Statystyka spotyka e-sport. Polski startup chce zmienić rekrutację i podejście do analityki [WYWIAD]

Tymczasem w świecie e-sportu jest nieco inaczej. E-sportowi eksperci wykorzystują już analitykę i metody statystyczne do wyciągania wniosków o formie graczy, ale GGPredict może wprowadzić ciekawą, bo zautomatyzowaną nowość na rynek.

Na platformę wystarczy wrzucić własne demo. System przeanalizuje dostępne informacje i pokaże nie tylko mnóstwo ciekawych metryk, ale również wskazówki, jak poprawić grę. Ten „wirtualny trener”, to część usługi, która ma być zamknięta za paywallem.

Zespół tworzą fani gry z doświadczeniem w big data, programowaniu czy gamingu, którzy mają nadzieję na stworzenie czegoś więcej niż tylko analityki do e-sportu. GGPredict ma być również bazą danych o meczach, zespołach i zawodnikach – z wynikami live i sekcją newsową.

GGPredict negocjuje obecnie rundę seedową i korzysta ze wsparcie startupowego ekosystemu. Uczestnicy w programach biznesowych Google i zdobył kartę wstępu do akceleratora Space3ac. Zespół wygrał konkurs organizowany przez LSE Polish Business Society. Obecnie środki na rozwój pochodzą od polsko-izraelskiego funduszu TDJ Pitango, który w GGPredict zainwestował milion złotych.

Więcej o produkcie i rynkowym dopasowaniu dowiecie się z poniższego wywiadu z Michałem.

Karol Kopańko, Spider’s Web: Pod koniec kwietnia świat obiegła informacja o wycieku kodu źródłowego CS:GO. Czy to jakoś zmieniło waszą pracę?

Michał Łowigus, GGPredict: Nie, do tej pory poznaliśmy na tyle dobrze działanie CS-a i jego kod, że ten wyciek nie wniósł nic nowego do naszej wiedzy. O ewentualne konsekwencje tego wydarzenia też się nie boimy. Duża część tego, co uważa się za „wyciek” i tak już była rozrzucona po całym internecie. 

Jedna rzecz, której waszym zdaniem na pewno brakuje w internecie, to… metryki dla e-sportu.

Pozwolisz, że odniosę się do piłki nożnej. Czasy, kiedy królował beztroski futbol i trener Smuda używający służbowego laptopa jako podkładki pod doniczkę już bezpowrotnie minęły. Teraz niemal każdy topowy zespół zatrudnia analityków, którzy rozkładają mecze na najmniejsze detale, korzystając z zaawansowanych programów. Do tego dochodzą banki danych czy kamizelki mierzące wydajność.

Zarządzający drużynami zrozumieli, że dużo oszczędniej jest zainwestować w kilku dobrych analityków i sprzęt, niż zatrudnić niesprawdzonego piłkarza, który okaże się drogim niewypałem.

W e-sporcie nie ma takiego podejścia? Przecież zawodnicy również spędzają godziny na wspólnych treningach, aby sprawdzić, czy wpasują się w drużynę, zanim podpiszą kontrakt. 

Oczywiście, że tak. Natomiast narzędzi, które agregowałyby wiedzę i dane zarówno o twojej drużynie, jak i przeciwnikach jest jak na lekarstwo. Dlatego widzimy tutaj niszę, w którą chcemy się wpasować. 

Jak w takim razie chcecie pomóc e-sportowym drużynom?

Nasze oprogramowanie w kilka sekund wykonuje pracę analityków, a na dodatek śledzi wszystkich dziesięciu zawodników, a nie tylko jednego. Analizy przeciwników czy poszczególnych graczy będą teraz dużo precyzyjniejsze - pozwolą graczom przewidywać zachowania drugiej drużyny w zależności od wydarzeń na mapie. Metryki, o których mówimy to nie tylko skuteczność korzystania z poszczególnych broni czy nade’ów (counter-strike’owy slang dla granatów-przyp.red), ale także analiza ekonomiczna i taktyczna.

A HLTV? Tam przecież też mamy mnóstwo statystyk dla nerdów.

Jest oczywiście 10 podstawowych metryk w stylu przeciętnych obrażeń, fragów czy asyst, ale nic ponad to. HLTV nie ma usystematyzowanego i zautomatyzowanego podejścia do danych. Zazwyczaj są one zwyczajnie wpisywane przez dziesiątki zatrudnionych tam osób. 

Nie powiesz mi chyba, że ktoś ogląda mecz i wklepuje statystyki z palce? Tak to działa?

Jesteśmy po dużej liczbie rozmów z różnymi bukmacherami i tam też obowiązują raczej tego typu metody. Nie wynika to ze złych chęci, a raczej z braku rozwiązań, które pozwalałby przyspieszyć i zautomatyzować pracę. 

Zazwyczaj wyobrażamy sobie, że bukmacherzy posiadają wszechwiedzący mechanizm, który ma jakiś tajny system układania kursów. Wygląda to trochę inaczej. Po drodze są jeszcze firmy - hurtownie danych.

W takim razie jak wy konkretnie zamieniacie gameplay na dane?

Dekodujemy pliki demo, które są zapisane w formacie gry. Następnie ten zrozumiały już kod rozkładamy na czynniki pierwsze i z milionów linijek kodu wyciągamy te wydarzenia, które mają znaczenie dla przebiegu gry. To tak jak w meczu piłkarskim wiedziałbyś, co robił każdy z piłkarzy, z jaką mocą podał piłkę, jak szybko biegł i czy w sytuacji, w której samolubnie strzelał, zamiast podać, widział lepiej ustawionego kolegę.

Co konkretnie masz na myśli, pisząc “dekodujemy”?

Patrząc na plik demo, nasze dekodery widzą wszystkie wydarzenia w meczu co do ułamków sekundy. Tych wydarzeń jest kilka, a nawet kilkadziesiąt milionów, więc następnie musieliśmy oznaczyć te, które mają znaczenie dla przebiegu rozgrywki.

Wszystkie trafienia, wszystkie ruchy - wszystko, co się dzieje w grze?

Tak, absolutnie każdą informację, która jest na serwerze. Łącznie z ruchem kurczaków i rybek w fontannie, ale skupiamy się na tych, które mają realny wpływ na przebieg rozgrywki (śmiech).

Wokół tych zdarzeń, Przemek, nasz CEO, który doktoryzuje się w statystyce na SGH, zbudował kilkadziesiąt różnych metryk i nasz własny system oceny graczy. Następnie, na bazie ok. 2 milionów dostępnych plików gier, nasz machine learning i AI nauczył się zachowań z prawdziwych meczów.

Ale chcecie nie tylko analizować mecze, ale również  pomagać aspirującym e-sportowcom?

W tej chwili, jeśli chcesz rozwijać się w CS-ie, to oczywiście możesz oglądać tutoriale na YT czy oglądać mecze, ale to czasochłonne i bez usystematyzowanego podejścia jest raczej jałowe. 

Bez dwóch zdań.

Widziałem, że biegasz. Ja też. Wyobraź sobie, że chciałbyś zejść poniżej 40 min na 10 km.

Bez zegarka i apki, która mierzy tempo, puls, kadencje, no i oczywiście kilometraż, trudno o progres, biegając na wyczucie. Do tego będziesz potrzebował jeszcze ułożony plan treningowy.

Chcemy, żeby gracze dostawali dokładnie taką samą analizę swojej gry jak profesjonaliści. Każdy aspekt gry: strzelanie, ustawianie się, współpraca z kolegami drużyny. Oprócz tego precyzyjnie identyfikujemy ich słabe i mocne strony i dostarczamy wskazówki, na czym należy się skupić, żeby osiągać jeszcze lepsze wyniki. 

Czyli nie będziecie analizować tylko meczów ESL-a, ale również… wszystko inne? Będę mógł załadować własne pliki na platformę, a ta wypluje mi analizę?

Nasza platforma będzie darmowa i taka pozostanie. Z biegiem czasu planujemy wprowadzić paywall dla zaawansowanych danych i ekskluzywnych treści, jednak na ten moment to melodia przyszłości. Zarabiać chcemy głównie na sprzedaży wirtualnego trenera, który doradzał będzie zawodnikom. Jego subskrypcja będzie kosztowała ok. 5 dol. miesięcznie, czyli 19,99 zł. Wierzymy, że jest to rozsądna cena.

Gracze zwykle nie są najlepszym materiałem do monetyzacji. Upadają kolejne media, które piszą o grach, mało jest reklamodawców i mamy tylko jeden Spodek, którym się chwalimy. Gracze zaś raczej kupują nowe rzeczy na przecenach albo stronach z CD-key’ami. Dlaczego wam ma się udać?

Patrzymy na sukces FaceIT czy Esportalu, czyli płatnych serwerów do matchmakingu. Z FaceIT korzysta jakieś 7 mln ludzi, z których duża część za to płaci. Jeśli spojrzysz na facebookowe grupy dla fanów CS’a, to dzieciaki kupują i sprzedają skiny noży po kilkaset złotych. Wierzymy, że o ile dostarczymy graczom realną wartość, jakość i wiedzę, to kiedy zrozumieją, że dzięki nim mogą zostać świetnymi graczami - będą w stanie za nie zapłacić. 

Czy już współpracujecie z jakimiś e-sportowcami, aby sprawdzić, jak taki wirtualny trener sprawdza się w praktyce?

Na ten moment prowadzimy kilkadziesiąt rozmów ze sportowcami zarówno z Polski, jak i z zagranicy. Opowiadamy o produkcie, pokazujemy jego możliwości i zwracamy uwagę na pewne aspekty, które nawet zawodowcom mogły do tej pory uciekać. Kiedy front naszego programu będzie gotowy, otworzymy szersze beta testy, do których serdecznie zapraszamy - można się do nich zapisać u nas na stronie. 

Wspomniałeś też o matchmakingu - nad tym również pracujecie? Jak to różniłoby się od matchmakingu, który już mamy w CS-ie?

Matchmaking opiera się tam na dobieraniu graczy pod względem rang, które nie są tak precyzyjne. Chcemy, żeby zespoły miały wgląd w konkretne statystyki i jeśli szukają AWP-era, to będą mogły sprawdzić, czy osoba, o której myślą ma rzeczywiście tak dobrą skuteczność na tej broni, jak twierdzi. 

Czyli w przyszłości, możecie pomóc w wybiciu się młodym talentom, które będą miały statystyki na pokrycie swoich umiejętności. 

To właśnie nasz system scouting grounds. Obecnie dość ciężko jest się przebić dobrym amatorom na wyższy level. Chcemy stworzyć system rekrutacyjny, w którym zespoły szukające zawodników będą mogły zajrzeć w liczby amatorów i dzięki temu mieć dobry obraz tego, kogo mogą zwerbować.