心流在游戏中的应用及量化
直到后来我才了解到一个在心理学上广为流传的理论——心流。正是这个理论让我对之前的所见所闻有了更深刻的理解。
有数据显示，大约70%的普通人已经进入了自己的心流状态，并且意识到自己之前也是那个心流状态。
下面是一些容易进入心流状态的常见场景。
1.在玩爆炸游戏的时候，
2.读一本精彩的小说
观看精彩的电影
4.学一门相对于自己的优质课程。
相信大部分人如果在心流状态下经历上述过程都会感叹:为什么时间过得这么快？为什么快乐的时光如此短暂？
如果一个小学生被要求写一篇800字的作文，那么他很可能步入了一个焦虑的区域；让一个高中生写一篇800字的作文，那么他就会很容易进入上面说的流畅状态，40分钟可能在短时间内就过去了；让一个博士生写完一篇800字的作文，那么他很可能会觉得无聊。这是解释心流的基本假设。
但我认为有两种流动状态。
1.波动流动
2.持续流动
相信大家最深刻的体验应该就是玩游戏了。不得不说，今天一款互联网游戏抄袭大厂的成功，虽然在过程中让人咬牙切齿，但在结果上真的是业界第一。我们后面会讲到他们是怎么做到的。
现在我们来仔细看看目前上榜的几款游戏。
仔细研究分类后，你会发现在这些游戏中，
一种是类似王者荣耀、和平精英、香肠党、英雄联盟这样的对抗性游戏。
一类是像原神、我的世界、迷你世界、梦幻新仙、轻相遇这样的开放世界游戏。
下面我们从流量的角度来分析一下这些游戏能让人沉迷其中的原因。
常见的手段是ELO机制，以上游戏均采用ELO机制。那么什么是ELO机制呢？
如果玩家在ELO机制中游戏，那么他会经历波动的心流，因为你不可能一直赢。一旦赢多了，就输了。就是这个机制让你沉迷其中。
我自己做过一个实验，也是我的亲身经历。如果你只玩英雄联盟中的一个英雄会怎么样？最终我打了3000个亚索游戏，英雄的胜率(游戏胜率)是51.1%。我得到的数据和经验完全符合上面提到的脉动流曲线。换句话说，在能力不变的情况下，无论你有多优秀，多强大，你永远是赢大于输。有人说，就算是51%，我最后能爬到顶吗？这就要说到领带的季节了。赛季会重置，把你的ELO降低到某个位置，让你可以再来一次，再来一次放纵。仔细考虑以上对抗性的比赛，几乎所有的比赛都符合这种情况——ELO机制和赛季。
这种博弈不符合波动的流，而是连续的流。玩家会因为在游戏过程中探索和发现新事物而获得积极的情绪。你永远不知道前方是什么，接下来会发生什么。这个过程比较均匀。例如，Tik Tok也满足这个定理。你不知道下一个视频是什么。当你刮到一个你喜欢的视频时，你会得到积极的情绪。就算不滑，再滑一次就好了。而且基于大数据，Tik Tok对你喜欢的内容了如指掌，让你精准推送你喜欢的内容，让你进入心流，逐渐忘记时间，欲罢不能。
基于以上知识，我们在开发游戏时，可以有目的地设计游戏机制，发掘玩家的情感曲线，达到让玩家喜欢游戏的目的。但是我们怎么知道用户有没有流量，或者效果如何？
当然，这离不开量化:
我称之为时间推移崩溃率。
我们需要找一些测试玩家，让他们在与世隔绝的地方玩你的游戏。
比如把60个年龄相差不大的合适玩家分成6组，每组10人。
第一组玩了一个小时，
第二组玩了两个小时，
第三组玩三个小时，以此类推。
点1:你不能告诉他们游戏需要玩多久，但是告诉他们尽量玩。
第二点:不要让游戏玩家接触任何数字时间或时间单位。比如游戏时长和技能，但是用图形代替，比如进度条，饼状图等等。
在他们完成游戏后，询问他们认为时间过去了多长时间，并将其记录为感知时间。
每个样本的最终计算公式为
时间崩塌率=感知时间/实际时间
很容易知道，如果玩家感觉时间过得很快，那么感知的时间
最后列出了时间坍缩比，做出了拟合曲线。正常情况下应该是符合正态分布的，而且是这样的图像。
其中x轴是TCR(时间崩溃比)。
对于正态分布拟合曲线，我们可以拿出几个数据作为指标。
取平均值作为平均TCR(ATCR)。
作为波动评估值的标准偏差(VA)
p(TCR & lt；0)为不满
p(TCR & gt；0)表示满意
每个指标的重要性
ATCR:你的游戏越小，玩家就越容易进入状态。
VA:你越小，因为你的游戏而进入心流的玩家类型就越广，越普遍。
p(TCR & lt；0):不满意，这些玩家可能不喜欢你的游戏或者对实验表现出抵触情绪。
p(TCR & gt；0):满意度，这部分玩家觉得你的游戏好玩。
通过玩家的时间崩溃率，可以量化我们游戏的质量，并据此进行优化。