ArquétiposLoops principaisCaracterísticas
Combinar / EliminarFusão de UnidadesEsquiva / EvasãoCorridaTiro / MiraCombateDuelo por TurnosPosicionamento / ConstruçãoEscolha / EstratégiaFísicaQuebra-CabeçaProgressãoSimulaçãoTiming / Reação

Progressão（Progression）

Modele objetivos de longo prazo por meio de acúmulo e curvas; o núcleo é progressão controlável e limiares de estágio.

O que é

Termine uma partida, colete recursos, suba de nível e vá mais longe na próxima — o leveling de RPGs e os power-ups permanentes entre partidas de Vampire Survivors são construídos sobre isso.

Como se joga

Você morreu nesta partida, mas a experiência ficou no banco e seu poder cresceu; na próxima você sente claramente "estou mais forte agora" — até a falha vira investimento, e isso prende.

Por que aprender

O motor clássico de retenção de longo prazo — amarrar pequenas vitórias em uma linha de crescimento visível que faz o jogador dizer "só mais um nível e eu durmo".

O gameplay de progressão converte tempo gasto em ativos de habilidade irreversíveis: toda ação produz retorno, a falha paga um piso garantido, e limiares em estágios continuam desbloqueando novos objetivos. A parte difícil não são os números — é o ritmo e a justiça da curva: custos que sobem rápido demais matam a motivação, crescimento rápido demais queima conteúdo, e puro grind ou pura dor expulsam o jogador. O "só mais uma partida" vem do senso preciso de distância — o próximo nível nunca parece longe.

Por Que Esta Mecânica Importa
Para os Jogadores

A progressão dá ao jogador a certeza de que tempo gasto é tempo depositado: mesmo uma derrota te deixa mais forte, então nenhuma partida é desperdiçada.

Para o Ecossistema

A metaprogressão é o motor central da economia de retenção: pagamentos garantidos impedem que a frustração expulse o jogador, desbloqueios por marcos distribuem o consumo de conteúdo ao longo de objetivos de longo prazo, e a curva de custo mais a economia de energia definem diretamente o teto de LTV de um título de longa duração — os milagres comerciais de roguelikes e jogos idle são construídos em grande parte sobre essa estrutura.

Repertório Transferível

Aprenda design de progressão e você aprende a transformar o tempo do jogador em ativo: curvas de custo, compensação por pity, desbloqueios por limiar — uma estrutura que se transfere para qualquer coisa que precise de retenção, de battle passes a apps de aprendizado.

Comportamento de Jogo
Progressão（Progression）
Características de Gameplay
CliquesIdleNúmeros
Complexidade
Iniciante → Avançado
Objetivos de Aprendizado
  • Iniciante: entender o loop de crescimento — agir → ganhar recursos → upgrade/desbloqueio → ficar mais forte → novo objetivo — e reproduzir na demo um upgrade
  • Intermediário: escrever o contrato de curva de custo e piso garantido (regra de escalonamento, pagamento em falha, gatilho de compensação por sequência de derrotas) e ajustar a taxa de crescimento
  • Avançado: projetar o ritmo de limiares e a cadência de desbloqueio (o mapa de marcos), e verificar a saúde de longo prazo com curva de retenção, margem de lucro de farming e taxa de alcance de limiares
Padrões Centrais
Fusão / IncrementalMerge / IncrementalEstratégiaStrategy

② Demo Jogável Instantânea

Progressão（Progression） Demo
Carregando jogo…
Dicas de Regras
Regra: Completar uma ação → Ganhar recursos → Fazer upgrade/Desbloquear → Aprimoramento de habilidade → Novos objetivos e custos mais altos.
Guia de laboratório: trate a demo como um experimento
Experimento da Curva de Upgrade
Faça: Junte moeda, clique em "Upgrade (secundário)" e veja o metaPower saltar enquanto o custo do próximo nível sobe
Observe: O custo de upgrade escala com o nível — a curva de custo define o ritmo de crescimento. Cada salto de metaPower entrega uma dose instantânea de "fiquei mais forte", enquanto o custo crescente do próximo nível mantém viva a atração do "só mais um pouco"
Observação de Crescimento Garantido
Faça: Falhe várias partidas seguidas de propósito e veja se o badStreak aumenta enquanto a moeda continua crescendo
Observe: Mesmo a falha paga moeda — ganhos garantidos impedem que a frustração expulse o jogador. badStreak é o gatilho dos mecanismos de proteção: quanto maior a sequência de derrotas, mais forte a compensação, transformando "pura punição" em "progressão controlada"
Contraste de Dificuldade
Faça: No fácil versus no difícil, use "Avançar 1 Passo" 10 passos em cada e compare runDepth com metaPower
Observe: No difícil, o runDepth é mais raso, mas o metaPower continua acumulando — o crescimento permanente se desacopla da habilidade em cada partida: falhar uma partida nunca bloqueia o crescimento fora dela. Essa é a saída de emergência da armadilha do "puro grind ou pura dor"

③ Análise do Sistema de Comportamento

3.1 Problemas Resolvidos
  • Garante que a falha ainda renda crescimento (retorno/experiência garantidos), reduzindo frustração e abandono.
  • Equilibra atributos permanentes com habilidades de curto prazo, evitando puro grind ou pura punição.
  • Usa desbloqueios por marcos para guiar o retorno e a exploração, criando objetivos sustentáveis.
3.2 Conjunto Mínimo de Regras
  • Recursos: ganhe 1 de energia por clique; a energia pode ser gasta em upgrades ou desbloqueios.
  • Upgrade: custo = nível atual × 10; após o upgrade, o atributo aumenta em +1.
  • Limiar: a cada 100 de energia desbloqueia uma nova habilidade; os limiares aumentam em 50 a cada vez.
3.3 Loop do Sistema (opcional)
Entrada (ação) → Feedback (ganho de recurso) → Decisão (alocação) → Mudança de estado (upgrade/desbloqueio) → Nova habilidade → Nova entrada.
Notas de Design
A falha precisa pagar um piso garantido: a compensação por sequência de derrotas transforma "pura dor" em "progressão controlada" — o contador de sequência não é pena; garante que a frustração nunca saia de mãos vazias.
O crescimento meta precisa se desacoplar da habilidade em cada partida: uma partida rasa ainda faz o poder meta crescer — a falha dentro da partida nunca bloqueia o crescimento fora dela. Essa é a única saída da armadilha do "puro grind ou pura dor".
Marcos são faróis parafusados na curva: uma curva longa sem objetivos de estágio torna o progresso sem sentido — todo limiar precisa pendurar uma recompensa visível ou uma mecânica nova, ou os números só giram no lugar.

④ Combinações e Variantes Comuns

Progressão + Idle
A produção idle gera energia continuamente; a energia acumulada pode ser gasta em upgrades, criando um loop.
Progressão + Combate
O combate consome energia; a vitória concede experiência, que é usada em upgrades, aumentando o poder de combate.
Progressão + Combinar / Eliminar
A progressão de fases e os recursos encadeados dirigem o crescimento; completar uma combinação pode disparar upgrades adicionais.
⑤ Design e Algoritmos Avançados (recolhido)Clique para expandir
Avisos de Design
  • Custos de upgrade altos demais podem drenar a motivação do jogador, enquanto custos baixos demais diminuem o desafio e a sensação de conquista. O designer precisa equilibrar a curva de custo com o investimento do jogador para manter desafio e satisfação.
  • Uma curva de crescimento rápida demais encurta a vida útil do jogo, enquanto uma lenta demais leva ao abandono. Definir bem taxas de crescimento e marcos pode estender o ciclo de experiência.
  • A falta de objetivos de estágio faz a progressão parecer sem sentido. Cada limiar deve estar amarrado a uma recompensa visível ou a um novo elemento de gameplay para sustentar a motivação.
  • Quando o jogador abre mão de ganhos imediatos em prol de crescimento de longo prazo, a experiência geral pode melhorar, já que objetivos de longo prazo dão motivação sustentada. O designer deve introduzir marcos previsíveis cedo para encorajar o jogador em direção a objetivos maiores.
Exemplos de Algoritmos
  • Atributos: curvas segmentadas, retornos garantidos e mecanismos anti-grind.
  • Economia: controle de inflação, tetos e tetos suaves (soft caps).

⑥ Artigos de Casos Relacionados

Gacha Simulation: Understanding Pity Mechanics and Probability Psychology
This article deconstructs the structural differences between hard and soft pity systems, analyzing how probability psychology creates perceptual bias. Through simulation verification of gacha data, we reveal the impact of emotional thresholds on decision-making. This helps developers quantify the risks of pity strategies and optimize numerical design to enhance user retention and willingness to pay.
Infinite Progression: Balancing Exponential Cost Curves and Simulated Infinity
This guide deconstructs cost scaling and milestone thresholds in clicker/idle games to implement sustainable 'simulated infinity.' By combining non-linear cost growth with periodic system unlocks and prestige mechanics, developers can maintain player engagement without triggering late-game collapse, offering a high-execution framework for solving retention issues in pseudo-infinite loops.
Failure as Progress: Balancing Permanent Growth and Anti-Farm Mechanics
A deep dive into Roguelike permanent growth scaling and anti-farming systems. Learn how to balance rhythm-based unlocks and numerical feedback to transform player frustration into a compelling progression loop, ensuring a fair and engaging strategy space.
Random Events: Balancing Good/Bad Ratios and Implementing Negative Feedback Mitigation
This guide deconstructs random event mechanics, establishing a baseline probability distribution between positive and negative outcomes. It introduces a continuous negative feedback correction algorithm to prevent players from falling into a 'death spiral.' Readers will master techniques for smoothing player experience through event pools and pity systems, learning how to tune random parameters to balance procedural generation length and level difficulty in Roguelike games.
Tap-to-Evolve: Feedback Loops and Inflation Thresholds
This article deconstructs the tap-to-evolve mechanic, analyzing the click feedback loop and numerical inflation thresholds. It details how clicks drive upgrade pacing and maintain numerical readability, equipping developers with core loop design and balance strategies for casual games.
Drag-and-Drop Placement: Balancing Manual Yield Gaps and Offline Rewards
A deep dive into the numerical logic of drag-and-drop placement mechanics. By comparing manual yield gaps with offline reward formulas, we derive a balancing equation to curb excessive manual play. The guide covers cap setting, anti-farming mechanisms, and reward curve design, offering actionable solutions to the 'tiring when active, losing out when idle' player pain point.