Ludo Atlas · 管线 · 试玩测试管线¶

管线与工作流。定位：把「我觉得」换成「我看到」的最小纪律：每轮先立假设，用陌生人观察真实行为，按证据分诊反馈，改完再测。配套：《制作管理手册》·《游戏设计手册》·《运营与增长手册》·《避坑大全》。

1. 定位与适用¶

自己人对自家游戏的判断会随时间失准：你知道每个按钮的用途，记得每处引导的用意，连哪里会卡住都提前替玩家想到了。试玩测试是把外部视角拿回来的手段：不回答「我们做得对不对」，只回答「目标玩家实际经历了什么」。

一句话定义：用真实目标玩家的真实行为，验证事先写下的假设。

三条底线，后文反复使用：

先有假设再有人：没有想验证的问题，这轮测试就不该开始（§3.1）。
看行为，不只听意见：玩家说什么便宜，做什么诚实（§3.4、§3.5）。
每轮小而频：5-8 人一轮，测完就改，改完再测（§3.6）。

适用范围与时机：

任何里程碑（原型、垂直切片、Alpha、Beta）的验收之前；
核心循环首次完整可玩之后，以及每次大改机制、数值、引导之后；
公开试玩（Demo、商店活动）之前，作为一次预演；内部对某个设计争论超过十分钟、双方都拿不出证据时。

边界划清：试玩测试不找 bug（那是 QA 流程，见《制作管理手册》§5），也不做大样本数据分析（那是上线后的遥测工作）。它管的是「人怎么理解、怎么上手、卡在哪、想不想继续」，样本小，深度高。

2. 工具链¶

原则：工具越轻越好，别为测试搭平台。一支笔、一张表、一段录屏就能开始，等真的测不过来再上更重的方案。

环节	常见选择	要点
招募	玩家社群、垂直论坛、线下聚会、远程约测	记录画像与联系方式；只用目标受众的陌生人（§3.2）
知情同意	一页说明加录制授权	说清用途、隐私边界与退出方式；录制前确认
录屏	屏幕录制软件（OBS 这类）加麦克风	全场次录制；统一命名「日期-版本-测试者代号」
记录	带时间码的记录表（文档或纸笔）	现场只记事实：时间、行为、原话
远程测试	视频通话加屏幕共享	网络不稳时改「录屏加异步回访」，不要硬测
事后问卷	短问卷，开放题为主	放在访谈之后；评分题不作为唯一证据
版本分发	独立测试构建，标清版本号	与开发版隔离；发出的版本与日期记录在案
行为埋点	死亡点、通过率、卡关点统计	辅助证据，与观察笔记互证；不独自下结论

补充说明：

记录表字段先定死：时间码、操作与行为、原话摘录、事件类型（卡住／误解／情绪／提问）。字段稳定，跨轮才能对比。
问卷不替代观察：问卷收玩家的自我认知，观察收真实行为，冲突时以行为为准（§3.5）；埋点能提示「哪里出了事」，说不清「为什么」，归因来自观察与访谈。

3. 流程与规范¶

一轮完整的试玩按六步走，顺序不交换：假设 → 招募 → 脚本与任务 → 观察记录 → 分诊 → 修复与回归（下一轮验证）。

3.1 目标与假设先行¶

开测之前先写一张「测试卡」，一页以内，三样东西：

假设：我们相信［哪类玩家］在［什么条件］下能／会［做到什么或感受到什么］。
观察指标：如果假设成立，应该看到什么可数或可见的行为兆候。
决策规则：出现什么结果算通过、算失败；失败时改哪里。

示例：「我们相信首次接触的玩家不靠提示也会发现冲刺。若成立，多人任务里至少一半的人会主动用它；若不成立，先检查冲刺的提示与视觉表现，而不是先删功能。」

纪律：

一轮最多 2-3 个问题，按「最可能毁掉项目的假设」排序，先验证最贵、最不确定的那个。
「看看反应」「好不好玩」不是假设。写不出可观察的兆候，说明问题还没想清。
轮次类型决定脚本：概念轮（这个想法讲得通吗）、可用性轮（玩家能不能自己上手）、平衡轮（难度曲线与数值合理吗）、体验轮（情绪节奏对不对）。类型不同，人数与任务设计也不同。

3.2 测试对象：陌生人优先¶

一句话规则：目标受众的陌生人 > 一般玩家 > 朋友。原因与方法有关，与礼貌无关：

维度	朋友	陌生人
知道你想要什么答案	顺着你说好话	只对游戏本身反应
设计信息污染	听你讲过、玩过早期版本	从零开始，等同新玩家
卡住时的行为	硬撑，帮你找借口	按真实反应放弃或抱怨
反馈价值	情绪价值高，决策价值低	能当决策证据

每轮 5-8 人。同类问题在小样本里高度重复：前几个人暴露的问题，后面多半是同一批。人数不是关键，「都是目标受众的陌生人」才是。
招募时核对画像：玩不玩这个类型、每周玩多久、对这类操作熟不熟。硬核玩家测休闲向游戏，卡点清单里会混满错位问题。
保持新鲜度：同一测试者从第二轮起就不再是「新玩家」。里程碑级验证尽量每轮换人；必须复用时，隔开版本与时段并标注。
朋友不是完全不能用：资源紧张的原型期可以用，但要清楚这是「降级证据」，只能提出问题，不能宣布通过。里程碑验收与公开试玩前，结论必须由陌生人给出。

3.3 任务设计与提问禁忌¶

任务设计只有一条主轴：给目标，不给步骤。

给场景与目标：「想办法到达对面的平台」「把角色升到 3 级」「找到出口」。
不给操作提示：「按 A 跳两次」「先点这里」会划走玩家自己理解的过程，也划走这轮测试要观察的东西。
任务 3-5 个，覆盖核心循环；每个 5-10 分钟；开场先给 2-3 分钟自由探索，让玩家建立自己的直觉。
开场脚本固定三句话：测的是游戏不是你；遇到困难不用怕出丑；请把心里想的说出来。

提问与主持禁忌：

不问「好不好玩」「难不难」「喜不喜欢」：社交礼貌会替你回答。
不用引导式问法：「是不是提示不明显？」把答案写进了问题，玩家只会顺着答。
卡住时不立刻帮忙：卡住正是数据。给足沉默时间，实在卡死再按最小提示介入并记录（§3.4）。
不问假想题：「如果加了某个功能你会怎样」收上来的是许愿；改问真实行为与回忆：「刚才那一步你本来想做什么」。
玩家提问时，记录问题、不直接回答；把「玩家问了什么」整理成教程缺口清单。

3.4 观察与记录¶

记录的唯一纪律：记事实，不记感想。主持人的感想留到分诊阶段，现场只收四类事实：

卡住点：停顿超过 30 秒、同一处反复失败、来回绕路、操作明显变慢。
误解点：把 A 当成 B、去找不存在的功能、读错界面信息；事后追问「你当时以为这里是什么」。
情绪点：笑、叹气、骂、身体前倾、放下手柄。情绪是体验数据的原始形态。
提问点：玩家主动问出的每个问题，都是游戏没讲清的地方。

介入规则：默认不帮、不救、不解释。卡死（约 2-3 分钟毫无进展）时给最小提示，并记下提示等级与时间；被提示过的环节，分析时降权处理。

分工与做法：

两人配置最佳：主持人负责引导与访谈，记录员只盯行为与时间码，互不串岗。
单人测试先保证录屏完整，访谈放到回看之后，回看时补全时间码笔记。
访谈配合回放：请玩家边看录屏边讲当时在想什么；回忆加画面的证词，质量远高于凭空问答。
当轮笔记在 24-48 小时内整理完：记忆会自动美化，也会自动丢失细节。

3.5 反馈分诊：意见与行为分开¶

一场测试会收到四类输入，处理方式完全不同，先分拣再讨论：

输入	性质	处理
行为证据（卡点、误解、放弃点）	最硬，可直接支撑决策	多人重复出现即进修复清单
玩家意见与建议	问题常是真的，方案常是错的	追问背后意图；方案基本不直接采纳
技术缺陷（崩溃、报错、显示异常）	工程问题	转 bug 清单按级别处理
赞美与客套	情绪价值	不作为证据，感谢即可

分诊的判断规则：

先找重复：2-3 名目标玩家在同一点卡住，才够格动设计；单人单次的卡点先记录，看后续轮次是否复现。
改「信息与引导」优先于改「难度」：很多所谓太难，其实是没看懂要干什么。先补提示、改反馈、调镜头，再动数值。
建议挖需求：玩家说「加个自动寻路吧」，背后多半是「我迷路了」或「走路太无聊」。解决后者，不照抄前者。
与核心幻想冲突的建议先不改，但要验证是不是「玩家没理解你的意图」；若是表达问题，改表达，不改幻想。
每条反馈都要有处置：改／不改／待观察，并写明理由。收集一堆不处理，等于白测，还消耗测试者的善意（见 §5 第 3 条）。

3.6 迭代节奏：小轮次，快回归¶

节奏公式：一轮 5-8 人 → 分诊 → 修复清单 → 冻结新版本 → 下一轮；间隔以 2-4 周或一个里程碑为单位，跟版本节奏走，不跟心情走。

修复清单每轮限 5-7 项，按影响排序；改太多会失去归因能力，也赶不完。
版本纪律与回归：每轮构建冻结并标版本号，一边改一边测结论作废；上一轮修复项在下一轮列为「必看项」，由新玩家回归验证，未验证的修复不算完成。
停止条件：新的陌生玩家在核心任务上不再出现新的高频卡点，且里程碑验收标准达成。停止信号不是「没人提意见」，意见永远会有人提。
每轮留一页报告：测了什么、看到什么、改了什么、下轮验证什么。多轮积累就是项目的决策日志。

4. 自动化与验收¶

试玩本质是人的工作，没有全自动一说；但模板、记录、汇总与回归可以半自动化，把主持人的精力省给观察与追问。

环节	可半自动的部分	说明
模板	测试卡、记录表、问卷、报告模板固定化	复制即用，字段不走样，跨轮可比
归档	录屏与笔记统一命名、按轮次归档	「日期-版本-测试者」命名，顺手就能做
指标汇总	任务完成率、首次成功用时、卡点计数、提示次数	每轮结束从记录表汇总成一张表
行为数据	死亡热区、通过率、流失点统计	与观察笔记互证；能提示去向，说不清原因
回归	上轮修复清单转为下轮必看项	修复与验证成对出现

每轮收尾自检：

测试卡在开测前写成：假设、观察指标、决策规则齐全；
参与者不少于 5 人且为目标受众的陌生人（朋友占比为零，或已标注降级），每场有完整录屏与时间码笔记；
主持过程没有教、没有解释、没有引导（抽查录像可证）；
48 小时内完成分诊，每条反馈有「改／不改／待观察」处置；修复清单完成并在下一轮由新玩家回归验证；
本轮报告落盘：看到什么、改了什么、下轮验证什么。

验收参考线在测试卡里事先定死，例如「新玩家无提示完成首个核心任务的比例」「平均卡点次数」「结束时愿意继续玩的比例」。数值因类型而异，纪律是同一条：先定线，再看分，不用事后拍脑袋。

5. 常见坑¶

只找朋友测：朋友的夸奖不是数据。朋友圈测试只能提出问题，不能宣布通过；里程碑验证必须换陌生人。
用解释代替观察：主持人忍不住教操作、讲设计意图、替游戏辩护。一解释，卡点消失，这轮测试最值钱的信息也一起消失。
收集一堆不处理：问卷与笔记进了抽屉，下一轮照旧。每轮必须有修复清单与回归验证，否则测试只是仪式。
没有假设就开测：「看看反应」的结果只剩印象与好话，支撑不了任何决策。先写测试卡（§3.1）。
引导性提问：「是不是太难了」问出的是礼貌，「你觉得哪里难」问出的是信息；玩家答什么就是什么，别替他写好答案。
在未冻结的构建上测试：边改边测，参与者玩的可能不是同一个版本，数据不可比，结论不可复用。
测错人群：用硬核玩家验证休闲体验，用从业者替普通玩家。招募前先对画像。
把玩家的方案当需求：照抄「加个自动寻路」，却不解决「迷路」本身。挖需求，不抄方案。
只测开头：每轮都从新手阶段开始，中期与后期从未被陌生人看过；按假设轮换测试段落，越贵的假设越先测。
围观氛围：一屋子人盯着屏幕，测试者表演或紧张，行为全面失真；除主持与记录外清场，远程测试只留必要人员。

延伸阅读¶

《制作管理手册》：§5 测试与 QA 的分层框架（自测、互测、定向外部、公开试玩），本页是其「定向外部」一档的完整展开。
《游戏设计手册》：验证方法与「玩具测试」的底稿，测试目标如何从设计问题里长出来。
《运营与增长手册》：公开试玩版、商店活动与愿望单节奏，试玩从小样本走向大样本的下一档。
《避坑大全》：「闭门造车」「只听身边人」类坑位的完整清单与代价等级，立项与里程碑评审时对照。
模板参考：测试卡、记录表与分诊清单可按本文 §3 的字段自制，一页以内为佳，够用即可。