แพลตฟอร์มเกมมิฟิเคชันที่ดีที่สุดสำหรับคอมมูนิตี้ (2026)

คำตอบสั้น ๆ: งานวิจัยเกมมิฟิเคชันแทบไม่มีชิ้นใดวัดอัตราการรักษาผู้ใช้เลย ดังนั้นจึงไม่มีใครบอกคุณได้อย่างซื่อสัตย์ว่ากลไกใดทำให้สมาชิกอยู่ต่อ ข้อยกเว้นเดียวคืองานศึกษาสองชิ้นเกี่ยวกับ Wikipedia โดยผู้เขียนคู่เดียวกัน และผลแยกตามกลุ่มประชากร: แบดจ์ทำให้ผู้มีส่วนร่วมที่ผลิตผลงานมากที่สุดมีแนวโน้มเลิกน้อยลง ขณะที่งานศึกษาต่อมาพบว่าผู้ที่ไม่ได้ใช้งานหนักนักมีอัตราการรักษาผู้ใช้ต่ำลงเมื่อได้รับรางวัลแบบเดียวกัน นอกเหนือจากนั้น คะแนนและเลเวลเพิ่มปริมาณสิ่งที่คนทำโดยไม่เปลี่ยนความรู้สึกต่อสิ่งนั้น ลีดเดอร์บอร์ดมีการแข่งขันกันจริง และสตรีคเป็นกลไกที่มีหลักฐานรองรับน้อยที่สุดในบรรดาทั้งหมด เลือกแพลตฟอร์มตามพฤติกรรมที่คุณต้องการ — Discourse สำหรับสิทธิ์ที่ได้มาจากการทำภารกิจ Circle สำหรับลีดเดอร์บอร์ดแบบเลือกเปิดได้ Guild.xyz สำหรับการจำกัดสิทธิ์การเข้าถึง Zealy สำหรับงานนอกแพลตฟอร์มที่ผ่านการยืนยัน

การเปิดเผย: Zealy เผยแพร่หน้านี้ และ Zealy ขายหนึ่งในเครื่องมือที่กล่าวถึง นั่นคือเหตุผลที่ควรอ่านส่วนที่ระบุฟีเจอร์เกมมิฟิเคชันห้าอย่างที่ Zealy ไม่มี และสองจุดด้านล่างที่ Discourse และ Circle ทำได้ดีกว่าเรา

วิธีการ: ข้อความทั้งหมดเกี่ยวกับ Zealy ในที่นี้ดึงมาจากซอร์สโค้ดของ Zealy เองเมื่อวันที่ 17 สิงหาคม 2026 ไม่ใช่จากสื่อการตลาดหรือเอกสารของ Zealy ซึ่งเราเคยพบว่าผิดพลาดมาก่อน ข้อค้นพบจากงานวิจัยทั้งหมดอ้างอิงจากตัวบทความหรือบันทึกบทคัดย่อของผู้จัดพิมพ์เอง ในกรณีที่เราเข้าถึงได้เพียงบทคัดย่อ เราระบุไว้และไม่พิมพ์ขนาดตัวอย่างหรือขนาดผลกระทบจากบทคัดย่อนั้น ในกรณีที่เว็บไซต์ของผู้ขายปฏิเสธการเข้าถึง เราก็ระบุไว้เช่นกัน แทนที่จะอธิบายฟีเจอร์ที่เราไม่ได้เห็น

ตรวจสอบล่าสุด: 17 สิงหาคม 2026

คนทั่วไปหมายถึงอะไรเมื่อพูดถึงแพลตฟอร์มเกมมิฟิเคชัน

คำว่า "แพลตฟอร์มเกมมิฟิเคชัน" ครอบคลุมตลาดที่แตกต่างกันสามแห่ง ค้นหาคำนี้แล้วคุณจะได้เครื่องมือ e-learning ซอฟต์แวร์วัดผลพนักงาน และวิดเจ็ตแคมเปญการตลาด — Genially, Playable, SC Training, Centrical, Drimify แพลตฟอร์มสำหรับคอมมูนิตี้และเว็บ3 อย่าง Zealy, Galxe และ Layer3 ไม่ปรากฏในผลการค้นหาที่เราทำเมื่อวันที่ 17 สิงหาคม 2026

ดังนั้นหากคุณพิมพ์คำว่า "แพลตฟอร์มเกมมิฟิเคชัน" เพราะต้องการอะไรสักอย่างมาใส่คะแนนและลีดเดอร์บอร์ดใน Discord หรือฟอรัมของคุณ ผลลัพธ์เหล่านั้นไม่ได้ตอบโจทย์คุณ มันตอบโจทย์ผู้จัดการฝ่ายการเรียนรู้และพัฒนา (L&D) ที่อยากให้แบบทดสอบรู้สึกเหมือนเกมโชว์ หรือนักการตลาดที่อยากได้วงล้อหมุนรับรางวัลบนหน้าแลนดิ้งเพจ เหล่านั้นเป็นผลิตภัณฑ์จริงที่แก้ปัญหาจริง แต่ไม่ใช่ปัญหานี้

บทความนี้ตอบคำถามในเวอร์ชันที่เจาะจงกว่า — เกมมิฟิเคชันสำหรับคอมมูนิตี้ — และไม่ได้พยายามอ้างสิทธิ์คำหลัก ส่วนที่เหลือจัดเรียงตามกลไกมากกว่าตามผลิตภัณฑ์ เพราะกลไกคือส่วนที่ได้ผลหรือไม่ได้ผล และทุกแพลตฟอร์มด้านล่างล้วนเป็นการผสมผสานของกลไกทั้งหกแบบเดียวกัน

หากคำถามของคุณจริง ๆ คือ "ฉันควรใช้ซอฟต์แวร์ตัวไหนในการดำเนินคอมมูนิตี้" นั่นเป็นการตัดสินใจที่แตกต่างและกว้างกว่า และ การสำรวจซอฟต์แวร์จัดการคอมมูนิตี้ ของเราครอบคลุมงานที่ไม่เกี่ยวข้องกันห้าประเภทที่ซ่อนอยู่ข้างใน พร้อมราคา

งานวิจัยเกมมิฟิเคชันวัดอะไรจริง ๆ — และไม่อะไร

งานวิจัยเกมมิฟิเคชันแทบไม่มีชิ้นใดวัดอัตราการรักษาผู้ใช้เลย เราใช้ grep ค้นคำว่า retention, churn, attrition และ dropout ในงานวิเคราะห์อภิมานสามชิ้นในบททบทวนของเรา และไม่พบคำเหล่านี้เลย มีการวัดในสถานที่เดียวเป็นหลัก — Wikipedia โดยผู้เขียนคู่เดียว สองครั้ง — โดยผลแยกตามกลุ่มประชากร งานวิจัยส่วนใหญ่วัดแรงจูงใจ ปริมาณผลงาน และผลลัพธ์การเรียนรู้แทน

เรื่องนี้ควรค่าแก่การคิดทบทวน เพราะมันตรงข้ามกับสิ่งที่การตลาดของหมวดหมู่นี้พูด "เกมมิฟิเคชันเพิ่มอัตราการรักษาผู้ใช้ได้ X%" เป็นประโยคที่คุณหาเจอได้ในหน้าเว็บของผู้ขายหลายสิบราย เราไม่สามารถหาที่มาของตัวเลขเช่นนั้นได้แม้แต่ตัวเดียว และเราจะไม่แต่งขึ้นมา

นี่คือสิ่งที่งานวิจัยวัดได้ และวัดที่ไหน

การเรียนรู้และแรงจูงใจ ในบริบทการศึกษา งานวิเคราะห์อภิมานของ Sailer และ Homner ปี 2020 ใน Educational Psychology Review รายงานว่า "ผลกระทบขนาดเล็กที่มีนัยสำคัญ … ต่อผลลัพธ์การเรียนรู้ด้านพุทธิปัญญา (g = .49 …, k = 19, N = 1686) ด้านแรงจูงใจ (g = .36 …, k = 16, N = 2246) และด้านพฤติกรรม (g = .25 …, k = 9, N = 951)" มีข้อควรระวังสองประการกำกับอยู่: นี่คือบริบทการศึกษา และผู้เขียนเองระบุว่าผลกระทบด้านแรงจูงใจและพฤติกรรม "มีความเสถียรน้อยกว่า" ภายใต้การแบ่งกลุ่มย่อยที่เข้มงวดกว่า นี่ไม่ใช่ใบอนุญาตให้พูดว่า "เกมมิฟิเคชันได้ผล"

การตอบสนองความต้องการทางจิตใจ ในบริบทการศึกษาเช่นกัน งานวิเคราะห์อภิมานของ Li, Hew และ Du ปี 2024 ใน ETR&D รายงานค่า g โดยรวมที่ 0.257 [0.043, 0.471] โดยด้านความเป็นอิสระอยู่ที่ 0.638 [0.139, 1.136] และด้านความสัมพันธ์อยู่ที่ 1.776 [0.737, 2.814] ช่วงความเชื่อมั่นของความสัมพันธ์นั้นกว้างมาก — ตัวเลขเดี่ยว ๆ โดยไม่มีช่วงความเชื่อมั่นจะทำให้เข้าใจผิด ซึ่งเป็นเหตุผลที่พิมพ์ทั้งสองค่า ด้านความสามารถอยู่ที่ 0.277 [0.001, 0.553] โดยขอบเขตล่างเกือบเป็นศูนย์

ปริมาณผลงาน ในห้องทดลอง การทดลองออนไลน์หลายชิ้นวัดปริมาณงานที่ผู้คนผลิตได้ โดยทั่วไปพบว่าผลิตได้มากขึ้น และไม่มีการเปลี่ยนแปลงในความรู้สึกของผู้คน

แรงจูงใจภายใน ในห้องทดลอง งานวิเคราะห์อภิมานของ Deci, Koestner และ Ryan ปี 1999 ใน Psychological Bulletin เป็นรากฐานของทุกข้อโต้แย้งที่ว่า "รางวัลจากภายนอกได้ผลตรงกันข้าม" รายละเอียดตัวเลขจริงอยู่ด้านล่าง เพราะมักถูกอ้างผิดบ่อยครั้ง

อัตราการรักษาผู้ใช้: สองงานศึกษา หนึ่งแพลตฟอร์ม กลุ่มประชากรตรงข้ามกัน Restivo และ van de Rijt วัดผลนี้สองครั้งบน Wikipedia การทดลองแบบสุ่มในปี 2012 ของพวกเขารายงานว่าผู้รับ barnstar "แสดงผลผลิตที่ยั่งยืนกว่าและมีแนวโน้มน้อยกว่าที่จะเลิกมีส่วนร่วม" — แต่กลุ่มตัวอย่างคือ 1% แรกของผู้แก้ไข การติดตามผลในปี 2014 ของพวกเขา ซึ่งครอบคลุมผู้แก้ไขที่มีผลผลิตหลากหลาย รายงานว่ารางวัล "มีความสัมพันธ์กับการรักษาผู้มีส่วนร่วมที่กระตือรือร้นน้อยลงในระดับที่ต่ำกว่า" บทความปี 2014 ต้องจ่ายเงินจึงจะเข้าถึงได้ เราจึงพิมพ์เพียงทิศทางของผลและไม่พิมพ์อย่างอื่น สองข้อค้นพบ หนึ่งแพลตฟอร์ม ผู้เขียนคู่เดียว: นั่นคือฐานหลักฐานเรื่องการรักษาคนทั้งหมดสำหรับบทความนี้ และมันบอกว่าการยอมรับผลงานช่วยรักษาคนเก่งที่สุดของคุณไว้ และอาจทำให้คุณเสียคนอื่นไปทั้งหมด

ข้อควรระวังเรื่องการนำไปใช้ทั่วไป กล่าวอย่างตรงไปตรงมา งานวิจัยส่วนใหญ่อยู่ในสาขาจิตวิทยาการศึกษาและจิตวิทยาห้องปฏิบัติการ มีงานศึกษาเพียงไม่กี่ชิ้นที่อยู่ในบริบทใกล้เคียงชุมชนออนไลน์ — การทดลองบน Wikipedia การทดลอง crowdsourcing การวิเคราะห์ Stack Overflow การศึกษาฟอรัม Duolingo — และหนึ่งในนั้นชี้ไปในทิศทางตรงข้ามกับงานในห้องเรียน Sailer และ Homner ยังพบว่าบริบทเป็นตัวแปรกำกับผลลัพธ์ ภายใน วรรณกรรมด้านการศึกษา สำหรับผลลัพธ์ทางปัญญา: "ผลที่พบในบริบทโรงเรียนมีขนาดใหญ่กว่าอย่างมีนัยสำคัญเมื่อเทียบกับผลที่พบในบริบทอุดมศึกษาหรือบริบทการศึกษานอกระบบ" ตัวแปรกำกับนั้นไม่มีนัยสำคัญสำหรับผลลัพธ์ด้านแรงจูงใจหรือพฤติกรรม ดังนั้นอย่าขยายความเกินกว่าที่พวกเขาทำ — แต่ถ้าช่องว่างระหว่างโรงเรียนกับมหาวิทยาลัยปรากฏขึ้นเลย การสมมติว่าการถ่ายโอนจากโรงเรียนไปสู่ Discord จะคงอยู่ก็ไม่มีหลักฐานรองรับ

อ่านตัวเลขทุกตัวด้านล่างโดยคำนึงถึงสิ่งนั้น

คะแนนและ XP: หลักฐานสำหรับปริมาณ ไม่ใช่แรงจูงใจ

คะแนนและ XP มีหลักฐานพอสมควรสำหรับสิ่งหนึ่ง: มันเพิ่มปริมาณสิ่งที่ผู้คนทำ ในการทดลองติดป้ายภาพออนไลน์ Mekler และคณะพบว่าคะแนน ระดับ และลีดเดอร์บอร์ดทำให้เกิดแท็กมากขึ้นอย่างมีนัยสำคัญ และอธิบายองค์ประกอบเหล่านี้ว่ามีประสิทธิผลเฉพาะในการส่งเสริมปริมาณผลงานเท่านั้น แรงจูงใจเองไม่เปลี่ยนแปลง

ถ้อยคำของพวกเขาควรยกมาอ้างตรงตัว: "คะแนน และโดยเฉพาะระดับและลีดเดอร์บอร์ดนำไปสู่จำนวนแท็กที่สร้างขึ้นสูงขึ้นอย่างมีนัยสำคัญ … มีประสิทธิผลเฉพาะในการส่งเสริมปริมาณผลงาน" เราเข้าถึงข้อค้นพบนั้นผ่านบันทึกบทคัดย่อของผู้จัดพิมพ์ ไม่ใช่ฉบับเต็ม จึงไม่มีขนาดกลุ่มตัวอย่างหรือขนาดผลปรากฏที่นี่ ให้ถือว่างานศึกษาในปี 2013 และ 2017 ของกลุ่มนี้เป็นผลลัพธ์เดียวจากห้องแล็บเดียวบนงานประเภทเดียว

สรุปอย่างซื่อตรงคือ "ปริมาณ ไม่ใช่คุณภาพ ไม่ใช่แรงจูงใจ" นั่นยังมีประโยชน์ ถ้าสิ่งที่คุณต้องการคือปริมาณ — การส่งผลงานมากขึ้น การแปลมากขึ้น รายงานการทดสอบมากขึ้น — คะแนนคือเครื่องมือที่ป้องกันได้และมีหลักฐานจริงรองรับ ถ้าสิ่งที่คุณต้องการคือผู้คนที่ใส่ใจมากขึ้น คะแนนไม่ใช่คันโยกที่มีหลักฐานรองรับ และไม่ควรมีใครขายมันให้คุณในฐานะนั้น

มีข้อค้นพบที่สองซึ่งจำกัดวิธีที่คุณใช้มัน Deci, Koestner และ Ryan พบว่า "รางวัลที่ขึ้นกับความมีส่วนร่วม รางวัลที่ขึ้นกับความสำเร็จ และรางวัลที่ขึ้นกับผลงาน บั่นทอนแรงจูงใจภายในจากการเลือกอย่างอิสระอย่างมีนัยสำคัญ (d = -0.40, -0.36 และ -0.28)" ค่า −0.40 นั้นคือตัวเลขที่ทุกคนอ้าง และการอ้างเพียงตัวเดียวนั้นคือการนำไปใช้ผิดแบบคลาสสิก: มันเป็นเพียงกลุ่มย่อยกลุ่มเดียว ตัวเลขภาพรวมจากการเลือกอย่างอิสระในบทความเดียวกันคือ "ขนาดผลรวมคือ d = -0.24" และสำหรับความสนใจที่รายงานด้วยตนเองคือ "d = 0.04 … รางวัลไม่ได้ส่งผลต่อความสนใจที่รายงานด้วยตนเองอย่างมีนัยสำคัญ" แม้แต่นั้นก็ยังมีข้อจำกัดขอบเขตที่ผู้เขียนระบุเอง — งานศึกษาของพวกเขา "ทั้งหมดทำในห้องปฏิบัติการหรือในสภาวะที่ควบคุมอย่างเข้มงวดคล้ายห้องปฏิบัติการ" โดยไม่รวมงานภาคสนาม มันเป็นวรรณกรรมห้องแล็บเกี่ยวกับงานระยะสั้น ไม่ใช่ข้อค้นพบเกี่ยวกับชุมชนของคุณ

ระดับ: ช่องว่างที่กว้างที่สุดระหว่างการนำไปใช้กับหลักฐาน

ระดับคือกลไกที่มีช่องว่างกว้างที่สุดระหว่างจำนวนซอฟต์แวร์ที่ส่งมอบมันกับจำนวนหลักฐานที่รองรับ การทดลองติดป้ายภาพของ Mekler และคณะให้เครดิตระดับ เช่นเดียวกับคะแนน ว่าเพิ่มปริมาณผลผลิต นอกเหนือจากนั้น เราไม่พบงานศึกษาที่แยกระดับออกมา และไม่พบงานที่วัดว่าการไปถึงระดับหนึ่งช่วยให้ใครอยู่ต่อหรือไม่

แทบทุกแพลตฟอร์มในบทความนี้มีระดับ MEE6 มีปลั๊กอิน Levels, Tatsu ให้ระดับกับสมาชิกในทุกเซิร์ฟเวอร์ที่มันทำงาน, Carl-bot ขายระดับให้ Patrons ของมัน, Layer3 กล่าวว่า "XP ขับเคลื่อน Level ของคุณ ตำแหน่งของคุณบน Leaderboard" และ Zealy คำนวณระดับจาก XP ทุกครั้งที่อ่าน กลไกนี้เกือบเป็นสากล และหลักฐานสำหรับมันคือการทดลองในห้องแล็บหนึ่งครั้งเกี่ยวกับการติดป้ายภาพ

นั่นไม่ได้ทำให้ระดับเป็นละครเวที แต่มันทำให้ระดับเป็นสมมติฐาน คำถามที่น่าสนใจคือระดับ ทำ อะไรเมื่อคุณไปถึงมัน และสำหรับการนำไปใช้ส่วนใหญ่ คำตอบที่ซื่อตรงคือ "เปลี่ยนตัวเลขข้างชื่อของคุณ" เมื่อระดับปลดล็อกความสามารถ — สิทธิ์ พื้นที่ สิทธิ — คุณไม่ได้ทดสอบระดับอีกต่อไป คุณกำลังทดสอบว่าความสามารถนั้นคุ้มค่าที่จะอยากได้หรือไม่ ระดับความไว้วางใจของ Discourse คือตัวอย่างที่แข็งแกร่งที่สุดในบทความนี้ และจะกล่าวถึงด้านล่าง

ลีดเดอร์บอร์ด: เป็นที่ถกเถียง และทิศทางขึ้นอยู่กับบริบท

ลีดเดอร์บอร์ดเป็นที่ถกเถียง และทิศทางของผลขึ้นอยู่กับบริบท การศึกษาในห้องเรียนพบว่านักเรียนที่อยู่ล่างสุดของลีดเดอร์บอร์ดแบบสัมบูรณ์รายงานแรงจูงใจต่ำกว่าผู้ที่อยู่บนสุด — แต่ไม่มีความแตกต่างด้านการมีส่วนร่วมหรือการเรียนรู้ การทดลอง crowdsourcing กลับพบว่าอันดับต่ำทำให้ความพยายามเข้มข้นขึ้น

การศึกษาในห้องเรียนคือ Bai, Hew, Sailer และ Jia, 2021, ใน Computers & Education. การทดลองกึ่งทดลองสองครั้ง n = 24 และ n = 26 ที่สถาบันเดียว โดยมีผู้เข้าร่วมระดับบัณฑิตศึกษาที่เป็นผู้หญิงเกือบทั้งหมด บนกระดานอันดับแบบสัมบูรณ์ ความแตกต่างของแรงจูงใจระหว่างกลุ่มบนสุดและล่างสุดหนึ่งในสามหลังการทดลองมีนัยสำคัญ (U = 11, p = .028) บนกระดานอันดับแบบสัมพัทธ์ที่แสดงเพียงห้าตำแหน่งข้างเคียง "ไม่พบความแปรปรวนที่มีนัยสำคัญในหมู่นักศึกษาที่สามระดับตำแหน่ง"

ตอนนี้คือส่วนที่มักถูกตัดออกเมื่อมีการอ้างอิงงานศึกษานี้ และมันตัดได้ทั้งสองทาง บนกระดานอันดับ แบบสัมบูรณ์ ช่องว่างของแรงจูงใจมาพร้อมกับ ความไม่แตกต่างในการมีส่วนร่วมในรายวิชา (F(2,17) = 0.55, p = .59) — ดังนั้น "คนที่อยู่ล่างรายงานว่าสนุกน้อยกว่า" ได้รับการสนับสนุน ขณะที่ "คนที่อยู่ล่างถอนตัว" ไม่ได้รับการสนับสนุน และการถอนตัวคือข้ออ้างที่ทุกคนพูดซ้ำจริง ๆ แต่บนกระดานอันดับ แบบสัมพัทธ์ ซึ่งแรงจูงใจและการมีส่วนร่วมเท่ากันในทุกระดับตำแหน่ง หนึ่งในสามล่างยังคง ได้คะแนนต่ำกว่าอย่างมีนัยสำคัญในการทดสอบหลังเรียน (M = 68.75 เทียบกับ 91.07 ของหนึ่งในสามบน, F(2,23) = 8.71, p = .002) — ซึ่งผู้เขียนรายงานว่าสนับสนุนสมมติฐานของพวกเขาว่าผู้เรียนที่ถูกจัดอันดับต่ำบนกระดานอันดับแบบสัมพัทธ์มีผลการเรียนแย่กว่า เมื่ออ่านรวมกัน: การซ่อนอันดับที่แน่นอนปกป้องความรู้สึกของผู้คนและไม่ได้ปกป้องสิ่งที่พวกเขาทำสำเร็จ

ตรงกันข้ามคือการทดลอง crowdsourcing ของ Na และ Han ในปี 2023 ใน Internet Researchซึ่งจัดการอันดับตลอดห้ารอบและพบว่า "อันดับสูง … ก่อให้เกิดพฤติกรรมประมาท … ขณะที่อันดับต่ำนำให้ผู้เข้าร่วมยึดกระบวนการที่ถูกต้องของงานพร้อมแรงจูงใจที่เข้มข้นขึ้นรอบแล้วรอบเล่า" เราเข้าถึงสิ่งนี้ผ่านบทคัดย่อของผู้จัดพิมพ์ จึงไม่ปรากฏขนาดตัวอย่าง ผู้เขียนเพิ่มบรรทัดที่มักถูกตัดออกไปด้วย: "แรงจูงใจทั้งสองดูเหมือนจะไม่ใช่ธรรมชาติภายใน" และเพื่อความเป็นธรรม มันเป็นงานติดแท็กรูปภาพอีกงานหนึ่ง — ข้อโต้แย้งเดียวกันกับที่เรายกขึ้นต่องานศึกษาเรื่องคะแนนข้างต้นใช้ได้ที่นี่เช่นกัน มันเป็นงานศึกษาในชุดนี้ที่ใกล้เคียงกับชุมชนออนไลน์มากที่สุด และมันชี้ไปทางตรงกันข้าม

ผลเชิงปฏิบัติสองประการ และประการแรกมาพร้อมข้อแม้ หากคุณกังวลเกี่ยวกับส่วนล่างของกระดานอันดับ การบรรเทาที่มีอยู่คือการแสดงตำแหน่งแบบสัมพัทธ์แทนอันดับแบบสัมบูรณ์ หรือปล่อยให้เจ้าของชุมชนสลับกระดานอันดับเป็นส่วนตัว ซึ่งเป็นสิ่งที่ Circle เสนอจริง การจัดอันดับแบบสัมพัทธ์มีหลักฐานรองรับดีกว่าทั้งสองในแง่ความรู้สึกของผู้คน — แต่ในงานศึกษาเดียวกันมันไม่ได้หยุดหนึ่งในสามล่างจากการมีผลงานต่ำกว่า ดังนั้นจงถือว่ามันปกป้องขวัญกำลังใจมากกว่าผลลัพธ์ Circle เป็นแพลตฟอร์มเดียวที่เราตรวจสอบซึ่งมีสวิตช์กระดานอันดับส่วนตัว ประการที่สอง กระดานอันดับที่จำกัดขอบเขตในช่วงเวลาสั้นแทนที่จะเป็นตลอดกาลเปลี่ยนว่าใครอยู่ล่าง เพราะมันรีเซ็ตข้อได้เปรียบสะสมของใครก็ตามที่มาถึงก่อน

เหรียญตราและการยอมรับ: หลักฐานจากชุมชนที่ดีที่สุด และน่าอึดอัดที่สุด

เหรียญตรามีหลักฐานจากชุมชนที่ดีที่สุดในบรรดากลไกทั้งหมดที่นี่ และน่าอึดอัดที่สุดเช่นกัน การทดลองแบบสุ่มบน Wikipedia พบว่าการมอบดาว barnstar ช่วยเพิ่มผลิตภาพได้ 60% ในกลุ่มบรรณาธิการที่กระตือรือร้นสูง ผู้เขียนชุดเดียวกันในการศึกษาติดตามผลพบว่ารางวัลเหล่านี้สัมพันธ์กับอัตราการคงอยู่ที่ต่ำลงในกลุ่มผู้มีส่วนร่วมที่กระตือรือร้นน้อย

การศึกษาของ Restivo และ van de Rijt ในปี 2012 ใน PLoS ONE ศึกษา เป็นการทดลองแบบสุ่มที่มีกลุ่มควบคุมอย่างเหมาะสม: ตัวอย่างสุ่มจำนวน 200 รายที่ดึงมาจาก 1% แรก จากบรรณาธิการ 144,120 คน แบ่งเป็นกลุ่มทดลอง 100 คนและกลุ่มควบคุม 100 คน วัดผลตลอด 90 วัน รายงานว่า "การได้รับ barnstar ช่วยเพิ่มผลิตภาพได้ 60%" โปรดสังเกตประชากรที่ศึกษา และสังเกตว่าบทความนี้รายงานเรื่องการคงอยู่ด้วยเช่นกัน ผู้รับ "มีแนวโน้มที่จะเลิกมีส่วนร่วมน้อยลง" นี่คือหลักฐานว่าการยอมรับผู้มีส่วนร่วมที่กระตือรือร้นที่สุดทำให้พวกเขากระตือรือร้นมากขึ้น ไม่ใช่หลักฐานเกี่ยวกับคนอื่น และผลลัพธ์หลักคือจำนวนการแก้ไข โดยผลการคงอยู่ข้างต้นอยู่เคียงข้างกัน

งานติดตามผลปี 2014 ของพวกเขาขยายการออกแบบไปยังระดับผลิตภาพต่างๆ และพบว่า "รางวัลให้ผลเพิ่มขึ้นในการทำงานเฉพาะในบรรณาธิการที่มีผลิตภาพสูงอยู่แล้ว … รางวัลสัมพันธ์กับการคงอยู่ที่ต่ำลงของผู้มีส่วนร่วมที่กระตือรือร้นน้อยกว่า" ต้องเสียเงินจึงอ่านได้ จึงระบุได้เพียงทิศทางเท่านั้น นี่เป็นทั้งหลักฐานที่ดีที่สุดในบทความนี้ว่าการยอมรับสามารถลดแรงจูงใจของคนชายขอบ และเป็นผลการคงอยู่ที่ชี้ไปในทางตรงกันข้าม

บทความ WWW ปี 2013 ของ Anderson, Huttenlocher, Kleinberg และ Leskovec บน Stack Overflow เสริมกลไก: "ป้ายของพวกเขาชี้นำพฤติกรรมในลักษณะที่สอดคล้องอย่างใกล้ชิดกับคำทำนายของแบบจำลองของเรา" — ผู้ใช้เร่งความเร็วเมื่อเข้าใกล้เกณฑ์ แล้วผ่อนลงหลังจากข้ามเกณฑ์นั้น นี่เป็นการสังเกต และการชี้นำไม่ใช่การคงอยู่ อย่าให้ใครตีความให้เป็นอย่างอื่น

อีกสิ่งหนึ่งที่ควรรู้ก่อนคุณจะหยิบป้ายมาใช้เป็นทางเลือก "ปลอดภัย" แทนคะแนน โครงการเข้ารหัสของ Deci, Koestner และ Ryan ระบุชัดเจนว่า "รางวัลเชิงสัญลักษณ์ เช่น 'ใบรับรองผู้เล่นที่ดี' ถูกนับเป็นรางวัลที่จับต้องได้" คำโฆษณาที่ว่าป้ายหลีกเลี่ยงปัญหารางวัลภายนอกได้เพราะไม่ใช่เงิน ไม่ผ่านการเผชิญหน้ากับบทความที่นิยามปัญหานี้

ความแตกต่างที่ยังคงอยู่คือระหว่างรางวัลกับคำชม การวิเคราะห์อภิมานเดียวกันพบว่าคำติชมไปในทางตรงกันข้าม: "ค่า d รวม = 0.33 … บ่งชี้ว่าคำติชมช่วยเสริมแรงจูงใจภายใน" เพิ่มขึ้นเป็น 0.43 สำหรับนักศึกษา การยอมรับจากบุคคลไม่ใช่สิ่งเร้าเดียวกับไอคอนที่มอบให้อัตโนมัติ และหลักฐานปฏิบัติต่อสองสิ่งนี้ต่างกัน หากคุณจะเลือกการตัดสินใจออกแบบเพียงหนึ่งอย่างจากบทความนี้ จงเลือกข้อนี้

สตรีค: หลักฐานที่บางที่สุดในบรรดากลไกทั้งหมดในที่นี้

Streaks เป็นกลไกที่มีหลักฐานน้อยที่สุดในการทบทวนทั้งหมดนี้ เราไม่พบขนาดผลกระทบของมันในแหล่งข้อมูลใดที่เราเข้าถึงได้ สิ่งที่มีอยู่คือข้อมูลเชิงคุณภาพ: บทสัมภาษณ์นักวิ่งสมัครเล่นที่บรรยายถึงความเศร้า ความโกรธ และความผิดหวังเมื่อ streak ขาด และการศึกษาของ Duolingo ที่บรรยายถึงการใช้ gamification ในทางที่ผิด ซึ่งผู้ใช้หมกมุ่นกับกลไกนี้และเสียสมาธิจากการเรียนรู้

Ingalls และคณะ ปี 2026 PLoS One ศึกษา สัมภาษณ์นักวิ่งสมัครเล่นเกี่ยวกับการขาดช่วงของ streak การวิ่ง และรายงานว่า "ความรู้สึกเศร้า โกรธ ผิดหวัง และโล่งใจ" บรรยายถึง "กระบวนการโศกเศร้า" และระบุว่า "นักวิ่งบางคนรู้สึกถึงความไม่สะดวกที่เกี่ยวข้องกับ streak และวิ่งทั้งที่บาดเจ็บเพื่อยืด streak ต่อไป" พวกเขายังรายงานว่า "ไม่มีการรายงานผลกระทบเชิงลบในระยะยาว" นั่นคือการวิ่ง ไม่ใช่ซอฟต์แวร์ และเป็นการยกตัวอย่างกลไกมากกว่าสถิติ — ไม่มีขนาดผลกระทบให้อ้างอิง

บทความ ACM Learning at Scale ปี 2022 ของ Hadi Mogavi และคณะ ตรวจสอบการสนทนาในฟอรัม Duolingo และบทสัมภาษณ์ และระบุรูปแบบความล้มเหลวว่า "การใช้ gamification ในทางที่ผิด … เกิดขึ้นเมื่อผู้ใช้หมกมุ่นกับ gamification มากเกินไปและเสียสมาธิจากการเรียนรู้" ก่อให้เกิด "การแข่งขัน การหมกมุ่นกับความสนุกเกินไป และพฤติกรรมตามกลุ่ม" เป็นข้อมูลเชิงคุณภาพ และอ่านจาก preprint บน arXiv

ดังนั้นสตรีคคือกลไกที่มีชื่อเสียงในหมู่คนมากที่สุดแต่มีหลักฐานเป็นลายลักษณ์อักษรน้อยที่สุด มันส่งผลต่อผู้คนอย่างชัดเจน — บทสัมภาษณ์ที่ทำไปเรื่อยๆ นั้นชัดเจนในเรื่องนี้ สิ่งที่ยังไม่มีใครแสดงให้เราเห็นคือผลลัพธ์นั้นดีต่อชุมชนที่ดำเนินการอยู่ หรือมันจะอยู่รอดในวันที่สมาชิกขาดหายไป

รางวัลแบบสุ่ม การจับรางวัล และกล่องสุ่ม: การถ่ายทอดที่อ่อนแอที่สุดในบทความนี้

รางวัลแบบสุ่มคือจุดที่หลักฐานอ่อนแอที่สุดและประเด็นจริยธรรมดังที่สุด วรรณกรรมเกี่ยวกับกล่องสุ่มเชื่อมโยงการใช้จ่ายกับความรุนแรงของการพนันที่มีปัญหา แต่ผู้เขียนเองก็บอกว่าทิศทางของความเป็นเหตุเป็นผลยังไม่ชัดเจน กล่องสุ่มเกี่ยวข้องกับเงินจริง การจับรางวัลฟรีด้วย XP จากเควสต์ไม่เกี่ยวข้อง ดังนั้นการถ่ายทอดจึงอ่อนแอ

Zendle และ Cairns ปี 2018 PLoS ONE งานศึกษา รายงานว่า "n = 7,422 … เชื่อมโยง (η² = 0.054) ระหว่างจำนวนเงินที่เกมเมอร์ใช้จ่ายกับกล่องสุ่มและความรุนแรงของการพนันที่มีปัญหาของพวกเขา" ข้อแม้ของพวกเขาเองคือส่วนสำคัญ: "ยังไม่ชัดเจน … ว่าการซื้อกล่องสุ่มทำหน้าที่เป็นประตูสู่การพนันที่มีปัญหา หรือการใช้จ่ายจำนวนมาก … ดึงดูดนักพนันที่มีปัญหามากกว่า" ไม่มีใครควรเขียนว่า "กล่องสุ่มทำให้เกิดปัญหาการพนัน" รวมถึงเรา งานศึกษาเป็นแบบตัดขวางและเลือกเอง ผู้เขียนเรียก η² = 0.054 ว่า "เล็กถึงปานกลาง" และกล่าว plainly ว่า "นี่ไม่ใช่ความสัมพันธ์ที่อ่อนแอหรือไม่สำคัญ" ดังนั้นเราจะไม่จัดมันไว้ในหมวดที่ไม่มีนัยสำคัญเช่นกัน

เราตั้งใจชี้ให้เห็นว่าสิ่งนี้เป็นการเชื่อมโยงที่อ่อนที่สุดในบทความ กล่องสุ่มถูกลื้อด้วยบัตรเครดิต การจับรางวัลด้วย XP ที่สมาชิกหามาได้ฟรีเป็นการกระตุ้นที่แตกต่างกันและมีความเสี่ยงต่างกัน การถือว่าทั้งสองอย่างเทียบเท่ากันจะเป็นการมักง่ายทั้งในทางที่เป็นผลดีและผลเสียต่อเรา

มีข้อค้นพบหนึ่งในวรรณกรรมเรื่องรางวัลที่สนับสนุนความประหลาดใจเหนือการประกาศอย่างแท้จริง Deci, Koestner และ Ryan รายงานว่าสำหรับรางวัลที่จับต้องได้และไม่คาดคิด "ค่าเฉลี่ย d = 0.01 … รางวัลที่จับต้องได้และไม่คาดคิดไม่ส่งผลต่อพฤติกรรมเลือกอิสระ" รางวัลที่ประกาศไว้และผูกเงื่อนไขบั่นทอนแรงจูงใจในการเลือกอิสระในวรรณกรรมนั้น ส่วนรางวัลที่ไม่คาดคิดไม่เป็นเช่นนั้น ค่า k ในที่นี้มีขนาดเล็ก ดังนั้นนี่จึงเป็นข้อโต้แย้งเชิงกลไกมากกว่าผลลัพธ์ที่หนักแน่น — แต่มันเป็นเหตุผลที่ดีที่สุดที่มีอยู่สำหรับการมอบรางวัลแบบเซอร์ไพรส์แทนการติดป้ายประกาศรางวัล

Arkada ระบุคุณสมบัติที่เน้นเรื่องโอกาสมากที่สุดในบรรดาแพลตฟอร์มที่เราตรวจสอบ — "Wheel of Fortune" และ "Pyramids" ปรากฏในเอกสารคุณสมบัติหลักของแพลตฟอร์มพร้อมกับผลิตภัณฑ์เควสต์ เราไม่พบหน้าสดของทั้งสองอย่าง ดังนั้นเราจึงบอกได้เพียงว่า Arkada โฆษณาสิ่งเหล่านี้ไว้ แต่บอกไม่ได้ว่ามันทำงานอย่างไร หากคุณกำลังประเมิน Arkada ให้ประเมินสองสิ่งนี้โดยเฉพาะและขอชมการทำงานจริง

สองสิ่งที่บทความเกมมิฟิเคชันทุกชิ้นพูดถึงซึ่งไม่ผ่านการตรวจสอบ

มีข้อกล่าวอ้างสองข้อที่ปรากฏในบทความเกมมิฟิเคชันเกือบทุกชิ้นในฐานะข้อเท็จจริงที่ยุติแล้ว และทั้งสองข้อก็ไม่ผ่านการตรวจสอบ "เกมมิฟิเคชันจางหายไปตามความแปลกใหม่" ขัดกับเมตาอะนาไลซิสที่หนักแน่นที่สุดที่เราอ่าน ซึ่งตัวแปรปรับระยะเวลาพบผลกระทบต่อแรงจูงใจที่ใหญ่กว่าในการแทรกแซงที่ยาวนานกว่า "ลีดเดอร์บอร์ดทำให้คนล่างสุดหมดกำลังใจ" ตั้งอยู่บนตัวอย่างในห้องเรียนขนาดเล็ก และถูกโต้แย้งในด้านความพยายามโดยการศึกษาที่ใกล้เคียงกับชุมชนมากที่สุด

ข้อกล่าวอ้างที่หนึ่ง: มันจางหายเพราะมันใหม่ ตัวแปรปรับระยะเวลาของ Sailer และ Homner กลับให้ผลตรงกันข้าม การแทรกแซงที่ยาวนานถึงครึ่งปีแสดงผลกระทบต่อแรงจูงใจที่ ใหญ่กว่า การแทรกแซงแบบหนึ่งวัน (Q(1) = 4.93, p < .05) และผู้เขียนเขียนว่าผลลัพธ์ของพวกเขา "สามารถบรรเทาความกังวลว่าผลกระทบของเกมมิฟิเคชันอาจไม่คงอยู่ในระยะยาว" ข้อความฉบับเต็มของพวกเขากล่าวถึง "ความแปลกใหม่" เพียงครั้งเดียว โดยถอดความจากบทวิจารณ์ของผู้อื่น

ขอความเป็นธรรมต่ออีกฝ่าย ตัวแปรปรับนั้นเป็น ระหว่างการศึกษาไม่ใช่ภายในบุคคล — มันเปรียบเทียบการศึกษาต่างๆ ที่มีความยาวต่างกัน ไม่ใช่คนกลุ่มเดียวกันเมื่อเวลาผ่านไป — และกลุ่มที่ยาวนานที่สุดมีข้อมูลเบาบาง และมีแบบสำรวจที่ชี้ไปทางตรงกันข้าม: การศึกษาปี 2014 ของ Koivisto และ Hamari เกี่ยวกับผู้ใช้ Fitocracy ใน Computers in Human Behavior พบว่า "ความเพลิดเพลินและการมีประโยชน์ที่รับรู้ได้ของเกมมิฟิเคชันลดลงตามการใช้งาน ซึ่งบ่งชี้ว่าผู้ใช้อาจประสบกับผลของความแปลกใหม่" การศึกษานั้นเป็นการศึกษาแบบตัดขวาง ซึ่งหมายความว่าไม่สามารถยืนยันการเสื่อมถอยภายในบุคคลได้เช่นกัน และเป็นการศึกษาเรื่องฟิตเนสไม่ใช่ชุมชน

ดังนั้นข้อความที่ถูกต้องคือ: ข้อกล่าวอ้างเรื่อง novelty-decay นั้นเป็นที่โต้แย้ง หลักฐานที่มีกำลังทางสถิติดีกว่าชี้ไปในทางตรงกันข้าม และใครก็ตามที่ยืนยันว่าเป็นข้อเท็จจริงยังไม่ได้อ่าน moderator ด้วยความยุติธรรม เราควรกล่าวด้วยว่า Hamari — ซึ่งบทวิจารณ์ปี 2014 ของเธอที่เราอ้างอิงต่อไปด้านล่างสำหรับประโยคที่ตรงไปตรงมาที่สุด — อยู่ฝั่งตรงข้ามในประเด็นนี้ และ Sailer กับ Homner ระบุว่าบทวิจารณ์นั้นเป็นหนึ่งในงานที่ข้อค้นพบเรื่องระยะเวลาของพวกเขาขัดแย้งด้วย

ข้อกล่าวอ้างที่สอง: ลีดเดอร์บอร์ดบดขยี้คนท้ายตาราง กล่าวถึงข้างต้นแล้ว มีหลักฐานสนับสนุนสำหรับแรงจูงใจที่รายงานตนเอง ในกลุ่มตัวอย่างห้องเรียนขนาดเล็ก หลังการทดลองเท่านั้น และไม่มีผลต่อการมีส่วนร่วม — แต่ในลีดเดอร์บอร์ดแบบสัมพัทธ์ในบทความเดียวกัน หนึ่งในสามอันดับล่างทำคะแนนได้แย่กว่าจริง มีหลักฐานขัดแย้งในเรื่องความพยายามจากการทดลองแบบ crowdsourcing ที่อันดับต่ำกระตุ้นให้เพิ่มความพยายามในแต่ละรอบ "เป็นที่โต้แย้ง" คือคำที่ซื่อสัตย์ "ยุติแล้ว" ไม่ใช่

ควรเพิ่มการแก้ไขที่สามซึ่งเงียบกว่า บทวิจารณ์ HICSS ปี 2014 ของ Hamari, Koivisto และ Sarsa เกี่ยวกับวรรณกรรมเชิงประจักษ์ตรงไปตรงมากกว่าการตลาดของวงการ: "มีเพียงสองการศึกษาเท่านั้นที่พบว่าการทดสอบทั้งหมดเป็นบวก" และการศึกษาที่ใหญ่ที่สุด "รายงานว่าการ gamification อาจไม่มีประสิทธิผลในบริบทบริการเชิงประโยชน์" วลีสุดท้ายนั้นเป็นประโยคที่ถ่ายทอดได้มากที่สุดในฐานหลักฐานทั้งหมดนี้ เพราะแพลตฟอร์มชุมชนคือบริบทบริการเชิงประโยชน์

แพลตฟอร์มใดใช้กลไกใด และมีค่าใช้จ่ายเท่าไร

สี่ในสิบสามเผยแพร่ราคา: Guild.xyz, Discourse, Circle และ Zealy MEE6 มีราคา แต่ผ่าน API ที่หน้าเพจของตัวเองเรียกใช้ขณะรันเท่านั้น เจ็ดแห่งไม่เผยแพร่ราคา และ QuestN เราไม่สามารถตรวจสอบได้ กลไกต่างกันมากกว่าที่การตลาดบอกเป็นนัย: Discourse ผูก badge กับสิทธิ์ Circle มีปุ่มสลับความเป็นส่วนตัว Layer3 ตรวจสอบการกระทำบนเชนที่ทำซ้ำ

ทุกกลไกด้านล่างถูกจับคู่กับสตริงในหน้าที่เราดึงมาเมื่อวันที่ 17 สิงหาคม 2026 ทุกราคาอ้างตามที่หน้าเพจพิมพ์ไว้ "ไม่มีราคาสาธารณะ" ระบุหน้าที่เราตรวจสอบ เพราะการปฏิเสธที่ไม่ระบุแหล่งนั้นไร้ค่า

ตารางนั้นเปลี่ยนสองสิ่ง

trust level ของ Discourse คือการนำ gamification ไปใช้ที่แข็งแกร่งที่สุดในบทความนี้ และ Zealy ไม่มีอะไรเทียบได้ badge ของ Discourse สามารถพา trust level มาด้วย และ trust level พา moderation capability จริงมา — ความสามารถในการทำอะไรมากขึ้นในชุมชน ไม่ใช่รูปภาพข้างชื่อคุณ นั่นคือความแตกต่างระหว่างการยอมรับที่ให้ความสามารถและการยอมรับที่ประดับประดา และเป็นความแตกต่างที่งานวิจัยชี้ให้เห็นซ้ำ ๆ ถ้าคุณดูแลฟอรัมและต้องการสถานะที่มีความหมาย Discourse ทำสิ่งนี้ได้ดีกว่าเรา

Circle มีมาตรการบรรเทาที่หลักฐาน leaderboard บ่งชี้ และเราไม่มี หน้า gamification ของ Circle เองบอกว่าคุณเลือกทำให้ leaderboard ชุมชนเป็นส่วนตัวได้ เมื่อพิจารณาว่าข้อค้นพบเรื่อง leaderboard ที่มีหลักฐานหนุนดีที่สุดเกี่ยวข้องกับคนที่อยู่ล่างสุด รู้สึกสวิตช์ปิดที่เจ้าของชุมชนควบคุมคือคำตอบการออกแบบจริง Zealy ไม่มี toggle เทียบเท่า

หมายเหตุหนึ่งจากการดึงข้อมูล เพราะมันบอกอะไรบางอย่างเกี่ยวกับหมวดหมู่นี้: หน้าแรกของ Layer3 ไม่ใช้คำว่า "quest" ในข้อความที่มองเห็นแล้ว — คำศัพท์ของมันคือ Activations, Streaks และ CUBEs คำนั้นยังคงอยู่ใน JavaScript ที่จัดส่ง ในชื่อ route และใน QUEST_COMPLETE string ซึ่งอาจเป็นหลักฐานที่ดีกว่าสำหรับประเด็นนี้: การเปลี่ยนชื่ออยู่ใน marketing และระบบภายในยังจำไว้ ผู้นำหมวดหมู่ทิ้งคำของหมวดหมู่ไป เราเปรียบเทียบความสามารถของมันกับของเราใน Zealy vs Layer3และถ้า Galxe คือผู้ครองตลาดที่คุณกำลังแทนที่ ทางเลือก Galxe ที่ดีที่สุด และ Zealy vs Galxe ผ่านการตัดสินใจนั้นอย่างเหมาะสม

MEE6 และ Tatsu อยู่ในรูปร่างของปัญหาที่ต่างออกไป — XP จากกิจกรรมแชทภายในเซิร์ฟเวอร์ Discord เดียว — และเราเขียนเกี่ยวกับชุดนั้นแยกต่างหากใน เครื่องมือ engagement และการเติบโตของ Discord.

gamification ของ Zealy ทำอะไรจริง ๆ และห้าสิ่งที่มันไม่มี

Zealy มอบ XP สำหรับการ claim quest ที่อนุมัติแล้วและการให้โดยแอดมินด้วยมือ คำนวณ level จากสูตรส่วนกลางสูตรเดียว และจัดอันดับสมาชิกบน leaderboard สองขอบเขต: ตลอดกาลและต่อ sprint มันไม่มี badge ไม่มี streak ไม่มีโบนัสล็อกอินรายวัน ไม่มีตัวคูณ XP และไม่มีระบบอัตโนมัติกำหนด role ตาม level และไม่คำนวณตัวชี้วัด retention ใด ๆ

ทั้งหมดต่อไปนี้อ่านจากซอร์สโค้ดเมื่อ 17 สิงหาคม 2026 เมื่อ เอกสาร ของเราไม่ตรงกับโค้ด โค้ดคือสิ่งที่ทำงานจริง

เส้นโค้ง level คือสูตรเดียวและคุณเปลี่ยนไม่ได้

XP สะสมสำหรับ level L คือ 150(L−1)² − 50(L−1). Level 1 คือ 0 XP, level 2 คือ 100, level 3 คือ 500, level 4 คือ 1,200, level 5 คือ 2,200 เส้นโค้งนั้นเหมือนกันในทุกชุมชน Zealy และไม่มีการตั้งค่าต่อชุมชนสำหรับมัน level ไม่ได้ถูกเก็บในโมเดลฐานข้อมูลที่สร้างขึ้นเลย มันคำนวณจาก XP ทุกครั้งที่อ่าน เอกสารการคำนวณ level ของเราตรงกับโค้ดตรงนี้ ซึ่งเราตรวจสอบแล้วไม่ใช่สันนิษฐาน

เปรียบเทียบกับ Carl-bot ซึ่งผู้ดูแลสามารถ blacklist channel และ role ตั้ง voice XP และจำกัดอัตราเศรษฐกิจทั้งหมดได้ เส้นโค้งที่เอกสารระบุคือ 5*(n^2)+50*n+100ซึ่งเป็น XP ที่ต้องใช้สำหรับ level ถัดไปไม่ใช่ยอดสะสม ดังนั้นอย่าอ่านเทียบกับรูปแบบสะสมของ Zealy — ประเด็นคือปุ่มปรับ ไม่ใช่รูปร่าง Zealy ไม่มีปุ่มปรับเช่นนั้น

ไม่มีอะไรเกิดขึ้นเมื่อสมาชิกเลื่อน level

นี่คือข้อค้นพบที่เราคาดว่าจะผิดแต่กลับไม่ผิด Zealy มี enum การแจ้งเตือนสองชุด — ชุดแคบในโมเดลฐานข้อมูลที่มีสามประเภท และชุดที่ API การแจ้งเตือนส่งคืนจริงซึ่งมีสิบสามประเภท — บวก enum เหตุการณ์ webhook ที่มีสิบประเภท ทั้งสามชุดไม่มีเหตุการณ์ level ไม่มีการแจ้งเตือนใดทำงาน ไม่มี webhook ใดทำงาน ไม่มีการฉลองปรากฏ ตัวช่วยชื่อ hasLeveledUp มีอยู่ในโค้ดเบส ถูกคอมเมนต์ออกจาก export barrel และไม่ถูกเรียกที่ไหนเลย

ผลเชิงกลไกเดียวของ level ใน Zealy คือมันสามารถถูกใช้เป็นเงื่อนไข quest — ประตูกั้นว่าใครจะลองทำอะไรได้ นั่นคือทั้งหมด

เมื่อพิจารณาส่วนข้างต้นเกี่ยวกับ level สิ่งนี้ไม่ได้เลวร้ายอย่างที่ฟังดูและซื่อตรงกว่าทางเลือก level แทบไม่มีหลักฐานรองรับ และการฉลองเลื่อน level ก็เป็นสิ่งประเภทที่ถูกปล่อยออกมาเพราะทุกคนปล่อยออกมา แต่ถ้าคุณเลือก Zealy เพราะจินตนาการว่าสมาชิกจะได้เสียง ping ที่น่าพอใจตอน level 10 จงจินตนาการให้ถูกต้อง: พวกเขาได้ตัวเลขที่ใหญ่ขึ้น

leaderboard สองขอบเขต และไม่มีแบบรายสัปดาห์หรือรายเดือน

Zealy มี leaderboard สองขอบเขตพอดี: ตลอดกาลและต่อ sprint ไม่มี leaderboard รายสัปดาห์ รายเดือน หรือรายวัน ถ้าคุณต้องการหน้าต่างที่สั้นลง — และหลักฐาน leaderboard ข้างต้นเป็นข้อโต้แย้งที่ดีพอสำหรับสิ่งนั้น เพราะหน้าต่างใหม่จะรีเซ็ตว่าใครอยู่ล่างสุด — คุณสร้าง sprintซึ่งเป็น leaderboard ที่สองที่มีกรอบเวลาและจำกัดขอบเขตตามชุด quest ที่เลือก

สองรายละเอียดที่มักถูกอธิบายผิด รวมถึงบางครั้งโดยเรา การรีเซ็ต leaderboard คือการตัดวันที่บวก soft delete ไม่ใช่การลบ — ประวัติการ claim quest ไม่ถูกแตะต้องและ XP ของสมาชิกจะถูกทำให้เป็นศูนย์นับจากนั้น และการเสมอกันจะตัดสินให้ใครก็ตามที่ไปถึงยอดนั้นก่อน ยกเว้นว่าการให้ XP ด้วยมือจะตัดการตัดสินเสมอนั้นออกจนกว่าสมาชิกจะ claim quest ครั้งถัดไป

รางวัล sprint เป็นสัดส่วน ไม่ใช่โพเดียมและไม่ใช่การจับรางวัล

การจ่าย sprint ค่าเริ่มต้นคือ ตามสัดส่วนของส่วนแบ่ง XP ของสมาชิกแต่ละคน ในกลุ่มทุกคนที่อยู่ในโซนรางวัล ไม่ใช่สามอันดับแรก และไม่ใช่การจับสลาก โซนรางวัลคือเกณฑ์คัดสิทธิ์ที่ใช้ก่อนการแจกจ่าย ไม่ใช่เส้นโค้งการจ่ายเงิน การตั้งค่าทางเลือกจะแบ่งช่วงอันดับอย่างเท่าเทียมภายในแต่ละระดับ ทั้งสองวิธีปัดเศษลง — วิธีตามสัดส่วนปัดครั้งเดียวต่อสกุลเงิน วิธีแบ่งระดับปัดสองครั้ง — ดังนั้นเศษที่เหลือเล็กน้อยจะไม่ถูกแจกจ่ายทั้งสองวิธี ในวิธีแบ่งระดับนี่เป็นเจตนาและมีเอกสารกำกับ: คอมเมนต์ของฟังก์ชันเองระบุว่า "Remainder from rounding stays undistributed."

เงินรางวัลของ Sprint เป็น USDC และ zaps เท่านั้น Sprint ไม่สามารถให้ XP บทบาท NFT หรือโทเค็นได้ สิ่งเหล่านั้นอยู่บน รางวัลเควสต์ซึ่งมีวิธีให้รางวัลห้าวิธี หนึ่งในนั้นคือการจับรางวัล สำหรับประเภทของรางวัล จำนวนขึ้นอยู่กับว่าไปดูที่ไหน: API ของ Zealy ระบุไว้เจ็ดประเภท แต่ตัวแก้ไขเควสต์ไม่รวมรางวัล NFT ดังนั้นผู้ดูแลจึงกำหนดค่าได้หกประเภท — ซึ่งเป็นเหตุผลที่หน้าเอกสารของเราระบุหกไม่ใช่เจ็ด Zealy จับรางวัลโดยอัตโนมัติในฐานข้อมูลของตัวเอง และการจับจะเลือกจาก claims ไม่ใช่สมาชิกที่แตกต่างกัน ดังนั้นผู้ที่มี claims ที่สำเร็จหลายรายการในเควสต์แบบเกิดซ้ำจะมีสิทธิ์มากกว่าตามสัดส่วน เรื่องนี้ควรรู้ก่อนออกแบบ

ห้าสิ่งที่ Zealy ไม่มี

แต่ละข้อเป็นการกล่าวอ้างเกี่ยวกับซอร์สที่ติดตามได้ใน repository ของ Zealy ซึ่งค้นหาเมื่อ 17 สิงหาคม 2026 ครอบคลุม API, backend, schemas, models, utils, queries, contracts, เว็บแอป และ database migrations

1. ไม่มีแบดจ์และไม่มีความสำเร็จที่สมาชิกจะได้รับ ระวังวิธีตรวจสอบข้อนี้ เพราะเราพลาดในครั้งแรก การค้นหา badge ทั่วทั้งโค้ดเบสให้ผลลัพธ์กว่าหนึ่งร้อยไฟล์ และกลุ่มที่ใหญ่ที่สุดคือ Badge คอมโพเนนต์ใน design system ของ Zealy — ป้ายเล็ก ๆ ที่ใช้แสดงสถานะและจำนวนทั่วทั้งอินเทอร์เฟซ ไม่ใช่สิ่งที่ใครได้รับ medal ก็เช่นกันที่ไปเจอ getMedal helper ที่วาดอันดับหนึ่ง สอง และสามบน leaderboard ซึ่งเป็นการแสดงอันดับไม่ใช่รางวัล สิ่งที่ไม่มีอยู่จริงที่ไหนเลยคือ เอนทิตีของแบดจ์หรือความสำเร็จ: ไม่มีสิ่งใดที่สมาชิกได้รับ ถือครอง หรือสามารถแสดงคอลเลกชันได้ Discourse และ Tatsu ต่างมีระบบแบดจ์จริง เรามีเพียงคอมโพเนนต์ UI ที่ใช้ชื่อเดียวกัน
2. ไม่มีสตรีค streak, loginStreak, visitStreak และ day streak ให้ผลลัพธ์ว่างเปล่าในซอร์สที่ติดตามได้ Layer3 มี Streaks และ Duolingo สร้างหมวดหมู่ขึ้นมารอบ ๆ สิ่งเหล่านี้ เมื่อพิจารณาว่าหลักฐานเรื่องสตรีคบางมาก เราไม่รีบ แต่การไม่มีก็คือการไม่มี
3. ไม่มีโบนัสล็อกอินรายวัน dailyLogin, loginBonus, dailyBonus, login reward, lastLoginAt, lastSeenAt, dailyClaim, daysActive และ activeDays ให้ผลเป็นศูนย์ทั้งหมด Zealy มี Daily Challenge ระดับแพลตฟอร์ม — ทำเควสต์ให้ครบในสามคอมมิวนิตี้ที่แนะนำ ผ่านการยืนยันความเป็นมนุษย์ รับลอตเตอรี — แต่นั่นเป็นการรีเซ็ตรายวันโดยไม่มีโบนัสวันติดต่อกัน และเป็นของ Zealy ไม่ใช่ของคอมมิวนิตี้คุณ เควสต์แบบเกิดซ้ำก็รีเซ็ตตามขอบเขตปฏิทินเช่นกัน ซึ่งเป็น การเกิดซ้ำไม่ใช่สตรีค
4. ไม่มีตัวคูณ XP หรือบูสต์ xpMultiplier, boostXp, doubleXp และ xpBoost ให้ผลเป็นศูนย์ทั้งหมด Zealy มีฟีเจอร์ boost และมันคือการโปรโมตเควสต์หรือ sprint แบบเสียเงิน ไม่ใช่ตัวคูณรางวัล อย่าวางแผนจัดสุดสัปดาห์ XP สองเท่า
5. ไม่มีระบบอัตโนมัติบทบาทตามระดับหรือบทบาทตาม XP autoRole, roleByLevel, levelRole, xpThreshold, autoAssignRole, rankRole, tierRole และ roleSync ให้ผลเป็นศูนย์ทั้งหมด บทบาท Discord ใน Zealy คือรางวัลเควสต์ที่มอบครั้งเดียวเมื่อ claim ได้รับการอนุมัติ Tatsu มอบบทบาทตามระดับโดยอัตโนมัติ ส่วน Zealy ไม่ทำ

และสิ่งที่สำคัญที่สุดสำหรับหัวข้อของบทความนี้:

Zealy ไม่คำนวณตัวชี้วัด retention ใด ๆ เลย retention, churn, D7, D30, DAU, WAU, MAU, returnRate, repeatVisit, stickiness, dropOff, dailyActive และ monthlyActive ให้ผลเป็นศูนย์ทั้งหมดในซอร์สที่ติดตามได้ ในเชิงโครงสร้าง อินเทอร์เฟซ analytics ประกาศสิบห้าวิธี — ยอดรวมสะสมสองรายการที่ไม่รับช่วงวันที่, การนับตามช่วงเวลาหนึ่งรายการตามสถานะ claim, รายการจัดอันดับห้ารายการ, อนุกรมหกรายการที่แบ่งตามช่วงเวลา และจำนวนสมาชิก ณ วันที่เดียว ไม่มีวิธีใดเชื่อมกิจกรรมก่อนหน้าของสมาชิกเข้ากับกิจกรรมภายหลัง ซึ่งเป็นการดำเนินการที่ retention ต้องการ

ดังนั้นเมื่อผู้ขาย gamification บอกคุณว่ากลไกของพวกเขาช่วยเพิ่ม retention จงถามว่าพวกเขาวัดอะไร เราไม่สามารถวัดได้ และเรากำลังบอกคุณเรื่องนี้ในบทความของเราเองเกี่ยวกับ gamification

ขอบเขตตามปกติทั้งหมดยังใช้บังคับ: สิ่งเหล่านี้เป็นข้อความเกี่ยวกับการค้นหาที่ระบุไว้ ในโค้ดเบสนั้น ในวันที่นั้น ไม่ใช่ข้อกล่าวอ้างเกี่ยวกับทุกฟีเจอร์ที่ Zealy เคยเปิดตัวหรือจะเปิดตัว

หากคุณต้องการภาพรวมว่า Zealy คืออะไรก่อนประเมินกลไก Zealy คืออะไร ครอบคลุมเรื่องนี้

วิธีเลือกแพลตฟอร์ม gamification สำหรับคอมมิวนิตี้

เลือกตามพฤติกรรมที่คุณต้องการ ไม่ใช่กลไกที่คุณชอบ Discourse หากสถานะที่ได้รับควรให้สิทธิ์จริง Circle หากการมองเห็น leaderboard ต้องเป็นทางเลือก Guild.xyz หากงานคือการเข้าถึงแบบ token-gated แพลตฟอร์มเควสต์อย่าง Zealy หากคุณต้องการให้การกระทำนอกแพลตฟอร์มที่ยืนยันแล้วได้รับรางวัลตามกำหนดเวลา

การตัดสินใจบางอย่างที่หลักฐานสนับสนุนจริง:

หากคุณต้องการผลงานมากขึ้นจากคนที่แอคทีฟที่สุด ให้ยกย่องพวกเขาเป็นการเฉพาะ นั่นคือผลลัพธ์ของ Wikipedia barnstar และเป็นการค้นพบด้านคอมมิวนิตี้ที่แข็งแกร่งที่สุดในบทความนี้ มันมาพร้อมคำเตือนของตัวเอง: การติดตามผลพบว่ารางวัลเดียวกันนั้นสัมพันธ์กับ retention ที่ต่ำลงในหมู่ผู้มีส่วนร่วมที่แอคทีฟน้อยกว่า จงยกย่องอย่างกว้างขวางและเฉพาะเจาะจง ไม่ใช่แคบและแข่งขัน

หากคุณต้องการให้คนรู้สึกถึงมัน ให้คนเป็นผู้ทำ ผลตอบรับเชิงบวกเสริมแรงจูงใจภายในใน meta-analysis เดียวกันกับที่รางวัลที่เป็นรูปธรรมบั่นทอนมัน และใบประกาศนียบัตรก็นับเป็นรูปธรรม แบดจ์อัตโนมัติกับผู้ดูแลที่พูดว่า "นี่คือคำตอบที่ดีที่สุดในนี้สัปดาห์นี้" ไม่ใช่ฟีเจอร์ผลิตภัณฑ์เดียวกัน และอันที่ถูกกว่าคืออันที่มีหลักฐานดีกว่า

หากคุณใช้ leaderboard จงคิดถึงครึ่งล่างก่อนเปิดตัว แสดงตำแหน่งแบบสัมพัทธ์แทนอันดับแบบสัมบูรณ์ หรือให้เจ้าของสลับกระดานผู้นำเป็นแบบส่วนตัว หรือจำกัดให้อยู่ในช่วงเวลาสั้น ๆ ที่รีเซ็ตใหม่ รูปแบบที่สะอาดที่สุดที่เราพบคือสวิตช์ความเป็นส่วนตัวของ Circle ส่วน sprint ของ Zealy คือเวอร์ชันช่วงเวลาสั้น

ถ้าคุณต้องการปริมาณ คะแนนก็ใช้ได้ และคุณไม่ควรคาดหวังมากไปกว่านั้น พวกมันเพิ่มปริมาณ แต่ดูเหมือนจะไม่เปลี่ยนความรู้สึกของผู้คนต่องาน

อย่าซื้อแพลตฟอร์มด้วยคำสัญญาเรื่องการรักษาผู้ใช้ ไม่มีใครในงานวิจัยที่เราเข้าถึงได้วัดเรื่องนี้ ผู้ขายที่อ้างอัตราการรักษาผู้ใช้เป็นเปอร์เซ็นต์อาจมีข้อมูลส่วนตัวที่ควรอธิบาย หรือไม่ก็อ่านมาจากบล็อกของผู้ขายรายอื่น

การตัดสินใจสองเรื่องที่อยู่ใกล้เคียงซึ่งบทความนี้จงใจไม่ตัดสินใจแทนคุณ หากกลไกนี้มีไว้สำหรับโปรแกรมทูต ข้อจำกัดในการออกแบบจะต่างออกไป และ วิธีจัดโปรแกรมทูตคริปโต ครอบคลุมเรื่องนั้นไว้ หากระบบเกมมิฟิเคชันของคุณจะสร้างคิวตรวจสอบ — และงานใดก็ตามที่ต้องให้คนอ่านผลงานที่ส่งมา ย่อมสร้างคิว — วิธีมอบหมายงานชุมชน ครอบคลุมต้นทุนด้านบุคลากรที่ไม่เคยปรากฏบนหน้าตาราคา และหากคุณกำลังเลือกเกมมิฟิเคชันเป็นส่วนหนึ่งของการนำผลิตภัณฑ์สู่ตลาดในวงกว้าง คู่มือการตลาด web3 ของเราจะวางมันไว้ข้างช่องทางอื่น ๆ และต้นทุนของช่องทางเหล่านั้น

สิ่งที่มีประโยชน์ที่สุดที่เราให้คุณได้คือรูปร่างของความไม่แน่นอน กลไกหกอย่าง การทดลองแบบสุ่มที่มีกลุ่มควบคุมในชุมชนจริงหนึ่งครั้ง ทิศทางเรื่องการรักษาผู้ใช้หนึ่งรายการที่ต้องจ่ายเงินจึงจะเข้าถึง และงานวิจัยที่ส่วนใหญ่พูดถึงนักศึกษา ใครก็ตามที่ขายความแน่นอนให้คุณในเรื่องนี้ยังไม่ได้ไปดูข้อมูลเลย