玩家共测新体验｜GPM 2.0 助力设备监测、行为分析与性能优化|gpm|内存|助力设备|性能优化|截帧|游戏|行为分析

今天我们来聊聊可能会博得您会心一笑的事儿。

在不久前，米哈游的B站官方账号发布了一条视频：《什么活动？让几百人一起找《崩坏：星穹铁道》的BUG？》

https://www.bilibili.com/video/BV1vT2dYzEgz/?share_source=copy_web&vd_source=3ec283d1713c5c689e8ab325838c67f8

视频中提到，有玩家在《崩坏：星穹铁道》的测试服中一阶段时直接秒杀了Boss——这显然超出了设计预期。

视频揭示了这样一个挑战：一位玩家描述的问题虽简短，但缺少截图或阵容信息，且问题出现在“模拟宇宙”这种Roguelike玩法中，复现难度陡然增加。为定位问题，米哈游团队依次提取了玩家的Log，剥离了复杂的代码逻辑和配置干扰，采用了二分法测试Buff组合，甚至编写了自动化脚本进行多种组合测试。最终，他们发现了问题源于底层结算时序的一项特殊触发条件。

这样的棘手Bug并不少见，几乎每个游戏团队都会遇到。虽然有方法，但筛选Log、梳理逻辑、分组进行自动化AssetBundle测试，对QA团队仍然是极大的挑战。据米哈游团队的统计，在他们6周的时间内，平均每开发1条新需求，就会引入1.18条Bug，令人直呼“招架不住”。

于是，UWA团队提出了一个新想法：为什么不让玩家也成为质检团队的一部分呢？

如果有这么一款产品，可以让开发商直接从玩家手中获取到第一手的游戏性能数据反馈，玩家的设备机型分布如何、玩家每天做日常任务的行为路径习惯如何、哪些场景下的性能表现最差、PSS内存超出2GB或某个阈值的情况在玩家中占比如何、哪些玩家的设备上画面出现了Shader丢失，诸如此类的问题都可以通过数据与截帧直接让玩家“告诉”项目开发团队，再叠加问卷、打点、客诉等方式，那就非常完美了。——就是它，UWA GPM 2.0，。

以下几个实际场景展示了GPM 2.0如何在游戏测试阶段协助项目团队实现玩家众测，希望有所启发。‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍

场景1

“我们进行了一次千人测试，我该怎么看到游戏在玩家们的设备上的性能表现呢？”

在GPM 2.0中，设备性能表现模块覆盖了从性能评分、设备机型使用情况，到具体品牌、机型占比等多项信息。项目团队可以轻松了解不同设备在测试中的表现，以便进行针对性优化。

场景2

“这是我们第一次对外测试，希望可以给玩家们打造一个非常优秀的前30分钟体验。我能从GPM 2.0中知道他们在刚完成新手引导之后去做什么了吗？”

对于追求良好开局体验的项目，GPM 2.0提供API接口打开全量数据采集模式，即使性能表现良好，也会把所有的场景标记为“异常”场景进行实时数据与截帧的采集。进行实时数据与截帧采集。项目组可根据需要设计抽样策略，配合Session报告与定时截帧了解玩家行为路径。同时，“自定义事件”功能，可回传玩家在关键节点（如遇到Boss）时的角色状态，帮助验证玩家行为与设计预期的偏差避免玩家因打不过Boss而被迫成为“十里坡剑神”的不良体验。

场景3

“我们对于这次测试玩家的招募预期是偏中低端玩家为主，玩家们反馈闪退的有不少，我该怎么去知道他们用的设备都是什么水准，以及在这些设备上的崩溃是不是因为内存导致的呢？”

GPM 2.0的「硬件性能分析」模块按SoC、GPU和机型展示设备性能表现，并显示了设备的Session占比和时长占比。项目组可以自由选择与组内进行设备档位划分更贴近的指标作为依据去观察玩家手中的设备水准。在「硬件分析」模块中也可以下载全部玩家设备的RAM内存信息，并通过Excel等工具二次聚合，得出玩家手中设备上的内存大小分布。同时，在「异常报告列表」中，我们可以通过针对类似“PSS内存≥2000MB”的条件进行筛选，得出高占比报告在总报告数量中的占比，用以结合得出的设备内存分布进一步确认在不同档位下对PSS内存峰值的控制。