ગેમિફિકેશન મિકેનિક્સ: રેટિંગ

રેટિંગ. તે શું છે અને ગેમિફિકેશનમાં તેનો ઉપયોગ કેવી રીતે કરવો? પ્રશ્ન સરળ લાગે છે, રેટરિકલ પણ છે, પરંતુ વાસ્તવમાં આવા સ્પષ્ટ મિકેનિક્સમાં ઘણી ઘોંઘાટ છે, જેમાં માનવ ઉત્ક્રાંતિના કારણે પણ સમાવેશ થાય છે.

ઘટકો, મિકેનિક્સ અને ગેમિફિકેશનના રસપ્રદ ઉદાહરણો વિશેના મારા લેખોની શ્રેણીમાં આ લેખ પ્રથમ છે. તેથી, હું કેટલાક સામાન્ય શબ્દોની ટૂંકી વ્યાખ્યા આપીશ. "ગેમિફિકેશન (ગેમફિકેશન)" શું છે? વિકિપીડિયા વ્યાખ્યા આપે છે: "વપરાશકર્તાઓ અને ગ્રાહકોને આકર્ષવા, ઉત્પાદનો અને સેવાઓનો ઉપયોગ કરીને લાગુ સમસ્યાઓના નિરાકરણમાં તેમની સંડોવણી વધારવા માટે બિન-ગેમ પ્રક્રિયાઓમાં એપ્લિકેશન સોફ્ટવેર અને વેબસાઇટ્સ માટે કમ્પ્યુટર રમતોની લાક્ષણિકતા અભિગમોનો ઉપયોગ."

હું બીજો વિકલ્પ પસંદ કરું છું: "ગેમફિકેશન - ગેમ મિકેનિક્સનો ઉપયોગ કરીને સિસ્ટમ વપરાશકર્તાઓની વર્તણૂકનું સંચાલન." આ વ્યાખ્યાઓ વચ્ચેનો તફાવત એ છે કે સિસ્ટમ ક્યાં તો વેબસાઇટ અથવા સોફ્ટવેર, અથવા જાહેર પાર્ક અથવા પરિવહન નેટવર્ક હોઈ શકે છે. ગેમિફિકેશન માત્ર IT ક્ષેત્રમાં જ લાગુ નથી. વધુમાં, કેટલાક ગેમ મિકેનિક્સનો ઉપયોગ વપરાશકર્તાની સંલગ્નતા વધારવા માટે થાય છે, કેટલાકનો ઉપયોગ વપરાશકર્તાઓને આકર્ષવા માટે થાય છે, પરંતુ આને "વર્તણૂક વ્યવસ્થાપન" ના સામાન્ય ખ્યાલમાં જોડવામાં આવે છે. ગેમિફિકેશનને અમલમાં મૂકવા માટે, સિસ્ટમમાં વપરાશકર્તાઓ શું કરી રહ્યા છે તે જાણવું મહત્વપૂર્ણ છે (જો સિસ્ટમ હજી ઉપયોગમાં ન હોય તો કરી શકે છે), અને સિસ્ટમ માલિકોના દૃષ્ટિકોણથી વપરાશકર્તાઓએ શું કરવું જોઈએ. ગેમિફિકેશન "ડુ" થી "કરવું જોઈએ" તરફ જવા માટે ઉપયોગી છે.

રેટિંગ એ એક સરળ અને લોકપ્રિય ગેમ મિકેનિક છે જેનો ઉપયોગ ગેમિફિકેશનમાં થાય છે. "ગેમ મિકેનિક્સ" શબ્દની કોઈ ચોક્કસ વ્યાખ્યા નથી; કેટલીકવાર તે કંઈપણ તરીકે સમજવામાં આવે છે - બેજેસ અને સિદ્ધિઓથી લઈને વર્તણૂકીય આવેગ સુધી. ગેમિફિકેશનમાં વપરાતી પરિભાષાનો ક્રમ લાવવો એ એક અલગ લેખ માટેનો વિષય છે, પરંતુ અહીં હું મારી જાતને ગેમ મિકેનિક્સ દ્વારા જે સમજું છું તેના સંક્ષિપ્ત સમજૂતી સુધી મર્યાદિત કરીશ. ગેમિફાઇડ સિસ્ટમ, પરંપરાગત લેગો બ્લોક્સ ડિઝાઇન કરવાનું આ સૌથી નીચું (સૌથી ચોક્કસ) સ્તર છે. ગેમ મિકેનિક્સ પસંદ કરવામાં આવે છે અને લાગુ કરવામાં આવે છે જ્યારે સિસ્ટમના ગેમિફિકેશનના ઉપલા, વધુ અમૂર્ત સ્તરો પહેલેથી જ વિચારવામાં આવ્યા હોય. તેથી, રેટિંગ્સ, બેજેસ, સ્તરો રમત મિકેનિક્સ છે, પરંતુ વાયરલતા અથવા જૂથ કાર્ય નથી.

રેટિંગ એ સંખ્યાત્મક અથવા ક્રમાંકિત સૂચક છે જે ચોક્કસ વસ્તુ અથવા ઘટનાના મહત્વ અથવા મહત્વને પ્રતિબિંબિત કરે છે (વિકિપીડિયામાંથી વ્યાખ્યા). રેટિંગ મિકેનિક્સ પોઈન્ટ મિકેનિક્સ અને ઘણી વખત વપરાશકર્તા સ્તરના મિકેનિક્સ સાથે જોડાયેલા હોય છે. પોઈન્ટ વિનાનું રેટિંગ અશક્ય છે - રેટિંગમાં વપરાશકર્તાઓને કયા ક્રમમાં દર્શાવવા તે સિસ્ટમ સમજી શકશે નહીં; સ્તર વિનાનું રેટિંગ શક્ય છે.

ચાલો સિસ્ટમ વપરાશકર્તાઓ માટે અર્થ દ્વારા રેટિંગ્સનું વર્ગીકરણ કરવાનો પ્રયાસ કરીએ.

1. સ્પર્ધાત્મક - વપરાશકર્તાઓને અન્ય વપરાશકર્તાઓ કરતાં ઉચ્ચ ક્રમાંકન માટે પ્રોત્સાહિત કરે છે. રેટિંગ જે અન્ય કરતા ઘણી વાર જોવા મળે છે.
2. હારી ગયેલી પરિસ્થિતિની વ્યાખ્યા - જો આપેલ રેટિંગ પોઈન્ટની સંખ્યા ન મળે તો સિસ્ટમ દંડ લાદે છે. સંભવિત દંડ વિકલ્પો: અગાઉના રેટિંગ જૂથમાં સ્થાનાંતરિત કરો, રેન્કમાં ઘટાડો, સ્પર્ધામાં હાર, રમતના ચલણની ચોક્કસ રકમ લખવા, નૈતિક દંડ (શરમનું બોર્ડ). વિન-વિન એનાલોગ કરતાં ઓછી વાર ઉપયોગમાં લેવાય છે, તેના અમલીકરણ અને વપરાશકર્તા વર્તણૂકના વિશ્લેષણ પહેલાં સાવચેતીપૂર્વક વિચાર કરવાની જરૂર છે, કારણ કે દંડની વપરાશકર્તા પર ખૂબ નકારાત્મક અસર પડે છે અને તે પ્રેરણાને મોટા પ્રમાણમાં ઘટાડી શકે છે.
3. વિજેતા પરિસ્થિતિ નક્કી કરવી - નિર્દિષ્ટ સંખ્યામાં રેટિંગ પોઈન્ટ હાંસલ કરવા માટે પુરસ્કારનો અધિકાર આપે છે. રેન્કિંગમાં પ્રથમ સ્થાનો માટે, મધ્યવર્તી તબક્કાઓ માટે. પુરસ્કાર તરીકે, હારી ગયેલી પરિસ્થિતિમાં દંડ માટે સમાન વિકલ્પોનો ઉપયોગ કરવામાં આવે છે, પરંતુ "વત્તા" ચિહ્ન સાથે. રેન્કિંગમાં મધ્યવર્તી તબક્કાઓ માટેના પુરસ્કારો એ એક રસપ્રદ પરંતુ દુર્લભ પ્રેક્ટિસ છે જે વપરાશકર્તાને એક સ્તરથી બીજા સ્તરે જતાં વધુ ધીમે ધીમે ઉત્સાહ ગુમાવવા દે છે. એક ઉદાહરણ શેફમાર્કેટના જૂના સંસ્કરણનું રેટિંગ છે. આ સ્વ-રસોઈ માટેની વાનગીઓ સાથે ઉત્પાદનો માટે હોમ ડિલિવરી સેવા છે. દરેક ક્લાયંટ તેમના વ્યક્તિગત ખાતામાં એક સ્ટેટસ પ્રદર્શિત કરે છે, તૈયાર કરેલી વાનગીઓ માટે પોઈન્ટ આપવામાં આવે છે, અને પોઈન્ટ માટે સ્તર આપવામાં આવે છે, પરંતુ આગલું સ્તર હાંસલ કરવા માટે તમારે ડઝનેક વાનગીઓ તૈયાર કરવાની જરૂર છે, અને આ નિરાશાજનક હોઈ શકે છે. દરેક X પોઈન્ટ માટે ગિફ્ટ્સ ડિમોટિવેટિંગ ઈફેક્ટને ઘટાડવામાં મદદ કરે છે (પોઈન્ટની સંખ્યા ક્લાઈન્ટના વર્તમાન સ્તર પર આધારિત છે).
   શેફમાર્કેટ વપરાશકર્તા રેટિંગ. નોંધ લો કે અન્ય ગેમ મિકેનિક્સનો સજીવ રીતે ઉપયોગ કેવી રીતે થાય છે: બેજેસ, પ્રોગ્રેસ બાર, ટાઇટલ, એક સુખદ દેખાતા ઇન્ટરફેસમાં પેક કરેલ.
4. સ્થિતિ - અન્ય વપરાશકર્તાઓની નજરમાં ઉચ્ચ રેટિંગ સાથે વપરાશકર્તાની સત્તામાં વધારો કરે છે. ઉદાહરણ તરીકે, ઑનલાઇન પ્રશ્ન પ્રોજેક્ટમાં વપરાય છે (StackOverflow, [email protected]). MOBA રમતોમાં MMR સિસ્ટમ્સ (મેચમેકિંગ રેટિંગ્સ) ને સ્ટેટસ રેટિંગ્સ તરીકે પણ વર્ગીકૃત કરી શકાય છે.
5. વિશ્વસનીય - અન્ય વપરાશકર્તાઓની નજરમાં ઉચ્ચ રેટિંગ ધરાવતા વપરાશકર્તાની વિશ્વસનીયતા વધારે છે. ઓનલાઈન હરાજી માટે માનક બની ગયું છે. Habr વપરાશકર્તા કર્મ એ ટ્રસ્ટ રેટિંગનું બીજું ઉદાહરણ છે. ટ્રસ્ટ રેટિંગનો ઉપયોગ એકબીજા સાથેના વપરાશકર્તાઓની ક્રિયાપ્રતિક્રિયાના આધારે સિસ્ટમ્સમાં થાય છે, ખાસ કરીને જો આ ક્રિયાપ્રતિક્રિયા ઑફલાઇન હોય અથવા સેવાઓ અને માલસામાનના વિનિમયનો સમાવેશ કરે છે.
   ચોક્કસ રેટિંગ સ્તર સુધી પહોંચવા પર જારી કરાયેલા બેજ સાથેની ઓનલાઈન હરાજી રેટિંગનું ઉદાહરણ.

ઉપરોક્ત સૂચિમાંથી રેટિંગ્સ સિસ્ટમમાં જુદી જુદી રીતે જોડવામાં આવે છે. સિદ્ધાંતમાં, સ્પર્ધાત્મક વપરાશકર્તા રેટિંગ શક્ય છે, મધ્યવર્તી વિજેતા પરિસ્થિતિઓ સાથે, રેટિંગ બહારના લોકો માટે દંડ અને રેટિંગ નેતાઓ માટે ઉચ્ચ સ્તરની સ્થિતિ અને વિશ્વાસ સાથે.

રેટિંગને વર્ગીકૃત કરવા માટેનો બીજો વિકલ્પ: વપરાશકર્તાના રેટિંગમાં કોણ ફેરફાર કરે છે - ફક્ત સિસ્ટમ, ફક્ત અન્ય વપરાશકર્તાઓ અથવા સિસ્ટમ અને વપરાશકર્તાઓ. જ્યારે ફક્ત સિસ્ટમ વપરાશકર્તાની રેટિંગમાં ફેરફાર કરે છે ત્યારે વિકલ્પ સૌથી સામાન્ય છે. તે ઘણીવાર ઑનલાઇન રમતોમાં વપરાય છે. ખેલાડી વિવિધ ક્રિયાઓ કરે છે (રાક્ષસોને મારી નાખે છે, ક્વેસ્ટ્સ પૂર્ણ કરે છે), જેના માટે સિસ્ટમ અનુભવ (રેટિંગ) પોઇન્ટ આપે છે. અન્ય વપરાશકર્તાઓ આવી સિસ્ટમમાં ખેલાડીના રેટિંગને અસર કરતા નથી. જ્યારે વપરાશકર્તાનું રેટિંગ સિસ્ટમ દ્વારા નહીં, પરંતુ સિસ્ટમના અન્ય વપરાશકર્તાઓ દ્વારા બદલવામાં આવે ત્યારે વિકલ્પનો ઉપયોગ સામાન્ય રીતે ટ્રસ્ટ રેટિંગ સાથે કરવામાં આવે છે. ઉદાહરણો: કર્મમાં વધારો અથવા ઘટાડો, ટ્રેડિંગ પ્લેટફોર્મ પર વ્યવહારો પછી હકારાત્મક અને નકારાત્મક સમીક્ષાઓ. એક સંયુક્ત વિકલ્પ પણ શક્ય છે, ઉદાહરણ તરીકે ઑનલાઇન પ્રશ્નોમાં. પ્રશ્નનો જવાબ આપવા માટે, વપરાશકર્તાને સિસ્ટમમાંથી આપમેળે રેટિંગ પોઈન્ટ્સ પ્રાપ્ત થાય છે, અને જો અન્ય વપરાશકર્તાઓ જવાબને શ્રેષ્ઠ તરીકે ઓળખે છે, તો વપરાશકર્તા વધારાના પોઈન્ટ મેળવે છે.

આગળની પદ્ધતિ વપરાશકર્તા રેટિંગમાં હકારાત્મક અને નકારાત્મક ફેરફારો પર આધારિત છે. હું શરતી “રેટિંગ વત્તા”, “રેટિંગ વત્તા-માઈનસ પોઝિટિવ”, “રેટિંગ વત્તા-માઈનસ નેગેટિવ” અને “રેટિંગ માઈનસ” ને અલગ કરું છું. પ્રથમ વિકલ્પ, "રેટિંગ વત્તા," ફક્ત વપરાશકર્તાના રેટિંગમાં વધારો સૂચવે છે. આ વિકલ્પનો ઉપયોગ થાય છે, ઉદાહરણ તરીકે, eBay પર ખરીદદારો માટે. ટ્રાન્ઝેક્શન પછી, વેચનાર ખરીદનારને માત્ર હકારાત્મક પ્રતિસાદ આપે છે અથવા તેને બિલકુલ છોડતો નથી. હા, છેતરપિંડી કરનાર ખરીદનારને વહીવટીતંત્ર દ્વારા અવરોધિત કરી શકાય છે, પરંતુ તેનું રેટિંગ ઘટી શકતું નથી (જ્યાં સુધી તે પોતે ખરાબ વેચનાર ન બને).

પોઝિટિવ પ્લસ અથવા માઈનસ રેટિંગ વપરાશકર્તાના રેટિંગમાં વધારો અને ઘટાડો બંને સૂચવે છે, જ્યારે રેટિંગ શૂન્યથી નીચે આવતું નથી. આવી રેટિંગ અસફળ ક્રિયાઓના કિસ્સામાં વપરાશકર્તાને ખૂબ ઊંડાણમાં પડવાની મંજૂરી આપશે નહીં (અને ગુસ્સે હબરની શક્તિનો અનુભવ કરો). પરંતુ તે જ સમયે, એક નવો વપરાશકર્તા અને વપરાશકર્તા જેની રેટિંગ વ્યવસ્થિત "ખરાબ" ક્રિયાઓને કારણે સતત શૂન્યની આસપાસ વધઘટ કરે છે તે દૃષ્ટિની સમાન દેખાશે, જે સમગ્ર સિસ્ટમમાં વિશ્વાસ પર ખરાબ અસર કરે છે.

પ્લસ અથવા માઈનસ નેગેટિવ રેટિંગનો અર્થ છે કે વપરાશકર્તા રેટિંગ કાં તો વધી શકે છે અથવા કોઈપણ મૂલ્ય સુધી ઘટી શકે છે. વ્યવહારમાં, મોટા નકારાત્મક રેટિંગનો કોઈ અર્થ નથી અને સિસ્ટમમાં થ્રેશોલ્ડ નેગેટિવ મૂલ્ય દાખલ કરવાની ભલામણ કરવામાં આવે છે, તે પછી આવા વપરાશકર્તા માટે એકાઉન્ટને અવરોધિત કરવા સુધી અને સહિત દંડાત્મક પગલાં લાગુ કરવા યોગ્ય છે. તે જ સમયે, આ શક્યતાને બાકાત રાખવા અથવા તેને અમલમાં મૂકવું મુશ્કેલ બનાવવા માટે, અન્ય વપરાશકર્તાઓ દ્વારા રેટિંગના ઇરાદાપૂર્વક "લીક" ની પરિસ્થિતિ વિશે વિચારવું મહત્વપૂર્ણ છે.

માઈનસ રેટિંગ એ ભાગ્યે જ ઉપયોગમાં લેવાતું મિકેનિક છે જેમાં વપરાશકર્તાનું પ્રારંભિક રેટિંગ કાં તો બદલાઈ શકતું નથી અથવા ઘટતું નથી. મને તરત જ એવા પ્રોજેક્ટ્સ યાદ નથી કે જે સમાન મિકેનિક્સનો ઉપયોગ કરે છે, પરંતુ સૈદ્ધાંતિક રીતે તે શક્ય છે. ઉદાહરણ તરીકે, પ્રોજેક્ટ્સ અથવા એલિમિનેશન ગેમ્સ અથવા "છેલ્લા હીરો" માટે.

રેટિંગ મિકેનિક્સનો ઉપયોગ કરતી વખતે, તમારે એક મહત્વપૂર્ણ ભૂલ કરવાનું ટાળવાની જરૂર છે: સિસ્ટમના વપરાશકર્તાઓ (અથવા વપરાશકર્તા સ્તરો વચ્ચે) વચ્ચે મેળવેલા પોઈન્ટની સંખ્યામાં અંતર નિરાશાજનક અથવા અપ્રાપ્ય હોવું જોઈએ નહીં. આ તફાવત ખાસ કરીને નવા વપરાશકર્તાઓ માટે નિરાશાજનક છે જેઓ જુએ છે કે તેમની પાસે શૂન્ય પોઈન્ટ છે, જ્યારે રેટિંગના લીડર પાસે લાખો છે. આવું કેમ થાય છે, આવી સ્થિતિમાં નવો વપરાશકર્તા શા માટે વિચારશે કે નેતા સાથે પકડવું અશક્ય છે? પ્રથમ, સિસ્ટમના નવા વપરાશકર્તાઓએ સ્કોરિંગની ગતિશીલતાને સમજવા માટે પૂરતો સમય પસાર કર્યો નથી. જો સિસ્ટમ દરેક વપરાશકર્તાની ક્રિયા માટે હજારો પોઈન્ટ્સ પુરસ્કાર આપે તો રેટિંગમાં લીડર તરીકે બે થી ત્રણ મિલિયન પોઈન્ટ એટલા અપ્રાપ્ય ન હોઈ શકે. સમસ્યા એ છે કે ડિમોટિવેટેડ નવો વપરાશકર્તા સિસ્ટમને સમજે તે પહેલાં તેનો ઉપયોગ કરવાનું બંધ કરશે. બીજું, સમસ્યા સંખ્યા શ્રેણીની આપણી કુદરતી લઘુગણક ધારણામાં છે.

આપણે સંખ્યાઓના રેખીય ક્રમમાં રહેવા માટે ટેવાયેલા છીએ. ઘરોની સંખ્યા, ટેપ માપ અને શાસકો, આલેખ અને ઘડિયાળો - દરેક જગ્યાએ સંખ્યાઓ સમાન અંતરાલમાં સંખ્યા રેખા સાથે સ્થિત છે. તે આપણા માટે સ્પષ્ટ છે કે 1 અને 5 અને 5 અને 10 વચ્ચેનો તફાવત સમાન છે. તે 1 અને 500 વચ્ચે સમાન તફાવત છે. વાસ્તવમાં, સંખ્યાઓનો રેખીય ક્રમ એ આપણી સંસ્કૃતિનું ઉત્પાદન છે, કુદરતી ક્ષમતા નથી. અમારા દૂરના પૂર્વજો, જેઓ હજારો વર્ષો પહેલા જીવતા હતા, તેમની પાસે આધુનિક ગાણિતિક ઉપકરણ નહોતું, અને તેઓ લઘુગણકની દૃષ્ટિએ સંખ્યાઓ સમજતા હતા. એટલે કે, તેઓ જેમ જેમ વધતા ગયા તેમ તેમ નંબર લાઇન પર નજીક અને નજીક મૂકવામાં આવ્યા. તેઓ ચોક્કસ મૂલ્યોની દ્રષ્ટિએ નહીં, પરંતુ અંદાજિત અંદાજોના સંદર્ભમાં સંખ્યાઓ જોતા હતા. આ તેમની જીવનશૈલી માટે જરૂરી હતું. દુશ્મનો સાથે મુલાકાત કરતી વખતે, ઝડપથી, આશરે, કોની સંખ્યા વધુ હતી તેનું મૂલ્યાંકન કરવું જરૂરી હતું - આપણા પોતાના અથવા અન્ય. કયા ઝાડમાંથી ફળ એકત્ર કરવા તેની પસંદગી પણ રફ અંદાજના આધારે કરવામાં આવી હતી. અમારા પૂર્વજોએ ચોક્કસ મૂલ્યોની ગણતરી કરી ન હતી. લઘુગણક સ્કેલ પરિપ્રેક્ષ્યના નિયમો અને અંતરની આપણી ધારણાને પણ ધ્યાનમાં લે છે. ઉદાહરણ તરીકે, જો આપણે એક વૃક્ષને સો મીટર દૂર અને બીજા વૃક્ષને પ્રથમ વૃક્ષની પાછળ 000 મીટર દૂર જોઈએ, તો બીજું સો મીટર ઓછું દેખાય છે.

આ ચિત્રમાં સફેદ ટુકડાઓ સાથે રમતા ખેલાડીને તે ખરાબ રીતે કરી રહ્યો છે તે સમજવા માટે તેને કાળા ટુકડાઓની ચોક્કસ સંખ્યા જાણવાની જરૂર નથી.

તમે સંખ્યાઓની લઘુગણક ધારણા વિશે, આ સિદ્ધાંતની પુષ્ટિ કરવા માટે હાથ ધરાયેલા સંશોધન વિશે અને ગણિતની દુનિયાના અન્ય રસપ્રદ તથ્યો વિશે એલેક્સ બેલોસ દ્વારા પ્રખ્યાત વિજ્ઞાન પુસ્તક “એલેક્સ ઇન ધ લેન્ડ ઓફ નંબર્સ”માં વધુ વાંચી શકો છો. ગણિતની જાદુઈ દુનિયામાં એક અસાધારણ સફર.”

સાહજિક સ્તર પર સંખ્યાઓની લઘુગણક ધારણા આપણને વારસામાં મળી છે. સાંસ્કૃતિક સ્તર હેઠળ છુપાયેલ, તે પોતાને પ્રગટ કરે છે, ઉદાહરણ તરીકે, સમયના અર્થમાં (બાળપણમાં, વર્ષો ધીમે ધીમે પસાર થયા, પરંતુ હવે તેઓ ફક્ત ઉડે છે). અમે હજુ પણ, અમારા તમામ શિક્ષણ હોવા છતાં, ખૂબ મોટી સંખ્યાઓથી મૂંઝવણમાં પડીએ છીએ અને સહજપણે તેમની લઘુગણક દ્રષ્ટિ પર સ્વિચ કરીએ છીએ. અમે એક લિટર અને બે લિટર બિયર વચ્ચેનો તફાવત સમજીએ છીએ, પરંતુ દસ અબજ અને એકસો અબજ લિટર બિયર અમને લગભગ સમાન સંખ્યાઓ લાગે છે જે "ખૂબ, ખૂબ જ બિયર" ના ખ્યાલમાં બંધબેસે છે. તેથી, રેન્કિંગમાં અપ્રાપ્ય લાગણીની સમસ્યા ઊભી થાય છે જો વર્તમાન સ્થિતિ અને નેતા વચ્ચેનું અંતર "ખૂબ, ઘણા બધા" બિંદુઓ હોય. વપરાશકર્તાનું મગજ સાહજિક રીતે પરિસ્થિતિનું પૃથ્થકરણ કરશે નહીં, સંચિત બિંદુઓની ગતિશીલતાનો અભ્યાસ કરશે નહીં અથવા રેટિંગની ટોચ પર પહોંચવા માટેના સમયની ગણતરી કરશે નહીં. તે ફક્ત એક ચુકાદો આપશે - "આ ઘણું છે, તે શક્તિનો બગાડ કરવા યોગ્ય નથી."

ઉપર વર્ણવેલ પરિસ્થિતિઓને ટાળવા માટે, તમારે રેટિંગ પોઈન્ટની સંચયની ફ્લોટિંગ ડાયનેમિક્સનો ઉપયોગ કરવાની જરૂર છે, જેમાં વપરાશકર્તાને પ્રોત્સાહનો મળે છે અને સિસ્ટમનો મધ્ય અને અંત કરતાં વધુ ઝડપથી ઉપયોગ કરવાના અપેક્ષિત જીવન ચક્રની શરૂઆતમાં રેટિંગ પોઈન્ટ એકત્રિત કરે છે. તેનું ઉદાહરણ વર્લ્ડ ઓફ વોરક્રાફ્ટ અને "યુરોપિયન" ("કોરિયન" નહીં) કેરેક્ટર લેવલિંગ સિસ્ટમ સાથેના સમાન MMORPGs છે. પરંપરાગત યુરોપીયન લેવલિંગ સિસ્ટમમાં રમતના પ્રારંભિક સ્તરોને ઝડપથી પૂર્ણ કરવાનો સમાવેશ થાય છે, ત્યારબાદ ધીમે ધીમે મંદી આવે છે. લાક્ષણિક કોરિયન (અને અન્ય એશિયન) રમતોમાં વપરાતી સિસ્ટમમાં પાત્રના અંતિમ સ્તરો મેળવવાના દરમાં નાટ્યાત્મક મંદીનો સમાવેશ થાય છે.

ઉદાહરણ તરીકે, વંશ 2 માં, સ્તર 74 સુધી પહોંચવા માટે તમારે 500 અનુભવ મેળવવાની જરૂર છે, સ્તર 000 માટે - 75, સ્તર 560 માટે - 000, સ્તર 76 માટે પહેલેથી જ ઘણું વધારે - 623, અને સ્તર 000 થી મહત્તમ સ્તર 77 પર જવા માટે. તમારે 1 મિલિયન અનુભવ મેળવવાની જરૂર પડશે, જ્યારે અનુભવ મેળવવાની ઝડપ લગભગ યથાવત છે (વંશ 175 માં અનુભવ અને સ્તરોનું સંપૂર્ણ કોષ્ટક અહીં ઉપલબ્ધ છે. આ લિંક). ગેમિફિકેશનમાં આવી મંદી બિનજરૂરી લાગે છે, કારણ કે તે વપરાશકર્તાઓને ખૂબ જ નિરાશ કરે છે.

યાદ રાખવા યોગ્ય બીજો મુદ્દો એ છે કે વપરાશકર્તા માટે શરૂઆતમાં રમત અથવા ગેમિફાઇડ સિસ્ટમને છોડી દેવું સરળ છે, અને જ્યારે તેણે સિસ્ટમમાં ઘણો સમય વિતાવ્યો હોય ત્યારે તે વધુ મુશ્કેલ છે, જેના પછી વપરાશકર્તા સંચિત બિંદુઓને છોડી દેવા બદલ દિલગીર થશે. , સ્તરો અને વસ્તુઓ. તેથી, નવા વપરાશકર્તાઓને તેમના પોઈન્ટ્સ પર કામચલાઉ બોનસ આપો, ઉદાહરણ તરીકે, એક મહિના માટે +50%. બોનસ સિસ્ટમનો ઉપયોગ કરવા માટે વધારાના પ્રોત્સાહન તરીકે સેવા આપશે; બોનસ સમયગાળા દરમિયાન, વપરાશકર્તા પોઈન્ટ મેળવવાની ઝડપની પ્રશંસા કરશે, તેનાથી આરામદાયક બનશે અને સિસ્ટમનો ઉપયોગ ચાલુ રાખવાની શક્યતા વધુ હશે.

ગેટ ટેક્સી એપ્લિકેશન એ ડિમોટિવેટિંગ રેટિંગ ગેપ ભૂલનું ઉદાહરણ છે. નવીનતમ અપડેટ પહેલાં, લોયલ્ટી પ્રોગ્રામમાં વીસ સ્તરો હતા, મહત્તમ જરૂરી 6000 પોઈન્ટ્સ (એક સફર માટે સરેરાશ 20-30 પોઈન્ટ આપવામાં આવ્યા હતા). તમામ વીસ સ્તરો 0 થી 6000 સુધીના સ્કેલ પર સમાનરૂપે વિતરિત કરવામાં આવ્યા હતા, લગભગ ઓનલાઈન ગેમ્સમાં યુરોપીયન સ્તરીકરણ પ્રણાલી અનુસાર. અપડેટ પછી, એપ્લિકેશનમાં અનુક્રમે 10, 000 અને 20 પોઈન્ટ પર ત્રણ વધુ સ્તરો ઉમેરવામાં આવ્યા હતા, જે કોરિયન સિસ્ટમની નજીક છે (તેને ધ્યાનમાં રાખીને કે પ્રતિ ટ્રીપમાં પ્રાપ્ત પોઈન્ટની સંખ્યા બદલાઈ નથી). એપ્લિકેશન વપરાશકર્તાઓ આ અપડેટ વિશે શું વિચારે છે તેનો મારી પાસે કોઈ પ્રતિનિધિ નમૂના નથી, પરંતુ મારા અઢાર મિત્રો અને સહકર્મીઓ કે જેઓ Gett Taxi નો ઉપયોગ કરે છે તેઓએ નવા રેટિંગ સ્તરોની નિરાશાજનક અસરની નોંધ લીધી છે. તેમાંના કોઈપણને અપડેટ પછી (એક વર્ષથી વધુ) પસાર થયેલા સમયમાં એક પણ નવું સ્તર પ્રાપ્ત થયું નથી.

ગેટ ટેક્સી લોયલ્ટી પ્રોગ્રામમાં ત્રણ નવા અને અગાઉના સ્તરો વચ્ચેનું અંતર ગેરવાજબી રીતે મોટું અને નિરાશાજનક છે.

રેટિંગમાં ડિમોટિવિંગ ગેપ ટાળવા માટે, વૈશ્વિક રેટિંગ ઉપરાંત, સિસ્ટમમાં સ્થાનિક રેટિંગ્સ ઉમેરવા જરૂરી છે, જેમાં પોઝિશન્સ વચ્ચેનું અંતર એટલું મોટું નહીં હોય.

વૈશ્વિક રેટિંગને સ્થાનિકમાં વિભાજીત કરવાની સંભવિત રીતો:

1. મિત્રો વચ્ચે. ફક્ત વપરાશકર્તાના મિત્રોનો સમાવેશ કરતું રેટિંગ બતાવે છે. લોકો અજાણ્યા પ્રતિસ્પર્ધી સાથે સ્પર્ધા કરવાનું પસંદ કરે છે, જેમના વિશે ફક્ત તેમનું ઉપનામ જાણીતું છે (આવો પ્રતિસ્પર્ધી બોટથી ઘણો અલગ નથી), પરંતુ મિત્રો અને પરિચિતો સાથે.
2. સમય દ્વારા. ચોક્કસ સમય (દિવસ, અઠવાડિયું, મહિનો, વર્ષ) પર સંચિત રેટિંગ. શૂન્ય અને રિપ્લે મૂલ્ય માટે સારું. હું આ અઠવાડિયે જીતવા માટે મેનેજ કરી શક્યો નથી - હું આવતા અઠવાડિયે પ્રયાસ કરીશ, અને એકબીજાના વપરાશકર્તાઓ વચ્ચેનું અંતર નિયમિતપણે શૂન્ય પર રીસેટ થાય છે અને વૈશ્વિક મૂલ્યો સુધી વધતું નથી.
3. જિયોટાર્ગેટિંગ દ્વારા. એક રેટિંગ કે જે ફક્ત ચોક્કસ વિસ્તાર (જિલ્લો, શહેર, દેશ, ખંડ) ના વપરાશકર્તાઓને બતાવે છે. તે એવી પરિસ્થિતિમાં હતું કે ગાયસ જુલિયસ સીઝરએ ગરીબ અસંસ્કારી નગરમાંથી પસાર થતાં કહ્યું: "રોમમાં બીજા કરતાં અહીં પ્રથમ હોવું વધુ સારું છે."
4. લિંગ દ્વારા. પછી પુરૂષો અને સ્ત્રીઓના પરિણામોની તુલના કરો, હાઇપ નારીવાદી અને અંધકારવાદી હેતુઓ પર રમતા (સાવધાનીપૂર્વક ઉપયોગ કરો, બંને બાજુએ નફરત અને મળના પ્રવાહો હોઈ શકે છે).
5. વય જૂથ દ્વારા. ઉદાહરણ તરીકે, નજીકની રમત-ગમતની પ્રણાલીઓ અને પ્રણાલીઓના ગેમિફિકેશનમાં જેને કૌશલ્યની જરૂર હોય છે જે વય સાથે વ્યક્તિમાં બદલાય છે. ઉદાહરણ તરીકે, એવા પ્રોજેક્ટ્સ કે જે લોકોને રમતગમત રમવા માટે પ્રેરિત કરે છે, જે તમને તમારા પરિણામો અપલોડ કરવાની અને અન્ય વપરાશકર્તાઓના પરિણામો જોવાની મંજૂરી આપે છે. તે સ્પષ્ટ છે કે 65-વર્ષીય વ્યક્તિ માટે વીસ વર્ષીય વ્યક્તિ જેટલું દોડે છે તેટલું દોડવું વધુ મુશ્કેલ હશે, અને તેના સાથીદારો સાથે સ્પર્ધા કરવી તે વધુ રસપ્રદ રહેશે. બીજી તરફ એક ઉદાહરણ ઓનલાઈન ચેસ અને અન્ય જટિલ બૌદ્ધિક રમતો છે, જેમાં અનુભવી ગ્રાન્ડમાસ્ટર ચૌદ વર્ષના કિશોર માટે અગમ્ય હશે.
6. સિસ્ટમમાં ઉપલબ્ધ વપરાશકર્તાઓ વિશેના અન્ય ડેટા અનુસાર (ફક્ત મર્સિડીઝ ડ્રાઇવરો માટે રેટિંગ, ફક્ત પ્લમ્બર માટે, ફક્ત કાનૂની વિભાગ માટે, ફક્ત સ્તર 120 ઝનુન માટે).

તમને ગમે તે રીતે ઉપરોક્ત પદ્ધતિઓ એકબીજા સાથે જોડો, તેમની સાથે પ્રયોગ કરવા માટે નિઃસંકોચ.

ગેમિફાઇડ સિસ્ટમના સંચાલન દરમિયાન, ડિઝાઇન દરમિયાન ઉલ્લેખિત લક્ષ્યોને રેટિંગ કેટલી સારી રીતે પૂર્ણ કરે છે તેનું નિરીક્ષણ કરો. ઉદાહરણ તરીકે, જો રેન્કિંગનો હેતુ ઉચ્ચ રેટેડ વપરાશકર્તાઓમાં અન્ય વપરાશકર્તાઓનો વિશ્વાસ વધારવાનો હતો, તો રેન્કિંગને ઝડપથી વધારવા માટે શક્ય વાજબી અને અપ્રમાણિક રીતોને ઓળખવા અને મર્યાદિત કરવા પર ધ્યાન આપો. ટ્રસ્ટ રેટિંગનો આધાર તેને મેળવવાની મુશ્કેલી અને તેને ખૂબ જ ઝડપથી ગુમાવવાની સંભાવના છે. જો રેટિંગમાં ગેરવાજબી રીતે ઝડપી વધારા માટે સિસ્ટમમાં છટકબારીઓ છે, તો તેનામાં વપરાશકર્તાનો વિશ્વાસ ઝડપથી ઘટી જશે. ઉદાહરણ તરીકે, જો ઓનલાઈન હરાજીમાં દરેક વપરાશકર્તા સાથે કરવામાં આવેલા દરેક વ્યવહાર માટે વેચનારનું રેટિંગ વધારવું શક્ય હોય, તો બે વપરાશકર્તાઓ એકબીજા પાસેથી પેની માલ (આદર્શ રીતે ડિજિટલ) ખરીદીને તેમના રેટિંગને ઉચ્ચ સ્તરે જાળવી શકે છે. તે જ સમયે, નબળી ગુણવત્તાની સેવા અથવા છેતરપિંડી વિશેની સંભવિત નકારાત્મક સમીક્ષાઓ નકલી હકારાત્મક સમીક્ષાઓના સમૂહથી ભરાઈ જશે, જેના પરિણામે સિસ્ટમમાં મોટા પ્રમાણમાં વિશ્વાસ ગુમાવવાનું જોખમ છે.

વસ્તુઓને લપેટવા માટે, રેન્કિંગ અને સ્તરોનો ઉપયોગ કરવા માટે અહીં વધુ ત્રણ ટીપ્સ છે:

1. વપરાશકર્તાને અનુગામી સ્તરો પર જરૂરી પોઈન્ટની સંખ્યા બતાવશો નહીં. આ નવા ખેલાડીઓ માટે નિરાશાજનક છે જેઓ હજુ સુધી સિસ્ટમની સ્કોરિંગ ઝડપ અને સ્કોરિંગ ક્ષમતાઓથી પરિચિત નથી. જ્યારે કોઈ વપરાશકર્તા જુએ છે કે પ્રથમ સ્તર 10 પોઈન્ટ માટે, બીજું 20 માટે અને વીસમું સ્તર XNUMX હજાર માટે પ્રાપ્ત થયું છે, ત્યારે આ નિરાશાજનક છે. એક લાખ એક અપ્રાપ્ય સંખ્યા લાગે છે.
2. સ્કોર કરેલા પોઈન્ટને ધ્યાનમાં લઈને આગલા સ્તર સુધી પહોંચવા માટે જરૂરી પોઈન્ટ્સની સંખ્યા બતાવો. વપરાશકર્તાએ 10 પોઈન્ટ બનાવ્યા, બીજા સ્તર પર ગયા અને ત્રીજા સ્તરે પહોંચતા પહેલા તેની પાસે 20 પોઈન્ટ બાકી હતા. વપરાશકર્તાની પ્રગતિને 0માંથી 20 તરીકે દર્શાવશો નહીં, તેને 10 માંથી 30 તરીકે દર્શાવવું વધુ સારું છે. અધૂરા કાર્યનો ભ્રમ બનાવો, આપણું મગજ અધૂરા કાર્યોને પસંદ નથી કરતું અને તેને પૂર્ણ કરવાનો પ્રયત્ન કરે છે. આ રીતે મિકેનિક્સ પ્રોગ્રેસ બાર કામ કરે છે, આ સિદ્ધાંત અમારા કિસ્સામાં યોગ્ય છે. લોગરીધમિક વિચાર પણ અહીં રમતમાં આવે છે. જ્યારે આપણે જોઈએ છીએ કે અમે 450 માંથી 500 અનુભવ પોઈન્ટ પર પહોંચી ગયા છીએ, ત્યારે અમને લાગે છે કે આ કાર્ય લગભગ પૂર્ણ થઈ ગયું છે.
3. વપરાશકર્તાને વિવિધ સિસ્ટમ રેટિંગ્સમાં સફળતાની યાદ અપાવો (છેવટે, વપરાશકર્તા પોતે સમજી શકશે નહીં કે આ અઠવાડિયે તે તેના ક્ષેત્રમાં પુરુષોમાં ટોચના ત્રણમાં છે).

આ લેખમાં, હું રેટિંગ મિકેનિક્સનો ઉપયોગ કરવા માટેના સંભવિત વિકલ્પોનું વ્યાપક વિશ્લેષણ પ્રદાન કરવાનો ડોળ કરતો નથી, તેથી મેં કદાચ કેટલાક કેસો અને ઉપયોગના કેસોનો ઉલ્લેખ કર્યો નથી. જો તમને રમતો અને ગેમિફાઇડ સિસ્ટમ્સમાં રેટિંગ્સનો ઉપયોગ કરીને રસપ્રદ અનુભવો હોય, તો કૃપા કરીને તેને મારી સાથે અને અન્ય વાચકો સાથે શેર કરો.

સોર્સ: www.habr.com