数据无处不在,但如何使用它呢?让PV向你展示如何在万智牌练习中运用数据并避开常见的“数据陷阱”,赢得最终胜利!
(资料图片仅供参考)
PVDDR
在很久以前,万智牌是没有任何数据的。如果你想知道某个对局的走向或者某张限制赛单卡究竟有多好,你只能凭空臆断或自己测试。甚至很多时候参加大赛的牌手们还不知道这个赛制有哪些套牌被使用。
随着互联网和万智牌网站的广泛普及,数据开始变得越来越易于获取。你可以找到大赛的高胜率套牌列表,这些数据能够帮你判断哪些套牌更容易获得胜利。
如今,我们已经进入了可以获取更多信息的时代。 我们不再受八强或表现出色的套牌数据的限制——我们可以看到所有的数据。在每场大赛之后,Frank Karsten都会发布环境明细,这其中甚至有一些大赛中每轮每局比赛的结果展示。对于同一对局的胜率数据统计,样本量不再是几十,而是成百上千甚至更多。在UntappedGG上有更多的统计数据,17lands在限制赛方面也旗鼓相当。
尽管大数据并不能代替测试,但正确使用数据可以带来很大的帮助。反之,如果使用方式错了,数据同样也会误导你。在几年前,判断数据是否可信以及在何时应该依据数据进行决策是一项完全无关紧要的技能(不管是第一手还是第二手数据)。但随着数据越来越容易获取,这变得越来越重要了。在本文中,我将讨论什么是可信的数据,而什么数据可以被忽略。
(请注意,我仅围绕构筑赛制进行讨论。因为在限制赛里的使用数据过程有些许不同,数据的来源也大不相同。但如果这篇文章反响好并且对大家对限制版的感兴趣我也可以写。)
现在给大家提供一些关于如何将数据融入测试中的技巧/建议。
目录
#1:MTGA对标准赛制的可靠性要高于其他赛制
#2:BO1的数据对BO3完全无用,反之亦然
#3:MTGO的数据通常比MTGA更可靠
#4:职业比赛具有最可靠的数据
#5:流行度与胜率呈反比关系
#6:战队会夸大胜率
#7:对推特上的自吹自擂要保持怀疑态度
#8:数据总是滞后于现实情况
#9:公开数据可以用来淘汰卡组并指引方向,但对于在相似的套牌之间进行选择并不好
#1:MTGA对标准赛制的可靠性要高于其他赛制
根据赛制不同,个人得出的MTGA天梯数据的可信度会发生变化。我发现标准赛制的数据尤其可靠。即使你的段位还不够高(例如你还没有打到秘稀前排,只有白金或钻石段位时),你对上的套牌也非常能代表该赛制中存在的套牌。例如我如果现在打开MTGA打把标准天梯,我会碰上格力极中速的概率大概在20%-30%,而这个概率正与线上线下赛事相符。
这意味着天梯上的数据对于标准来说其实是一个非常可信的数据来源。当然,需要注意的是天梯上的竞争激烈程度不能与一些大赛相比。因此,当你比较一个来源于MTGA的数据和一个来源于其他地方的数据时,需要考虑这两个数据之间的差异可能因为竞争激烈程度不同而引起的。但是如果这两个数据都来自于MTGA,那么这个数据是非常可靠的。例如,如果我使用套牌A在天梯上赢了70%的比赛,这并不意味着这个套牌的胜率真的有70%那么高。它可能比不过一个我在MO上使用的胜率65%的套牌B,或者在内部测试中胜率为60%的套牌C。然而,如果在天梯上测试两个不同的套牌,一个胜率为70%,一个胜率为65%,那么胜率为70%的套牌就很有可能是更好的选择。
从字面意义上来说,70% 这个数字有点假。但与其他MTGA的数据相比,这个数据可以让你知道哪套牌或哪张单卡是更好的:如果用着相同的套牌,但你选用了一张新牌加进套牌里去打天梯,你感觉胜率提高了,那么你可以认为这个新牌很有可能是一个更好的选择。但如果用着一套牌在天梯上输了很多场,那么这个套牌很有可能不是个好的套牌选择。
在标准之外,对于其他赛制来说情况并非如此。史迹尤其野蛮生长,我无法得出任何结论。因为在一些非标准赛制的天梯中,可能存在许多没有机会在竞争激烈程度较高的赛事中出现的套牌,导致你只能面对各种杂七杂八的套牌。我记得当我在测试一场史迹大赛时,我在提交套牌的前一天打了 20 场天梯,没有一场遇到了勇德牺牲。但当赛场的套牌占比公布时,勇德牺牲居然占了将近一半。在史迹的天梯,你很容易碰到纯白回血套或者纯蓝海盗套,而碰到奇怪套牌的概率与你碰到最主流的套牌的概率是一样的。虽然炼金赛制的天梯相对可靠一些,但它也存在着类似的问题。对于这些赛制,如果你要备战某场大赛,我认为通过打天梯获得的数据基本没有意义。
当然这带来了一个问题,因为这些赛制只存在于MTGA上,那么有什么其他选择呢?我唯一知道的就是和你认识的人对练,但不是每个人都有这样的条件。幸运的是,需要准确数据的史迹或炼金的比赛并不多。如果你要准备MTGA公开赛,那么它跟天梯的环境应该有很多相似之处,毕竟别的地方也没有的玩。而且人们通常不会为此做出严肃的准备。但如果你想准备类似MTGA冠军赛这样规格的比赛,我十分建议你进行内部测试,而不是依赖于MTGA的天梯数据。
你还可以通过Untapped.gg 网站上的环境胜率来获取一些MTGA平常比赛的数据。你会看到这样的界面:
当看到这种类型的数据时,你需要知道这是玩家自愿提供的,因此胜率的基准线不是50%。这不是从每个在MTGA上进行的对局中抽样,而是从每个安装了这个程序的人所玩的游戏中抽样。这样的数据来源本就倾向于更具经验的牌手。因此,这样记录的所有套牌的平均胜率都在 50% 以上,并且你在这张截图中看到的蓝白士兵的 63% 有点夸张了。
很遗憾,你可以免费获得的这些数据几乎毫无用处。因为它们只统计了天梯上涵盖全段位的BO1对局,所以快攻通常有非常夸张的胜率,尤其是再加上套牌造价的因素。例如,虽然在上图所示的这套标准纯黑套牌并不是一个非常可行的标准套牌,但它的胜率排名却高居前三位。如果你开通了UntappedGG的会员,可以获取BO3数据并只统计高段位数据,这样数据会稍微更加可靠一点点。但即使成为会员,我发现胜率还是不太可靠,存在较大的随机性。快攻类套牌的胜率通常会被过度夸大。我不确定这个程序是否能很好地识别哪些套牌实际上是相同类型的套牌,它将我认为是同类的套牌分开统计了。此外,有时某个套牌在统计中会有很高的样本量,但我并不认为它应该被视为环境的一部分。
这样的数据可以指出一个大概的方向。如果一个套牌在这样的数据里有59%的胜率,那么它有可能比有51%胜率的套牌更好。但这些数据的误差幅度似乎真的很大,这有点反直觉,因为他们有很多数据样本。也许是数据里有太多的干扰项?不管出于什么原因,我发现这个数据除了宏观层面,在其他层面都无法作为参考。
#2:BO1的数据对BO3完全无用,反之亦然
这大概是不言而喻的,BO1与BO3是完全不同的赛制。起手规则不同,没有备牌,牌手类型不同,环境也完全不同。如果你打的是 BO3的比赛,那么所有非 BO3 的数据都是完全没有意义的,BO1也是一样的道理。
#3:MTGO的数据通常比MTGA更可靠
MO上定期会举办大赛,在https://www.mtgo.com/en/mtgo/decklists上可以看到表现最佳的套牌。你可以根据不同的赛制以及赛事来筛选数据。
一般来说MO收集的数据比MTGA更有价值,因为MO牌手整体实力比MTGA的牌手更强。尽管MO收集的数据量较少(通常看不到单个套牌的胜率或类似的东西),但是这些数据更具代表性。
这同时适用于自己测试得来的数据以及在网站上找到的大赛数据。如果我必须盲选一个套牌去玩,其中一个在MTGA上有 75% 的胜率,而另一个在MO上有 75% 的胜率,我会选择MO的那个。大赛中的竞争更激烈,对手实力更强,与MTGA天梯相比更具有挑战性。即使我在为MTGA大赛做准备,我仍然会选择MO的那套牌,因为我认为MO更接近大赛环境。
需要注意的一件事是,我发现至少就标准而言,MO的环境更“窄”一点,因此形成结论的速度更快。由于参加大赛的牌手数量较少,很多时候会出现同一个人在不同大赛中出现的情况。这些牌手具有快速适应新套牌的能力,同时在MO上可以方便地租借和交易套牌,相较于MTGA和线下更加方便(而在MTGA和线下则很难突然更换套牌)。因此,在MO中,一次在某次Challenge表现出色的套牌可能会在下一个大赛中出现,并占据八强的一半。这可能会导致套牌的多样性不如MTGA和线下,所以你应该稍微考虑一下这一点。
#4:职业比赛具有最可靠的数据
在每场大型比赛之后,你都可以找到该大赛中套牌对局详情。 你可以在 MTGAzone(例如https://mtgazone.com/japan-korea-regional-championship-standard-top-16-decklists-and-metagame-breakdown/ )或 Frank Karsten 的分解文章,虽然这个通常会晚一点。 总的来说,我认为职业比赛的结果是最接近“真实结果”的。如果样本量足够,我会很乐意根据这类数据选择套牌。
很多时候不同套牌之间的胜率可能非常接近(这是很好的现象),但有些套牌很难掌握。如果两个牌手的水平都很高,来源于外界的数据可能无法代表对局的真实情况。在这种情况下,来自PT的数据能够提供很大的帮助。
举一个比较常见的例子:在标准里有蓝黑浪客的时候,大多数高水平的牌手都认为它很好打纯绿食品,我几乎每次都能赢。但有关蓝黑浪客的公开数据却总是很糟糕。如果没记错的话,在一个相对样本量较大的数据里它的胜率还不到 40%。然后,当我们终于得到了高水平比赛的数据,结果显示出浪客无论先后手,在得当的操作下果真都更具优势。
如果你在玩天梯或在本地打比赛,并且玩的是纯绿,那么你可以在很大程度上通过考虑天梯和本地比赛的数据来预计你能赢下浪客的对局。我相信你确实能做到,因为天梯和本地比赛正是这些数据的来源。然而,如果参加的是规模更大的比赛,你需要预计对手的实力更强,这可能会导致你之前能赢的对局现在无法再轻松获胜。因此,在这种情况下,需要重新评估策略,以适应更具竞争性的比赛环境。
另一方面,对于浪客牌手来,无论比赛的竞争级别如何,这点信息都十分重要。这些来自PT的数据显示了这个对局实际上胜率很高,而如果你总是打不赢这个对局,说明你尚有进步的空间。如果职业牌手输掉这个对局的概率与你一致,那么你可以认为你的游戏水平是没问题的,因为这个对局本身就是相对劣势的对局。但是,如果高水平赛事的数据与你遇到的情况非常不同,你需要意识到你可能犯了一些错误,可以及时加以改正。
#5:流行度与胜率呈反比关系
一般来说,如果一副套牌非常受欢迎,它的胜率会因此而降低。以最新的先驱PT为例:
与中间的套牌相比,大部分排名靠前的套牌的样本量较小。这是由于两个原因:
首先,样本量越大的套牌总会越趋向于中间,而排名中间是不理想的。想象一个只有一个人使用的套牌数据结果:如果这个人以8胜2负的战绩胜率为80%,显然这胜率对于在同一比赛中由50个人玩的套牌来说是不可能达到的。这个套牌也更有可能拥有20%的胜率,但是没有人会去关注表现糟糕的套牌。
译者:在统计学中,“趋向于中间/向中间收敛”是指随着样本量的增加,结果趋向于数据的均值或集中趋势的现象。 换句话说,样本量越大,结果可能越不极端。“排名中间”意味着表现平平。因此,样本量小有时可能是有利的,因为它允许了更极端的结果,换句话说有可能会得到更高的名次。
第二个原因是,样本量大的套牌总会吸引那些没有经验或不确定要玩什么的牌手。总有一些人无法测试或不想测试套牌。他们也可能在最后一刻改变策略等等。这些人构成了每场比赛中选择最受欢迎的套牌的牌手的很大一部分。这就是发生在美国第一次区域冠军赛上大绿献力的情况。大绿被认为是最好的套牌,所以那些毫无头绪的牌手选择了它。但它是一个需要经过大量练习才能掌握的套牌,因此它的表现不佳。
如果我们参加一场标准大赛,像格力极中速这样的套牌在所有参赛套牌中约占据30%。这意味着很多不知道该玩什么的人只是一头扎进了格力极中速。因此,格力极中速牌手的平均水平会更低。在一场比赛中,如果10% 的牌手玩的是艾斯波传奇这个套牌,我会非常有把握地说艾斯波传奇牌手平均来说比格力极中速牌手更擅长操作自己的套牌,并且使用的是更加精细的卡组版本。
我们可以把这些热门套牌和使用率较低的套牌,例如洁斯凯控制相比。会有人因为不知道该玩什么而最终选择洁斯凯控制吗?很可能玩洁斯凯控制的人是那些一直在玩这个套牌的老手,他们一直在优化这个卡组。否则他们怎么会选择这个套牌呢?因此,平均来说洁斯凯控制牌手可能比格力极中速的平均牌手更擅长操作自己的套牌。
也就是说,当一个非常受欢迎的套牌整体表现不佳时,这是很正常的。这并不一定意味着这个套牌不好。然而如果情况相反,当最受欢迎的套牌仍然表现出色时,这很可能意味着这个套牌真的强无敌,你应该无脑选择它。尤其是如果这个趋势在几次大赛中延续时(这意味着这不仅是一次偶然事件)。一个环境占比30%的套牌,却有着55%的胜率,这是一个惊人的成就。我肯定会更加重视这个套牌,而不是关注一个只占环境5%,却有着60%胜率的套牌。
#6:战队会夸大胜率
这和前一点大同小异。如果整个职业团队决定使用一个套牌,特别是如果没有其他人使用这个套牌时,牌手实力的影响会非常明显。这些团队通常拥有几个赛场里最佳的牌手,他们的胜率起点比50%高得多。在我参加的大多数团队中,我们认为55%的胜率在构筑赛场上是一个非常糟糕的表现。因此,如果我们团队使用的套牌的胜率只有53%,那么平均水平的牌手使用这个套牌的胜率可能会低于50%。
以最近的先驱PT 为例,Reid Duke 凭借红蓝无畏创新获胜。在相对大的样本中,无畏创新的套牌胜率达到了56%,但几乎完全是由Reid团队的成员操控的。他们会比一般PT牌手玩的好得多。同样的56%胜率对于红黑牺牲和红蓝凤凰这样的套牌或许是更好的强度指标,因为它们的“使用者强度”比无畏创新要普通一些。当然,并不是说这些套牌的使用者很差,世界上几位最优秀的牌手也在使用这些套牌。当整个团队玩一个套牌时,往往会有更多的优秀牌手,以及针对该套牌进行的相似的优化构筑。这会导致该套牌的胜率会有所提升。
译者:“优化构筑”意味着当整个团队使用特定套牌时,他们通常会一起调整单卡选择和套牌的整体策略。这让他们比使用着同一套牌的过时版本或其他版本的对手更具优势。
#7:对推特上的自吹自擂要保持怀疑态度
如今,推特实际上也可以成为数据的来源。像https://twitter.com/ArenaDecklists 和 https://twitter.com/fireshoes 这样的账户会定期发布在天梯表现良好的牌手使用的套牌,你能看到排名靠前的牌手都在玩什么。不过,在这里你需要小心一些,因为这些账户只是在转发信息,而信息并没有被精选。人们往往希望让自己的成绩看起来尽可能令人印象深刻,这意味着他们的数据可能不是最可靠的。
在这里,我不是说他们会撒谎(有些人可能会这样做,但我认为这很少见),而是他们可能会甄选数据,只向你展示他们想让你看到的东西。例如,有一段时间我发布了一个勇德的对局截图:
这是一个看上去真实可信的截图,我用这套牌打了 20 场比赛,并且全胜。我没删除任何负场,也没有P图。在我发推文及写这个套牌的文章之前,我没有使用这个套牌玩过其他比赛。但请注意,你无法知道我处于哪个段位。秘稀段位的20-0胜利比青铜段位的20-0胜利意义重大得多。在我截图之前,我还未达到秘稀段位,处于白金和钻石之间,这个范围我认为是足够代表性的。但同时,这个数据也可能来源于青铜段位,你永远不会知道。
现在,假设我玩了20场比赛,全都赢了。然后我又玩了10场比赛,结果全输了。我可以放上一个20胜10负的截图发推,或者只发那个20胜0负的截图,而忽略最后十场比赛。这两个截图都没有说谎,但是我只是选择了更好的时间点向你展示数据。你基本上无法辨别,只能相信我不会这样对你。
因此,当有人发布了一张他们用某个套牌连胜7场的截图,他们真的连胜了7场吗?还是他们先输了1局,换了一张牌,然后连胜7场,最后输了2局?我们根本无从得知。很可能你会在任何一种情况下看到相同的7-0截图,因为那是让套牌和牌手看起来最好的那个时刻,社交媒体是每个人最大的广告工具。
有时候人们会发类似“用我的五色龙套牌打到秘稀32名”的贴子。当然,我不认为你在撒谎,你确实用龙套牌打到了秘稀32名——但这是全部的事实吗?还是你用主流的格力极中速打到了秘稀40名,然后用龙套牌2-0地赢了两局打到了秘稀32名?截图本身可能完全真实,但它可能远远不能展示全部真相。
基本上,我的方法是这样的 — 我不会假设别人对我撒谎(伪造截图或撒谎说自己用了某套卡组),但我会带着怀疑的眼光看待所有事情,我几乎从不轻信 Twitter 上的自吹自擂。
#8:数据总是滞后于现实情况
过去的数据可能是我们预测未来的最好指标,但过去的数据并不一定是未来表现的绝对指标,因为环境会发生变化。例如,在加拿大区域赛的前八名中有三副艾斯波传奇卡组,这意味着在接下来的美国区域赛中,各种卡组中可能会有更多的斩落和其他短去除。因此,我预计艾斯波传奇在那里的表现不会那么好。
一般来说,赛制越“老”,历史数据就越可靠。对于标准来说,每周都有很多变化产生,套牌构筑也会有很多变化。但是像摩登这样的赛制变化很小,因此一个一个月前的数据对于标准模式来说已经过时,但对于摩登来说是完全没问题的。因为在这段时间内套牌不太可能发生变化,除非有新系列到来。
我们以先驱 PT 为例。在测试期间,我们团队中有一部分牌手喜欢阿布赞老鼠开车。然而,我却非常犹豫。这是我们在这个卡组上得到的最新的可用数据:47.6%,这并不是一个很高的胜率,而且也没有什么理由会让我觉得结果是误导性的。它的样本量足够大,但又没有大到如同大绿一般的环境占比以至于需要考虑到受欢迎程度对胜率的影响。而且它也不是一个很难操控的卡组(我认为它的操作实际上非常简单)。所以对我来说,这个47%的数据感觉是真实可信的。
我们团队的成员觉得我们的牌表比市面上流行的表更好,因为我们有起源皿、穿越沃文森和更好的备牌计划。 但是,我仍然持怀疑态度。 即使我们的套牌更好,也不足以弥补在一系列高水平比赛中如此糟糕的表现。 所以,是的,这是一个更好的牌表,但它比市面上的表好大概2%——还不足以将其从可怕的 47% 提高到先驱比赛的目标胜率54% 左右。 结果,我基本上对套牌不感兴趣,也没有花太多时间在上面。 那么,PT上发生了什么?
老鼠开车确实是比赛中表现最好的套牌。当然,样本量非常小,但它仍然比任何一个只有一位使用者的套牌都表现更好。
为什么会这样?是我的评估错误,我们的牌表真的特别好?老实说我不这么认为,我们的牌表并没有好到那个程度。我出错的地方在于,我没有考虑到环境的发展。在RC时,老鼠开车和红蓝凤凰都是比较受欢迎的卡组,导致人们使用了大量的坟场针对。此外,这个赛制仍然比较新。所以当人们不知道该怎么设计备牌时,他们会先来点坟场针对。因为这是最容易想到的。因此,这个赛制对老鼠开车来说非常不友好。
当PT到来时,没有人使用坟场针对。为什么?因为那些依赖坟场的卡组不仅不受欢迎,而且表现也不怎么好,所以一旦人们开始精心调整他们的套牌,坟场针对是第一个被砍掉的。红蓝凤凰也比预期表现得更好,部分原因就在于此。
通常情况下,我认为我的方法是正确的,并且会向别人推荐。数百名牌手已经付出了努力在多个比赛中得到了47%的胜率,所以我不需要重复这个过程。但在这个情境下我的方法是错误的。因为我没有考虑到即使先驱是缓慢变化的,这也是必然发生的一种发展,而这样的发展将对这个套牌的表现产生巨大的影响。
#9:公开数据可以用来淘汰卡组并指引方向,但对于在相似的套牌之间进行选择并不好
最终,你应该信任多少数据呢?如果数据源自可靠的来源,你能够盲目地跟随它吗?我会说,大多数情况下,如果它是有关于一副套牌普遍表现如何的数据,我倾向于相信具有大样本量和可靠来源的公开数据。人们无法测试所有套牌,并且我不喜欢反复已经被重复了无数次的工作。如果一套牌在哪都保持着低胜率,我甚至不会尝试它(尽管有时这可能会适得其反,像脂牙的例子那样)。
然而,如果我们开始涉及“哪副套牌更好”的领域,那么其中就会存在误差。我通常会尝试自己找出事情的答案,而不只是信任数据。因此,如果一套牌在多个赛事中的胜率只有47%,我不会选择尝试它。即使存在很大的误差范围,这样的套牌也很难被视为出色的。但是如果一套牌的胜率是55%,而另一套牌的胜率是56%,我并不会自动假设56%的套牌更好。就数据来看,我认为这两个都是很好的套牌。现在就轮到我自己来测试,看看我更喜欢哪一个,因为55%和56%太接近了,很难判断。基本上,数据能够指引我去知道哪些套牌值得尝试,而不是告诉我应该玩哪副套牌。
有时,在个别对局中胜率会存在差异,这时我更愿意质疑数据。特定对局的样本量通常较小,并且通常可以找到差异存在的原因,比如不同的卡组构筑,或者人们对于对局的不同理解。在这些情况下,我通常会进行更多的测试,以找出差异的来源。但如果我没有时间,那么通常我会放弃,并不管我的直觉如何都遵循公开数据。
假设我正在考虑用莲花田野参赛。突然我发现纯白会比我想象中更流行,所以我去看了环境图表,它显示纯白能轻松地击败莲花田野。如果这个数据看起来是正确的,我会将它当真并不再做更多的测试,也许转而使用另一套卡组。如果它似乎不正确,因为我已经有打过这个对局,或者我只是看着牌表就觉得这不应该是这样,那么我会看看我是否有时间来测试它。如果我没有时间测试,那么我通常会假设数据是正确的,即纯白能击败莲花田野。如果我有时间来测试,我会亲自测试这个对局看看。
如果我测试了这个对局并确认了自己的直觉,那么我就会认为数据是错误的。这样的结果也许是因为我在打这个对局时表现更好,或者我的牌表在这个对局中更有优势。但是如果我看到了差异,测试了这个对局,并得出结论说用莲花田野可以击败纯白。那么即使这与数据相悖,我仍然会预期我能打赢纯白。毕竟,你是那个要比赛的人,你的成绩比其他人更重要。如果我有一个团队,我通常会将他们的经验视为自己的经验。例如,如果一个队友告诉我他们已经测试过这个对局并确定莲花占优,而这也符合我的直觉,那么即使我没有打过这个对局,队友的结论也足以压过数据的结论。
总而言之,以下是在测试中使用数据时需要考虑的关键要点:
个人收集的MTGA数据对于标准赛制是可靠的,但对于其他赛制则不可靠。
MTGA的公开数据不可靠,但如果实在没别的看还是可以使用它。请注意,它会让快攻套牌看起来比实际的更强。
BO1的数据对于BO3完全没有用处,反之亦然。
MO的数据(个人和公开数据)是可靠的,但请记住每周都有更快的转变趋势。
应该始终对于推特和其他二手、三手的数据持怀疑态度,因为人们往往想要展示最好的一面。
职业比赛的公开数据是最可靠的数据,尤其是对于那些难以操控的套牌。
公开数据适用于淘汰套牌与指出哪些套牌值得尝试,但不一定适用于在两个相似的套牌之间进行比较选择。
当你的直觉与数据相悖且没有时间进行测试时,请遵循数据。
当你的直觉与数据相悖且有时间进行测试时,请遵循自己的测试(或者你信任的队友的测试)
下次见,
PV
翻译:雾哀校对:Eric Zhou原文链接:https://mtgazone.com/9-things-you-should-know-to-acquire-and-incorporate-data-to-your-mtg-preparation/#3_Magic_Online_Is_Usually_More_Reliable_Than_Magic_Arena