Le migliori piattaforme di gamification per le community (2026)

Risposta breve: quasi nessuna ricerca sulla gamification misura la retention, quindi nessuno può dirti onestamente quale meccanica trattiene i membri. L'unica eccezione è una coppia di studi su Wikipedia degli stessi autori, che si dividono per popolazione: i badge rendevano i contributori più produttivi meno propensi a smettere, mentre il seguito associava gli stessi premi a una retention inferiore tra quelli meno attivi. Oltre a questo, punti e livelli aumentano quanto le persone fanno senza cambiare come si sentono al riguardo; le classifiche sono davvero contese; e le serie sono la meccanica con le prove più deboli di tutte. Scegli una piattaforma per il comportamento che ti serve — Discourse per i permessi guadagnati, Circle per le classifiche opzionali, Guild.xyz per l'accesso con restrizioni, Zealy per le attività verificate fuori piattaforma.

Informativa: Zealy pubblica questa pagina e Zealy vende uno degli strumenti che vi compaiono. Questo è un motivo per leggere la sezione che elenca le cinque funzionalità di gamification che Zealy non ha, e i due punti qui sotto in cui Discourse e Circle fanno qualcosa meglio di noi.

Metodo: Ogni affermazione su Zealy qui riportata è stata ricavata dal codice sorgente di Zealy il 17 agosto 2026, non dal marketing o dalla documentazione di Zealy, che in passato abbiamo trovato errati. Ogni risultato della ricerca è citato dal paper o dal record dell'abstract del publisher stesso. Dove abbiamo potuto consultare solo un abstract, lo diciamo e non riportiamo da esso alcuna dimensione del campione o dell'effetto. Dove il sito di un fornitore ci ha negato l'accesso, lo diciamo anche in quel caso invece di descrivere funzionalità che non abbiamo visto.

Ultima verifica: 17 agosto 2026.

Cosa si intende davvero con piattaforma di gamification

L'espressione "piattaforma di gamification" copre tre mercati diversi. Cercala e ottieni strumenti di e-learning, software per le prestazioni dei dipendenti e widget per campagne di marketing — Genially, Playable, SC Training, Centrical, Drimify. Le piattaforme per community e web3 come Zealy, Galxe e Layer3 non sono comparse nei risultati che abbiamo ottenuto il 17 agosto 2026.

Quindi, se hai digitato "piattaforma di gamification" cercando qualcosa per inserire punti e una classifica nel tuo Discord o nel tuo forum, i risultati non si rivolgono a te. Si rivolgono a un responsabile L&D che vuole che un quiz sembri un game show, o a un marketer che vuole una ruota gira-e-vinci su una landing page. Sono prodotti reali che risolvono problemi reali. Non risolvono questo problema.

Questo post affronta la versione qualificata della domanda — la gamification per una community — e non cerca di rivendicare il termine principale. Il resto è organizzato per meccanica anziché per prodotto, perché la meccanica è la parte che funziona o non funziona, e ogni piattaforma qui sotto è una combinazione delle stesse sei.

Se la tua domanda è davvero "quale software dovrei usare per la mia community", si tratta di una decisione diversa e più ampia, e la nostra panoramica dei software di community management copre i cinque lavori non correlati che si nascondono al suo interno, con i prezzi.

Cosa misura davvero la ricerca sulla gamification — e cosa no

Quasi nessuna ricerca sulla gamification misura la retention. Abbiamo cercato nelle tre meta-analisi della nostra rassegna i termini retention, churn, attrition e dropout e non ne abbiamo trovato nessuno. È stata misurata essenzialmente in un solo contesto — Wikipedia, da una coppia di autori, due volte — con risultati che variano in base alla popolazione. La letteratura misura invece motivazione, volume di output e risultati di apprendimento.

Vale la pena soffermarsi, perché è l'opposto di ciò che dice il marketing della categoria. "La gamification aumenta la retention del X%" è una frase che si trova su decine di pagine di fornitori. Non abbiamo potuto trovare una fonte per una singola cifra del genere, e non ne inventeremo una.

Ecco cosa misura la ricerca, e dove è stato misurato.

Apprendimento e motivazione, nell'istruzione. La meta-analisi di Sailer e Homner del 2020 in Educational Psychology Review riporta "effetti piccoli significativi … sugli esiti cognitivi (g = .49 …, k = 19, N = 1686), motivazionali (g = .36 …, k = 16, N = 2246) e comportamentali di apprendimento (g = .25 …, k = 9, N = 951)". Due avvertenze accompagnano questo dato: si tratta di istruzione, e gli stessi autori notano che gli effetti motivazionali e comportamentali "erano meno stabili" con una suddivisione più rigorosa. Non è una licenza per dire "la gamification funziona".

Soddisfazione dei bisogni psicologici, anche in ambito educativo. La meta-analisi 2024 di Li, Hew e Du in ETR&D riporta un g complessivo di 0.257 [0.043, 0.471], con autonomia a 0.638 [0.139, 1.136] e relazionalità a 1.776 [0.737, 2.814]. L'intervallo della relazionalità è enorme — il numero senza l'intervallo sarebbe fuorviante, ed è per questo che entrambi sono riportati. La competenza è risultata a 0.277 [0.001, 0.553], un limite inferiore essenzialmente pari a zero.

Volume di output, in laboratorio. Diversi esperimenti online misurano quanto lavoro le persone producono. In genere ne rilevano di più, senza cambiamenti in come le persone si sentono.

Motivazione intrinseca, in laboratorio. La meta-analisi di Deci, Koestner e Ryan del 1999 in Psychological Bulletin è il fondamento di ogni argomento secondo cui le ricompense estrinseche si ritorcono contro. Di seguito maggiori dettagli sui suoi numeri effettivi, perché vengono abitualmente citati in modo errato.

Retention: due studi, una piattaforma, popolazioni opposte. Restivo e van de Rijt l'hanno misurato due volte su Wikipedia. Il loro trial randomizzato del 2012 riporta che i destinatari delle barnstar "hanno mostrato una produttività sostenuta maggiore ed erano meno propensi a smettere di contribuire" — ma il campione era il top 1% degli editor. Il loro follow-up del 2014, su editor con produttività variabile, riporta che le ricompense "erano associate a una minore retention dei contributori meno attivi". Il paper del 2014 è a pagamento, quindi ne riportiamo solo la direzione e nulla più. Due risultati, una piattaforma, una coppia di autori: questa è l'intera base di evidenze sulla retention per questo articolo, e dice che il riconoscimento trattiene i tuoi migliori e può costarti tutti gli altri.

L'avvertenza sulla generalizzabilità, detta chiaramente. La maggior parte di questa ricerca è psicologia dell'educazione e di laboratorio. Una manciata di studi si colloca in qualcosa che somiglia a una comunità online — gli esperimenti su Wikipedia, un esperimento di crowdsourcing, un'analisi di Stack Overflow, uno studio sul forum di Duolingo — e uno di questi punta nella direzione opposta rispetto al lavoro in aula. Sailer e Homner hanno persino scoperto che il contesto modera i risultati all'interno della letteratura sull'educazione per gli esiti cognitivi: "Gli effetti riscontrati in contesti scolastici erano significativamente maggiori di quelli riscontrati sia in contesti di istruzione superiore sia in contesti di educazione informale." Quel moderatore non era significativo per gli esiti motivazionali o comportamentali, quindi non estenderlo oltre quanto hanno fatto loro — ma se un divario scuola-università emerge in qualche misura, dare per scontato che valga un trasferimento scuola-Discord è privo di supporto.

Leggi ogni numero qui sotto tenendo presente questo.

Punti e XP: evidenze per il volume, non per la motivazione

Punti e XP hanno evidenze discrete per una cosa: aumentano quanto le persone fanno. In un esperimento online di annotazione di immagini, Mekler e colleghi hanno scoperto che punti, livelli e una classifica producevano significativamente più tag, e hanno descritto questi elementi come efficaci solo per promuovere la quantità di prestazioni. La motivazione in sé non è cambiata.

Vale la pena citare le loro parole esattamente: "punti, e soprattutto livelli e classifica hanno portato a una quantità significativamente maggiore di tag generati … efficace solo per promuovere la quantità di prestazioni". Siamo arrivati a questa conclusione tramite il record dell'abstract dell'editore anziché il testo completo, quindi qui non compaiono né dimensione del campione né effect size. Considerate gli studi del gruppo del 2013 e del 2017 come un unico risultato di un unico laboratorio su un unico tipo di compito.

Il riassunto onesto è "quantità, non qualità, non motivazione". È comunque utile. Se ciò che ti serve è il volume — più invii, più traduzioni, più report di test — i punti sono uno strumento difendibile con un vero supporto alle spalle. Se ciò che ti serve sono persone a cui importa di più, i punti non sono la leva supportata dalle prove e nessuno dovrebbe venderteli come tale.

C'è un secondo risultato che vincola il modo in cui li usi. Deci, Koestner e Ryan hanno scoperto che "le ricompense contingenti all'impegno, al completamento e alla prestazione hanno significativamente minato la motivazione intrinseca di libera scelta (d = -0,40, -0,36 e -0,28)". Quel −0,40 è il numero che tutti citano, e citarlo da solo è il classico uso improprio: è un solo sottogruppo. Il dato complessivo sulla libera scelta per tutte le ricompense nello stesso articolo è "l'effect size composito era d = -0,24", e sull'interesse auto-riferito è "d = 0,04 … le ricompense non hanno influenzato significativamente l'interesse auto-riferito". Anche questo ha l'avvertenza di ambito che gli autori stessi dichiarano — i loro studi erano "tutti svolti o in laboratorio o in condizioni ben controllate, simili a quelle di laboratorio", con gli studi sul campo esclusi. È una letteratura di laboratorio su compiti brevi, non un risultato sulla tua community.

Livelli: il divario più ampio tra adozione e prove

I livelli sono la meccanica con il divario più ampio tra quanto software li include e quante prove li supportano. L'esperimento di annotazione di immagini di Mekler e colleghi attribuisce ai livelli, come ai punti, l'aumento del volume di output. Oltre a questo, non abbiamo trovato studi che isolino i livelli, né che misurino se raggiungerne uno trattenga qualcuno.

Quasi ogni piattaforma in questo articolo ha i livelli. MEE6 ha un plugin Levels, Tatsu assegna livelli ai membri in ogni server in cui opera, Carl-bot vende livelli ai suoi Patron, Layer3 dice "XP drives your Level, your spot on the Leaderboard", e Zealy deriva un livello dagli XP a ogni lettura. La meccanica è quasi universale e le prove a suo favore sono un esperimento di laboratorio sull'etichettatura di immagini.

Questo non rende i livelli teatro. Li rende un'assunzione. La domanda interessante è cosa fa un livello fa quando ci arrivi, e per la maggior parte delle implementazioni la risposta onesta è "cambia un numero accanto al tuo nome". Dove un livello sblocca una capacità — un permesso, un'area, un diritto — non stai più testando i livelli, stai testando se la capacità valeva la pena desiderarla. I livelli di fiducia di Discourse sono l'esempio più forte in questo articolo, e sono trattati di seguito.

Classifiche: contestate, e la direzione dipende dall'impostazione

Le classifiche sono contestate, e la direzione dell'effetto dipende dall'impostazione. Uno studio in aula ha rilevato che gli studenti in fondo a una classifica assoluta riportavano meno motivazione rispetto a quelli in cima — ma nessuna differenza in coinvolgimento o apprendimento. Un esperimento di crowdsourcing ha invece rilevato che i ranghi bassi intensificavano lo sforzo.

Lo studio in aula è Bai, Hew, Sailer e Jia, 2021, in Computers & Education. Due quasi-esperimenti, n = 24 e n = 26, presso un'unica istituzione, con partecipanti post-laurea in stragrande maggioranza donne. Su una classifica assoluta, la differenza di motivazione tra il terzo superiore e quello inferiore al post-intervento era significativa (U = 11, p = .028). Su una classifica relativa che mostrava solo cinque posizioni vicine, non c'erano "variazioni significative tra gli studenti ai tre livelli di posizione".

Ora la parte che viene omessa quando questo studio viene citato, e vale in entrambi i sensi. Sul assoluta classifica, il divario di motivazione si accompagnava a nessuna differenza nel coinvolgimento nel corso (F(2,17) = 0.55, p = .59) — quindi "le persone in fondo dichiarano di divertirsi meno" è supportato, mentre "le persone in fondo si disimpegnano" non lo è, e il disimpegno è l'affermazione che tutti ripetono effettivamente. Ma sulla relativa classifica, dove motivazione e coinvolgimento erano uguali tra le posizioni, il terzo inferiore ha ottenuto risultati significativamente peggiori nel post-test (M = 68,75 contro 91,07 del terzo superiore, F(2,23) = 8,71, p = ,002) — che gli autori riportano come a sostegno della loro ipotesi secondo cui i discenti con posizione bassa in una classifica relativa ottengono risultati peggiori. Letti insieme: nascondere la posizione esatta ha protetto come si sentivano le persone e non ha protetto ciò che hanno raggiunto.

Contro di essa si pone l'esperimento di crowdsourcing di Na e Han del 2023 in Internet Research, che ha manipolato le posizioni su cinque round e ha rilevato che "le posizioni alte … hanno indotto comportamenti compiacenti … mentre le posizioni basse hanno portato i partecipanti ad attenersi al giusto processo del compito con motivazione intensificata round dopo round". Siamo arrivati a questo tramite l'abstract dell'editore, quindi non compare la dimensione del campione. Gli autori aggiungono una frase che di solito viene omessa: "nessuna delle due motivazioni sembrava essere di natura intrinseca". E, a onor del vero, si tratta di un altro compito di tagging di immagini — la stessa obiezione che abbiamo sollevato contro gli studi sui punti qui sopra vale anche qui. È lo studio di questo insieme più vicino a una community online, e punta nella direzione opposta.

Due conseguenze pratiche, e la prima comporta un avvertimento. Se ti preoccupa la parte bassa della tua classifica, le mitigazioni disponibili sono mostrare la posizione relativa anziché la posizione assoluta, oppure consentire al proprietario della community di impostare la classifica come privata, cosa che Circle offre effettivamente. La classifica relativa è la più supportata dalle evidenze tra le due per quanto riguarda come si sentono le persone — ma nello stesso studio non ha impedito al terzo inferiore di ottenere risultati peggiori, quindi trattala come una protezione del morale più che dei risultati. Circle è l'unica piattaforma che abbiamo verificato che offre l'interruttore per la classifica privata. In secondo luogo, una classifica limitata a una finestra breve anziché a tutto il periodo cambia chi sta in fondo, perché azzera il vantaggio accumulato da chi è arrivato prima.

Badge e riconoscimenti: le migliori evidenze di community, e le più scomode

I badge hanno le migliori evidenze di community di qualsiasi meccanica qui, e le più scomode. Un esperimento randomizzato su Wikipedia ha rilevato che assegnare una barnstar ha aumentato la produttività del 60% tra gli editor molto attivi. Il follow-up degli stessi autori ha rilevato che i premi erano associati a una minore retention tra i contributori meno attivi.

Restivo e van de Rijt del 2012 PLoS ONE studio è un vero trial controllato randomizzato: un campione casuale di 200 estratto dal top 1% di 144.120 editori, 100 trattati e 100 di controllo, misurati su 90 giorni, che riporta che "ricevere una barnstar aumenta la produttività del 60%". Nota la popolazione, e nota che questo articolo riporta anche sulla retention: i destinatari "erano meno propensi a smettere di contribuire". Questa è evidenza che riconoscere i tuoi contributori più attivi li rende più attivi. Non è evidenza su nessun altro, e l'esito principale sono le modifiche, e il risultato sulla retention di cui sopra si affianca ad esso.

Il loro follow-up del 2014 ha esteso il disegno attraverso i livelli di produttività e ha rilevato che "le ricompense producevano aumenti di lavoro solo tra editori già altamente produttivi … le ricompense erano associate a una minore retention dei contributori meno attivi". A pagamento, quindi solo la direzione. È contemporaneamente la migliore evidenza in questo articolo che il riconoscimento può demotivare la periferia, e il risultato sulla retention che punta nella direzione opposta.

Il paper WWW 2013 di Anderson, Huttenlocher, Kleinberg e Leskovec su Stack Overflow aggiunge il meccanismo: "i loro badge orientano il comportamento in modi strettamente coerenti con le previsioni del nostro modello" — gli utenti accelerano man mano che si avvicinano a una soglia, poi si rilassano dopo averla superata. Si tratta di un'osservazione, e orientare non significa trattenere. Non lasciare che qualcuno lo converta.

Un'altra cosa da sapere prima di ricorrere ai badge come alternativa "sicura" ai punti. Lo schema di codifica di Deci, Koestner e Ryan afferma esplicitamente che "ricompense simboliche come i 'certificati di buon giocatore' erano considerate tangibili". L'argomentazione dei fornitori secondo cui i badge sfuggono al problema della ricompensa estrinseca perché non sono denaro non regge al confronto con l'articolo che ha definito il problema.

La distinzione che invece regge è tra una ricompensa e un complimento. La stessa meta-analisi ha rilevato che il feedback positivo andava nella direzione opposta: "Il d composito = 0,33 … indica che il feedback positivo ha effettivamente accresciuto la motivazione intrinseca", salendo a 0,43 per gli studenti universitari. Il riconoscimento da parte di una persona non è lo stesso stimolo di un'icona assegnata automaticamente, e le evidenze li trattano in modo diverso. Se devi trarre una sola decisione di progettazione da questo articolo, scegli quella.

Serie: le prove più scarse di qualsiasi meccanica qui

Gli streak sono la meccanica con le prove più deboli in tutta questa analisi. Non abbiamo trovato alcuna dimensione dell'effetto per essi in nessuna fonte a noi accessibile. Ciò che esiste è qualitativo: interviste con corridori amatoriali che descrivono tristezza, rabbia e delusione quando uno streak si interrompeva, e uno studio su Duolingo che descrive l'abuso della gamification, in cui gli utenti si fissano sulla meccanica e si distraggono dall'apprendimento.

Lo studio del 2026 di Ingalls e colleghi su PLoS One ha intervistato corridori amatoriali riguardo agli streak di corsa interrotti e ha riportato "sentimenti di tristezza, rabbia, delusione e sollievo", ha descritto un "processo di lutto" e ha osservato che "alcuni corridori hanno avvertito disagi legati allo streak e hanno corso infortunati per prolungare lo streak". Hanno anche riportato che "Non sono state segnalate conseguenze negative a lungo termine". Si tratta di corsa, non di software, ed è un'illustrazione del meccanismo più che una statistica: non ci sono dimensioni dell'effetto da citare.

Il paper del 2022 di Hadi Mogavi e colleghi per ACM Learning at Scale ha esaminato le discussioni del forum di Duolingo e le interviste, e ha identificato la modalità di fallimento: "L'abuso della gamification … si verifica quando gli utenti si fissano troppo sulla gamification e si distraggono dall'apprendimento", producendo "competitività, eccessiva indulgenza nel gioco e comportamento gregario". Qualitativo, e letto dal preprint su arXiv.

Quindi lo streak è la meccanica con la reputazione popolare più forte e la documentazione più debole. Chiaramente ha un effetto sulle persone: le interviste sui corridori lo mostrano vividamente. Ciò che nessuno ci ha dimostrato è che tale effetto sia positivo per la community che lo gestisce, o che sopravviva al giorno in cui il membro lo manca.

Ricompense variabili, sorteggi e loot box: il trasferimento più debole in questo articolo

Le ricompense casuali sono il punto in cui le prove si fanno più deboli e l'etica più rumorosa. La letteratura sulle loot box collega la spesa alla gravità del gioco d'azzardo problematico, ma gli stessi autori affermano che la direzione della causalità non è chiara. Le loot box comportano denaro reale; un sorteggio gratuito basato sugli XP delle quest no, quindi il trasferimento è debole.

Lo studio del 2018 di Zendle e Cairns su PLoS ONE riporta "n = 7.422 … un legame (η² = 0,054) tra l'importo speso dai giocatori in loot box e la gravità del loro gioco d'azzardo problematico". Il loro stesso avvertimento è la parte importante: "Non è chiaro … se acquistare loot box funga da porta d'accesso al gioco d'azzardo problematico, o se spendere importi elevati … attiri maggiormente i giocatori d'azzardo problematici". Nessuno dovrebbe scrivere "le loot box causano problemi di gioco d'azzardo", noi compresi. Lo studio è trasversale e autoselezionato, e gli autori definiscono η² = 0,054 "piccolo-medio" e affermano chiaramente "Questa non è una relazione debole o irrilevante", quindi non la classificheremo nemmeno come trascurabile.

Segnaliamo deliberatamente questo come il trasferimento più debole dell'articolo. Una loot box si acquista con una carta di credito. Un sorteggio basato sugli XP che i membri hanno guadagnato gratuitamente è uno stimolo diverso con un profilo di rischio diverso, e trattare i due come equivalenti sarebbe approssimativo sia a nostro favore sia contro di noi.

C'è un risultato nella letteratura sulle ricompense che sostiene davvero la sorpresa rispetto all'annuncio. Deci, Koestner e Ryan riportano che per le ricompense tangibili inattese, "d media = 0,01 … le ricompense tangibili inattese non influenzano il comportamento di libera scelta". Le ricompense annunciate e subordinate a condizioni minano la motivazione di libera scelta in quella letteratura; quelle inattese no. Il k in quel caso è piccolo, quindi si tratta di un argomento basato sul meccanismo più che di un risultato solido — ma è la migliore ragione disponibile per distribuire una ricompensa a sorpresa invece di pubblicare una bacheca di ricompense.

Arkada elenca le funzionalità più basate sulla casualità di qualsiasi piattaforma che abbiamo esaminato: una "Ruota della Fortuna" e le "Piramidi" compaiono nella sua documentazione sulle funzionalità principali insieme al suo prodotto di quest. Non siamo riusciti a trovare una pagina attiva per nessuna delle due, quindi non possiamo dirti come funzionano, solo che Arkada le pubblicizza. Se stai valutando Arkada, valuta specificamente queste due e chiedi di vederle in funzione.

Le due cose che ogni articolo sulla gamification afferma e che non hanno superato la verifica

Due affermazioni compaiono in quasi ogni articolo sulla gamification come fatti assodati, e nessuna delle due ha superato la verifica. "La gamification svanisce per la novità" contrasta con la meta-analisi più solida che abbiamo letto, il cui moderatore della durata ha rilevato effetti motivazionali maggiori negli interventi più lunghi. "Le classifiche demotivano chi sta in basso" si basa su piccoli campioni di classe ed è contraddetta, sull'impegno, dallo studio più vicino a una community.

Prima affermazione: svanisce perché è nuova. Il moderatore della durata di Sailer e Homner andava nella direzione opposta. Gli interventi della durata fino a sei mesi hanno mostrato maggiori effetti motivazionali rispetto agli interventi di un giorno (Q(1) = 4.93, p < .05), e gli autori scrivono che i loro risultati "possono attenuare il timore che gli effetti della gamification non persistano nel lungo periodo". Il loro testo completo menziona la "novità" esattamente una volta, parafrasando la recensione di qualcun altro.

Sii equo con l'altra parte. Quel moderatore è tra studi, non entro la stessa persona: confronta studi diversi di durata diversa, non le stesse persone nel tempo, e la fascia più lunga è scarsa. E c'è un sondaggio che indica il contrario: lo studio del 2014 di Koivisto e Hamari sugli utenti di Fitocracy in Computers in Human Behavior ha rilevato che "il piacere e l'utilità percepiti della gamification diminuiscono con l'uso, suggerendo che gli utenti potrebbero sperimentare effetti di novità". Quello è trasversale, il che significa che non può stabilire nemmeno un decadimento entro la stessa persona, ed è fitness anziché community.

Quindi l'affermazione corretta è: la tesi del decadimento della novità è contestata, le prove più solide puntano contro di essa, e chiunque la affermi come un fatto non ha letto il moderatore. Per correttezza dobbiamo anche dire che Hamari — la cui revisione del 2014 citiamo più avanti per la sua frase più schietta — è dall'altra parte su questo punto, e Sailer e Homner indicano quella revisione tra i lavori che la loro conclusione sulla durata contraddice.

Seconda tesi: la classifica schiaccia chi sta in fondo. Trattato sopra. Supportato per la motivazione autodichiarata, su piccoli campioni in aula, solo dopo l'intervento e senza alcun effetto sul coinvolgimento — ma sulla classifica relativa nello stesso articolo il terzo inferiore ha ottenuto punteggi peggiori. Contraddetto, sull'impegno, da un esperimento di crowdsourcing in cui i ranghi bassi intensificavano l'impegno round dopo round. "Contestato" è la parola onesta; "risolto" no.

Vale la pena aggiungere una terza correzione, più silenziosa. La revisione HICSS 2014 di Hamari, Koivisto e Sarsa della letteratura empirica è più schietta del marketing del settore: "Solo due studi hanno trovato positivi tutti i test", e gli studi più ampi "hanno riportato che la gamification potrebbe non essere efficace in un contesto di servizio utilitaristico". Quest'ultima frase è la più trasferibile dell'intera base di prove, perché una piattaforma di community è un contesto di servizio utilitaristico.

Quali piattaforme implementano quali meccaniche, e quanto costano

Quattro delle tredici pubblicano un prezzo: Guild.xyz, Discourse, Circle e Zealy. MEE6 ne ha uno, ma solo tramite un'API che la sua stessa pagina richiama a runtime. Sette non ne pubblicano nessuno, e QuestN non abbiamo potuto verificarlo. Le meccaniche differiscono più di quanto suggerisca il marketing: Discourse lega i badge ai permessi, Circle offre un interruttore per la privacy, Layer3 verifica azioni on-chain ripetute.

Ogni meccanica riportata di seguito è stata confrontata con le stringhe presenti nelle pagine recuperate il 17 agosto 2026. Ogni prezzo è citato così come stampato nella pagina. "Nessun prezzo pubblico" indica quali pagine abbiamo controllato, perché un'asserzione negativa non documentata è priva di valore.

Due cose che quella tabella cambia.

I livelli di fiducia di Discourse sono la più forte implementazione della gamification in questo articolo, e Zealy non ha nulla di simile. Un badge di Discourse può portare un livello di fiducia, e un livello di fiducia comporta un'effettiva capacità di moderazione — la possibilità di fare di più nella community, non un'immagine accanto al tuo nome. Questa è la differenza tra un riconoscimento che conferisce competenza e un riconoscimento che la decora, ed è esattamente la distinzione che la ricerca continua a indicare. Se gestisci un forum e vuoi uno status che significhi qualcosa, Discourse lo sta facendo meglio di noi.

Circle offre la mitigazione che le prove sulla classifica implicano, e noi no. La pagina di gamification di Circle stessa dice che puoi scegliere di rendere privata la classifica della tua community. Dato che il risultato meglio supportato sulle classifiche riguarda come le persone in fondo si sentonoun interruttore di disattivazione controllato dal proprietario della community è una vera risposta di design. Zealy non ha un equivalente.

Una nota a margine del recupero, perché dice qualcosa sulla categoria: la homepage di Layer3 non usa più la parola "quest" nel testo visibile — il suo vocabolario è Activations, Streaks e CUBEs. La parola sopravvive nel JavaScript distribuito, nei nomi delle route e in una QUEST_COMPLETE stringa, che è probabilmente una prova migliore del punto: la rinomina è nel marketing, e l'infrastruttura se ne ricorda ancora. Il leader della categoria ha abbandonato la parola della categoria. Confrontiamo le sue capacità con le nostre in Zealy vs Layer3, e se Galxe è l'incumbent che stai sostituendo, migliori alternative a Galxe e Zealy vs Galxe esaminare bene quella decisione.

MEE6 e Tatsu appartengono a un tipo diverso di problema — XP per attività in chat all'interno di un singolo server Discord — e abbiamo trattato quel gruppo separatamente in Strumenti di coinvolgimento e crescita per Discord.

Cosa fa davvero la gamification di Zealy e le cinque cose che non ha

Zealy assegna XP per le quest approvate e per le assegnazioni manuali degli admin, calcola un livello con un'unica formula globale e classifica i membri su due ambiti di classifica: di sempre e per sprint. Non ha badge, né streak, né bonus per l'accesso giornaliero, né moltiplicatori di XP, né automazione dei ruoli in base al livello, e non calcola alcuna metrica di retention.

Tutto quanto segue è stato ricavato dal codice sorgente il 17 agosto 2026. Dove il nostro documentazione non è coerente con il codice, il codice è ciò che viene effettivamente eseguito.

La curva dei livelli è un'unica formula e non puoi modificarla

XP cumulativi per il livello L è 150(L−1)² − 50(L−1). Il livello 1 è 0 XP, il livello 2 è 100, il livello 3 è 500, il livello 4 è 1.200, il livello 5 è 2.200. Questa curva è identica in ogni community di Zealy e non esiste una configurazione per singola community. Il livello non è affatto memorizzato nei modelli di database generati; viene derivato dagli XP a ogni lettura. La nostra documentazione sul calcolo dei livelli corrisponde al codice qui, che abbiamo verificato anziché dato per scontato.

Confrontalo con Carl-bot, i cui operatori possono inserire in blacklist canali e ruoli, impostare XP vocale e limitare la frequenza dell'intera economia. La sua curva documentata è 5*(n^2)+50*n+100, ovvero l'XP necessaria per il livello successivo anziché un totale progressivo, quindi non leggerla in confronto alla forma cumulativa di Zealy — il punto è la manopola, non la forma. Zealy non ti offre una manopola del genere.

Non succede nulla quando un membro sale di livello

Questa è la scoperta che ci aspettavamo fosse sbagliata e non lo era. Zealy ha due enum di notifica — uno ristretto nei suoi modelli di database con tre tipi, e quello che la sua API di notifica restituisce effettivamente, con tredici — più un enum di eventi webhook con dieci. Nessuno dei tre contiene un evento di livello. Nessuna notifica viene inviata. Nessun webhook viene attivato. Nessuna celebrazione appare. Un helper chiamato hasLeveledUp esiste nel codebase, è commentato fuori dal barrel di export e non è chiamato da nessuna parte.

L'unica conseguenza meccanica del livello in Zealy è che può essere usato come condizione di una quest — un filtro su chi può tentare qualcosa. Tutto qui.

Considerata la sezione sui livelli qui sopra, è meno grave di quanto sembri e più onesto dell'alternativa. I livelli hanno quasi nessuna evidenza dietro, e una celebrazione per il passaggio di livello è esattamente il tipo di cosa che viene rilasciata perché tutti la rilasciano. Ma se scegli Zealy perché immagini i membri ricevere un ping soddisfacente al livello 10, immaginalo accuratamente: ricevono un numero più grande.

Due ambiti di classifica, e nessuno settimanale o mensile

Zealy ha esattamente due ambiti di classifica: assoluto e per sprint. Non esiste una classifica settimanale, mensile o giornaliera. Se vuoi una finestra più breve — e le evidenze sulle classifiche sopra sono un buon argomento a favore, dato che una finestra nuova azzera chi sta in fondo — crei uno sprint, ovvero una seconda classifica a tempo limitato riferita a un insieme scelto di quest.

Due dettagli che vengono descritti male, a volte anche da noi. Un reset della classifica è una data limite più una cancellazione logica, non una cancellazione definitiva — la cronologia delle rivendicazioni delle quest resta intatta e gli XP dei membri vengono azzerati da quel momento in poi. E i pareggi si risolvono a favore di chi ha raggiunto il totale per primo, tranne che un'assegnazione manuale di XP annulla questo criterio fino alla successiva rivendicazione di quest del membro.

Le ricompense degli sprint sono proporzionali, non un podio e non un'estrazione

Il pagamento predefinito dello sprint è proporzionale alla quota di XP di ciascun membro tra tutti coloro che rientrano nella reward zone. Non è una top-three e non è un pareggio. La reward zone è una soglia di idoneità applicata prima della distribuzione, non una curva di payout. L'impostazione alternativa suddivide uniformemente un intervallo di posizioni all'interno di ciascun tier. Entrambi i percorsi arrotondano per difetto — quello proporzionale una volta per valuta, quello a tier due volte — quindi un piccolo resto rimane non distribuito in entrambi i casi. Sul percorso a tier ciò è intenzionale e documentato: il commento della funzione recita "Remainder from rounding stays undistributed."

I prize pool degli sprint sono solo in USDC e zaps. Uno sprint non può assegnare XP, ruoli, NFT o token; quelli si trovano nelle ricompense delle quest, dove ci sono cinque metodi di ricompensa, uno dei quali è un'estrazione. Per quanto riguarda i tipi di ricompensa, il conteggio dipende da dove si guarda: l'API di Zealy ne pubblicizza sette, ma l'editor delle quest esclude le ricompense NFT, quindi un admin può configurarne sei — ecco perché la nostra pagina di documentazione ne elenca sei e non sette. Zealy esegue le estrazioni automaticamente nel proprio database, e l'estrazione seleziona le claim anziché i membri distinti, quindi chi ha più claim riuscite su una quest ricorrente detiene proporzionalmente più partecipazioni. Vale la pena saperlo prima di progettarne una.

Le cinque cose che Zealy non ha

Ognuna di queste è un'affermazione sul codice sorgente tracciato nel repository di Zealy, cercato il 17 agosto 2026 in API, backend, schemi, modelli, utils, query, contratti, web app e migrazioni del database.

1. Nessun badge e nessun achievement che un membro possa guadagnare. Fai attenzione a come lo verifichi, perché la prima volta abbiamo sbagliato. Cercando badge in tutta la codebase restituisce ben oltre cento file, e il gruppo più grande è un Badge componente nel design system di Zealy — una piccola etichetta usata per stati e conteggi in tutta l'interfaccia, non qualcosa che qualcuno guadagna. medal allo stesso modo colpisce un getMedal helper che disegna il primo, secondo e terzo posto in una classifica, che è una rappresentazione del rango più che un premio. Ciò che non esiste da nessuna parte è un badge o un risultato entità: nulla che un membro riceve, possiede o di cui può essere mostrata una raccolta. Discourse e Tatsu hanno entrambi veri sistemi di badge. Noi abbiamo un componente UI con lo stesso nome.
2. Nessuna serie. streak, loginStreak, visitStreak e day streak non restituisce nulla nella fonte monitorata. Layer3 ha gli Streaks e Duolingo ha costruito una categoria attorno a essi. Considerata la scarsità delle prove sugli streak, non abbiamo fretta, ma l'assenza è l'assenza.
3. Nessun bonus di accesso giornaliero. dailyLogin, loginBonus, dailyBonus, login reward, lastLoginAt, lastSeenAt, dailyClaim, daysActive e activeDays restituiscono tutti zero. Zealy gestisce una Daily Challenge a livello di piattaforma — completa una quest in ciascuna di tre community in evidenza, supera la verifica di humanità, richiedi un biglietto della lotteria — ma si tratta di un reset giornaliero senza bonus per giorni consecutivi, e appartiene a Zealy più che alla tua community. Anche le quest ricorrenti si resettano sui confini di calendario, il che è ricorrenza, non uno streak.
4. Nessun moltiplicatore o potenziamento XP. xpMultiplier, boostXp, doubleXp e xpBoost restituiscono tutti zero. Zealy ha una boost funzionalità, ed è la promozione a pagamento di una quest o di uno sprint, non un moltiplicatore di ricompense. Non pianificare un weekend a XP doppio.
5. Nessuna automazione di ruoli per livello o per XP. autoRole, roleByLevel, levelRole, xpThreshold, autoAssignRole, rankRole, tierRole e roleSync restituiscono tutti zero. Un ruolo Discord in Zealy è una ricompensa di quest, assegnata una volta quando una richiesta viene approvata. Tatsu assegna automaticamente i ruoli in base al livello; Zealy no.

E quella che conta di più per l'argomento di questo articolo:

Zealy non calcola alcuna metrica di retention. retention, churn, D7, D30, DAU, WAU, MAU, returnRate, repeatVisit, stickiness, dropOff, dailyActive e monthlyActive restituiscono tutti zero nella fonte monitorata. Strutturalmente, l'interfaccia di analytics dichiara quindici metodi — due totali progressivi che non accettano un intervallo di date, un conteggio per finestra in base allo stato della claim, cinque elenchi classificati, sei serie raggruppate per intervallo e un conteggio dei membri a una singola data. Nessuno di essi collega l'attività precedente di un membro a quella successiva, che è l'operazione richiesta dalla retention.

Quindi, quando un fornitore di gamification ti dice che le sue meccaniche migliorano la retention, chiedi cosa misura. Noi non possiamo misurarla, e te lo diciamo nel nostro stesso articolo sulla gamification.

Si applica il consueto ambito: queste sono affermazioni sulle ricerche elencate, in quel codebase, a quella data. Non sono affermazioni su ogni funzionalità che Zealy abbia mai rilasciato o rilascerà.

Se vuoi il quadro generale di cosa sia Zealy prima di valutare le meccaniche, cos'è Zealy lo copre.

Come scegliere una piattaforma di gamification per una community

Scegli in base al comportamento che ti serve, non alla meccanica che ti piace. Discourse se lo status guadagnato deve concedere permessi reali. Circle se la visibilità della classifica deve essere opzionale. Guild.xyz se il compito è l'accesso con token-gating. Una piattaforma di quest come Zealy se devi premiare su una pianificazione azioni verificate fuori dalla piattaforma.

Alcune decisioni che le prove supportano davvero:

Se vuoi più contributi dalle persone più attive, riconoscile in modo specifico. Questo è il risultato della barnstar di Wikipedia, ed è la scoperta più solida sulla community in questo articolo. Porta anche un avvertimento: il follow-up ha rilevato che gli stessi riconoscimenti erano associati a una minore retention tra i contributori meno attivi. Riconosci in modo ampio e specifico, non ristretto e competitivo.

Se vuoi che una persona lo senta, fai in modo che sia una persona a farlo. Il feedback positivo ha rafforzato la motivazione intrinseca nella stessa meta-analisi in cui i riconoscimenti tangibili l'hanno indebolita, e un certificato contava come tangibile. Un badge automatico e un moderatore che dice "questa è stata la migliore risposta qui questa settimana" non sono la stessa funzionalità di prodotto, e quella più economica è quella meglio supportata dalle prove.

Se gestisci una classifica, pensa alla metà inferiore prima di lanciarla. Mostra la posizione relativa invece del rango assoluto, oppure consenti al proprietario di impostare la classifica come privata, o limitarla a una finestra breve che si azzera. L'interruttore privacy di Circle è la versione più pulita che abbiamo trovato; gli sprint di Zealy sono la versione a finestra breve.

Se vuoi volume, i punti vanno bene e non dovresti aspettarti di più da loro. Aumentano la quantità. Non sembrano cambiare come le persone si sentono riguardo al lavoro.

Non acquistare una piattaforma sulla base di una promessa di retention. Nessuno nella letteratura a cui abbiamo potuto accedere l'ha misurata. Un fornitore che cita una percentuale di retention o ha dati privati che dovrebbe descrivere, oppure l'ha letta dal blog di un altro fornitore.

Due decisioni adiacenti che questo post deliberatamente non prende per te. Se le meccaniche sono per un programma di ambasciatori, i vincoli di progettazione sono diversi e come gestire un programma di ambasciatori crypto li copre. Se la tua gamification genererà una coda di revisione — e qualsiasi attività che richieda a una persona di leggere una sottomissione lo farà — come delegare le attività della community copre il costo del personale che non compare mai in una pagina dei prezzi. E se stai scegliendo la gamification come parte di un go-to-market più ampio, la nostra guida al marketing web3 la mette accanto agli altri canali e ai loro costi.

La cosa più utile che possiamo lasciarti è la forma dell'incertezza. Sei meccaniche, un vero RCT di community tra di esse, una direzione di retention a pagamento e una letteratura che riguarda soprattutto gli studenti. Chiunque ti venda certezza qui non ha guardato.