“Yarn Loop!”, Spyke Games & Combo Games imzasını taşıyan ve ilk bakışta renk eşleştirme ile makara kapasitesi yönetimine dayanan bir mobil puzzle oyunu. Temel aksiyon oldukça basit: oyuncu board’a uygun makaraları seçiyor, makaralar kendi renklerindeki ilmekleri topluyor ve board temizlenene kadar sınırlı conveyor alanını yönetiyor. Ancak ilk 100 level sistematik biçimde incelendiğinde oyunun gerçek karar derinliğinin yalnızca doğru rengi seçmekten değil, birkaç hamle sonrasını planlamaktan geldiği görülüyor.
Bir makaranın üzerinde 50 yazması tek başına yüksek risk anlamına gelmiyor. Aynı renk board üzerinde bol ve erişilebilir durumdaysa bu makara kısa sürede tamamlanabiliyor. Buna karşılık daha düşük kapasiteli bir makara, ihtiyaç duyduğu renk henüz erişilebilir değilse slotu uzun süre meşgul edebiliyor. Benzer biçimde Hard veya Super Hard etiketi de doğrudan yüksek retry anlamına gelmiyor. Level 80, 90 ve 100 gibi Super Hard bölümler ilk denemede tamamlanırken yine de ciddi planlama ve state takibi gerektirdi.
İlk 100 level boyunca bir diğer önemli gözlem, Yarn Loop’un zorluğu sürekli yeni mekanikler ekleyerek değil, mevcut mekanikleri farklı kombinasyonlarda kullanarak büyütmesi oldu. Cover board bilgisini gizliyor; Surprise Makara future supply hakkında belirsizlik yaratıyor; Connected yapılar seçimleri birbirine bağlıyor; Key & Lock belirli hamle sıralarını zorunlu hale getiriyor; Spawner ise future queue’yu oynanış sırasında değiştiriyor. Bu sistemler tek tek basit olsa da birlikte kullanıldıklarında tamamen farklı problem türleri ortaya çıkarıyor.
Meta tarafta ise aynı prensip devam ediyor. Missions, Ranking, Friend Fiesta, Balloon Race, Quest Bonanza ve diğer event’ler core gameplay’in yerine yeni bir oyun koymuyor. Bunun yerine oyuncunun zaten yaptığı ana aksiyona yani level tamamlamaya yeni nedenler ekliyor. Günün sonunda Yarn Loop’un derinliği tek tek mekaniklerden değil, bu mekaniklerin ve meta sistemlerin birbirleriyle kurduğu ilişkilerden geliyor.
1. Kapsam, Metodoloji ve Sınırlılıklar
Bu çalışma Yarn Loop’un ilk 100 level’ı boyunca yapılan kontrollü oynanış gözlemlerine dayanıyor. Level’lar oynanırken yeni mekaniklerin ortaya çıkışı, Hard ve Super Hard etiketleri, retry davranışı, makara kapasitesi, conveyor kullanımı, failure state’leri, Live Ops yüzeyleri, Missions, economy ve monetization teklifleri not edildi.
Aksi özellikle belirtilmeyen level’lar ilk denemede tamamlandı. Retry gerektiren bölümler ayrıca kaydedildi. Bununla birlikte bu çalışma tek oyunculu bir playtest olduğu için burada gördüğümüz difficulty sonuçları population-level veri olarak okunmamalı. Örneğin Level 86’nın üç denemede tamamlanması gerçek bir gözlem; fakat buradan tüm oyuncuların Level 86’da zorlandığı sonucu çıkarılamaz.
Analiz boyunca gözlem ile çıkarımı ayırmak özellikle önemliydi. Oyunda doğrudan gördüğüm davranışlar gözlem olarak ele alındı. Bir sistemin neden böyle davrandığına dair yorumlar ise doğrulanabilir telemetry veya internal configuration olmadığı sürece hypothesis seviyesinde bırakıldı. Bu ayrım özellikle reklam sistemi gibi dışarıdan root cause’u görülemeyen durumlarda kritik hale geliyor.
2. Pazar ve Ürün Bağlamı
Yarn Loop, Spyke Games & Combo Games imzasını taşıyan, yarn/sort puzzle formülünü kapasite yönetimi ve sınırlı conveyor alanıyla birleştiren son derece başarılı bir mobil F2P puzzle oyunu. Ürün ilk bakışta oldukça erişilebilir bir sorting deneyimi sunuyor; ancak progression ilerledikçe mekanik kombinasyonları, Live Ops katmanları ve monetization sistemleri oyunu basit bir puzzle loop’un ötesine taşıyor. [1]
6 Ekim 2026 itibarıyla Google Play listing’i 1M+ indirme, 4,5 yıldız ve yaklaşık 25,5 bin yorum gösteriyor; aynı sayfada oyun Türkiye’de Puzzle kategorisinde #7 en çok kazananlar arasında listeleniyor. ABD App Store listing’i ise yaklaşık 48 bin rating, 4,8 yıldız ve Casual kategorisinde #30 gösteriyor. [2] [3]
Sensor Tower, 10 Haziran 2026 tarihli alert’inde Yarn Loop: Knit Puzzle’ın iOS tarafında yaklaşık 10 milyon dolar lifetime revenue eşiğini geçtiğini raporladı. Bu rakam resmi finansal veri değil, üçüncü taraf tahminidir. [4]
Bu ölçek önemli çünkü Yarn Loop’u yalnızca yaratıcı bir puzzle fikri olarak değil, ölçeklenmiş bir F2P ürün olarak değerlendirmeyi gerektiriyor. Dolayısıyla yalnızca level design’ı incelemek yeterli değil; retention, Live Ops, economy, monetization ve QA tarafı da ürünün temel parçaları.
3. Temel Oynanış: Renk Eşleştirmeden Future-State Yönetimine
Yarn Loop’un temel aksiyonu oldukça anlaşılır. Oyuncu bir makara seçiyor, makara conveyor’a giriyor ve kendi rengindeki ilmekleri toplamaya başlıyor. Üzerindeki kapasite sıfırlanırsa sistemden çıkıyor; kapasite kalırsa daha sonra tekrar kullanılabiliyor. Store açıklaması da oyunun renk eşleştirme, kapasite yönetimi ve doğru makara sırasına dayandığını açıkça anlatıyor.
Fakat beş slotluk conveyor sistemi, seçimleri basit bir renk eşleştirme probleminden çıkarıyor. Oyuncu bir makarayı seçtiğinde aslında aynı anda birkaç soru cevaplıyor: Bu makara hemen tamamlanabilecek mi? Slotu ne kadar süre meşgul edecek? Biraz sonra hangi renkler açılacak? Spawner yeni hangi makaraları getirecek? Bu makaranın başka bir makarayla bağlantısı var mı? Yanlış seçim yaparsam kaç güvenli slotum kalacak?
Sınırlı slot alanı içinde current state ile future state’i birlikte yönetme problemi.
4. Zorluk Yalnızca Makara Kapasitesinden Gelmiyor
İlk bakışta yüksek kapasiteli makaraların daha tehlikeli olduğu düşünülebilir. Fakat playtest sırasında bunun her zaman doğru olmadığı görüldü.
Örneğin 50 kapasiteli bir mavi makara, board üzerinde büyük miktarda erişilebilir mavi alan varsa çok hızlı tamamlanabiliyor. Buna karşılık daha küçük bir makara, kendi rengindeki ilmeklere erişilemiyorsa conveyor üzerinde daha uzun süre kalabiliyor.
Burada iki kavramı ayırmak faydalı: Nominal Capacity, makaranın üzerinde yazan değer; Effective Occupancy ise makaranın conveyor slotunu pratikte ne kadar süre meşgul ettiği.
Level 98 bunun iyi örneklerinden biriydi. Ekranda çok sayıda 50 kapasiteli mavi makara bulunmasına rağmen board’un büyük bölümünün mavi olması, bu makaraların gerçek riskini düşürüyordu.
Yüksek capacity her zaman yüksek baskı anlamına gelmiyor. Asıl önemli olan, makaranın ne kadar hızlı tüketilebildiği.
5. Yarn Loop’un Zorluk Mimarisi
İlk 100 level sonunda görülen en net şeylerden biri, Yarn Loop’ta zorluğun yalnızca Hard veya Super Hard etiketiyle açıklanamadığı. Aynı etikete sahip iki level tamamen farklı nedenlerle zorlayabiliyor. Birinde problem gizli bilgi olabilirken, başka birinde conveyor alanı, doğru hamle sırası veya ileride açılacak makaraları planlamak daha belirleyici olabiliyor. Bu yüzden difficulty’yi tek bir sayı gibi değil, birkaç farklı baskının birleşimi olarak okumak daha anlamlı.
Bazı level’larda oyuncunun elindeki bilgi sınırlı. Cover, board üzerindeki renklerin bir kısmını gizlerken Surprise Makara future supply hakkında belirsizlik yaratıyor. Bu durum oyuncunun tüm tabloyu görmeden karar vermesine neden oluyor. Bazı level’larda ise asıl problem seçim özgürlüğü. Connected makaralar, normalde bağımsız yapılabilecek seçimleri birbirine bağlıyor. Key & Lock gibi yapılar da oyuncunun istediği alana hemen erişmesini engelleyerek belirli bir çözüm sırası oluşturuyor.
Bir başka önemli baskı conveyor alanından geliyor. Yüksek kapasiteli makaralar slotları uzun süre meşgul edebiliyor. Ancak burada yalnızca makaranın üzerinde yazan sayı önemli değil; o rengin board üzerinde ne kadar erişilebilir olduğu da belirleyici. Bu yüzden aynı 50 kapasiteli makara bir level’da ciddi risk yaratırken başka bir level’da hızla tamamlanabiliyor.
Spawner devreye girdiğinde planlama daha da dinamik hale geliyor. Oyuncu yalnızca ekrandaki makaraları değil, biraz sonra queue’ya eklenecek yeni makaraları da hesaba katmak zorunda kalıyor. Key sayısı arttığında ise aynı anda takip edilmesi gereken future hedef sayısı yükseliyor.
Son olarak, bazı level’lar doğru hamle sırasına çok daha hassas. Aynı kaynaklar farklı sırayla kullanıldığında bir çözüm yolu rahat ilerlerken başka bir yol oyuncuyu geri dönüşü zor bir state’e sokabiliyor.
Bu nedenle Yarn Loop’taki difficulty’yi anlamak için şu sorular daha faydalı:
Oyuncu ne kadar bilgi görebiliyor?
Kaç bağımsız seçim yapabiliyor?
Conveyor’da ne kadar güvenli alanı var?
Bir hata yaptıktan sonra toparlanma şansı ne kadar?
Future queue ne kadar değişken?
Çözüm doğru sıraya ne kadar bağlı?
Bu modelin amacı level’lara yapay bir puan vermek değil. Asıl amaç, bir level’ın neden zor olduğunu daha açık biçimde açıklayabilmek.
6. Mekanik İlerleme: Öğret, Birleştir, Yoğunlaştır, Rahatlat
Yarn Loop, yeni mekanikleri ilk 100 level boyunca belirli aralıklarla oyuna dahil ediyor. Bu yeni sistemler önce tek başına veya kontrollü kombinasyonlarda tanıtılıyor, ardından ilerleyen level’larda başka mekaniklerle birleşerek daha karmaşık karar problemleri yaratıyor.
Bu progression yalnızca yeni mekanik eklemek üzerine kurulu değil. Mekanikler tanıtıldıktan sonra farklı yoğunluklarda tekrar kullanılıyor, başka sistemlerle birleştiriliyor ve oyuncunun aynı bilgiyi daha karmaşık state’lerde uygulaması bekleniyor.
Cover bunun iyi örneklerinden biri. Level 71’de tanıtıldıktan sonra ilerleyen bölümlerde Surprise Makara, Key & Lock ve diğer mekaniklerle birlikte kullanılmaya başlanıyor. Buna rağmen Level 77 gibi bazı bölümlerde Cover bulunmasına rağmen oynanış oldukça okunabilir ve düşük baskılı kalabiliyor. Bu tür level’lar difficulty curve’de geriye gidiş değil; oyuncunun yeni öğrendiği sistemi daha rahat koşullarda uygulamasına ve “bu sistemi artık biliyorum” diyebilmesine yardımcı olan mastery consolidation bölümleri gibi çalışıyor.
Mekaniği tanıt, tekrar ettirerek pekiştir, başka mekaniklerle birleştir, baskıyı artır, daha sade bir bölümle nefes aldır, sonra daha gelişmiş kombinasyonlarla geri getir.
Bir level’da üç mekanik bulunması otomatik olarak onu üç kat zorlaştırmıyor. Asıl fark, bu mekaniklerin oyuncunun karar alanını nasıl değiştirdiğinde ortaya çıkıyor.
Surprise Makara, future supply bilgisini gizliyor. Cover board üzerindeki bazı renk bilgilerini saklıyor. Connected yapılar bazı seçimleri birbirine bağlıyor. Key & Lock çözüm sırasına erişim koşulu ekliyor. Spawner ilerleyen hamlelerde yeni makaralar getiriyor.
Bu sistemler birleştiğinde tamamen yeni problem türleri oluşuyor. Örneğin Cover ve Surprise Makara birlikte kullanıldığında oyuncu hem ileride board’un hangi renkleri isteyeceğini hem de hangi makaraların kullanılabilir hale geleceğini tam olarak bilmiyor.
Yarn Loop’un ileri difficulty’si yeni mekanik sayısından çok, mevcut mekaniklerin birbirleriyle nasıl kesiştiğinden geliyor.
8. Level 100: Çok Katmanlı Belirsizlik
Level 100 bu yaklaşımın en net örneklerinden biri. Board üzerinde Cover bulunduğu için bazı alanların altındaki renkler görünmüyor. Aynı zamanda dört Surprise Makara’nın renk ve kapasitesi başlangıçta bilinmiyor. Buna ek olarak görünür kırmızı 30 makara, gizli bir Surprise Makara ile Connected durumda.
Oyuncu bu yüzden üç farklı şeyi aynı anda yönetiyor. İlk olarak gizli renk bilgisi var: board’un ileride hangi renklere ihtiyaç duyacağı tamamen görünür değil. İkinci olarak gizli makara bilgisi var: future supply’ın bir kısmı Surprise makaraların arkasında saklı. Üçüncü olarak bağlantı kaynaklı belirsizlik var: oyuncu görünür bir makara seçerken, içeriğini henüz bilmediği başka bir makara ile de bağlı bir state’e girmiş oluyor.
Bu yapıya teknik olarak Multi-Layer Uncertainty diyebiliriz. Dikkat çekici nokta, Level 100’ün Super Hard olmasına rağmen ilk denemede tamamlanmış olması.
Yüksek sistem karmaşıklığı, otomatik olarak yüksek retry anlamına gelmiyor.
9. Connected + Surprise: Belirsizlik Altında Bağlı Karar
Normal bir Surprise Makara, oyuncunun future supply hakkında eksik bilgiyle karar vermesine neden oluyor. Ancak Surprise Makara görünür bir makaraya Connected olduğunda bu belirsizlik yalnızca “sonra ne gelecek?” sorusundan ibaret kalmıyor. Oyuncu, görünür makara hakkında bilgi sahibi olsa bile ona bağlı olan Surprise Makara’nın renk ve kapasitesini bilmiyor. Bu nedenle mevcut hamle, bilinmeyen bir future state ile birlikte değerlendirilmek zorunda kalıyor.
Level 70 ve Level 90 civarında görülen bu yapı, oyuncunun yalnızca mevcut board’u değil, henüz tamamen görünür olmayan bağlı bir state’i de hesaba katmasını istiyor. Buradaki challenge, doğru rengi seçmekten çok eksik bilgi altında commitment yapmak üzerinden oluşuyor. Bu kombinasyonun güçlü tarafı, iki basit mekanikten yeni bir karar problemi üretmesi. Surprise Makara belirsizlik yaratırken Connected yapı bu belirsizliği oyuncunun mevcut seçimine bağlıyor. Böylece mekanikler yan yana bulunmakla kalmıyor; birbirlerinin etkisini doğrudan değiştiriyor.
Connected + Surprise kombinasyonu, bilgi eksikliğini pasif bir belirsizlik olmaktan çıkarıp aktif bir planlama problemine dönüştürüyor.
10. Solution-Path Sensitivity: Aynı Level, Farklı Çözüm Yolu
Bazı level’larda difficulty mevcut kaynaklardan çok kaynakların hangi sırada kullanıldığına bağlı.
Level 49 bunun en güçlü örneklerinden biriydi. İlk çözüm yaklaşımında bölüm ciddi zorluk yaratırken, farklı bir çözüm yolu seçildiğinde aynı level belirgin biçimde kolaylaştı. Bu durum Solution-Path Sensitivity kavramını önemli hale getiriyor. Bir level oyuncuya çok sayıda seçim sunuyor gibi görünebilir; ancak bu seçimlerden yalnızca çok küçük bir kısmı güvenli çözüm yoluna çıkıyorsa gerçek Decision Freedom göründüğünden daha düşük olabilir.
Telemetry erişimi olsaydı yalnızca win rate’e bakmak yerine successful ve failed run’ların move order verilerini de karşılaştırmak isterdim.
11. Spawner: Statik Puzzle’dan Future Queue Yönetimine
Spawner oyunun temporal yapısını ciddi biçimde değiştiriyor. Spawner olmayan bir level’da oyuncu büyük ölçüde mevcut makara setini çözmeye çalışıyor. Spawner geldiğinde ise henüz aktif olmayan makaralar da karar sürecinin parçası haline geliyor.
Spawner değeri yükseldikçe oyuncunun ne kadar ileri plan yapması gerektiği de artıyor. Level 92’de Spawner 8 ile geniş Cover alanının birlikte kullanılması özellikle dikkat çekiciydi. Board üzerindeki bilgiler kademeli olarak açılırken yeni makaralar da queue’ya eklenmeye devam ediyordu.
Bu yüzden baskı sabit değildi. Conveyor zaman zaman doluyor, sonra rahatlıyor, ardından tekrar yoğunlaşıyordu. Bu nedenle bazı Yarn Loop level’larının zorluğu başlangıç ekranından anlaşılamıyor; gerçek challenge ancak aynı bölüm içinde oynanış ilerledikçe ortaya çıkıyor.
12. Key & Lock: Aynı Anda Birden Fazla Gelecek Hedefi Yönetmek
Key & Lock yalnızca board’a yeni bir engel eklemiyor. Oyuncuya ileride gerekli olacak erişim koşulları veriyor.
Key sayısı arttıkça oyuncunun aynı anda takip etmesi gereken future objective sayısı da artıyor. Level 84’te üç, Level 89’da beş, Level 99’da ise altı Key görülmesi bu progression’ın iyi örnekleri.
Level 99’da bu Key yoğunluğu Spawner ve yüksek kapasiteli Connected makaralarla birlikte kullanılıyor. Oyuncu artık yalnızca mevcut renkleri temizlemiyor; birkaç farklı future access condition’ı aynı anda korumaya çalışıyor.
Challenge giderek “Bir sonraki doğru hamle ne?” sorusundan “Biraz sonra ihtiyacım olacak yolları nasıl açık tutarım?” sorusuna dönüşüyor.
13. Yönetim Ağırlıklı Zorluk: Level 93
Level 93’te challenge belirsizlikten çok kaynak ve alan yönetiminden doğuyor.
Üçlü Connected 50 grubu slotları uzun süre meşgul edebilecek yüksek commitment yaratıyor.
Spawner ilerleyen hamlelerde yeni makaralar eklediği için mevcut plan sabit kalmıyor.
Buna ek olarak conveyor yalnızca beş slot sunduğu için oyuncunun hata payı sınırlı.
Yüksek slot bağlılığı: Connected 50 grubu güvenli ve düşük maliyetli seçenekleri azaltıyor.
Dinamik queue baskısı: Spawner, ilerleyen hamlelerde future supply’ı değiştiriyor.
Management Load: Oyuncu slot kullanımı, makara sıralaması ve sınırlı Recovery Margin’i aynı anda yönetmek zorunda.
Level 93 ilk denemede fail, ikinci denemede clear oldu. Burada difficulty gizli bilgiden değil; sustained capacity management ve sequencing’den geliyor.
14. Hard ve Super Hard Etiketi Her Zaman Retry Sayısını Tahmin Etmiyor
Yarn Loop’un ilginç taraflarından biri displayed difficulty ile experienced difficulty’nin birebir örtüşmemesi.
Level 86 Hard olarak işaretlenmişti ve üçüncü denemede tamamlandı. Bu level düşük hata toleransı nedeniyle ciddi attention ve sequencing gerektiriyordu. Level 93 Hard olmasına rağmen ikinci denemede tamamlandı ve oldukça yoğun management gerektirdi.
Buna karşılık Level 70, 80, 90 ve 100 gibi Super Hard bölümlerin bazıları ilk denemede tamamlandı. Bu nedenle iki şeyi ayırmak gerekiyor: Execution Difficulty, level’ın kaç attempt gerektirdiğini; Management Load ise level tamamlanırken ne kadar planning, state tracking ve dikkat gerektiğini anlatıyor.
First try, kolay demek değil. Super Hard, mutlaka retry wall demek değil.
15. Super Hard Level’lar Birer Competency Check Gibi Çalışıyor
Level 50, 60, 70, 80, 90 ve 100’ün Super Hard olması oldukça düzenli bir 10-level cadence gösteriyor. Ancak bu bölümler aynı difficulty reçetesini tekrar etmiyor.
Bazılarında sequencing, bazılarında uncertainty, bazılarında capacity management, bazılarında ise çoklu mekanik interaction öne çıkıyor. Bu yüzden Super Hard level’ları yalnızca difficulty spike olarak değil, oyuncunun o noktaya kadar öğrendiği sistemleri yeniden test eden competency check’ler olarak okumak daha doğru.
Bu milestone’ların ardından zaman zaman daha sade level’ların gelmesi de pacing açısından önemli. Level 90’dan sonra gelen Level 91’in oldukça okunabilir olması bunun iyi örneklerinden biri.
Challenge yükseliyor → milestone geliyor → oyuncu rahatlıyor → sistemler tekrar birleşiyor.
16. Failure State’lerini Tek Bir “Kaybettim” Kategorisine Sokmamak Gerekir
QA açısından “player failed” tek başına yeterli bir bilgi değil. İlk 100 level boyunca farklı failure türleri gözlemlemek mümkün.
Capacity Saturation: Conveyor slotlarının uzun süreli makaralarla dolması ve güvenli hareket kalmaması.
Dependency Lockout: Kritik bir Key / Lock ilişkisinin yanlış yönetilmesi sonucunda ilerlemek için gerekli erişimin kapanması.
Solution-Path Failure: Doğru kaynakların mevcut olmasına rağmen yanlış sırayla kullanılması.
Management Failure: Tek bir kritik hatadan çok, zaman içinde biriken küçük kararların oyuncunun toparlanma alanını tüketmesi.
Level 65 Dependency Lockout için özellikle güçlü bir case oldu. Kritik Key alınmadan ilerlenmesi sonucunda Lock final makaranın erişimini engelledi ve oyun “Clear the blocking Locks to keep playing!” mesajını gösterdi.
Level’daki karar → Kaybedilen state’in tespit edilmesi → Oyuncuya neden kaybettiğinin gösterilmesi → Devam etme seçeneği sunulması → Play On üzerinden monetization fırsatı
Burada Level Design, oyuncunun hangi koşulda fail olacağını belirliyor. Failure Detection, oyunun artık ilerlemenin mümkün olmadığını anlamasını sağlıyor. UX Feedback, oyuncuya neyin yanlış gittiğini açıklıyor. Recovery, oyuncuya level’ı tamamen yeniden başlatmadan devam etme fırsatı sunuyor. Eğer bu recovery seçeneği coin veya başka bir ücretli kaynak gerektiriyorsa, aynı failure state aynı zamanda monetization surface haline geliyor.
Bu nedenle Level 65 gibi bir failure state’i yalnızca “bir bug var mı?” açısından değil; level design, state detection, UX clarity ve monetization’ın birbirine bağlandığı tek bir sistem akışı olarak değerlendirmek daha doğru.
17. Failure Readability: Oyuncu Neden Kaybettiğini Anlayabiliyor mu?
Yarn Loop’ta failure yalnızca gameplay sonucunu değil, oyuncunun sistemi ne kadar doğru okuyabildiğini de test ediyor. Özellikle birden fazla mekanik aynı anda devrede olduğunda, oyuncunun yalnızca kaybetmesi değil, hangi kararın bu sonucu yarattığını anlayabilmesi önemli hale geliyor.
Bu noktada sistem okunabilirliği öne çıkıyor. Connected ilişkiler yoğun bir board üzerinde yeterince takip edilebiliyor mu? Key’in hangi Lock ile ilişkili olduğu anlaşılabiliyor mu? Spawner’ın göstergesi oyuncuya ne kadar future pressure geleceği konusunda yeterli sinyal veriyor mu? Surprise Makara ile Connected yapı birlikte kullanıldığında, bu ilişkinin mevcut karar üzerindeki etkisi görsel olarak açık mı?
Level 65 bunun iyi bir örneği. Kritik Key alınmadan ilerlenmesi sonucunda final makara Lock arkasında kaldı. Oyun failure state oluştuğunda bunu “Clear the blocking Locks to keep playing!” mesajıyla açıklıyor. Burada önemli olan yalnızca sistemin fail’i tespit etmesi değil; oyuncunun failure ile önceki kararları arasında ilişki kurabilmesi.
Bu yüzden QA açısından failure testinde yalnızca “fail condition doğru tetiklendi mi?” sorusu yeterli değil. Şunlara da bakmak gerekir:
Oyuncu hangi kararın failure’a yol açtığını anlayabiliyor mu?
Kritik dependency’ler gameplay sırasında yeterince görünür mü?
Failure mesajı gerçek nedeni doğru açıklıyor mu?
Aynı state tekrarlandığında oyuncu farklı bir karar verebilecek kadar bilgi kazanıyor mu?
İyi bir failure feedback’i yalnızca kaybı bildirmez; oyuncunun bir sonraki denemede neyi farklı yapabileceğini anlamasına yardımcı olur. Failure’ın değeri yalnızca oyuncuyu durdurmasında değil, bir sonraki attempt için bilgi üretmesinde ortaya çıkar.
18. Skill Ceiling: Oyunun Kurallarını Bilmek Yetmiyor
Yarn Loop’un ileri oyuncu skill’i renkleri daha hızlı görmekten oluşmuyor. İleri oyuncu bir makaranın hemen tamamlanıp tamamlanamayacağını tahmin ediyor, future makaralar için slot bırakıyor, Spawner’ın ileride yaratacağı baskıyı hesaba katıyor, Connected yapının hangi seçimleri birbirine bağladığını okuyor ve yüksek capacity’nin her zaman yüksek risk olmadığını fark ediyor.
Kuralları bilmek oyunu oynatıyor; future state’i okuyabilmek ustalık yaratıyor.
19. Core Progression’ın Üzerine Erken Bir Meta ve Live Ops Katmanı Kuruluyor
Yarn Loop yalnızca art arda oynanan bağımsız puzzle’lardan oluşmuyor. Core level progression’ın çevresinde oldukça erken aşamada Missions, Ranking, Friend Fiesta ve süreli event’ler gibi ikinci bir progression katmanı oluşuyor. Böylece oyuncu bir level tamamladığında yalnızca sonraki bölüme ilerlemiyor. Aynı aksiyon başka sistemler için de progress üretebiliyor. Bu yaklaşımın güçlü tarafı, meta sistemlerin oyuncudan tamamen yeni davranışlar istememesi. Bir level win aynı anda daily mission progress’i, Balloon Race progress’i, Ranking ilerlemesi veya Quest Bonanza milestone’u gibi farklı sonuçlar üretebiliyor.
Missions sistemi bunun en net örneği. “Win 5 Levels” doğrudan core progression’ı destekliyor. “Win Balloon Race 3 times” başka bir Live Ops event’ine yönlendiriyor. “Use 1 Extra Bobbins” economy ve booster kullanımına temas ediyor. “Remove 100 Connected Bobbins” belirli bir mekanikle engagement yaratıyor. “Win 2 Super Hard Levels on First Try” ise mastery davranışını ödüllendiriyor.
Bu nedenle Missions yalnızca günlük görev listesi değil; oyuncuyu farklı sistemler arasında yönlendiren bir routing layer gibi çalışıyor.
Core loop değişmiyor; oyuncunun aynı core loop’u tekrar etme nedeni sürekli çeşitleniyor.
20. Retention Mimarisi
Yarn Loop retention’ı tek bir sisteme veya tek bir zaman ölçeğine bağlamıyor. Bunun yerine oyuncunun aynı core loop’a geri dönmesi için kısa, orta ve daha uzun vadeli farklı motivasyonlar oluşturuyor. Bu sistemlerin çoğu yeni bir gameplay üretmiyor; mevcut level completion davranışını farklı hedeflere bağlıyor.
Session seviyesinde en temel motivasyon progression. Oyuncu bir sonraki level’a geçmek, mevcut streak’i sürdürmek veya zor bir bölümü tamamlamak için oynamaya devam ediyor. Booster kullanımı ve Play On burada doğrudan session continuation ile ilişkili. Özellikle failure sonrası sunulan recovery seçenekleri, oyuncunun session’ı bırakması yerine mevcut level üzerinde kalmasını teşvik eden ek bir katman oluşturuyor.
Günlük seviyede Missions devreye giriyor. Daily Missions yalnızca “bugün birkaç level daha oyna” demiyor; oyuncuyu farklı sistemlere de yönlendiriyor. “Win 5 Levels” core progression’a, “Use 1 Extra Bobbins” booster kullanımına, “Remove 100 Connected Bobbins” belirli bir mekaniğe, “Win Balloon Race 3 times” ise başka bir Live Ops event’ine yönlendiriyor. Bu nedenle Missions yalnızca retention sağlayan bir görev sistemi değil, aynı zamanda oyuncu davranışını farklı sistemler arasında dağıtan bir routing layer görevi görüyor.
Kısa süreli Live Ops tarafında Balloon Race gibi sistemler, aynı level win’in oyuncu için önemini artırıyor. Oyuncu artık yalnızca level’ı geçmek için değil, aynı zamanda yarış progress’ini korumak veya rakiplerin önüne geçmek için de o level’ı tamamlamaya çalışıyor. Core gameplay değişmiyor; ancak aynı aksiyonun oyuncu açısından taşıdığı önem ve risk artıyor. Bu da belirli session’larda retry willingness, booster usage veya Play On davranışını etkileyebilecek ikinci bir motivasyon katmanı yaratıyor.
Orta vadede Ranking sistemi devreye giriyor. Burada level completion artık yalnızca bireysel progression üretmiyor; oyuncunun diğer oyunculara göre konumunu da etkiliyor. Böylece “bir level daha oynayayım” kararı yalnızca content progression’dan değil, leaderboard position’dan da besleniyor. Aynı aksiyon hem personal progress hem de competitive progress üretebiliyor.
Quest Bonanza gibi sistemler ise progression ile monetization’ı birbirine bağlıyor. Oyuncu normal level’ları oynarken milestone progress biriktiriyor; ancak bu progress aynı zamanda görünür ve kilitli bir reward value oluşturuyor. Böylece oyuncunun level oynamaya devam etmesi yalnızca core progression açısından değil, teklifin görünür değerinin büyümesi açısından da anlam kazanıyor.
Friend Fiesta retention’a farklı bir katman ekliyor. Burada oyuncunun kendi progression’ının dışında referral ve social progress de devreye giriyor. Davet edilen oyuncunun belirli level hedeflerine ulaşması mevcut oyuncu için de reward üretebildiği için retention yalnızca “ben bugün ne kadar oynadım?” üzerinden değil, başka bir oyuncunun progression’ı üzerinden de desteklenebiliyor.
Bu sistemlerin ortak noktası şu: Yarn Loop aynı gameplay action’ını farklı zaman ölçeklerinde yeniden değerlendiriyor.
Bir level win aynı anda core progression, mission progress, event progress, ranking movement veya monetization milestone’u üretebiliyor. Bu nedenle retention mimarisi, tek tek feature’ların toplamından çok, bu sistemlerin aynı core action etrafında birbirine bağlanmasıyla güçleniyor.
Buradaki production avantajı da önemli. Yeni bir retention sistemi eklemek için her zaman tamamen yeni bir gameplay üretmek gerekmiyor. Mevcut level content, farklı meta sistemler tarafından yeniden kullanılabiliyor. Böylece aynı level hem progression content’i, hem mission objective’i, hem event input’u, hem de monetization progress kaynağı haline gelebiliyor. Bu nedenle Yarn Loop’un retention yaklaşımını şöyle özetlemek mümkün: Oyuncuya sürekli yeni bir şey yaptırmak yerine, zaten yaptığı şeyi daha fazla hedefe bağlamak.
21. Missions × Ads: Görev Tamamlama Fırsatı Uyuşmazlığı
Missions sistemi önemli bir systemic QA case de üretti.
Bir günlük Mission setinde “Watch 2 Level Complete Ads!” görevi aktifti. Ancak gözlemlenen uzun oyun oturumu boyunca hiçbir Level Complete Ad gösterilmedi ve görev “0/2” olarak kaldı. Aynı Mission ekranındaki diğer görevlerin ilerliyor olması genel Missions progression’ın çalıştığını gösteriyordu. Burada “ad sistemi bozuk” demek için yeterli veri yok. Frequency cap, eligibility, no-fill, remote configuration veya başka bir sistem davranışı söz konusu olabilir.
Fakat oyuncu açısından doğrulanabilir durum şu: görev aktifti, ancak görevi tamamlamak için gerekli opportunity sunulmadı. Bu durumu Cross-System Availability Mismatch olarak sınıflandırmak mümkün. Bu case önemli çünkü monetization sistemindeki availability davranışının başka bir sistemde retention problemi yaratabileceğini gösteriyor.
22. Missions Oyuncuyu Başka Sistemlere de Yönlendiriyor
Aynı günlük görev ekranında “Win Balloon Race 3 times!” görevinin bulunması, Missions sisteminin yalnızca core gameplay’i ölçmekle kalmadığını gösteriyor. Oyuncu Balloon Race’e katıldığında görev progress’inin artması, Missions ile Live Ops sistemi arasındaki bağlantının aktif biçimde çalıştığını gösteriyor.
Bu yapı sayesinde Missions, oyuncuyu yalnızca daha fazla level oynamaya değil, oyunun farklı sistemleriyle etkileşime girmeye yönlendiriyor. “Win Balloon Race 3 times!” görevi oyuncuyu Live Ops event’ine taşırken, “Use 1 Extra Bobbins” economy ve booster kullanımına, “Remove 100 Connected Bobbins” ise belirli bir mekaniğe yönlendiriyor.
Bu nedenle Missions’ı yalnızca bir günlük görev listesi olarak değil, farklı sistemler arasında oyuncu trafiğini dağıtan bir routing layer olarak değerlendirmek daha doğru.
Buradaki önemli nokta, görev ilerlemesinin bağlı olduğu sistemde gerçekten gerçekleşen aksiyonlarla senkron ilerlemesi. Balloon Race örneğinde bu bağlantı çalışıyordu ve progress görev ekranına doğru şekilde yansıyordu. Missions, core progression ile Live Ops ve economy sistemleri arasında aktif bir yönlendirme katmanı oluşturuyor.
23. Balloon Race: Aynı Level’a Ek Bir Rekabet Katmanı Ekliyor
Balloon Race core puzzle kurallarını değiştirmiyor. Oyuncu yine aynı board’u çözüyor, aynı conveyor alanını yönetiyor ve aynı makara sistemleriyle oynuyor. Değişen şey, level sonucunun artık yalnızca core progression’ı etkilememesi. Balloon Race aktifken her başarılı level aynı zamanda yarışta ilerleme anlamına geliyor. Bu nedenle oyuncu için tek bir level’ın sonucu daha fazla değer taşımaya başlıyor. Normal durumda bir failure yalnızca aynı bölümü yeniden oynamayı gerektirirken, Balloon Race sırasında aynı failure yarış progress’ini veya yarış içindeki konumu da etkileyebiliyor.
Bu yapı, mevcut level’lara yeni bir challenge üretmeden ek motivasyon kazandırıyor. Oyun aynı core content’i kullanıyor; ancak oyuncunun o level’a yaklaşımını değiştiriyor. Özellikle “arka arkaya level kazanma” gibi koşullar olduğunda, daha önce sıradan görünen bir bölüm event bağlamında daha önemli hale gelebiliyor. Bu nedenle Balloon Race’i difficulty sisteminin bir parçası olmaktan çok, core progression’ın üzerine eklenen rekabetçi bir motivasyon katmanı olarak değerlendirmek daha doğru.
Burada ilginç olan nokta, sistemin level tasarımını değiştirmeden oyuncunun kararlarını etkileyebilmesi. Event aktifken oyuncu bir booster kullanmaya, Play On seçeneğini değerlendirmeye veya failure riskini azaltacak daha kontrollü bir oyun tarzı benimsemeye daha yatkın olabilir. Ancak bu davranışların gerçekten değişip değişmediği yalnızca telemetry ile doğrulanabilir. Balloon Race yeni bir puzzle yaratmıyor; mevcut puzzle sonucunun oyuncu için önemini artırıyor.
24. Quest Bonanza: İlerleme Bazlı Monetization
Quest Bonanza standart bir coin pack’ten farklı çalışıyor.
Oyuncu 3 / 6 / 9 / 12... level milestone’larında normal şekilde ilerleme kaydediyor. Bu progress satın alma yapılmadan önce de görünür durumda. Ancak milestone reward’ları kilitli.
Ekranda 40 / 80 / 120 / 200 / 300 coin gibi reward’lar görülebiliyor fakat paket satın alınmadan hiçbir reward claim edilemiyor.
Bu nedenle sistemin akışı şöyle: Play → Milestone Progress → Locked Value birikir → Purchase → Reward’lar claim edilebilir.
Buradaki önemli nokta, normal gameplay progress’inin doğrudan ödüle değil, önce kilitli ekonomik değere dönüşmesi. Oyuncu ilerledikçe reward track’in görünür değeri büyüyor. 249,99 TRY satın alma ise bu değerin erişim anahtarı olarak çalışıyor.
Dolayısıyla progression tek başına reward kazandırmıyor; satın alma, progression’ı gerçek reward’a dönüştürüyor. Bu yapı progression-based monetization için oldukça net bir örnek.
25. Ekonomi: Bir Booster’ın Değeri Her Level’da Aynı Değil
Yarn Loop ekonomisini yalnızca coin miktarları veya booster fiyatları üzerinden okumak eksik olur. Bir booster’ın oyuncu gözündeki değeri, kullanıldığı duruma göre değişiyor.
Rahat ilerleyen bir level’da oyuncu booster kullanmaya ihtiyaç duymayabilir. Ancak Super Hard bir level’da, conveyor dolmak üzereyken veya Balloon Race gibi ek bir hedef aktifken aynı booster çok daha önemli hale gelebilir. Çünkü burada booster yalnızca level’ı kolaylaştırmıyor; aynı zamanda oyuncunun mevcut progress’ini, yarıştaki konumunu veya yeniden başlama riskini korumasına yardımcı oluyor. Bu yüzden booster’ın değeri sabit değil. Aynı booster, düşük baskılı bir bölümde gereksiz görünürken, hata payının azaldığı bir durumda çok daha değerli hale gelebiliyor.
Buradaki temel ilişkiyi şöyle özetleyebiliriz: Booster’ın algılanan değeri, sağladığı fayda ve kullanıldığı anda oyuncunun ne kadar risk altında olduğuyla birlikte artıyor. Dolayısıyla difficulty ve monetization birbirinden bağımsız sistemler değil. Level tasarımı, oyuncunun booster’a ne kadar ihtiyaç duyduğunu ve dolayısıyla o booster’a ne kadar değer atfettiğini doğrudan etkileyebiliyor.
26. Systemic QA: Riskler Çoğu Zaman Sistemlerin Kesişiminde Ortaya Çıkıyor
Yarn Loop gibi birbirine bağlı sistemleri olan bir puzzle’da yalnızca feature-by-feature test yapmak yeterli değil. Bir sistem tek başına doğru çalışabilir; ancak başka bir sistemle birleştiğinde beklenmeyen veya istenmeyen bir state oluşturabilir.
Örneğin:
Connected doğru çalışabilir, Surprise Makara doğru reveal olabilir, Key doğru Lock’u açabilir, Spawner doğru makara üretebilir ve Missions progress’i doğru sayabilir. Ancak asıl risk, bu sistemlerin aynı anda devrede olduğu durumlarda ortaya çıkar.
Connected × Surprise Makara kombinasyonu, oyuncunun bilinmeyen bir future state’e bağlı karar vermesine neden olur.
Key & Lock × Spawner, future access koşulları ile sürekli değişen queue pressure’ı aynı anda yönetmeyi gerektirir.
Cover × Surprise Makara, hem board bilgisini hem de future supply bilgisini aynı anda azaltır.
Missions × Ads, görev aktif olduğu halde görevi tamamlamak için gerekli opportunity oluşmadığında cross-system bir completion problemi yaratabilir.
Balloon Race × Play On ise failure sonrası recovery kullanıldığında event progress ve race state’in doğru korunmasını gerektirir.
Bu nedenle QA açısından yalnızca şu soru yeterli değildir: “Bu feature kendi başına doğru çalışıyor mu?”
Asıl soru şudur: “Bu feature başka sistemlerle etkileşime girdiğinde state hâlâ doğru, tutarlı ve tamamlanabilir kalıyor mu?”
Systemic QA’in amacı tek tek feature’ların doğruluğunu tekrar test etmekten çok, sistemler arasındaki bağımlılıkların, state geçişlerinin ve edge-case’lerin doğru çalıştığını doğrulamaktır.
27. Telemetry Erişimim Olsaydı Neye Bakardım?
Bu deconstruction’daki hipotezleri gerçek production datasıyla doğrulamak için yalnızca fail rate yeterli olmazdı. İlk bakacağım metrikler first-attempt completion rate, retry distribution, fail timing, fail reason, failure anındaki conveyor occupancy, aktif makaralarda kalan toplam capacity, booster usage, Play On conversion, arka arkaya fail sonrasında session exit ve yeni bir mekaniğin tanıtılmasından sonra completion davranışındaki değişim olurdu.
Difficulty tarafında yalnızca kaç oyuncunun fail olduğuna değil, failure’ın level’ın hangi noktasında gerçekleştiğine de bakardım. Bazı level’larda oyuncular tek bir kritik hamlede kaybederken, bazı level’larda yanlış kararların etkisi zaman içinde birikerek daha geç bir failure yaratabilir. Ayrıca başarılı ve başarısız denemelerde makara seçim sıralarını karşılaştırarak, level’ın belirli bir çözüm yoluna ne kadar bağımlı olduğunu analiz ederdim.
Spawner için Spawner Value → Queue Saturation → Fail Rate ilişkisini incelerdim.
Balloon Race tarafında ise amaç level süresini ölçmek değil, event’in oyuncu kararlarını değiştirip değiştirmediğini anlamak olurdu. Bu nedenle event aktif ve pasifken retry rate, booster usage, Play On conversion, level abandonment ve race progress kaybı sonrası devam etme davranışı karşılaştırılabilir. Böylece Balloon Race’in core difficulty’yi değiştirmeden oyuncunun failure’a verdiği tepkiyi veya recovery araçlarını kullanma eğilimini etkileyip etkilemediği görülebilir.
Quest Bonanza için funnel şu şekilde kurulabilir:
Offer Seen → Milestone Progress → Locked Value Accumulated → Offer Reopened → Purchase → Rewards Claimed
Missions × Ads case’i için ise en önemli funnel:
Mission Assigned → Player Eligible → Ad Opportunity Generated → Ad Fill → Ad Displayed → Ad Watched → Mission Credited
Bu zincirin hangi adımında drop yaşandığı bilinmeden yalnızca “Mission completion düşük” demek gerçek problemi açıklamaz. Telemetry yalnızca ne olduğunu değil, hangi noktada davranışın veya sistem akışının değiştiğini göstermeli.
28. Tasarım Güçleri ve Ürün Riskleri
Yarn Loop’un güçlü tarafı, birçok sistemin tek başına basit ama birlikte kullanıldığında yüksek karar derinliği üretebilmesi. Ancak bu derinlik arttıkça oyuncunun aynı anda takip etmesi gereken bilgi, bağımlılık ve sistem bağlantısı da artıyor. Bu nedenle her güçlü tasarım kararı beraberinde farklı bir ürün riski getiriyor.
Connected + Surprise Makara, iki basit mekaniği birleştirerek eksik bilgi altında planlama yaptırıyor. Bu kombinasyon oyuncunun sadece mevcut seçimi değil, ona bağlı bilinmeyen future state’i de hesaba katmasını sağlıyor. Gücü burada. Riski ise belirsizliğin fazla yükselmesi durumunda challenge’ın çözüm üretmekten çok tahmin etmeye kayabilmesi.
Spawner, puzzle’ı statik bir state olmaktan çıkarıp zaman içinde değişen bir queue problemine dönüştürüyor. Bu, future-state planning’i güçlendiriyor ve tekrar eden level yapılarını daha dinamik hale getiriyor. Buna karşılık queue’ya yeni kaynakların eklenmesi, conveyor saturation, resolve order ve edge-case sayısını artırarak hem balancing hem de QA açısından daha karmaşık state’ler oluşturuyor.
Key & Lock, oyuncuya yalnızca “hangi makarayı şimdi seçmeliyim?” sorusunu değil, “ileride hangi erişimi açık tutmalıyım?” sorusunu da sorduruyor. Böylece path planning güçleniyor. Ancak kritik bir Key’in kaçırılması, ileride geri dönüşü olmayan bir Dependency Lockout yaratabiliyor. Bu noktada sistemin okunabilirliği ve failure feedback’i önemli hale geliyor.
Missions, oyuncuyu yalnızca core progression’a değil, booster kullanımına, belirli mekaniklere ve Live Ops event’lerine de yönlendiriyor. Bu nedenle güçlü bir cross-system routing aracı. Ancak görev başka bir sisteme bağlıysa, o sistemdeki availability problemi doğrudan Mission completion’ı da etkileyebiliyor. Ads görevinde gördüğümüz gibi, bir feature’daki erişim sorunu başka bir sistemde completion problemi yaratabiliyor.
Balloon Race, core level design’ı değiştirmeden mevcut level sonucuna ek önem kazandırıyor. Bu, aynı content’in rekabetçi bir motivasyonla yeniden kullanılmasını sağlıyor. Ancak event aktifken failure’ın etkisi büyüdüğü için retry, recovery ve booster kullanımı üzerindeki oyuncu davranışı değişebilir. Bunun tasarım fırsatı mı yoksa fazla baskı mı yarattığını ancak telemetry gösterebilir.
Quest Bonanza, normal progression’ı görünür ve biriken bir monetization value’ya dönüştürüyor. Oyuncu oynadıkça milestone progress artıyor ve locked reward track’in görünür değeri büyüyor. Bu sistem monetization’ı gameplay’den kopuk bir mağaza ekranı olmaktan çıkarıp progression’ın içine yerleştiriyor. Buna karşılık tüm reward’ların satın alma arkasında kilitli olması, teklifin algılanan baskısını da yükseltebilir.
Burada önemli olan, bu sistemlerden herhangi birini “iyi” veya “kötü” olarak etiketlemek değil. Daha doğru soru şu: Bu tasarım hangi oyuncu davranışını güçlendiriyor ve aynı anda hangi yeni riski sisteme dahil ediyor?
Yarn Loop’un ürün tasarımı büyük ölçüde bu trade-off’lar üzerinden çalışıyor. Oyuna derinlik kazandıran şey, aynı zamanda balancing, readability, monetization ve systemic QA açısından dikkat edilmesi gereken yeni bağlantılar yaratıyor.
29. Bir Sonraki Adımda Neyi Test Ederdim?
Bu ürün üzerinde QA çalışmasına devam etseydim önceliği tek tek feature’lardan çok, sistemlerin kesiştiği ve state’in karmaşıklaştığı noktalara verirdim.
Örneğin Spawner × Conveyor tarafında, conveyor 5/5 doluyken Spawner yeni makara üretirse resolve order’ın doğru çalışıp çalışmadığını; yeni makaranın yanlış state’e düşüp düşmediğini ve soft-lock oluşup oluşmadığını test ederdim.
Connected × Surprise × Lock kombinasyonunda, Connected bir Surprise Makara Lock arkasında reveal olduğunda level’ın hâlâ tamamlanabilir durumda kalıp kalmadığını ve bağlı state’lerin doğru güncellenip güncellenmediğini kontrol ederdim.
Key & Lock tarafında, kritik bir Key kaçırıldığında sistemin unwinnable state’i ne zaman ve nasıl tespit ettiğine; failure feedback’inin doğru anda gösterilip gösterilmediğine bakardım.
Balloon Race × Play On için, failure sonrası Play On kullanıldığında event progress’in, win streak’in ve yarış state’inin doğru korunup korunmadığını test ederdim.
Missions × Live Ops tarafında, bir event expire olurken ona bağlı Mission’ın aktif kalıp kalmadığını ve görev progress’inin event state’iyle senkron ilerleyip ilerlemediğini kontrol ederdim.
Missions × Ads için, görev aktif olduğu halde ad opportunity oluşmazsa sistemin fallback, reroll veya başka bir recovery davranışı sunup sunmadığını incelerdim.
Daily Reset sırasında tamamlanmak üzere olan bir Mission’ın progress’inin doğru resetlenip resetlenmediğini, ödülün doğru güne ve doğru göreve yazılıp yazılmadığını test ederdim.
Son olarak App Suspend / Resume senaryolarında event timer, Mission progress, Spawner state’i ve aktif level state’inin doğru restore edilip edilmediğine bakardım.
Bu yaklaşımın amacı uzun bir checklist üretmek değil; yüksek riskli sistem etkileşimlerini önceliklendiren risk-based exploratory testing yapmak olurdu. Çünkü Yarn Loop gibi birbirine bağlı sistemleri olan bir oyunda en kritik problemler çoğu zaman tek bir feature içinde değil, iki veya daha fazla sistemin aynı anda çalıştığı noktalarda ortaya çıkar.
30. Genel Değerlendirme
İlk 100 level sonunda Yarn Loop’un en güçlü tarafının yalnızca yeni mekanikler eklemek değil, mevcut sistemleri giderek daha karmaşık ilişkiler içinde yeniden kullanmak olduğu görülüyor. Oyun, oldukça basit ve erişilebilir bir core loop üzerinden başlıyor; ancak progression ilerledikçe aynı temel aksiyonun etrafına anlamlı bir planlama, kaynak yönetimi ve future-state okuma katmanı ekliyor.
Cover renk bilgisini gizliyor. Surprise Makara future supply hakkında belirsizlik yaratıyor. Connected yapılar seçimleri birbirine bağlıyor. Key & Lock future access şartı ekliyor. Spawner queue’yu dinamik hale getiriyor. Yüksek kapasiteli makaralar ise conveyor üzerindeki slot kullanımını daha kritik hale getiriyor.
Bu mekaniklerin güçlü tarafı, tek başlarına anlaşılması kolay olmaları. Gerçek difficulty ise bu sistemlerin aynı state içinde bir araya gelmesiyle oluşuyor. Böylece oyun karmaşıklığı kuralları sürekli çoğaltarak değil, oyuncunun zaten bildiği kuralları farklı kombinasyonlarda yeniden yorumlamasını isteyerek artırıyor. Bu yaklaşım, düşük giriş bariyerini korurken ileri level’larda belirgin bir planning ve management derinliği yaratıyor.
Yarn Loop’un level pacing’i de burada güçlü görünüyor. Yeni mekaniklerin tanıtılması, ardından pekiştirilmesi, daha sonra farklı kombinasyonlarla yoğunlaştırılması ve araya daha rahat level’ların yerleştirilmesi oyuncunun sürekli yüksek baskı altında kalmasını engelliyor. Özellikle Super Hard milestone’ların düzenli aralıklarla kullanılması, progression’a belirgin bir ritim kazandırıyor.
Meta tarafta da aynı tasarım disiplini devam ediyor. Missions, Balloon Race, Ranking, Friend Fiesta ve Quest Bonanza farklı sistemler gibi görünse de hepsi core level completion davranışını farklı retention, competition ve monetization hedeflerine bağlıyor. Bu sayede oyun, core gameplay’i bozmadan aynı content’e yeni motivasyonlar ekleyebiliyor. Bu da Yarn Loop’un en başarılı ürün taraflarından biri: yeni bir sistem eklerken ana oyunu geri plana itmemesi.
QA açısından bakıldığında ürünün sistemik yapısı daha karmaşık test ihtiyaçları yaratıyor; ancak bu karmaşıklık aynı zamanda oyunun tasarım derinliğinin de kaynağı. Tek tek sistemlerin doğru çalışması gerekli, fakat asıl kalite bu sistemlerin birlikteyken de okunabilir, tutarlı ve tamamlanabilir state’ler üretmesine bağlı.
Genel olarak Yarn Loop, basit bir input modelinin ne kadar güçlü bir sistem tasarımına dönüştürülebileceğine iyi bir örnek. Oyun ilk bakışta kolay anlaşılırken, ileri progression’da oyuncudan giderek daha fazla planlama, state takibi ve kaynak yönetimi bekliyor. Bunu yaparken core loop’un okunabilirliğini büyük ölçüde koruması ve aynı gameplay’i Live Ops, retention ve monetization sistemleriyle verimli biçimde bağlaması ürünün en güçlü tarafları arasında. Bu deconstruction’ın sonunda Yarn Loop’u güçlü yapan ana fikri şu şekilde özetlemek mümkün:
Asıl ürün tek tek mekanikler değil; mekaniklerin, progression’ın, ekonominin ve Live Ops sistemlerinin birbirleriyle kurduğu ilişkiler.
Kaynaklar ve Notlar
[1] Spyke Games — Official Website — Yarn Loop’un Spyke Games ürün portföyünde listelenmesi. Bağlantı
[2] Google Play — Yarn Loop — 1M+ indirme, 4,5 yıldız, yaklaşık 25,5 bin yorum; geliştirici ve destek bilgileri. Erişim: 6 Ekim 2026. Bağlantı
[3] Apple App Store (US) — Yarn Loop: Knit Puzzle — Yaklaşık 48K rating, 4,8 yıldız ve Combo Games geliştirici bilgisi. Erişim: 6 Ekim 2026. Bağlantı
[4] Sensor Tower — Two Yarn Puzzle Games Surpass $10M Lifetime Revenue — 10 Haziran 2026 alert’i; Yarn Loop için iOS tarafında yaklaşık $10M lifetime revenue tahmini. Üçüncü taraf tahminidir. Bağlantı
Metodoloji notu: Level zorluğu, retry ve oyuncu deneyimiyle ilgili tüm çıkarımlar bu çalışmadaki kontrollü playtest gözlemlerine dayanır; population-level telemetry değildir.