Usando estatísticas de flashbang de forma eficaz

A maioria das estatísticas que usamos mede o desempenho de um jogador em termos de seu poder de parada. As mortes, mortes, trocas e assim por diante de um jogador são medidas diretas de habilidade. Mas Counter-Strike é mais do que clicar cabeças e, embora não seja tão óbvio usar estatísticas para falar sobre ações indiretas, elas podem ser igualmente úteis para desenvolver narrativas em torno do conjunto de habilidades de um jogador e do valor para o seu lado.

Flashbangs são um exemplo óbvio. Assista a qualquer partida profissional e uma das primeiras coisas que você nota é a utilidade. Você e seus amigos podem conhecer alguns 'flashes divinos', mas não é nada comparado à riqueza de escalações disponíveis para serem aprendidas pelos profissionais.

Grande parte do CS profissional consiste em evitar tiroteios puros 50-50. Você pode ganhar vantagem com alguma elevação, um pouco de movimento ou, mais eficazmente, ter um companheiro de equipe piscando para você. Isto nem sempre é possível, claro, e o jogo profissional evoluiu ao ponto de os jogadores ocuparem posições “anti-flash” – olhando para uma parede ou para o chão, sendo o tipo mais comum – sempre que possível. Os metajogos cresceram em torno desse hábito, como lançar um flash ruim para fazer um oponente anti-flash se virar apenas por um segundo flash bom para aparecer direto em seu rosto.

Isso mal arranha a superfície – flashbangs podem ser tão decisivos quanto um tiro nítido na cabeça da primeira bala. Então, deveria haver mais esforço para medir esse impacto e elogiar os jogadores que mais têm? Esta é a nossa visão do mundo das estatísticas flashbang.

Para começar, aqui estão os oito jogadores com maior número de assistências flash por rodada na LAN este ano em jogos entre times classificados entre os 20 primeiros.

A lista é dominada por AWPers e IGLs, um resultado lógico. Os AWPers geralmente jogam no final do grupo, lançando utilidades como flashbangs para apoiar seus riflers antes de eles se ativarem, geralmente no final da rodada. Os IGLs também muitas vezes assumem posições de apoio aos AWPers que lhes permitem concentrar-se no radar e nas suas chamadas, em vez de na mira.

Combine as duas funções e você obterá Casper “⁠CadiaN⁠” Møller e Djami “⁠James⁠” Ali, dois AWP-IGLs que são consistentemente de elite na maioria das estatísticas flash. Ilya “⁠M0NESY⁠” Osipov está em quarto lugar, o que não é surpresa para quem assistiu seu stream ou demos, onde o jovem AWPer está sempre exibindo novos truques de utilidade, seja mais uma fumaça unilateral na janela do Mirage ou um pop-flash preciso .

No entanto, os flash assists não contam toda a história. Com qualquer estatística, devemos sempre comparar as oportunidades antes de comparar um jogador com outro. Parece complicado, mas é provável que você já faça isso.

No futebol, espera-se que um atacante marque mais gols do que um zagueiro, portanto, para equiparar a oportunidade de um jogador marcar gols, não consideraríamos um atacante marcando mais gols do que um zagueiro como prova de que o atacante é um jogador superior. Dez gols para um zagueiro são notáveis, mas bastante medianos para um atacante.

O mesmo acontece no CS. A classificação de 1.00 de um jogador suporte é na verdade bastante decente, mas os alarmes devem tocar se o seu AWPer estiver nessa faixa. Da mesma forma, uma classificação de 1.30 em um único mapa é muito boa, mas uma classificação de 1.30 durante um ano inteiro é um nível divino que poucos alcançaram. Portanto, há uma necessidade de igualar as oportunidades, incluindo garantir tamanhos de amostra semelhantes e as vantagens que o papel de um jogador pode oferecer se quisermos descobrir quem lança os melhores flashbangs.

Uma resposta é ir além de dividir as assistências de flash de um jogador por rodadas, para em vez disso dividi-las pelo total de flashbangs lançados. Agora podemos ver qual porcentagem dos flashbangs de um jogador levam diretamente à morte de um oponente. Isso torna tudo mais justo, já que um jogador que precisa comprar uma granada HE a cada rodada (lançando assim menos flashbangs) ainda é recompensado por ter flashes efetivos em relação à sua função.

Isso é melhor, embora traga problemas à métrica que não existiam antes. Assim como uma classificação de 1.30 ao longo de um ano é mais impressionante do que em um mapa, uma alta porcentagem de flashes efetivos é mais impressionante quanto mais flashbangs um jogador lança. Por esse motivo, as assistências de flash por flash lançado não devem substituir totalmente as assistências de flash por rodada.

Mas, deveríamos usar flash assists? A estatística de assistência de flash da HLTV é mais rigorosa que a da Valve, com um limite de escala baseado em quanto tempo um jogador ficou cego. Isso significa que se um jogador ficou cego por três segundos, qualquer morte dentro desses três segundos conta como um flash assist. Isso é útil em termos de precisão, mas também significa que as assistências flash são mais difíceis de obter em comparação com as estatísticas do jogo.

Quando algo acontece apenas uma vez a cada dez rodadas – e esse número é generoso, 0.10 flash assists por rodada é muito impressionante – fica mais difícil estabelecer diferenças entre os jogadores. O mesmo problema é verdadeiro quando se trata de embreagens 1vX, e é por isso que nosso leaderboard para clutches não leva em conta as rodadas jogadas.

As assistências de flash também são várias etapas divorciadas do próprio flashbang. Um companheiro de equipe pode atacar um jogador completamente cego, rendendo 0.00 assistências instantâneas por rodada. Um oponente pode ter sorte e matar enquanto está totalmente cego. Seu flash pode cumprir um propósito diferente de um flash assist, atrasando perfeitamente o ataque do inimigo por três segundos cruciais para permitir a rotação.

Os flashes são versáteis e sua eficácia não é totalmente coberta pelos flash assists. Felizmente, não é a nossa única opção: há também a estatística rotulada como 'opp flashed' no nosso página flash bang. Este é o tempo médio por rodada que os oponentes ficaram cegos pelo flashbang de um jogador. Portanto, leva em consideração flashes bons, mesmo que não resultem em morte.

cadiaN ainda está perto do topo, mas um jogador como Dmitry “⁠Sh1ro⁠” Sokolov sai dos dez primeiros com apenas 1.66s de avanço dos oponentes. É aqui que essas estatísticas podem ajudar nas narrativas; sh1ro's Cloud9 lado tem sido criticado por suas fracas assistências instantâneas como equipe, muitas vezes ficando por baixo no Tabela de classificação da FTU com apenas 0.19 assistências de flash por rodada. Para colocar isso em contexto, cadiaN recebe um flash assist sempre que Cloud9toda a equipe ganha dois.

Então, o que explica essa discrepância? HeróicoO estilo proativo de, especialmente no lado CT, pode colocá-los em mais situações em que um popflash de cadiaN é útil em comparação com Cloud9abordagem pragmática e semelhante a uma tartaruga para a defesa. Mas também pode ser tão simples quanto Cloud9 e sh1ro comprando menos flashes do que outras equipes importantes – cada estatística precisa de contexto para acompanhá-la.

Um caminho aqui é igualar ainda mais as oportunidades, comparando apenas um jogador com seus companheiros de equipe. Aqui estão os jogadores que fornecem a maior porcentagem de assistências instantâneas de seu time:

Embora interessante, isso ainda não resolve nosso problema. Não existe uma estatística única de flashbang que explique todas as questões levantadas neste artigo. No entanto, isso não é tão raro nas estatísticas. Na verdade, muitas estatísticas precisam ser apresentadas em conjunto com outras. Muitas vezes fazemos isso automaticamente, como 0.80 mortes por rodada equivalem a 24 mortes em um jogo de 30 rodadas ou como a classificação compila várias métricas diferentes para criar um número fácil de entender.

Mas, às vezes, compilar várias estatísticas em um número é menos valioso do que mantê-las separadas. Cada estatística pode fornecer uma fatia do contexto, mas somente quando visualizadas em conjunto você terá uma visão completa de como cada estatística afeta a outra.

Para visualizar isso, aqui está um gráfico de dispersão. Em um eixo está quantos flashbangs cada jogador lança por rodada, e o outro mostra quantos segundos um oponente fica cego pelos flashbangs daquele jogador em cada rodada.

Agora, estamos visualizando os números com o contexto adequado. O canto superior direito mostra os jogadores de elite com flashbangs, embora em uma amostra muito maior, enquanto jogadores como Marco “⁠Snappi⁠” Pfeiffer e Lotan “⁠Spinx⁠” Giladi estão em uma zona diferente para jogadores que têm flashes muito eficazes, mas não lançam muitos.

Poderíamos fazer isso para qualquer estatística flashbang, é claro; seria igualmente valioso ver as assistências de flash em comparação com o tempo em que os oponentes foram disparados, para ver quais flashes são convertidos com mais frequência.

Esperamos ter ilustrado a diferença entre ver uma estatística isoladamente e com o contexto adequado. Antes de terminarmos o artigo, acrescentaremos mais uma ressalva: ainda não podemos determinar estatisticamente quem lança os melhores flashbangs. Já mencionamos as restrições quando se trata de AWPers e jogadores de apoio que podem lançar mais flashbangs.

Mas também estamos perdendo uma parte fundamental do quebra-cabeça: quem encontrou a escalação para o flashbang? Quem projetou a execução da qual o flash faz parte? Embora muitas vezes seja um IGL, treinadores e analistas também merecem crédito pelas estatísticas flashbang de seus times e jogadores.

Um jogador como cadiaN surge em todas as métricas, então ele está claramente fazendo algo diferente dos outros jogadores. Mas, do lado de fora, não podemos estar 100% confiantes de que a vantagem não é impulsionada por analistas, estilo e inúmeros outros fatores.

Isso significa que deveria ser mais justo comparar equipes, em vez de jogadores, quando se trata de estatísticas de flashbang. Exceto que as equipes que pontuam bem em assistências instantâneas raramente são as melhores equipes do mundo.

Na verdade, há uma correlação negativa fraca entre as assistências rápidas de uma equipe e a porcentagem de vitórias em rodadas. Das oito estatísticas FTU (mutli-kills, opening kills, etc.), flash assists é a única em que nossa linha de tendência se inclina para baixo.

Equipes como Cloud9 tiveram assistências de flash consistentemente ruins, e o primeiro gráfico de dispersão mostrou como FaZeos jogadores de realmente parecem desperdiçar muitos flashes, com Robin “⁠Ropz⁠” Kool, Finlandês “⁠Karrigan⁠” Andersen e Russell “⁠Twistzz⁠” Van Dulken todos no quadrante amarelo. Isso nos leva a uma encruzilhada: o melhor time do mundo é ruim com seus flashbangs? Ou estamos faltando alguma coisa?

A última resposta parece mais provável. FaZe é uma seleção internacional, com estilo explosivo. Suas rodadas são bem curtas, deixando-lhes menos tempo para flashes de deuses perfeitos alinhados. FaZe, traçados contra todos os times, são na verdade bastante medianos para assistências instantâneas; são multi-kills, conversão 5v4 e conversão 4v5 que eles se destacam.

Esta é uma advertência importante a ser reconhecida antes da parte final do artigo, onde levamos tudo em consideração para criar uma ‘classificação de flash’ semelhante à classificação de morte de abertura, classificação de impacto e classificação 2.0. As estatísticas do Flashbang, no momento, não podem incluir todo o contexto necessário.

As equipes não querem que cada flashbang que lancem cegue um inimigo por três segundos ou obtenha uma assistência; a granada faz parte da meta de gato e rato, falsamente pesada. Portanto, esta não é uma lista definitiva dos melhores lançadores de flashbang, nem está tentando ser. É apenas uma compilação de jogadores que são consistentemente excelentes nestas três métricas:

— Flashbangs lançados por rodada
— Tempo médio que os oponentes foram atingidos por rodada
— Assistências instantâneas por rodada

Ainda assim, a fórmula ajuda um pouco a pintar uma imagem geral de quão bem um jogador usa seus flashbangs, com jogadores como cadiaN, Jame e Gabriel “⁠FalleN⁠” Toledo recompensado mais uma vez. Nossa tendência AWP-IGL é vista mais uma vez, enquanto cinco IGLs e seis AWPers fazem parte da lista final. Mas não se esqueça que o impacto de muitos flashbangs não está incorporado nesta classificação.

Então, deveríamos usar mais estatísticas de flashbang? Talvez; jogadores gostam cadiaN claramente tem um talento especial com a granada de US$ 200 e merece crédito por isso. Mas, o seu propósito deve permanecer como um indicador de estilo: estas estatísticas dizem-nos que cadiaN usa seus flashes para obter assistências e cegar seus oponentes, mas esse não é o único uso possível. Ter uma classificação baixa não significa que o jogador esteja usando seus flashbangs incorretamente. Como qualquer estatística, o contexto é rei. E essa é uma lição que pode ser aplicada a todas as métricas, não apenas às que dizem respeito aos flashbangs.