Когда я только запускал Bounty Baddies, меня интересовала одна простая вещь: насколько редок конкретный персонаж в нашей коллекции. У нас было прописано распределение трейтов, заявленные проценты, красивая инфографика — и тысячи участников, которые надеялись выбить легендарку. Я хотел понять, что на самом деле стоит за цифрами.
Так появился первый внутренний расчёт. Я взял смарт-контракт коллекции, поднял метаданные, сверил фактические вероятности с обещанными. Потом посчитал реальные шансы собрать полный сет, получить персонажа с четырьмя эпическими трейтами и не разориться на газе. Это не было маркетингом — это был личный интерес.
Как этот интерес перерос в метод
Со временем я начал смотреть на другие проекты. Блокчейн-игры тогда активно внедряли лутбокс-механики: Mystery Box, Blind Bag, Egg Hatch. Почти везде декларировались «честные шансы», привязанные к хешу транзакции или оракулу. Звучало убедительно. Но как только я начинал восстанавливать распределение по открытым данным продаж — публичным кошелькам, событиям контракта, журналам открытий — картина часто расходилась с заявленной.
Мне стало важно не просто фиксировать расхождения, а понимать саму математику. Как устроена выборка с возвращением и без. Почему шанс 5% не означает, что на двадцатую попытку ты гарантированно получишь предмет. Как пити-таймеры смещают распределение и что такое «остаточная вероятность» после сотни неудачных открытий.
Так метод перестал быть инструментом для одного проекта и стал подходом.
От блокчейн-дропов к классическим лутбоксам
Следующий шаг был естественным. Гача-игры, MOBA, RPG с косметическими кейсами — по сути, та же механика. Отличается интерфейс, но не математика. Genshin Impact, Dota 2, CS:GO, Lost Ark — везде есть таблицы дропа, и везде разработчики публликуют официальные вероятности. Вопрос в том, как их читать.
Я начал собирать официальные данные из клиентов игр, патчноутов, disclosures для китайского и корейского рынков (где раскрытие обязательно). Сравнивал реальные результаты краудсорсинговых открытий. Проверял, сходятся ли заявленные проценты с эмпирическими. В большинстве случаев — да, крупные студии следят за комплаенсом. Но нюансы всё равно теряются: комбинированные таблиы, скрытые веса внутри категорий, разница между «шанс на предмет» и «шанс на категорию».
Универсальная математика шансов
В какой-то момент я понял, что грань между лутбоксом за две сотни рублей и цифровым лотерейным билетом — чисто юридическая. Математически это одна модель: фиксированная стоимость попытки, известное (или предполагаемое) распределение призов, крайне низкая вероятность джекпота и отрицательное матожидание для игрока.
Я начал считать шансы в цифровых лотереях — от Rapido до Powerball. Потом сравнил их с вероятностью выбить топовый скин за то же количество попыток. Получилась система координат, в которой можно разместить любой дроп: от условно-выгодного баттл-пасса до откровенно разорительной механики.
Именно это сейчас лежит в основе методологии портала.
Как устроен анализ сегодня
Когда я беру в работу новую игру, лотерею или механику дропа, я прохожу по нескольким этапам:
- Сбор исходных данных. Официальные вероятности из патчноутов, disclosures, клиентских файлов. Если проект блокчейн-игровой — поднимаю историю транзакций и метаданные токенов. Если лотерея — правила тиража и таблицу распределения.
- Восстановление модели. На основе данных строю распределение: независимые события или выборка без возвращения, наличие пити-таймера, мягкие и жёсткие гарантии, динамические веса.
- Расчёт ключевых метрик. Вероятность получения цели за N попыток, медианное число открытий, матожидание стоимости цели, дисперсия. Иногда — полная симуляция Монте-Карло, если модель сложная.
- Сравнение. Привожу метрики к общему знаменателю — обычно это стоимость одной попытки в центах или рублях и вероятность топового исхода. Это позволяет сопоставлять механики разных жанров на одной шкале.
- Человеческая интерпретация. Цифры — это хорошо, но важно объяснить, что они значат для реального игрока. Сколко в среднем прийдётся потратить ради легендарки. Какова вероятность уйти ни с чем. Где проходит граница между «развлечением» и «самообманом».
Инструменты
Для расчётов я использую Python с библиотеками numpy и scipy, иногда — кастомные симуляции на базе исторических данных блокчейна. Всё, что можно автоматизировать, автоматизировано. Часть выкладок проверяю вручную аналитически: формулы комбинаторики, условной вероятности, цепочек Маркова для пити-таймеров. Это не даёт оторваться от математики и помогает замечать ощибки в автоматических рассчётах.
Что важно понимать
Я не даю рекомендаций в духе «стоит ли задонатить». Это решение каждый принимает сам. Моя задача — чтобы у читателя были честные цифры перед глазами. Не маркетинговые 0,5% на легендарку (которая уже на третий десяток попыток начинает ощущаться как личная трагедия), а реальное распределение: скоько, почём и с какими шансами.
Прозрачность данных снижает магию. Но она же даёт контроль. Когда ты понимаешь, что шанс выбить заветный предмет — 0,4%, а медианная стоимость — пятнадцать тысяч рублей, ты принимаешь осознанное решение. Можешь задонатить. Можешь пройти мимо. Но ты не станешь жертвой иллюзии, что «вот-вот повезёт». Потому что математика не врёт.
Это и есть методология Bounty Baddies. От частного случая с одной коллекцией до универсального подхода. Без иллюзий. Только расчёты.