「連敗マッチング」の正体を100万試合シミュレーションで全部再現してみた【スプラ/APEX/VALORANT】

「7連敗」「勝率が50%に調整されてる？」――「連敗マッチング」の正体を、2万人×400試合（100万試合）のシミュレーションと、開発会社の公式発表・論文・特許で全部再現しました。
※この動画のナレーションは、僕の声を学習したAIです。

▼わかったこと
・完全に公平なマッチングでも、100試合で7連敗以上する人は31%（3人に1人）。5連敗以上は82%。コインを100回投げたときとほぼ同じ
・勝率が50%に近づくのは本当。でも「調整」ではなく、実力の近い相手と当てた結果（スキルベースマッチングで95%の人が勝率45〜55%）
・連勝の直後は少しだけ勝ちにくくなる（5連勝の直後は48.8%）。罰ではなく、レートの“行き過ぎ”が戻るだけ
・もし「勝ちすぎたら負けさせる」操作があれば、7連敗はむしろ9%に減る。「負けている人をさらに負けさせる」操作なら67%に増える。2つの説は真逆の“指紋”を残す
・勝ち負け以外の目的でマッチングを組む研究（EOMM）や、課金をうながすマッチングの特許は実在する。ただし実際のゲームで使われたという発表はなく、公式に認められている調整はどれも負けている人を助ける向き

0:00 7連敗は「仕組まれている」？
0:36 「勝率50%に調整されている」の正体
1:33 1万人のレートを立体にしてみた
2:16 7連敗は異常？ 100試合で3人に1人
3:18 連勝の後に勝てなくなるのは本当
4:02 もし操作があったら残る“指紋”
4:55 勝ち負け以外の目的で組む研究「EOMM」
6:24 課金をうながすマッチングの特許
6:44 公式に認めている調整
7:27 連敗したときにできること
8:15 まとめ

【シミュレーションの条件】
・2万人、本当の実力は正規分布。4対4のチーム戦を1人400試合（合計100万試合、乱数シード固定）
・1試合の出来＝実力＋ゆらぎ（調子・相性・ラグ）。チームの合計が高い方が勝つ
・レートはイロレーティング方式（全員1500スタート、K=24）。スキルベースマッチングはレートの近い8人を4対4に分ける
・「もし操作があったら」の比較は、毎試合五分五分の人に「3連勝したら次は15%不利／3連敗したら15%有利」などのルールを足したもの
・EOMMの再現：1対1、600人、100人ずつのプールで、論文の表（直近3試合の結果ごとの離脱率）を使い「離脱の合計が最小になる組み合わせ」を選ぶ簡易モデル
・数値はすべて自作シミュレーター（Python）による。実際のゲームの内部処理は作品ごとに異なります

【参考】
・Blizzard『オーバーウォッチ2』開発者ブログ（2023年1月30日、マッチメイキングについて）／パッチノート（2024年5月、連敗中のプレイヤーのチーム編成）
・Riot Games『VALORANT』Ask VALORANT ランクレーティング編（2021年3月18日）
・任天堂『スプラトゥーン3』更新データ Ver.11.1.0（2026年3月19日）
・EA / Respawn『Apex Legends』Matchmaking（2023年1月17日）
・Z. Chen ほか "EOMM: An Engagement Optimized Matchmaking Framework", WWW 2017（arXiv:1702.06820）／米国特許 US 10,286,327（Electronic Arts）
・米国特許 US 9,789,406 "System and method for driving microtransactions in multiplayer video games"（Activision, 2017）／同社のコメント（Rolling Stone Glixel, 2017年10月17日）
・Epic Games『フォートナイト』マッチメイキングのアップデート（2019年9月23日）
・Activision『Call of Duty』Matchmaking Series: The Role of Skill in Matchmaking（2024年7月）
・Deng ほか, CHI PLAY 2024（リーグ・オブ・レジェンド上位プレイヤー約60万試合の連勝・連敗と成績）／Wu ほか, CHI 2021（高校eスポーツのティルト）
・Microsoft Research "TrueSkill Ranking System"

映像・BGM・効果音：オリジナル（Blender／Manim／自作ツール）。ゲーム画面は使用していません。
#連敗マッチング #マッチング #検証 #スプラトゥーン3 #APEX