摩尔庄园顾客刷新机制揭秘-中关村在线

摩尔庄园顾客刷新机制揭秘

电玩墨客

原创

01-17

在摩尔庄园中，顾客刷新机制与收益最大化息息相关。满好感度下每21秒刷新一批顾客，合理布局餐厅可实现最高效率，而加速342份的奥秘正源于此周期计算。

今天的数据要写得长一些。

先说结果，再谈我在记录与分析数据过程中的坎坷心路。

结论：

中级餐厅经营期间，毛毛菇炒蛋的收益高于烧烤拉姆。

当顾客好感度满时，每21秒会刷新一批新顾客，人数可能为1人、2人或4人。若餐厅内等候区与餐桌均无足够空间容纳对应数量的顾客，则此次刷新失败，系统将进入下一个21秒周期重新尝试刷新，直至条件满足为止。

加速342份源于2×3600÷21≈342.9，小数部分处理方式可能与菜品计算相同。

营业期间菜品按从下至上顺序售出。

实验数据及其分析结果如下

6.8日的营业测试旨在比较毛毛菇炒蛋、炒双蛋与烧烤拉姆在销售时的利润差异。初期实验因中级餐厅机制异常出现偏差，经调整后耗时约十分钟重新获取有效数据。临近测试尾声，还对客流量及出菜顺序进行了补充观测，以完善整体运营分析。

先发布6.8日收益报表。

菜品数量减少的实际发生时间

营业结算时间即菜品售出并实现收益的经营时段。

结算时间即为营业时段的实际时长。

用餐耗时：从菜品调整至收益生成所需时间。

每秒盈利：单份利润除以用餐时间

最初设计实验时，计划在好感度满、配备4个灶台并买满桌子，除冰箱外所有家具置于首排（此时繁荣度为4200）的条件下进行。测试过程中需保持在线并在餐厅内，记录每25道菜品从顾客点餐到完成结账所用的时间。由于出菜口和收益数据能清晰反映顾客状态的变化，便于判断阶段节点，因此选取这两个指标作为观察依据。主要难点在于准确记住最后一道菜由哪张餐桌点出，并将时间精确到秒。此外，前25份的数据不计入统计，因初期客流尚未进入稳定饱和状态，无法代表常态表现。

昨天中级餐厅我并未在场，今天上线后才察觉情况有异。中级与初级餐厅运作方式不同，我沿用初级模式记录了十分钟数据，才发现出了偏差。

在点餐阶段，拉姆前往取菜口时餐品即被消耗。经过测试，四人桌实际可视为一个三人组加一个单人组，点菜与结账均需分两次操作。掌握这一机制耗费了十多分钟时间，过程令人疲惫。更麻烦的是结账环节，当多桌顾客几乎同时抵达结账口时，其人物模型位置高度重叠，难以准确分辨哪位顾客属于当前服务对象，给数据识别带来极大困扰。

重新设计实验方案，增加菜品记录份数，最终确保每道菜都获得两份可靠数据。

营业期间我直接查看收益表，因其与利润同步变动；出菜口菜品数量变化时，我会精确到秒地核对，因我的电脑壁纸恰好是一张精确到秒的时钟。

由于营业超时超过一小时不显示秒数，我只能对照钟表来读取时间。

整理销售数据和耗时仅用了一分钟，但面对实际与预期的巨大差距，内心久久难以平静。

关于烧烤拉姆最后两排的出餐数量与耗时，目前获得的两组数据分别为：63份耗时277秒，41份却耗时549秒。仅从数值对比即可发现明显异常，逻辑上难以成立。计划明日重新进行实测以获取准确结果。

双菇炒制数据：19份耗时286秒，18份耗时333秒；毛毛菇炒蛋：20份用时229秒，24份用时266秒。

可能是数据量不足，最近没怎么收集素材，手头的已经用光了。

顾客刷新机制是导致这一差异的主要原因。

在确定顾客刷新时间为21秒后，两小时营业时长为7200秒，用总时长除以刷新时间，即7200÷21≈342.8571，因此加速342份具有充分依据，结果合理且符合计算逻辑。

经过测算从点菜到结账的整个流程耗时，烧烤拉姆约88秒，炒双菇约130秒，毛毛菇炒蛋约111秒。结合各菜品的单份利润计算后发现，毛毛菇炒蛋每秒产生的收益高于烧烤拉姆。尽管炒双菇的表现尚可，但因缺少足够的客流数据支持，目前暂不对其效率做出最终判断。综合来看，毛毛菇炒蛋在单位时间收益上更具优势。

最后测试了出菜顺序对营业的影响，实验设计完整，数据易于采集，便顺带完成了。

出菜顺序通常有五种可能。