コミュニティ向けゲーミフィケーション最強プラットフォーム（2026年）

短い答え： ゲーミフィケーション研究のほとんどはリテンションを測定していないため、どのメカニクスがメンバーを定着させるかを正直に答えられる人はいません。唯一の例外は同一著者によるWikipediaの2件の研究で、結果は母集団によって分かれました。バッジは最も生産的な貢献者を離脱しにくくする一方、追跡研究では同じ報酬が活動の少ない層のリテンション低下と関連していました。それ以外では、ポイントとレベルは行動量を増やすものの感情は変えず、リーダーボードは実際に競争を生み、ストリークは最も根拠の薄いメカニクスです。必要な行動に合わせてプラットフォームを選びましょう。獲得型権限ならDiscourse、任意のリーダーボードならCircle、ゲート付きアクセスならGuild.xyz、検証済みのオフプラットフォームタスクならZealyです。

開示： このページはZealyが公開しており、Zealyは掲載ツールの一つを販売しています。だからこそ、Zealyが持たない5つのゲーミフィケーション機能を挙げたセクションと、DiscourseとCircleが当社より優れている2点を読むべきです。

方法： ここに記載するZealyに関する主張はすべて、2026年8月17日にZealy自身のソースコードから読み取ったもので、以前に誤りを確認したZealyのマーケティングやドキュメントによるものではありません。研究結果はすべて論文または出版社のアブストラクト記録から引用しています。アブストラクトしか入手できなかった場合はその旨を明記し、サンプルサイズや効果量は記載しません。ベンダーサイトへのアクセスが拒否された場合も、見ていない機能を説明せず、その旨を記載します。

最終確認日： 2026年8月17日。

「ゲーミフィケーション・プラットフォーム」が実際に意味するもの

「ゲーミフィケーション・プラットフォーム」という言葉は3つの異なる市場を指します。検索すると、eラーニングツール、従業員パフォーマンスソフトウェア、マーケティングキャンペーン用ウィジェットが表示されます。Genially、Playable、SC Training、Centrical、Drimifyなどです。Zealy、Galxe、Layer3のようなコミュニティ・web3プラットフォームは、2026年8月17日に実行した検索結果には現れませんでした。

つまり、Discordやフォーラムにポイントとリーダーボードを入れたいと思って「ゲーミフィケーション・プラットフォーム」と検索しても、結果はあなたに向けたものではありません。それらは、クイズをゲームショーのように感じさせたいL&Dマネージャーや、ランディングページにスピン・トゥ・ウィンを置きたいマーケターに向けたものです。それらは実際の問題を解決する実際の製品ですが、この問題ではありません。

この記事は「コミュニティ向けゲーミフィケーション」という限定された問いに答えるもので、主要キーワードを主張しようとはしません。以降は製品別ではなくメカニクス別に構成しています。機能するかどうかを決めるのはメカニクスであり、以下のすべてのプラットフォームは同じ6つのメカニクスの組み合わせだからです。

本当の問いが「コミュニティ運営にどのソフトウェアを使うべきか」なら、それは別のより広い判断であり、当社の コミュニティ管理ソフトウェア調査 では、その中に隠れた5つの無関係な業務を価格とともに扱っています。

ゲーミフィケーション研究が実際に測定しているもの、していないもの

ゲーミフィケーション研究のほとんどはリテンションを測定していません。当社のレビューにある3件のメタ分析をretention、churn、attrition、dropoutで検索しましたが、これらの語は見つかりませんでした。測定されたのは実質的に1か所、Wikipediaで、同一著者ペアが2回行い、結果は母集団によって分かれました。文献が測定しているのは、モチベーション、成果物の量、学習成果です。

これは、このカテゴリのマーケティングが言うことの逆なので、よく考える価値があります。「ゲーミフィケーションはリテンションをX%向上させる」という文は何十ものベンダーページで見つかります。当社はそのような数値の出典を1つも特定できず、でっち上げるつもりもありません。

研究が実際に測定しているものと、その測定場所は次のとおりです。

教育における学習とモチベーション。 SailerとHomnerの2020年メタ分析 （掲載誌： Educational Psychology Review ）は、「認知（g = .49 …, k = 19, N = 1686）、動機（g = .36 …, k = 16, N = 2246）、行動的学習成果（g = .25 …, k = 9, N = 951）に対して有意な小さい効果」を報告しています。ただし2つの注意点があります。これは教育分野であり、著者自身が、より厳格なサブ分割では動機と行動の効果が「より不安定だった」と述べています。「ゲーミフィケーションは機能する」と言う許可にはなりません。

心理的欲求の充足。これも教育分野。 Li、Hew、Duの2024年メタ分析 （掲載誌： ETR&D ）は、全体でg = 0.257 [0.043, 0.471]、自律性0.638 [0.139, 1.136]、関係性1.776 [0.737, 2.814]を報告しています。関係性の区間は非常に広く、区間なしの数値だけでは誤解を招くため、両方を記載しています。有能感は0.277 [0.001, 0.553]で、下限は実質ゼロです。

実験室における成果物の量。 複数のオンライン実験が人々の生産量を測定しています。一般的に量は増えるものの、感情には変化がないことが分かっています。

実験室における内発的動機。 Deci、Koestner、Ryanの1999年メタ分析 （掲載誌： Psychological Bulletin ）は、あらゆる「外発的報酬は逆効果」論の基礎です。実際の数値はしばしば誤って引用されるため、以下で詳述します。

リテンション：2件の研究、1つのプラットフォーム、正反対の母集団。 Restivoとvan de RijtはWikipediaでこれを2回測定した。彼らの2012年のランダム化試験は、バーンスターの受領者が「より持続的な生産性を示し、貢献を中止する可能性が低かった」と報告している — ただしサンプルは編集者の上位1%だった。生産性の異なる編集者を対象とした2014年の追跡調査は、報酬が「活動の少ない貢献者の定着率低下と関連していた」と報告している。2014年の論文は有料公開のため、我々はその方向性のみを記載する。2つの知見、1つのプラットフォーム、1組の著者：これが本記事における定着に関するエビデンスの全基盤であり、それは「認知は優秀な人材を引き留め、それ以外の全員を失う可能性がある」と述べている。

一般化可能性に関する注意点を、率直に述べる。 この研究の大半は教育心理学と実験室心理学である。オンラインコミュニティに近い環境での研究はごくわずか — Wikipediaの実験、クラウドソーシングの実験、Stack Overflowの分析、Duolingoフォーラムの研究 — であり、そのうちの1つは教室での研究とは逆の方向を示している。SailerとHomnerはさらに、教育文献の 内部 において、認知的な成果に関して設定が結果を調整することを見出した：「学校環境で見られた効果は、高等教育環境や非公式教育環境で見られた効果よりも有意に大きかった」。この調整変数は動機的・行動的成果については有意ではなかったため、彼ら以上に拡張して解釈してはならない — しかし学校対大学の差が少しでも現れるなら、学校対Discordへの転用が成り立つと仮定することは支持されない。

以下のすべての数値は、その点を踏まえて読んでほしい。

ポイントとXP：量に関するエビデンスであり、動機に関するものではない

ポイントとXPには、1つのことについて確かなエビデンスがある：人々の行動量を増やすことだ。オンライン画像注釈実験で、Meklerらはポイント、レベル、リーダーボードが有意に多くのタグを生み出し、これらの要素はパフォーマンスの量を促進する場合にのみ有効だと述べた。動機自体は動かなかった。

彼らの表現は正確に引用する価値がある：「ポイント、特にレベルとリーダーボードは、生成されるタグの量を有意に増加させた…パフォーマンスの量を促進する場合にのみ有効だった」。この知見は全文ではなく出版社の抄録記録を通じて得たため、サンプルサイズや効果量はここに記載しない。同グループの2013年と2017年の研究は、1つの研究室による1種類のタスクに関する1つの結果として扱うべきだ。

正直な要約は「量であり、質でも動機でもない」となる。それでも有用だ。必要なのが量 — より多くの提出、より多くの翻訳、より多くのテスト報告 — なら、ポイントは実際の裏付けのある擁護可能なツールだ。必要なのがより深く関心を持つ人々なら、ポイントはエビデンスに裏付けられた手段ではなく、誰もそのように売り込むべきではない。

その使い方を制約する2つ目の知見がある。Deci、Koestner、Ryanは「関与随伴型、完了随伴型、パフォーマンス随伴型の報酬は、自由選択の内発的動機を有意に損なった（d = -0.40、-0.36、-0.28）」と見出した。この−0.40は誰もが引用する数値であり、それだけを引用するのは典型的な誤用だ：それは1つのサブグループにすぎない。同じ論文における全報酬の自由選択に関する全体の数値は「合成効果量はd = -0.24」であり、自己申告の興味については「d = 0.04…報酬は自己申告の興味に有意な影響を与えなかった」である。それにも著者自身が述べる範囲の注意点が伴う — 彼らの研究は「すべて実験室または十分に管理された実験室類似の条件で行われ」、フィールド研究は除外された。それは短いタスクに関する実験室の文献であり、あなたのコミュニティに関する知見ではない。

レベル：導入とエビデンスの乖離が最も大きい

レベルは、ソフトウェアが出荷する量とエビデンスが支える量の乖離が最も大きい仕組みだ。Meklerらの画像注釈実験は、ポイントと同様にレベルが出力量を高めるとしている。それ以上に、レベルを単独で検証した研究も、レベル到達が誰かの継続につながるかを測定した研究も見つからなかった。

本記事のほぼすべてのプラットフォームにレベルがある。MEE6にはLevelsプラグインがあり、Tatsuは稼働するすべてのサーバーでメンバーにレベルを付与し、Carl-botはPatronにレベルを販売し、Layer3は「XPがあなたのLevelとLeaderboardでの順位を決める」と述べ、Zealyは読み取りのたびにXPからレベルを導出する。この仕組みはほぼ普遍的であり、そのエビデンスは画像のタグ付けに関する1つの実験室実験だけだ。

だからといってレベルが演出だということにはならない。それはレベルを前提にするということだ。興味深い問いは、レベルが 何をするか だ。到達したときに、ほとんどの実装における正直な答えは「名前の横の数値が変わる」である。レベルが能力 — 権限、領域、権利 — を解放する場合、あなたはもはやレベルを検証しているのではなく、その能力が欲しがる価値があったかを検証している。Discourseのトラストレベルは本記事で最も強い例であり、以下で扱う。

リーダーボード：議論があり、方向は設定に依存する

リーダーボードは議論があり、効果の方向は設定に依存する。ある教室研究では、絶対的リーダーボードの下位の学生が上位の学生より低い動機を報告した — ただしエンゲージメントや学習に差はなかった。クラウドソーシングの実験では、低い順位がむしろ努力を強めた。

その教室研究は Bai, Hew, Sailer and Jia, 2021で、 Computers & Education1つの機関で行われた2つの準実験（n = 24およびn = 26）で、参加者は圧倒的に女性の大学院生でした。絶対的リーダーボードでは、介入後の上位3分の1と下位3分の1の間でモチベーションの差が有意でした（U = 11、p = .028）。隣接する5つの順位のみを示す相対的リーダーボードでは、「3つの順位レベル間で学生に有意な変動は見られなかった」とされています。

ここからが、この研究が引用される際に省かれる部分であり、両面あります。 絶対的 リーダーボードでは、モチベーションの差は伴っていましたが、 コースへのエンゲージメントに差はありませんでした（F(2,17) = 0.55、p = .59） — つまり「下位の人々は楽しさをより低く報告する」は支持されますが、「下位の人々は離脱する」は支持されず、離脱こそが誰もが実際に繰り返す主張です。しかし、 相対的 リーダーボードでは、モチベーションとエンゲージメントが順位間で等しかったにもかかわらず、下位3分の1は依然として ポストテストで有意に低いスコアでした （M = 68.75に対し上位3分の1は91.07、F(2,23) = 8.71、p = .002） — 著者らはこれを、相対的リーダーボード上の低順位学習者のパフォーマンスが低下するという仮説を支持するものとして報告しています。合わせて読むと、正確な順位を隠すことは人々の感情を守ったが、達成を守らなかったということです。

これに反するのが、NaとHanによる2023年のクラウドソーシング実験で、 Internet Researchに掲載され、5ラウンドにわたって順位を操作し、「高順位は…怠慢な行動を誘発し…一方、低順位は参加者をタスクの正しいプロセスに固執させ、ラウンドを重ねるごとにモチベーションを強めた」ことを見出しました。これは出版社の抄録を通じて入手したため、サンプルサイズは記載されていません。著者らは通常省かれる一文を付け加えています：「どちらの動機も本質的な性質のものとは思われなかった」。そして公平を期すなら、これも別の画像タグ付けタスクであり、上記のポイント研究に対して我々が提起したのと同じ反論がここにも当てはまります。これはこのセットの中でオンラインコミュニティに最も近い研究であり、逆の方向を指しています。

実践的な帰結は2つあり、最初のものには注意書きが付きます。リーダーボードの下位を心配しているなら、利用可能な緩和策は絶対順位ではなく相対位置を示すこと、またはコミュニティオーナーがリーダーボードを非公開に切り替えられるようにすることです（Circleが実際に提供しているのはこれです）。相対ランキングは、人々の感情に関して2つのうちより証拠が強いものですが、同じ研究で下位3分の1の低パフォーマンスを防げなかったため、成果ではなく士気を守るものとして扱ってください。Circleは、非公開リーダーボードの切り替えを搭載していることを我々が確認した唯一のプラットフォームです。第二に、全期間ではなく短い期間に限定したリーダーボードは、最初に到着した人の累積的優位をリセットするため、誰が下位になるかを変えます。

バッジと承認：最高のコミュニティ証拠、そして最も不快なもの

バッジはここにあるどのメカニクスよりも優れたコミュニティ証拠を持ち、そして最も不快です。Wikipediaでのランダム化実験では、バーンスターを授与すると高活性の編集者の生産性が60%増加することが見出されました。同じ著者らの追跡調査では、報酬は低活性の貢献者の間でより低い継続率と関連していました。

Restivoとvan de Rijtによる2012年の PLoS ONE の研究 は適切なランダム化比較試験です：144,120人の編集者の 上位1% から無作為抽出した200人（処置群100人、対照群100人）を90日間にわたって測定し、「バーンスターを受け取ると生産性が60%増加する」と報告しています。母集団に注意し、この論文が継続率についても報告していることに注意してください：受領者は「貢献を中止する可能性が低かった」。これは、最も活発な貢献者を承認することが彼らをより活発にするという証拠です。他の誰かについての証拠ではなく、主要な成果は編集回数であり、上記の継続率の知見がそれと並んで存在します。

2014年の追跡調査では、設計を生産性レベル全体に拡張し、「報酬はすでに高生産性の編集者の間でのみ作業の増加をもたらした…報酬は低活性の貢献者のより低い継続率と関連していた」ことを見出しました。ペイウォールのため、方向性のみです。これは同時に、承認が周辺をやる気にさせなくする可能性があるというこの記事における最良の証拠であり、逆方向を指す継続率の知見でもあります。

Anderson、Huttenlocher、Kleinberg、Leskovecによる2013年のWWW論文 はStack Overflowについてメカニズムを追加しています：「彼らのバッジは、我々のモデルの予測と密接に一致する形で行動を誘導する」 — ユーザーは閾値に近づくにつれて加速し、それを越えると緩むのです。これは観察研究であり、誘導は継続ではありません。誰にもそれを変換させないでください。

バッジをポイントの「安全な」代替として手に取る前に知っておく価値のあるもう一つのこと。Deci、Koestner、Ryanのコーディングスキームは、「『グッドプレイヤー証明書』のような象徴的報酬は有形と見なされた」と明示しています。バッジはお金ではないため外発的報酬の問題を免れるというベンダーの主張は、その問題を定義した論文との接触に耐えません。

生き残る区別は、報酬と褒め言葉の間のものです。同じメタ分析は、肯定的フィードバックは逆方向に働くことを見出しました：「合成d = 0.33…は、肯定的フィードバックが内発的動機を高めたことを示す」、大学生では0.43に上昇します。人からの承認は自動付与されるアイコンと同じ刺激ではなく、証拠はそれらを異なるものとして扱っています。この記事から1つの設計上の決定を取るなら、それを取ってください。

ストリーク：ここにあるどのメカニクスよりも最も薄い証拠

ストリークはこのレビュー全体で最も根拠の薄い仕組みだ。参照できたどの情報源にも効果量は見つからなかった。あるのは定性的なものだ。ストリークが途切れたときの悲しみ、怒り、失望を語るレクリエーションランナーへのインタビューや、ユーザーが仕組みに固執して学習から気をそらされるゲーミフィケーションの誤用を述べたDuolingoの研究などである。

Ingallsらによる2026年の PLoS One 研究は レクリエーションランナーに途切れたランストリークについてインタビューし、「悲しみ、怒り、失望、安堵の感情」を報告し、「悲嘆のプロセス」を描写し、「一部のランナーはストリーク関連の不便を感じ、ストリークを延ばすために負傷しながら走った」と指摘した。また「長期的な悪影響は報告されなかった」とも報告している。これはソフトウェアではなくランニングであり、統計ではなく仕組みの例示である。引用できる効果量はない。

Hadi Mogaviらによる2022年のACM Learning at Scale論文は Duolingoのフォーラムでの議論とインタビューを調べ、その失敗モードを名付けた。「ゲーミフィケーションの誤用…は、ユーザーがゲーミフィケーションに過度に固執し、学習から気をそらされることで起こる」とし、「競争心、遊び心への過度な没頭、ハーディング」を生み出すと述べた。定性的であり、arXivプレプリントから読んだものだ。

つまりストリークは、最も強い世間の評判と最も弱い論文の裏付けを持つ仕組みである。それが人々に何かを働きかけているのは明らかだ。ランニングのインタビューはその点を生き生きと伝えている。しかし誰も示していないのは、その何かがそれを運営するコミュニティにとって良いことなのか、あるいはメンバーが欠けた日に耐えられるのかということだ。

変動報酬、抽選、ルートボックス：本記事で最も弱い転用

ランダム報酬は、根拠が最も弱く倫理が最も喧しい領域だ。ルートボックスの文献は支出を問題ギャンブルの深刻度と結びつけるが、その著者自身が因果の方向は不明だと言っている。ルートボックスは実際のお金を伴うが、クエストXPをめぐる無料の抽選はそうではないため、転用は弱い。

ZendleとCairnsによる2018年の PLoS ONE 研究は 「n = 7,422…ゲーマーがルートボックスに費やした金額と問題ギャンブルの深刻度との間の関連（η² = 0.054）」を報告している。重要なのは彼ら自身の注意書きだ。「ルートボックスの購入が問題ギャンブルへの入り口として働くのか、それとも多額の支出が…問題ギャンブラーにより強く訴えかけるのかは不明である」。誰も、私たちを含めて「ルートボックスがギャンブル問題を引き起こす」と書くべきではない。この研究は横断的かつ自己選択的であり、著者らはη² = 0.054を「小から中程度」と呼び、「これは弱い、あるいは重要でない関係ではない」と明言しているので、私たちもこれを無視できるものとして片付けるつもりはない。

これを本記事で最も弱い転用として意図的に指摘している。ルートボックスはクレジットカードで購入される。メンバーが無料で獲得したXPをめぐる抽選は、異なるリスク特性を持つ異なる刺激であり、両者を同等に扱うのは、私たちに有利にも不利にもずさんなことだ。

報酬の文献には、告知よりもサプライズを真に支持する知見が一つある。Deci、Koestner、Ryanは、予期しない有形報酬について「平均d = 0.01…予期しない有形報酬は自由選択行動に影響しない」と報告している。告知された条件付きの懸賞金は、その文献では自由選択の動機を損なうが、予期しないものは損なわない。そこのkは小さいため、これは堅牢な結果ではなく仕組みに関する論拠である。しかし、懸賞金ボードを掲示するよりもサプライズ報酬を配るべき最も有力な理由ではある。

Arkadaは、私たちが確認したどのプラットフォームよりも偶然性の強い機能を挙げている。「Wheel of Fortune」と「Pyramids」が、クエスト製品と並んで中核機能のドキュメントに登場する。どちらも稼働中のページは見つからなかったため、どのように機能するかは分からず、Arkadaが宣伝しているということだけが分かる。Arkadaを評価するなら、この二つを特に評価し、実際に動いているものを見せてもらうよう求めるとよい。

あらゆるゲーミフィケーション記事が言うが検証に耐えなかった二つのこと

ほぼすべてのゲーミフィケーション記事に確定事実として登場する二つの主張があるが、どちらも検証に耐えなかった。「ゲーミフィケーションは目新しさから薄れる」は、私たちが読んだ最も強力なメタ分析に反する。その期間モデレーターは、より長い介入でより大きな動機付け効果を見出した。「リーダーボードは下位の意欲を削ぐ」は小規模な教室サンプルに基づいており、コミュニティに最も近い研究によって努力面で反証されている。

主張その一：新しいから薄れる。 SailerとHomnerの期間モデレーターは逆の結果を示した。最大半年に及ぶ介入は、 より大きな 動機付け効果を1日介入よりも示し（Q(1) = 4.93, p < .05）、著者らはその結果が「ゲーミフィケーションの効果が長期的に持続しないかもしれないという恐れを弱めうる」と書いている。全文で「目新しさ」に言及するのは一度だけで、他者のレビューを言い換えたものだ。

反対側にも公平であろう。そのモデレーターは 研究間のものであり、個人内ではない。異なる長さの異なる研究を比較しているのであって、同じ人々を時間をかけて追ったものではない。そして最長の区分は乏しい。逆方向を示す調査もある。KoivistoとHamariによる2014年のFitocracyユーザー研究は Computers in Human Behavior に掲載され、「ゲーミフィケーションの知覚された楽しさと有用性は使用とともに低下し、ユーザーが目新しさの効果を経験する可能性を示唆する」と見出した。これも横断的であり、個人内での減衰を確立できないうえ、コミュニティではなくフィットネスに関するものだ。

したがって正しい記述はこうだ。新規性減衰の主張は異議ありであり、より検出力の高い証拠はそれに反しており、それを事実として断言する者はモデレーターを読んでいない。公平を期すために、Hamari——我々が後段で最も率直な一文のために依拠する2014年のレビューの著者——はこの点で反対側に立ち、SailerとHomnerはそのレビューを、彼らの継続時間に関する知見が矛盾する研究の一つに挙げていることも述べておくべきだ。

主張2：リーダーボードは下位を打ちのめす。 上で扱った。自己申告のモチベーションについては、小規模な教室サンプルで、介入後のみ、エンゲージメントへの効果なしという条件付きで支持される——しかし同じ論文の相対リーダーボードでは下位3分の1のスコアは実際に悪かった。努力については、低い順位がラウンドごとに努力を強めたクラウドソーシング実験によって反証されている。「異議あり」が正直な言葉であり、「決着済み」ではない。

さらに静かな第三の訂正を加える価値がある。 Hamari、Koivisto、Sarsaによる2014年のHICSSレビュー は、実証文献についてこの分野のマーケティングより率直だ。「すべてのテストが陽性だったと報告した研究は2件のみ」であり、最大規模の研究は「ゲーミフィケーションは実利的なサービス環境では有効でない可能性があると報告した」。この最後のフレーズはこの証拠基盤全体で最も転用可能な文である。なぜならコミュニティプラットフォームは実利的なサービス環境だからだ。

どのプラットフォームがどのメカニクスを実装し、それがいくらかかるか

13のうち4つが価格を公開している：Guild.xyz、Discourse、Circle、Zealy。MEE6には価格があるが、自社ページが実行時に呼び出すAPI経由のみだ。7つは価格を公開しておらず、QuestNは確認できなかった。メカニクスはマーケティングが示唆する以上に異なる：Discourseはバッジを権限に結びつけ、Circleはプライバシートグルを備え、Layer3は繰り返しのオンチェーンアクションを検証する。

以下の各メカニクスは、2026年8月17日に取得したページ内の文字列と照合した。各価格はページが印字したとおりに引用している。「公開価格なし」はどのページを確認したかを明記している。明記されない否定は無価値だからだ。

この表が変えるのは2点です。

Discourse の信頼レベルはこの記事におけるゲーミフィケーションの最も強力な実装であり、Zealy にはそれに類するものがありません。 Discourse のバッジは信頼レベルを伴い、信頼レベルは実際のモデレーション権限を伴います。つまり名前の横の画像ではなく、コミュニティでより多くを行える能力です。これが能力を与える評価と、飾るだけの評価の違いであり、まさに研究が繰り返し指摘する区別です。フォーラムを運営していて意味のあるステータスを求めるなら、Discourse は当社よりもうまくやっています。

Circle はリーダーボードの証拠が示唆する緩和策を実装しており、当社は実装していません。 Circle 自身のゲーミフィケーションのページには、コミュニティのリーダーボードを非公開にできると書かれています。最も裏付けの強いリーダーボードの知見が、最下位の人々がどう 感じるかに関するものであることを踏まえると、コミュニティのオーナーが操作できるオフスイッチは実際の設計上の答えです。Zealy には同等のトグルがありません。

取得作業からの余談を1つ。これはこのカテゴリについて何かを物語っています。 Layer3 のホームページは、表示されるコピーで「quest」という語をもはや使っていません — その語彙は Activations、Streaks、CUBEs です。この語は出荷された JavaScript の中、ルート名や QUEST_COMPLETE 文字列の中に残っており、これはむしろこの点のより良い証拠と言えます。改名はマーケティング側にあり、配管はまだ覚えているのです。カテゴリのリーダーがカテゴリの語を捨てました。当社の機能との比較は Zealy vs Layer3で行っており、置き換え対象の既存勢力が Galxe なら、 best Galxe alternatives と Zealy vs Galxe でその判断をきちんと扱っています。

MEE6 と Tatsu は別の形の問題に属します — 単一の Discord サーバー内でのチャット活動 XP です — そしてその一群については別途 Discord engagement and growth tools.

Zealy のゲーミフィケーションが実際に行うこと、そしてそれが持たない5つのこと

Zealy は承認されたクエストのクレームと管理者による手動付与に対して XP を付与し、単一のグローバルな計算式からレベルを導出し、メンバーを2つのリーダーボード範囲（全期間とスプリントごと）でランク付けします。バッジ、ストリーク、デイリーログインボーナス、XP 倍率、レベル別のロール自動化はなく、リテンション指標も計算しません。

以下はすべて 2026年8月17日にソースコードから読み取ったものです。当社の ドキュメント がコードと食い違う場合、実際に動作するのはコードです。

レベル曲線は1つの計算式で、変更できません

レベル L の累積 XP は 150(L−1)² − 50(L−1)です。レベル1は 0 XP、レベル2は 100、レベル3は 500、レベル4は 1,200、レベル5は 2,200 です。この曲線はすべての Zealy コミュニティで同一であり、コミュニティごとの設定はありません。レベルは生成されたデータベースモデルには一切保存されず、読み取りのたびに XP から導出されます。当社の レベル計算のドキュメント はここでコードと一致しており、これは仮定ではなく確認しました。

これを Carl-bot と比べてみてください。その運営者はチャンネルとロールをブラックリスト化し、ボイス XP を設定し、経済全体にレート制限をかけられます。その文書化された曲線は 5*(n^2)+50*n+100で、これは累積合計ではなく次のレベルに必要な XP なので、Zealy の累積形式と直接比べて読まないでください — 要点は形ではなく調整つまみです。Zealy にはそのようなつまみがありません。

メンバーがレベルアップしても何も起きません

これは間違っていると予想したが見事にそうではなかった知見です。Zealy には通知の enum が2つあります — データベースモデル内の3種類の狭いものと、通知 API が実際に返す13種類のもの — さらに10種類の webhook イベント enum があります。 3つのいずれにもレベルイベントは含まれていません。 通知は発火しません。webhook も発火しません。お祝いも表示されません。 hasLeveledUp というヘルパーがコードベースに存在し、エクスポートバレルからコメントアウトされ、どこからも呼ばれていません。

Zealy におけるレベルの唯一の機械的な影響は、クエスト条件として使えること — 誰が何かを試せるかのゲートです。それだけです。

上のレベルに関する節を踏まえると、これは聞こえるほど厳しくなく、代替案より正直です。レベルにはほとんど証拠がなく、レベルアップのお祝いは誰もが実装するから実装される類のものです。しかし、レベル10でメンバーが心地よい通知を受け取る姿を思い描いて Zealy を選ぶなら、正確に思い描いてください。彼らが得るのはより大きな数字だけです。

リーダーボードの範囲は2つで、週次や月次はありません

Zealy のリーダーボード範囲はちょうど2つです。全期間とスプリントごとです。週次、月次、日次のリーダーボードはありません。より短い期間が欲しい場合 — 上のリーダーボードの証拠は、新しい期間が最下位の人をリセットするため、その妥当な根拠になります — あなたは スプリントを作ります。これは選んだクエスト群に範囲を限定した、期間限定の第2のリーダーボードです。

しばしば誤って説明される2つの詳細があり、時には当社も誤ります。リーダーボードのリセットは日付のカットオフとソフト削除であり、消去ではありません — クエストのクレーム履歴はそのまま残り、メンバーの XP は以降ゼロになります。また同点は合計に先に到達した者が優先されますが、手動の XP 付与はメンバーの次のクエストクレームまでそのタイブレークを無効にします。

スプリント報酬は比例配分で、表彰台でも抽選でもありません

デフォルトのスプリント支払いは 各メンバーの XP シェアに比例します 報酬ゾーン内の全員の間で。トップ3ではなく、抽選でもありません。報酬ゾーンは分配前に適用される適格性のカットオフであり、支払いカーブではありません。代替設定では、各ティア内でランク範囲を均等に分割します。どちらの方式も切り捨てを行います — 比例方式は通貨ごとに1回、ティア方式は2回 — そのため、いずれの場合も小さな端数は未分配のままになります。ティア方式ではこれは意図的であり、文書化されています。関数自体のコメントには「Remainder from rounding stays undistributed.」とあります。

スプリントの賞金プールはUSDCとzapsのみです。スプリントはXP、ロール、NFT、トークンを付与できません。それらは クエスト報酬にあり、そこには5つの報酬方法があり、そのうちの1つが抽選です。報酬タイプについては、どこを見るかによって数が変わります。ZealyのAPIは7つを提示していますが、クエストエディタはNFT報酬を除外しているため、管理者が設定できるのは6つです — これが当社のドキュメントページに7つではなく6つが記載されている理由です。Zealyは独自のデータベース内で抽選を自動的に行い、抽選は異なるメンバーではなくクレームを選択するため、定期的なクエストで複数の成功したクレームを持つ人は比例して多くのエントリーを保持します。これは設計する前に知っておく価値があります。

Zealyにない5つのもの

これらはそれぞれ、2026年8月17日にZealyのリポジトリ内の追跡対象ソース（API、バックエンド、スキーマ、モデル、ユーティリティ、クエリ、コントラクト、Webアプリ、データベースマイグレーション）を検索した上での主張です。

1. メンバーが獲得できるバッジや実績はありません。 これを確認する方法には注意してください。私たちは最初に間違えました。コードベース全体で badge を検索すると100以上のファイルが返り、最大のグループはZealyのデザインシステム内の Badge コンポーネントです — インターフェース全体でステータスやカウントに使われる小さなラベルであり、誰かが獲得するものではありません。 medal も同様に、リーダーボードの1位、2位、3位を描画する getMedal ヘルパーにヒットしますが、これは報酬ではなくランクのレンダリングです。どこにも存在しないのは、バッジや実績の エンティティです。メンバーに付与され、保持され、コレクションとして表示できるものはありません。DiscourseとTatsuにはどちらも実際のバッジシステムがあります。私たちには同じ名前のUIコンポーネントがあります。
2. ストリークはありません。 streak, loginStreak, visitStreak と day streak は追跡対象ソースで何も返しません。Layer3にはStreaksがあり、Duolingoはそれを中心にカテゴリを築きました。ストリークの証拠がこれほど薄いことを考えると、急いではいませんが、不在は不在です。
3. デイリーログインボーナスはありません。 dailyLogin, loginBonus, dailyBonus, login reward, lastLoginAt, lastSeenAt, dailyClaim, daysActive と activeDays はすべてゼロを返します。ZealyにはプラットフォームレベルのDaily Challengeがあります — 3つの注目コミュニティそれぞれでクエストを完了し、人間性認証を通過し、抽選券を請求する — しかしそれは連続日ボーナスのない毎日のリセットであり、あなたのコミュニティではなくZealyに属します。定期的なクエストもカレンダーの境界でリセットされますが、それは 繰り返しであり、ストリークではありません。
4. XP倍率やブーストはありません。 xpMultiplier, boostXp, doubleXp と xpBoost はすべてゼロを返します。Zealyには boost 機能がありますが、それはクエストやスプリントの有料プロモーションであり、報酬倍率ではありません。ダブルXP週末を計画しないでください。
5. レベル別またはXP別のロール自動化はありません。 autoRole, roleByLevel, levelRole, xpThreshold, autoAssignRole, rankRole, tierRole と roleSync はすべてゼロを返します。ZealyのDiscordロールはクエスト報酬であり、クレームが承認されたときに一度だけ付与されます。Tatsuはレベル別ロールを自動的に付与しますが、Zealyはそうしません。

そして、この記事の主題にとって最も重要なもの:

Zealyはリテンション指標を一切計算しません。 retention, churn, D7, D30, DAU, WAU, MAU, returnRate, repeatVisit, stickiness, dropOff, dailyActive と monthlyActive は追跡対象ソースでゼロを返します。構造的には、アナリティクスインターフェースは15のメソッドを宣言しています — 日付範囲を取らない2つの累計、クレームステータス別の1つのウィンドウカウント、5つのランク付きリスト、間隔でバケット化された6つのシリーズ、単一の日付時点の1つのメンバーカウントです。そのうちどれも、メンバーの以前の活動を後の活動に結合するものではなく、リテンションに必要な操作はこれです。

ですから、ゲーミフィケーションのベンダーが自社の仕組みでリテンションが向上すると言うときは、何を測定しているのか尋ねてください。私たちはそれを測定できず、ゲーミフィケーションに関する自社の記事でそう伝えています。

通常の適用範囲がすべて当てはまります。これらは、そのコードベースで、その日付に行われた記載の検索に関する記述です。Zealyがこれまで提供した、または今後提供するすべての機能に関する主張ではありません。

仕組みを評価する前にZealyとは何かの全体像を知りたい場合は、 Zealyとは何か で説明しています。

コミュニティ向けゲーミフィケーションプラットフォームの選び方

好みの仕組みではなく、必要な行動で選んでください。獲得したステータスが実際の権限を付与すべきならDiscourse。リーダーボードの可視性が任意であるべきならCircle。役割がトークンゲート付きアクセスならGuild.xyz。スケジュールに沿ってプラットフォーム外の検証済みアクションに報酬を与える必要があるならZealyのようなクエストプラットフォームです。

証拠が実際に裏付けるいくつかの判断:

最も活発な人々からより多くの成果を得たいなら、彼らを具体的に評価してください。 これはWikipediaのバーンスターの結果であり、この記事で最も強力なコミュニティに関する発見です。ただし、それには独自の警告も伴います。追跡調査では、同じ報酬が活動の少ない貢献者の間でより低いリテンションと関連していたのです。狭く競争的にではなく、広く具体的に評価してください。

人に実感させたいなら、人が行ってください。 有形報酬が内発的動機を損なった同じメタ分析で、肯定的フィードバックは内発的動機を高めましたが、証明書は有形報酬と見なされました。自動バッジと、モデレーターが「今週ここで最高の回答だった」と言うことは同じ製品機能ではなく、安価な方により良い証拠があります。

リーダーボードを運営するなら、立ち上げる前に下位半分について考えてください。 絶対順位ではなく相対的な位置を表示するか、オーナーがリーダーボードを非公開に切り替えられるようにするか、リセットされる短い期間に限定するかです。Circleのプライバシートグルは、私たちが見つけた中で最もクリーンな形です。Zealyのスプリントは短い期間の形です。

量を求めるなら、ポイントで十分であり、それ以上を期待すべきではありません。 それらは数量を増やします。人々がその作業をどう感じるかは変えないようです。

リテンションの約束でプラットフォームを買ってはいけません。 私たちが参照できた文献の中で、それを測定した人は誰もいません。リテンション率を提示するベンダーは、説明すべき独自データを持っているか、他のベンダーのブログから読み取ったかのどちらかです。

この記事が意図的にあなたのために決めない、隣接する2つの判断です。仕組みがアンバサダープログラム向けなら、設計上の制約は異なり、 暗号通貨アンバサダープログラムの運営方法 でそれらを扱っています。ゲーミフィケーションがレビューキューを生み出す場合——提出物を人間が読む必要があるタスクは必ずそうなります—— コミュニティタスクの委任方法 で、価格ページには決して現れない人員コストを扱っています。また、より広い市場参入の一環としてゲーミフィケーションを選ぶなら、私たちの web3マーケティングガイド で他のチャネルとそのコストと並べて説明しています。

私たちがあなたに残せる最も有用なものは、不確実性の形です。6つの仕組み、それらの間の実際のコミュニティRCTが1件、ペイウォールの向こうにあるリテンションの方向性が1件、そして主に学生に関する文献です。ここで確実性を売る人は、調べていません。