Iron 玩家與 Diamond 玩家學習英雄的方式真的不同嗎？我們分析了 1,200,000+ 場對局中超過 780 萬筆資料點，看看熟練度上限與學習成本如何從 Iron 一路變化到 Master+。
資料集
我們合併了兩份資料來源：全新的依牌位分析 (Iron 至 Diamond，源自帶有精通資訊的對局資料），以及最初的 Master+ 資料集 （來自首次爬蟲時代的 530,000 場對局）。如此覆蓋全部 8 個牌位區段。
| 牌位 | 對局數 | 中位數 cap | 平均成本 |
|---|---|---|---|
| 鐵階 | 66,893 | 6 | -10.5% |
| 銅階 | 46,816 | 6 | -10.7% |
| 銀階 | 57,697 | 6 | -10.0% |
| 金階 | 285,392 | 6 | -8.5% |
| 白金 | 141,506 | 6 | -8.7% |
| 翡翠 | 82,456 | 6 | -9.6% |
| 鑽石 | 14,032 | 6 | -16.6% |
| 大師+ | 530,540 | 6 | -12.3% |
方法論
精通曲線： 對每個（英雄，牌位）組合，我們計算各精通等級（1 至 40+）的勝率，接著為了統計力度，將其聚合為每 2 級一組（1-2、3-4、5-6，以此類推）。並以單調平滑確保曲線不會下凹。
熟練度上限（Spearman）： 我們使用 Spearman 等級相關搭配滑動視窗，找出勝率不再隨經驗提升的精通等級。對每個候選切點，我們檢驗該切點之上的剩餘資料點是否仍具顯著正向趨勢 (p < 0.05、rho > 0.1）。當相關性消失之處即為上限。
學習成本： 衡量在尚未達到熟練度上限之前操作該英雄所付出的勝率代價。算法為（低精通勝率 − 高原勝率）× 100。−8% 的成本代表新手玩家相較於熟練玩家在同一英雄上會少 8 個百分點的勝率。
樣本門檻： 依據二項分布信賴區間寬度分析，每個精通分組需 267+ 場以達到 ±3pp 精度 (95% CI)，每組需 385+ 場以在 80% 檢力下偵測 5pp 的 WR 差距。某牌位下總場次低於 200 的英雄將被排除。
發現一：高牌位下熟練度上限會壓縮
所有牌位的熟練度上限中位數都是 6，但變異在高牌位大幅縮小。在 Iron，有些英雄會持續進步到精通 26 級；到了 Diamond 與 Master+，幾乎每個英雄都在精通 6 級就觸頂。
在這份資料中，高牌位的熟練度曲線較早到達估計平台。Low（Iron/Bronze/Silver）與 High（Diamond/Master+）兩組的 Mann-Whitney U 檢定也顯示差異具統計顯著性（p = 0.0005）。
但此差異是由約 35 個複雜英雄帶動的。80% 的英雄無論牌位都在精通 6 級就觸頂。
發現二：學習成本在各牌位下相當穩定
出乎意料的是，各牌位的學習成本相當一致，中位數約 −8%。Iron 玩家初次操作一個英雄所付出的勝率代價，跟 Diamond 玩家差不多。
Mann-Whitney U 檢定顯示牌位群組之間並無顯著差異 (p = 0.06 至 0.18）。牌位等級與成本之間的 Spearman 相關性偏弱 (rho = 0.11)，儘管因樣本龐大而在技術上達到顯著 (p = 0.0001）。
牌位差異最大的精通曲線
部分英雄在不同牌位呈現很不一樣的估計上限。Viego 在 Iron 為 26 級，在 Diamond 為 6 級，相差 20 級。整體遊戲知識或許能解釋部分收斂，但這次分析沒有單獨驗證原因。
發現三：刺客與戰士擁有最高的技術天花板
英雄類別是熟練度上限的顯著統計預測因子（Kruskal-Wallis p = 0.01）。刺客（31% 的上限在 8 以上）與戰士（26%）最難精通，坦克則幾乎一上手就觸頂（4%）。
出乎意料的是，各類別的學習成本相當一致 (−7.5% 至 −9.9%）。差別不在於學習中你會輸掉多少，而在於你需要多久才會停止輸掉。
分路（上路、中路、野區等）並非顯著預測因子 (p = 0.39）。中路看起來最高，只是因為刺客與法師最多。
依英雄類別的 Mastery Cap (Gold)
| 類別 | 英雄數 | 中位數 cap | Cap > 8 比例 | 中位數成本 |
|---|---|---|---|---|
| Assassin | 16 | 6 | 31% | -9.9% |
| Fighter | 50 | 6 | 26% | -8.7% |
| Marksman | 28 | 6 | 25% | -7.8% |
| Mage | 36 | 6 | 19% | -7.5% |
| Support | 18 | 6 | 11% | -7.6% |
| Tank | 24 | 6 | 4% | -8.7% |
OTP 潛力：持續回饋精通的英雄
真正的 OTP 英雄需要同時具備：高熟練度上限（在精通 10 之後仍持續進步），以及該段歷程中超過 10 個百分點的有意義勝率提升。被標示的格子代表該牌位存在 OTP 訊號。
每個格子顯示熟練度上限 / 從零開始到高原的勝率提升。被標示的格子代表 OTP 訊號（上限 > 10 且提升 > 10pp）。
資料品質與限制
Bootstrap 穩定性： Spearman 熟練度上限本質上有雜訊。即便是單一牌位下擁有 50K+ 場資料的熱門英雄，bootstrap 重抽樣對某些英雄仍會給出寬廣的 95% 信賴區間 ([6, 20]）。這是方法論限制，而非資料問題。
Diamond 資料： Diamond 共有 140K 場、50 個英雄超過 1K 場，足以支撐學習成本分析，但對偵測非平凡的熟練度上限而言檢力有限。
Master+ 資料： 源自最初的 530K 場分析 （以 Master/GM/Challenger 為主），提供豐富的逐級資料，單一英雄最多可達 150 個精通等級。
勝率合理性： 所有牌位的整體勝率介於 49.6% 至 49.9%，確認資料內部一致。