Çok kategorili rekabetli sistemlerde (1v1, takım modu, farklı oyun modları) oyuncuların bir kategorideki ELO'sunu başka bir kategoriye taşımak, hem oyuncu deneyimi hem de sistem adaleti açısından kritik bir meseledir. Bu rehberde; geçiş kuralları, normalize puanlama yöntemleri, örnek hesaplamalar ve adil geçiş stratejileri—hem operatör hem de oyuncu perspektifinden—uzman düzeyinde ele alınacaktır.
1. Neden ELO taşıma gerekir? Temel gerekçeler
ELO taşıma, yeni kategoriye ilk yerleştirmeyi hızlandırır ve oyuncuyu tamamen rastgele başlangıç / provisional sürecinden korur. Ayrıca doğru uygulandığında:
- Oyuncu seviyeleri kategoriler arasında tutarlı görünür,
- Maç eşleştirme kalitesi korunur,
- Smurf ve manipülasyon riskleri azaltılabilir.
Ancak kötü tasarlanmış bir taşıma mekanizması adaletsiz eşleşmelere, seviye çöküşlerine veya oyuncu memnuniyetsizliğine yol açar.
2. Taşıma için temel ilkeler
- Adillik: Gerçek performansı yansıtmalı, yüksek ve düşük uçları bozmayacak.
- Geçiş güvenliği: Ani yüksek dalgalanmalara izin vermemek (caps / gradualism).
- Şeffaflık: Oyunculara hangi metriklerin kullanıldığını gösterme (ör: ortalama, standart sapma, K faktörü).
- İstismar önleme: Smurf, boost ve hesap paylaşımına karşı kontroller.
3. Normalize etmenin matematiksel yöntemleri
Aşağıda en yaygın ve pratik üç normalizasyon yöntemi ve avantajları/ dezavantajları var.
3.1 Z-score (standart puan) eşleştirme
Formül: z = (ELO_src - mean_src) / sd_src
Hedef kategoriye dönüş: ELO_target = mean_target + z * sd_target
Örnek: Solo: mean_src=1500, sd_src=200; Team: mean_target=1400, sd_target=150. Oyuncunun solo ELO'su 1600 olsun.
z = (1600-1500)/200 = 0.5 → ELO_target = 1400 + 0.5*150 = 1475.
Avantajlar: dağılım farkını hesaba katar, uç noktaları göreli konuma göre yerleştirir. Dezavantajlar: dağılım normal değilse yanıltıcı olabilir; ekstrem uçlara (outlier) dikkat.
3.2 Yüzdelik (percentile) eşleştirme
Mantık: Kaynak kategorideki yüzdelik dilimini hesapla, hedef kategoride aynı yüzdelik dilimine denk gelen ELO'yu al.
Örnek: Oyuncu solo kategoride %70'lik dilimdese, takım kategorisinde %70 dilime denk gelen ELO'ya yerleşir.
Avantajlar: Dağılımın şeklinden bağımsız, oyuncunun göreli yerini korur. Dezavantajlar: Sık değişen popülasyonlarda dalgalanma; yüzdelik hesaplaması veri gerektirir.
3.3 Lineer min-max ölçekleme
Formül: ELO_target = min_target + (ELO_src - min_src) / (max_src - min_src) * (max_target - min_target)
Avantaj: Basit ve anlaşılır. Dezavantaj: Uçlardaki değerler sıkışır veya genişleyebilir; smurflar için savunmasız.
4. Pratik örnek: Normalizasyon + Kısıtlar
Hedef: Yukarıdaki z-score yöntemini kullanıp, çok büyük değişimleri sınırlandırmak.
- Compute z-score ve map et: ELO_mapped.
- Delta = ELO_mapped - default_initial_placement (ör. mean_target).
- Allowable delta sınırı: max_delta = 150 (örnek). Eğer |Delta| > max_delta ise Delta = sign(Delta) * max_delta.
- Final ELO = mean_target + Delta.
Örnek: Önceki örnekte ELO_mapped=1475, mean_target=1400 → Delta=75 < max_delta, final ELO=1475. Eğer mapped 1600 olsaydı, Delta=200 >150 → final ELO = 1550.
5. Provisional (geçici) dönemi ve K faktörleri
Taşınan ELO'yu hemen tam güvenle kabul etmek risklidir. Tavsiye edilen uygulama:
- Geçici hesap: İlk N maç (ör: 10 maç) provisional kabul edilir, bu dönemde K daha yüksek tutulur ve ELO hızlıca güncellenir.
- Yumuşak başlangıç: İlk yerleştirme bir ağırlıklı ortalama ile combine edilir: final = w * mapped + (1-w) * provisional_score, burada w başlangıçta 0.6-0.8 olabilir ve maçlarla azalır.
6. Smurf, boost ve suistimal karşıtı önlemler
- Davranış ve performans analizi: Kısa sürede dramatik kazanma oranları, sıra atlamalar, anormal maç süreleri tespit edilsin.
- Hesap ilişkilendirme: IP, cihaz, ödeme bilgisi gibi sinyallerle multi-hesap tespiti.
- Transfer limitleri: Aynı oyuncu için belirli periyotlarda kaç kez kategori değiştirebileceği sınırı.
7. Uygulama algoritması (pseudo-code)
Algoritma:
# input: elo_src, mean_src, sd_src, mean_tgt, sd_tgt z = (elo_src - mean_src) / max(sd_src, min_sd) elo_mapped = mean_tgt + z * sd_tgt # cap delta delta = elo_mapped - mean_tgt if abs(delta) > MAX_DELTA: delta = sign(delta) * MAX_DELTA final_placement = mean_tgt + delta # provisional blending final = BLEND_WEIGHT * final_placement + (1-BLEND_WEIGHT) * provisional_placeholder
Notlar: min_sd küçük bir sabit (ör. 1 veya 10) ile bölme hatalarını önler; MAX_DELTA ve BLEND_WEIGHT sistem politikalarına göre ayarlanmalı.
8. Operatör için politika önerileri
- Şeffaf raporlama: Oyunculara yerleştirme mantığını ve provisional süresini göster.
- Geri bildirim döngüsü: İlk 3 ayda veri toplayıp parametreleri (MAX_DELTA, K, BLEND_WEIGHT) ayarla.
- Canary release: Önce küçük bir kullanıcı grubunda dene, anomali tespit et.
- Otomatik rollback: Sistem, oyun içi performans beklenilenin çok altındaysa otomatik inceleme başlatsın.
9. Oyuncular için strateji
Taşma sonrası başarı için oyuncuların dikkat etmesi gerekenler:
- İlk provisional maçlara önem verin; bu dönem K yüksek ve pozitif sonuçlar ELO'yu hızla sabitler.
- Yeni kategoriye adapte olmak için birkaç deneme maçı stratejilerinizi test edin; takım rolleri farklı olabilir.
- Eğer yerleştirme beklediğinizin çok altındaysa, önce kısa vadeli oyun istikrarı sağlayın, sonra yükselin—panik oynamaktan kaçının.
10. Kenar durumlar ve çözüm önerileri
10.1 Yeni oyuncu / az maçlı hesaplar
Bu hesaplar için daha muhafazakar bir map + provisional yaklaşımı kullanın. Doğrudan yüksek ELO ataması risklidir.
10.2 Dramatik dağılım farkları
Kaynak ve hedef dağılımları çok farklıysa (ör: sd_src >> sd_tgt), z-score uçları aşırı büyütebilir. Bu durumda yüzdelik eşleştirme veya karma (z + percentile) yöntemleri düşünün.
10.3 Takım rolü ve katkı farklılıkları
Takım modunda bireysel katkı çok farklı olabilir. Eğer mümkünse rol-temelli alt-metrikler (assist, objective time, KDA) kullanarak ek düzeltmeler uygulanabilir.
11. Özet ve uygulanacak adımlar
Özet: ELO taşımada en iyi yaklaşım; göreli pozisyonu koruyan bir normalize yöntem (z-score veya percentile), ani değişimleri sınırlayan kısıtlar, provisional blending ve anti-istismar önlemlerinin kombinasyonudur.
Hızlı uygulama planı:
- Veri analizi: her kategori için mean ve sd hesapla.
- Deneme: küçük grup ile z-score ve percentile yöntemlerini A/B test et.
- Parametre ayarı: MAX_DELTA, BLEND_WEIGHT, provisional_macth_count belirle.
- Canary release & izleme: telemetri ile anomali kontrolü.
- Genel yayın ve oyuncu bilgilendirmesi.
Bu rehberde sunduğumuz hesaplama örnekleri ve stratejiler, kategoriler arası ELO transferini hem adil hem de uygulaması kolay bir hale getirmek üzere tasarlanmıştır. Uygulama sırasında toplanacak verilerle parametreleri düzenli olarak güncellemek sistemi dayanıklı kılacaktır.
Sonuç
Kategoriler arası ELO taşıma, doğru matematiksel yaklaşımlar ve operasyonel önlemlerle hem oyuncu deneyimini hem de eşleştirme kalitesini iyileştirir. Z-score, yüzdelik eşleştirme ve kısıtlama mekanizmalarının kombinasyonu pratik ve güvenli bir başlangıç noktasıdır. Sistem operatörleri küçük denemeler, şeffaf iletişim ve sürekli izleme ile adil, sürdürülebilir bir geçiş politikası oluşturabilir.
