【导语】 PEPS+数据模型将选手的赛场表现通过选手指数（Player Stats）和选手风格（Player Types）两个维度去解析、呈现。

亲爱的PUBG电竞爱好者，

各类PUBG赛事中，我们不断统计选手淘汰数、死亡数、击倒数等数据内容，始终致力于让PUBG赛事更具专业度、更具趣味性。在接下来几个月里，特别是PCS1和PCS2洲际赛期间，为让数据开口说话，我们进行了名为“PUBG电竞选手数据+”（PUBG ESPRORTS PLAYER STATS+，简称“PEPS+”）的数据模型搭建活动。

• 什么是PEPS+？

首先，PEPS+数据模型会大量统计、整合PUBG赛事中的各类基础数据，并将其进行归纳分类，以此更好展示选手个人或整个团队比赛表现情况。与常规FPS品类游戏不同，战术竞技品类游戏的赛场表现，很难依靠淘汰数、死亡数、击倒数等数据简单呈现。我们在研究分析基础数据后，构建了全新的数据呈现模型，更全方位地展示选手赛场的表现情况。

举例说明：

在刚刚结束的PCS欧洲慈善赛上，Team Liquid选手ibiza拿下了29个淘汰，这确实是蛮高的淘汰数，但在数据背后，究竟隐含怎样的信息？我们无从知晓。究其原因，是源于没有背景的单一数据——29个淘汰数，很难具备较强说服力。

这29个淘汰是近距离淘汰、还是远距离狙击，抑或是二者兼备？他是通过团队协作、还是个人侧面突袭而获得的分数？当时圈形是否对他有利？等等问题，我们很难回答。我们知道的唯一内容“ibiza在整个赛事中，拿到了29个淘汰的数据”，仅此而已。

因此，通过构建“PEPS+”数据模型，我们可以更好阐释PUBG选手的赛场表现。PEPS+模型将不仅局限于静态数据的统计，还会将选手的赛场表现通过选手指数（Player Stats）和选手风格（Player Types）两个维度去解析、呈现。接下来，锅妹将为大家详细介绍一下PEPS+数据模型。

• 选手指数（Player Stats）和选手风格（Player Types）
  • 选手指数（Player Stats）

选手指数用于洞察选手在各种情况下的表现，如，交战和生存。

• 交战（Battle）包括造成的伤害、击倒对手、造成淘汰等情况，侧重于选手进攻维度，其影响变量包括：
  • 终结（Finishing）：衡量一名选手击倒、淘汰对手的能力
  • 火力（Firepower）：在特定时间内，一名选手造成最大伤害的致命程度
  • 战力（Combat）：依据伤害、淘汰和击倒等数据，给出一个战力等级

• 战略（Strategy）侧重选手生存维度，例如：生存时间、自我治疗或队友治疗，以及圈形等。其影响变量如下：
  • 生存（Survival）：从多个角度统计选手生存时间和血量状况
  • 战术（Tactics）：基于选手对圈形的把控能力
  • 团队配合（Teamplay）：基于队友间协作和支援互助情况

• 经验（Experience）侧重选手职业生涯因素的影响，比如：游戏时长、过往比赛表现，以此预测选手未来比赛情况。其影响变量如下
  • 潜力（Potential）：基于选手过往比赛经历和发挥情况
  • 生涯（Career）：此条目数据统计方式仍在进一步细化，但将主要参考选手在PUBG官方国际赛上的数据情况

• 选手风格（Player Types）

选手风格将根据选手在不同情境下，所采取的行动方式进行归纳总结。这主要受以下8大变量的影响：

• 落点（Landing Position）：选手落点同地图中心点或圈中心点距离远近
• 跳伞时机（Drop Timing）：选手相对于队友的跳伞时机
• 队员分布（Team Density）：在转移过程中，选手和队伍之间的距离；在交战过程中，选手站位同团队“中心”位置的距离
• 发育（Looting Variation）：选手拾取道具种类分配情况
• 交战距离（Combat Distance）：选手更倾向于近战还是远攻
• 打法（Warlike）：整场比赛，选手打法更倾向于保守还是进攻
• PBM：选手在艾伦格/米拉玛不同地图上的表现
• 积分构成（Point Distribution）：淘汰分和排名分占比情况

• 选手指数和选手风格的实际应用

好吧，锅妹聊了这么多，想必大家已经眼花缭乱了，但是，PEPS+数据模型的实际应用，却没有这么复杂。还是以ibiza在PCS欧洲慈善赛表现为例，他的选手指数雷达图，如下：

ibiza选手指数“雷达图”（PCS欧洲慈善赛）

现在，我们可以更加直观看到ibiza在比赛中的表现了，他在终结（Finishing）和战力（Combatability）方面表现十分突出，在团队配合（Teamplay）方面表现极佳。

ibiza选手数据（PCS欧洲慈善赛）

接下来，让我们把ibiza和Tornado Energy战队核心Xmpl进行比较，后者在比赛中拿到了26个淘汰，在“选手指数”模型表现上会有什么不同吗？

Xmpl选手指数“雷达图”（PCS欧洲慈善赛）

单纯比较29个淘汰和26个淘汰很难说明什么问题，但是基于更完善的数据统计，则能把握到更多内容。Xmpl在交战中能造成更大伤害，他具有火力值（98）,但是他终结（76）对手的能力则相对较弱，这或许就是造成淘汰数差异的原因之一。整场比赛，ibiza生存值（76）低于xmpl生存值（87），据此我们可以推断，ibiza更愿意冒更大风险换取更多淘汰分。

另外，我们还可以参考一下ibiza的“选手风格”模型，看看他的打法究竟如何。

ibiza选手风格（PCS欧洲慈善赛）

根据上图，我们大致可以得出以下结论：

• 相较于队友，ibiza通常选择更早跳伞，所以他也更早落地
• Team Liquid落点更多集中在地图中心区域，这里通常更早发生交火
• ibiza在拾取物品时并不挑剔，武器和补给物资占比相当
• ibiza交战距离上也相对平均，近战、远攻相当
• 发生交火时，ibiza距离队伍的位置比较近

下面，让我们再看一眼Xmpl：

xmpl选手风格（PCS欧洲慈善赛）

对比两位选手风格，很快，我们便能察觉出一些不同，例如：

• 相较于队友，Xmpl会选择更晚跳伞、更晚落地
• 他们队伍更倾向于中心点位
• 比赛中，Xmpl更倾向于近战对决

综上所述，结合数据内容，我们可以得知，纵使两位选手淘汰数相仿，但他们打法风格上还是很有不同的。

再举个例子，就拿Tianba_LinShuNN 和Gen.G_Pio做个比较。

LinShuNN和Pio选手指数对比“雷达图”（PCS东亚慈善赛）

他们的数据都很恐怖，两个人最为明显的不同在于“生存值（Surviaval）”，这点可能在赛事最终表现上起到了至关重要的作用。

现在让我们看看啊他们的“选手风格”模型：

LinShuNN和Pio选手风格对比（PCS东亚慈善赛）

根据统计数据，两名选手整体打法相近，但以下几方面还是存在不同：

• Pio更倾向于选择地图中心区域，但LinShuNN更偏向于周边，这可能造成了他们迥异的“生存值”
• LinShuNN打法相较于Pio，进攻性更强一点
• LinShuNN在艾伦格表现更好，Pio则更适应米拉玛地图

• 展望未来

以上内容，仅仅是我们在赛事数据展示方面的一个小的尝试，我们希望以更为直观的形式，展示一名职业选手是如何进行PUBG比赛，如何在复杂多变的形势下、选择不同战术策略的。而不仅仅是他们取得了怎样的成绩、获得了怎样的胜利。

今后，我们将和大家分享更多PEPS+数据内容。目前，该模型仍在打磨阶段，还会有更多改善。后续数据统计，将在PCS1洲际赛期间进行，并最终向所有赛区进行共享。在PCS1亚太和东亚洲际赛期间，我们也会通过拉取PEPS+数据内容，让大家对自己支持的队伍有更为深入的了解。

如果大家感兴趣，锅妹还整理了一份PCS慈善赛队伍数据表，以便查看。点击此处，下载PDF。

众人拾柴火焰高，关于PEPS+，大家有什么想法可以随时进行留言反馈！

更多精彩，尽在PUBG电竞！