摩尔庄园顾客的刷新机制 满好感度加速是342份的原因如下：
今天的数据得整篇长的。
先讲结论，再讲我记录和分析数据时曲折破碎的心路
结论：
1.中级餐厅营业时出售毛毛菇炒蛋将比烧烤拉姆赚钱
2.顾客的刷新机制是：满好感度情况下，21s刷新一批顾客。这个顾客可以是1个人或者2个人或者4个人，但是如果餐厅中的等待区和餐桌都没有能够容纳相对应数量顾客的位置，则该顾客不会刷新，进入下一次21s循环。
3.加速342份的原因就是2*3600/21=342.9，结尾的小数点处理估计和菜品一样。
4.营业时菜品售出顺序是从下到上。
以下是实验数据和分析：
6.8的营业实验主要是为了探索毛毛菇炒蛋，炒双蛋，烧烤拉姆哪个营业时出售利润更高的问题。不过实验设计最初有点问题，中级餐厅的机制似乎有些毛病，花了差不多10来分钟的时间重新得到了一些结论。最后快结束的时候又测了下客流，还有就是营业的出菜顺序。
中冓之言，不可读也。
先放一下6.8收益表。
出菜口菜数变动时间：指菜品数量减少的现实时间
营业结算时间：指菜品被完全消耗产生收益的营业时间
结算时间：营业时间对应的现实时间
吃饭用时：指出菜口菜数变动到产生收益的时间
秒均利润：份均利润/吃饭用时
最开始设计实验的时候是准备在满好感度，4个灶，桌子买满，所有家具（除了冰箱）都放第一个的情况下（4200繁荣度），在线且在餐厅测量每25份菜从点菜阶段到结完账消耗的时间。因为这两个数值都可以很方便的从出菜口和收益那里判断顾客模式阶段，主要比较累的是得记住是哪个桌点了最后的那份菜，而且要把时间记录到秒。另外就是前25份的数据刨掉，因为那时候客流没有达到一个匀速的饱和状态。
但是昨天中级餐厅我是不在餐厅的，今天在线营业一看我就懵了，中级餐厅和初级餐厅里有些不一样的机制。我按着初级餐厅的机制记录了十分钟的数据才发现不对。
点餐阶段（拉姆去取菜口取菜前）就会消耗餐品，四人桌的机制也摸了一下，四人桌其实就相当于一个三人和一个单人，点菜和结账都是分两次进行。然后当我摸清这些的时候已经过去了十多分钟（麻了）。而且在结账的时候有个非常烦的事就是，有时候多张桌子的人会几乎同时到达结账口，这时候他们的模型是几乎重叠的，很难区分谁是我们需要的数据。
然后又要重新开始设计实验，把菜品记录份数提了一下。最后总算是每个菜品都得到了两份可靠数据。
营业时的时间我是直接看收益表的，因为会和利润同秒变化，出菜口菜品数字变动时间我是卡着秒读的，因为我电脑桌面壁纸正好是一个精确到秒的时钟。
营业超1h的时间因为不会显示秒数我也是卡着表读的。
最后整理出来售出份数和所用时间的时候我花了大概一分钟整理凌乱的心情，实际数据和预期的差了太多。
注意烧烤拉姆最后两排的份数和所用时间，我得到的两个可靠数据分别是63份用时277s，41份用时549s。这两个数据算都不用算就能看出来有问题，我准备明天再测一下这个。
炒双菇数据是19份286s，18份333s毛毛菇炒蛋是20份229s，24份266s
想来应该是数据还不够大的原因，只是我素材这两天没咋收已经用完了。
产生这种差距的原因就是顾客刷新机制。
昨天的时候挺多人都反馈了烧烤拉姆根本坐不满，所以我用烧烤拉姆来保证顾客不至于因为没有位置而停止刷新。最后得到结果是21s刷新顾客。至于座位满了不能刷顾客的结论，我是拿烧饼测的，21s的循环我读了许多次发现有时候有座也刷不出顾客，具体的这个结论你们可以自行复现。截图和数据很麻烦就不在此做证明。
然后加速342份的原因就很容易能得到了，在得出顾客刷新时间是21s这个结论后，两小时营业就是2*60*60=7200s，7200/21=342.8571。非常合理。
但这个数据测半天总不能不用吧，最后算了下从点菜（菜品数量减少）到结账（获得收益）的用时，烧烤拉姆是88s左右，炒双菇是130s，毛毛菇炒蛋是111s，最后再结合一下份均利润，最后得出毛毛菇炒蛋的秒均收益比烧烤更高。炒双菇由于还是缺乏一些客流的数据统计，暂时不做定论。
最后是测了一下营业出菜顺序的问题，这个实验我设计的应该挺完整的，数据也很好测，就顺便做了一下。
首先营业出菜顺序可能有五种：
1.从上到下（虽然不对但还是要验证一下）
2.从下到上
3.菜品等级低先出
4.最后一个放进去的菜先出
5.菜品数量少的先出
我的实验设计是这样的，先随便放四个菜，但是要保证最上边和最下边是紫色的菜，然后抽出中间两行的菜，依次填入橙色和绿色菜，最后抽出橙色菜再填进去橙色菜。
这样子设计的话
如果1.正确，则第一个菜（紫）数量减少
如果2.正确，则最下边的菜（紫）数量减少
如果3.或5.正确，则从上到下第三个菜（绿）数量减少
如果4.正确，则从上到下第二个菜（橙）数量减少
最后的实验开始和结束的截图如下两图
可以看出摩摩蛋包饭数量减少，所以营业出菜顺序是从下到上的。
根据今天的结果，主贴的结论需要收回离厅和在厅哪个更好的结论，相同条件下数据的差距可能只是顾客刷新概率的问题。这么一看，就算昨天大家都卖烧烤拉姆，相同条件下也不太会得到两份完全一样的收益数据。
另外还出了个新坑，顾客的不同人数刷新概率到底是多少。
不过菜品的消耗时间倒是可以测了，这周有个ddl所以我暂时先不测了，如果理解了实验思路可以自行测试。
最后就是建了个：
问题答案 TapTap
以上就是摩尔庄园顾客的刷新机制 满好感度加速是342份的原因相关内容。