kaster de beste flashbangs.

Ett svar er å gå lenger enn å dele en spillers flash-assistanse med runder, for i stedet å dele den på totalt kastet flashbangs. Nå kan vi se hvor stor prosentandel av en spillers flashbangs som direkte fører til døden til en motstander. Dette gjør det mer rettferdig, siden en spiller som trenger å kjøpe en HE-granat hver runde (og dermed kaster færre flashbangs) fortsatt blir belønnet for å ha effektive blink i forhold til rollen sin.

Bruke flashbang-statistikk effektivt PlatoBlockchain Data Intelligence. Vertikalt søk. Ai.

Dette er bedre, selv om det bringer problemer inn i metrikken som ikke eksisterte før. Som en vurdering på 1.30 over et år er mer imponerende enn over et kart, er en høy prosentandel av effektive blink mer imponerende jo flere flashbangs en spiller kaster. Av den grunn bør blitsassistenter per kastet blits ikke helt erstatte blitsassistenter per runde.

Men bør vi i det hele tatt bruke blitsassistenter? HLTVs blitsassistentstatistikk er strengere enn Valves, med en skaleringsterskel basert på hvor lenge en spiller var blindet. Dette betyr at hvis en spiller ble blindet i tre sekunder, teller ethvert drap innen disse tre sekundene som en blitsassistent. Dette er nyttig med tanke på nøyaktighet, men det betyr også at flash-assistanser er vanskeligere å få sammenlignet med statistikk i spillet.

Når noe skjer bare én gang hver tiende runde – og det tallet er sjenerøst, 0.10 flash assists per runde er veldig imponerende – gjør det det vanskeligere å etablere forskjeller mellom spillerne. Det samme problemet gjelder når det kommer til 1vX-clutcher, og det er derfor vår leaderboard for clutcher tar ikke hensyn til spilte runder.

Flash assists er også flere trinn skilt fra flashbang selv. En lagkamerat kan suse på en helt blind spiller, og gi deg 0.00 flash assists per runde. En motstander kan være heldig og få et drap mens han er helt blind. Blitsen din kan ha et annet formål enn en blitsassistent, og forsinker en fiendes push perfekt i tre avgjørende sekunder for å la en rotasjon komme inn.

Blitser er allsidige og effektiviteten dekkes ikke fullstendig av blitsassistenter. Heldigvis er det ikke vårt eneste alternativ: det er også statistikken merket som "opp blinket" på vår flashbang side. Dette er den gjennomsnittlige tiden per runde motstandere ble blendet av en spillers flashbang. Så det tar hensyn til gode blink selv om de ikke resulterer i et drap.

Bruke flashbang-statistikk effektivt PlatoBlockchain Data Intelligence. Vertikalt søk. Ai.

cadiaN er fortsatt nær toppen, men en spiller liker Dmitry “⁠Sh1ro⁠” Sokolov faller ut av topp ti med bare 1.66s motstandere blinket. Det er her denne statistikken kan hjelpe med narrativer; sh1ro's Cloud9 side har kommet under ild for sine dårlige flash-assistanser som et lag, og kommer ofte lavt i FTU ledertavle med bare 0.19 blitsassistanser per runde. For å sette det i sammenheng, cadiaN får blitshjelp så ofte som Cloud9Hele laget får to.

Så hva forklarer denne uoverensstemmelsen? Heroisksin proaktive stil, spesielt på CT-siden, kan sette dem i flere situasjoner hvor en popflash fra cadiaN er nyttig i forhold til Cloud9sin pragmatiske, skilpadde-lignende tilnærming til forsvar. Men det kan også være så enkelt som Cloud9 og sh1ro kjøper færre blink enn andre topplag - hver statistikk trenger kontekst for å følge med.

En vei her er å likestille mulighetene ytterligere, ved kun å sammenligne en spiller med lagkameratene deres. Her er spillerne som gir den høyeste prosentandelen av lagets flash-assist:

Bruke flashbang-statistikk effektivt PlatoBlockchain Data Intelligence. Vertikalt søk. Ai.

Denne listen inkluderer bare spillere som har konkurrert under samme banner i hele 2022, unntatt slike som SunPayus

Selv om det er interessant, løser dette fortsatt ikke problemet vårt. Det er ingen enkelt flashbang-statistikk som står for alle problemene som tas opp i dette stykket. Det er imidlertid ikke så sjeldent i statistikk. Faktisk må mang en statistikk presenteres sammen med en annen. Vi gjør dette ofte automatisk, for eksempel hvordan 0.80 drap per runde tilsvarer 24 drap i et spill på 30 runder, eller hvordan vurdering kompilerer flere forskjellige beregninger for å lage ett enkelt å forstå tall.

Men noen ganger er det mindre verdifullt å kompilere flere statistikker til ett tall enn å holde dem adskilt. Hver statistikk kan gi deg et stykke kontekst, men bare når du ser sammen får du et fullstendig bilde av hvordan hver statistikk påvirker den andre.

For å visualisere dette, her er et scatterplot. På den ene aksen er hvor mange flashbangs hver spiller kaster per runde, og den andre viser hvor mange sekunder en motstander er blendet av spillerens flashbangs i hver runde.

Bruke flashbang-statistikk effektivt PlatoBlockchain Data Intelligence. Vertikalt søk. Ai.

Nå ser vi på tallene med riktig kontekst. Øverst til høyre viser spillerne som er elite med flashbangs mens de er under en langt større prøvestørrelse, mens spillere liker Marco “NappSnappi⁠” Pfeiffer og Lotan “PSpinx⁠” Giladi er i en annen sone for spillere som har veldig effektive blink, men som ikke kaster for mange.

Vi kunne gjøre dette for enhver flashbang-statistikk, selvfølgelig; det ville være like verdifullt å se blitsassistanser sammenlignet med tiden motstandere ble blinket, for å se hvem sine blink som konverteres oftest.

Forhåpentligvis har vi illustrert forskjellen mellom å se en statistikk isolert og med riktig kontekst. Før vi avslutter artikkelen, vil vi legge til en ekstra advarsel: vi kan fortsatt ikke statistisk fastslå hvem som kaster de beste flashbangs. Vi har allerede nevnt begrensningene når det kommer til AWPere og støttende, bakerst i flokken, spillere som får kastet flere flashbangs.

Men vi mangler også en sentral del av puslespillet: Hvem fant oppstillingen til flashbang? Hvem designet utførelsen som blitsen er en del av? Selv om det ofte er en IGL, fortjener trenere og analytikere ære for lagets og spillerens flashbang-statistikk også.

Bruke flashbang-statistikk effektivt PlatoBlockchain Data Intelligence. Vertikalt søk. Ai.

Bakromspersonale som FaZes innersh1ne er medvirkende til å finne nye granater til lagene deres

En spiller som cadiaN dukker opp på tvers av alle beregninger, så han gjør tydeligvis noe annerledes enn andre spillere. Men fra utsiden kan vi ikke være 100 % sikre på at fordelen ikke styrkes av analytikere, stil og utallige andre faktorer.

Dette betyr at det burde være mer rettferdig å sammenligne lag, i stedet for spillere, når det kommer til flashbang-statistikk. Bortsett fra at lag som scorer høyt i flash-assists sjelden er de aller beste lagene i verden.

Faktisk er det en svak negativ korrelasjon mellom et lags flash-assists og runde seiersprosent. Av de åtte FTU-statistikkene (mutli-kills, opening kills, etc.) er flash-assistenter den eneste der trendlinjen vår skråner nedover.

Bruke flashbang-statistikk effektivt PlatoBlockchain Data Intelligence. Vertikalt søk. Ai.

Lag liker Cloud9 har hatt konsekvent dårlige blinkassistanser, og det første scatterplotet viste hvordan faze's spillere ser faktisk ut til å kaste bort mange blink, med Robin “⁠Ropz⁠” Kool, Finn “⁠Karrigan⁠” Andersenog Russell “WTwistzz⁠” Van Dulken alt i den gule kvadranten. Dette fører oss til et veiskille: Er det beste laget i verden dårlige med sine flashbangs? Eller mangler vi noe?

Det siste svaret virker mer sannsynlig. faze er et internasjonalt lag, med en eksplosiv stil. Rundene deres er ganske korte, noe som gir dem mindre tid til oppstilte perfekte gudeglimt. faze, plottet mot alle lag, er faktisk ganske gjennomsnittlige for flash-assistanser; det er multi-kills, 5v4-konvertering og 4v5-konvertering de utmerker seg i.

Dette er en viktig advarsel å erkjenne før den siste delen av artikkelen, der vi tar alt i betraktning for å lage en "flash-rating" som ligner på åpningsdrap-vurdering, effektvurdering og vurdering 2.0. Flashbang-statistikk kan for øyeblikket ikke inkludere all nødvendig kontekst.

Lag vil ikke at hver flashbang de kaster skal blinde en fiende i tre sekunder eller få en assist; granaten er en del av katt-og-mus, falsktunge, meta. Så dette er ikke en definitiv liste over de beste flashbang-kasterne, og det prøver den heller ikke å være. Det er bare en samling av spillere som konsekvent er gode på tvers av disse tre beregningene:

— Flashbangs kastet per runde
— Gjennomsnittlig tid motstandere ble blinket per runde
— Flash assists per runde

Fortsatt går formelen litt av veien for å male et helhetsbilde av hvor godt en spiller bruker flashbangene sine, med spillere som cadiaN, Jameog Gabriel “AlleFalleN⁠” Toledo belønnet nok en gang. AWP-IGL-trenden vår sees igjen, mens fem IGL-er og seks AWP-er kommer på den endelige listen. Men ikke glem at virkningen av mange flashbang ikke er innlemmet i denne vurderingen.

Bruke flashbang-statistikk effektivt PlatoBlockchain Data Intelligence. Vertikalt søk. Ai.

Så, bør vi bruke flashbang-statistikk mer? Kanskje; spillere liker cadiaN har helt klart en evne til $200-granaten og fortjener honnør for å gjøre det. Men formålet deres bør forbli som en indikator på stil: Disse statistikkene forteller oss det cadiaN bruker sine blinker for å få assist og blinde motstanderne, men det er ikke den eneste mulige bruken. Å ha en lav rangering betyr ikke at en spiller bruker sine flashbangs feil. Som enhver stat er konteksten konge. Og det er en leksjon som kan brukes på tvers av alle beregninger, ikke bare de som gjelder flashbangs.

Tidstempel:

Mer fra hltv