Gamification mekanik: betyg

Betyg. Vad är det och hur använder man det i gamification? Frågan verkar enkel, till och med retorisk, men i verkligheten har en sådan självklar mekanik många nyanser, inklusive de som beror på mänsklig evolution.

Den här artikeln är den första i min serie med artiklar om komponenter, mekanik och intressanta exempel på gamification. Därför kommer jag att ge korta definitioner av några vanliga termer. Vad är "gamification (gamification)"? Wikipedia ger definitionen: "användningen av tillvägagångssätt som är karakteristiska för datorspel för tillämpningsprogram och webbplatser i icke-spelprocesser för att locka användare och konsumenter, öka deras engagemang i att lösa tillämpade problem, använda produkter och tjänster."

Jag föredrar ett annat alternativ: "gamification - hantera beteendet hos systemanvändare med hjälp av spelmekanik." Skillnaden mellan dessa definitioner är att ett system kan vara antingen en webbplats eller programvara, eller en offentlig park eller ett transportnätverk. Gamification är tillämpligt inte bara inom IT-området. Vidare används en del spelmekanik för att öka användarens engagemang, en del används för att locka användare, men detta kombineras i det allmänna konceptet "beteendehantering." För att implementera gamification är det viktigt att veta vad användarna i systemet gör (kan göra om systemet ännu inte är i bruk), och vad användarna bör göra ur systemägarnas synvinkel. Gamification är användbart för att gå från "göra" till "bör göra."

Rating är en enkel och populär spelmekaniker som används i gamification. Det finns ingen exakt definition av termen "spelmekanik"; ibland förstås det som vad som helst - från märken och prestationer till beteendeimpulser. Att få ordning på terminologin som används i gamification är ett ämne för en separat artikel, men här kommer jag att begränsa mig till en kort förklaring av vad jag förstår med spelmekanik. Detta är den lägsta (mest specifika) nivån för att designa ett spelifierat system, konventionella legoklossar. Spelmekanik väljs ut och tillämpas när de övre, mer abstrakta nivåerna av spelifiering av systemet redan är genomtänkta. Därför är betyg, märken, nivåer spelmekanik, men viralitet eller grupparbete är det inte.

Betyg är en numerisk eller ordinal indikator som återspeglar betydelsen eller betydelsen av ett visst objekt eller fenomen (definition från Wikipedia). Betygsmekaniken är knuten till poängmekaniken och ofta mekaniken på användarnivån. Ett betyg utan poäng är omöjligt - systemet kommer inte att förstå i vilken ordning användarna ska visas i betyget; ett betyg utan nivåer är möjligt.

Låt oss försöka klassificera betyg efter betydelse för systemanvändare.

1. Konkurrenskraftig – uppmuntrar användare att rankas högre än andra användare. Det betyg som förekommer oftast än andra.
2. Definition av en förlustsituation - systemet utdömer en straffavgift om ett givet antal betygspoäng inte görs. Möjliga bötesalternativ: överföring till föregående betygsgrupp, sänkning i rang, nederlag i tävlingen, avskrivning av en viss mängd spelvaluta, moraliska böter (skamstyrelsen). Används mindre frekvent än win-win-analogen, kräver noggrann eftertanke innan implementering och analys av användarbeteende, eftersom straff har en alltför negativ inverkan på användaren och kan avsevärt minska motivationen.
3. Att fastställa en vinnande situation - ger rätt till en belöning för att uppnå ett specificerat antal betygspoäng. För förstaplatser i rankingen, för mellanstadier. Som belöning används samma alternativ som för straff i en förlustsituation, men med ett "plus"-tecken. Belöningar för mellanstadier i rankningen är en intressant men sällsynt praxis som gör att användaren kan förlora entusiasm långsammare när de går från nivå till nivå. Ett exempel är betyget av den gamla versionen av Shefmarket. Detta är en hemleveranstjänst för produkter med recept för självmatlagning. Varje kund har en status som visas i sitt personliga konto, poäng delas ut för tillagade rätter och nivåer ges för poäng, men för att nå nästa nivå måste du förbereda dussintals rätter, och detta kan vara demotiverande. Gåvor för varje X poäng hjälper till att mildra den demotiverande effekten (antalet poäng beror på kundens nuvarande nivå).
   Shefmarket användarbetyg. Lägg märke till hur annan spelmekanik används organiskt: märken, förloppsindikator, titlar, förpackade i ett trevligt gränssnitt.
4. Status – ökar auktoriteten för en användare med högt betyg i andra användares ögon. Används till exempel i online frågeprojekt (StackOverflow, Answers@Mail.Ru). MMR-system (matchmaking-betyg) i MOBA-spel kan också klassificeras som statusbetyg.
5. Pålitlig – ökar trovärdigheten för en användare med högt betyg i andra användares ögon. Blev en standard för online-auktioner. Habr användarkarma är ett annat exempel på ett förtroendebetyg. Förtroendebetyget används i system som bygger på användarnas interaktion med varandra, särskilt om denna interaktion är offline eller involverar utbyte av tjänster och varor.
   Ett exempel på ett betyg på onlineauktioner med märken som utfärdas när en viss betygsnivå uppnås.

Betygen från listan ovan kombineras på olika sätt inom systemet. I teorin är ett konkurrenskraftigt användarbetyg möjligt, med mellanliggande vinnande situationer, med ett straff för att betygsätta utomstående och en hög nivå av status och förtroende för betygsledare.

Ett annat alternativ för att klassificera betyg: av vem som ändrar användarens betyg - bara systemet, bara andra användare eller systemet och användarna. Alternativet när endast systemet ändrar användarens betyg är det vanligaste. Det används ofta i onlinespel. Spelaren utför olika åtgärder (dödar monster, slutför uppdrag), för vilka systemet ger erfarenhets- (betyg)poäng. Andra användare påverkar inte spelarens betyg i ett sådant system. Alternativet när användarens betyg ändras inte av systemet, utan av andra användare av systemet, används vanligtvis tillsammans med förtroendebetyget. Exempel: ökande eller minskande karma, positiva och negativa recensioner efter transaktioner på handelsplattformar. Ett kombinerat alternativ är också möjligt, till exempel i onlinefrågor. För att svara på en fråga får användaren automatiskt betygspoäng från systemet, och om andra användare känner igen svaret som det bästa får användaren ytterligare poäng.

Nästa metod är baserad på positiva och negativa förändringar i användarbetyget. Jag skiljer på de villkorade "betyg plus", "betyg plus-minus positivt", "betyg plus-minus negativt" och "betyg minus". Det första alternativet, "betyg plus", innebär bara en ökning av användarens betyg. Det här alternativet används till exempel för köpare på eBay. Efter transaktionen lämnar säljaren endast positiv feedback till köparen eller lämnar den inte alls. Ja, en bedräglig köpare kan blockeras av administrationen, men hans betyg kan inte minska (förrän han själv blir en dålig säljare).

Ett positivt plus eller minusbetyg innebär både en ökning och en minskning av användarens betyg, medan betyget inte faller under noll. Ett sådant betyg kommer inte att tillåta användaren att falla för djupt i händelse av misslyckade handlingar (och uppleva kraften hos en arg Habr). Men samtidigt kommer en ny användare och en användare vars betyg hela tiden fluktuerar runt noll på grund av systematiska "dåliga" handlingar visuellt att se likadana ut, vilket har en dålig effekt på förtroendet för hela systemet.

Ett plus eller minus negativt betyg innebär att användarbetyget antingen kan stiga eller sjunka till vilket värde som helst. I praktiken är det ingen mening med ett stort negativt betyg och det rekommenderas att ange ett tröskelnegativt värde i systemet, varefter det är värt att tillämpa straffåtgärder för en sådan användare, till och med att spärra kontot. Samtidigt är det viktigt att tänka på situationen med avsiktligt "läckande" av betyget av andra användare, för att utesluta denna möjlighet eller göra det svårt att implementera.

Minusbetyg är en sällan använd mekaniker där användarens initiala betyg antingen inte ändras eller minskar. Jag kommer inte direkt ihåg projekt som använder liknande mekanik, men teoretiskt är det möjligt. Till exempel för projekt eller elimineringsspel, eller "sista hjältar".

När du använder klassificeringsmekanik måste du undvika att göra ett viktigt misstag: luckor i antalet poäng mellan användare av systemet (eller mellan användarnivåer) bör inte vara demotiverande eller ouppnåeligt. Denna skillnad är särskilt demotiverande för nya användare som ser att de har noll poäng, medan ledaren för betyget har miljoner. Varför händer detta, varför skulle en ny användare i en sådan situation tro att det är omöjligt att komma ikapp ledaren? För det första har nya användare av systemet ännu inte spenderat tillräckligt med tid för att förstå dynamiken i poängsättning. Två till tre miljoner poäng som ledare i betyget kanske inte är så ouppnåeligt om systemet ger tusentals poäng för varje användaråtgärd. Problemet är att en demotiverad ny användare kommer att sluta använda systemet innan han inser det. För det andra ligger problemet i vår naturliga logaritmiska uppfattning av talserien.

Vi är vana vid att leva bland den linjära ordningen av siffror. Numrering av hus, måttband och linjaler, grafer och klockor – överallt finns siffrorna längs tallinjen med lika mellanrum. Det är uppenbart för oss att skillnaden mellan 1 och 5 och mellan 5 och 10 är densamma. Det är samma skillnad mellan 1 500 000 och 1 500 505. Faktum är att linjär ordning av tal är en produkt av vår kultur, inte en naturlig förmåga. Våra avlägsna förfäder, som levde för tiotusentals år sedan, hade ingen modern matematisk apparat, och uppfattade siffror logaritmiskt. Det vill säga att de placerades på tallinjen närmare och närmare när de ökade. De uppfattade siffror inte i termer av exakta värden, utan i termer av ungefärliga uppskattningar. Detta var nödvändigt för deras livsstil. Vid möten med fiender var det nödvändigt att snabbt, ungefär, bedöma vem som var i underläge - vår egen eller andra. Valet av vilket träd man skulle hämta frukt från gjordes också utifrån en grov uppskattning. Våra förfäder beräknade inte exakta värden. Den logaritmiska skalan tar också hänsyn till perspektivets lagar och vår uppfattning om avstånd. Om vi ​​till exempel tittar på ett träd hundra meter bort och ett annat träd 100 meter bakom det första, verkar de andra hundra meterna vara kortare.

Spelaren som spelar med vita pjäser i den här bilden behöver inte veta det exakta antalet svarta pjäser för att förstå att han mår dåligt.

Du kan läsa mer om den logaritmiska uppfattningen av tal, om forskningen som utförts för att bekräfta denna teori och om andra intressanta fakta från matematikens värld i den populärvetenskapliga boken av Alex Bellos "Alex in the Land of Numbers. En extraordinär resa in i matematikens magiska värld.”

Den logaritmiska uppfattningen av tal på en intuitiv nivå har ärvts av oss. Gömd under det kulturella lagret visar det sig till exempel i bemärkelsen tid (i barndomen gick åren långsamt, men nu flyger de bara). Vi blir fortfarande, trots all vår utbildning, förvirrade av mycket stora siffror och byter instinktivt till deras logaritmiska uppfattning. Vi förstår skillnaden mellan en liter och två liter öl, men tio miljarder och hundra miljarder liter öl verkar för oss vara ungefär samma siffror som passar in i begreppet "väldigt, väldigt mycket öl". Därför uppstår problemet med att känna sig ouppnåeligt i rankingen om gapet mellan den nuvarande positionen och ledaren är "väldigt, väldigt många" poäng. Användarens hjärna kommer inte intuitivt att analysera situationen, studera dynamiken i att samla poäng eller beräkna tiden för att nå toppen av betyget. Han kommer helt enkelt att ge en dom - "det här är mycket, det är inte värt att slösa energi."

För att undvika de situationer som beskrivs ovan måste du använda en flytande dynamik för att samla in betygspoäng, där användaren får incitament och samlar betygspoäng i början av den förväntade livscykeln för att använda systemet snabbare än i mitten och slutet. Ett exempel är World of Warcraft och liknande MMORPGs med ett "europeiskt" (inte "koreanskt") karaktärsutjämningssystem. Det konventionella europeiska utjämningssystemet innebär att man snabbt slutför de första nivåerna i spelet, följt av en gradvis avmattning. Systemet som används i typiska koreanska (och andra asiatiska) spel innebär en dramatisk nedgång i hastigheten med vilken de slutliga nivåerna för en karaktär uppnås.

Till exempel, i Lineage 2, för att nå nivå 74 måste du få 500 000 erfarenhet, för nivå 75 - 560 000, för nivå 76 - 623 000, för nivå 77 redan mycket mer - 1 175 000, och för att gå från nivå 84 till maximal nivå 85 du kommer att behöva skaffa 270 miljoner erfarenhet, medan hastigheten på erfarenhetsvinsten förblir nästan oförändrad (hela tabellen över erfarenheter och nivåer i Lineage 2 finns på denna länk). En sådan avmattning verkar onödig i gamification, eftersom den demotiverar användarna för mycket.

En annan punkt som är värd att komma ihåg är att det är lättare för en användare att överge ett spel eller ett gamifierat system i början, och svårare när han har tillbringat mycket tid i systemet, varefter användaren kommer att tycka synd om att han överger samlade poäng , nivåer och föremål. Ge därför nya användare en tillfällig bonus till sina poäng, till exempel +50 % för en månad. Bonusen kommer att fungera som ett extra incitament att använda systemet; under bonusperioden kommer användaren att uppskatta hastigheten för att få poäng, bli bekväm med det och kommer att vara mer benägna att fortsätta använda systemet.

Ett exempel på ett demotiverande betygsgapfel är Gett Taxi-appen. Före den senaste uppdateringen hade lojalitetsprogrammet tjugo nivåer, det maximala krävde 6000 poäng (i genomsnitt gavs 20-30 poäng för en resa). Alla tjugo nivåerna var jämnt fördelade på en skala från 0 till 6000, ungefär i enlighet med det europeiska utjämningssystemet för onlinespel. Efter uppdateringen lades ytterligare tre nivåer till applikationen, på 10 000, 20 000 respektive 40 000 poäng, vilket är närmare det koreanska systemet (med tanke på att antalet erhållna poäng per resa inte har ändrats). Jag har inte ett representativt urval av vad appanvändare tycker om den här uppdateringen, men arton av mina vänner och kollegor som använder Gett Taxi har noterat den demotiverande effekten av de nya betygsnivåerna. Ingen av dem har fått en enda ny nivå under tiden som gått sedan uppdateringen (mer än ett år).

Gapet mellan de tre nya och tidigare nivåerna i Gett Taxis lojalitetsprogram är orimligt stort och demotiverande.

För att undvika en demotiverande lucka i betyget är det nödvändigt, utöver det globala betyget, att lägga till lokala betyg i systemet, där gapen mellan positionerna inte blir så stora.

Möjliga sätt att dela upp det globala betyget i lokala:

1. Mellan vänner. Visar ett betyg som endast består av användarens vänner. Människor gillar att tävla inte med en okänd motståndare, om vilken bara deras smeknamn är känt (en sådan motståndare är inte mycket annorlunda än en bot), utan med vänner och bekanta.
2. Med tiden. Ett betyg ackumulerat under en viss tid (dag, vecka, månad, år). Bra för nollställning och omspelbarhet. Jag lyckades inte vinna den här veckan - jag ska försöka nästa vecka, och gapet mellan användare från varandra nollställs regelbundet och växer inte till kosmiska värden.
3. Genom geotargeting. Ett betyg som endast visar användare från ett visst område (distrikt, stad, land, kontinent). Det var i en sådan situation som Gaius Julius Caesar sa när han gick genom en fattig barbarstad: "det är bättre att vara först här än tvåa i Rom."
4. Efter kön. Jämför sedan resultaten av män och kvinnor, spela på hype feministiska och chauvinistiska motiv (använd försiktigt, det kan finnas strömmar av hat och avföring på båda sidor).
5. Efter åldersgrupp. Till exempel i gamification av nära-sportsystem och system som kräver färdigheter som förändras hos en person med åldern. Till exempel projekt som motiverar människor att sporta, så att du kan ladda upp dina resultat och se resultat från andra användare. Det är klart att det blir mycket svårare för en 65-årig person att springa lika mycket som en tjugoåring sprang, och det kommer att bli mycket mer intressant att tävla med sina jämnåriga. Ett exempel å andra sidan är schack online och andra komplexa intellektuella spel, där en erfaren stormästare skulle vara ouppnåelig för en fjortonårig tonåring.
6. Enligt andra uppgifter om användare som är tillgängliga i systemet (betyg endast för Mercedes-förare, endast för rörmokare, endast för den juridiska avdelningen, endast för nivå 120 alver).

Kombinera ovanstående metoder med varandra som du vill, experimentera gärna med dem.

Under driften av det gamifierade systemet, övervaka hur väl betyget uppfyller de mål som anges under designen. Till exempel, om syftet med rankningen var att öka andra användares förtroende för högt rankade användare, var uppmärksam på att identifiera och begränsa möjliga rättvisa och oärliga sätt att snabbt öka rankningen. Grunden för ett förtroendebetyg är svårigheten att få det och möjligheten att förlora det mycket snabbt. Om det finns kryphål i systemet för en orimligt snabb ökning av betyget kommer användarnas förtroende för det att sjunka kraftigt. Till exempel, om det i en onlineauktion är möjligt att öka säljarens betyg för varje transaktion som görs med varje användare, kan två användare behålla sitt betyg på en hög nivå helt enkelt genom att köpa örevaror (helst digitala) från varandra. Samtidigt kommer eventuella negativa recensioner om service av dålig kvalitet eller bedrägeri att täppas till med en mängd falska positiva recensioner, vilket resulterar i en risk för en massiv förlust av förtroende för systemet.

För att avsluta saker och ting, här är ytterligare tre tips för att använda rankningar och nivåer:

1. Visa inte användaren antalet poäng som behövs på efterföljande nivåer. Detta är demoraliserande för nya spelare som ännu inte är bekanta med systemets poänghastighet och poängkapacitet. När en användare ser att den första nivån uppnås för 10 poäng, den andra för 20 och den tjugonde för hundra tusen, är detta demotiverande. Hundra tusen verkar vara en ouppnåelig siffra.
2. Visa antalet poäng som krävs för att nå nästa nivå med hänsyn till poängen. Användaren fick 10 poäng, flyttade till den andra nivån och hade 20 poäng kvar innan han nådde den tredje nivån. Visa inte användarens framsteg som 0 av 20, det är bättre att visa det som 10 av 30. Skapa illusionen av en oavslutad uppgift, vår hjärna gillar inte oavslutade uppgifter och strävar efter att slutföra dem. Det här är hur mekaniken för förloppsindikatorer fungerar, denna princip är lämplig i vårt fall. Logaritmiskt tänkande spelar också in här. När vi ser att vi nått 450 av 500 erfarenhetspoäng tror vi att denna uppgift nästan är klar.
3. Påminn användaren om framgångar i olika systembetyg (trots allt kanske användaren själv inte inser att han den här veckan är i topp tre bland män i sitt område).

I den här artikeln låtsas jag inte ge en heltäckande analys av möjliga alternativ för att använda klassificeringsmekaniken, så jag nämnde förmodligen inte några fall och användningsfall. Om du har intressanta erfarenheter av att använda betyg i spel och gamifierade system, vänligen dela dem med mig och andra läsare.

Källa: will.com