社区最佳游戏化平台（2026）

简答： 几乎没有游戏化研究测量留存率，所以没人能如实告诉你哪种机制能留住成员。唯一的例外是同一批作者的两项维基百科研究，且结果因人群而异：徽章让最高产的贡献者更不容易停止参与，而后续研究则将同样的奖励与活跃度较低者的留存率下降相关联。除此之外，积分和等级提高了人们的参与量，却没有改变他们对这件事的感受；排行榜确实存在争议；而连续打卡是其中证据最薄弱的机制。根据你所需的行为选择平台——Discourse 用于赚取权限，Circle 用于可选排行榜，Guild.xyz 用于门控访问，Zealy 用于经过验证的平台外任务。

披露： 本页面由 Zealy 发布，而 Zealy 销售页面上的其中一款工具。因此，请务必阅读列出 Zealy 不具备的五项游戏化功能的部分，以及下文两处 Discourse 和 Circle 做得比我们更好的地方。

方法： 本文中每一项关于 Zealy 的说法均于 2026 年 8 月 17 日从 Zealy 自身的源代码中读取，而非来自 Zealy 的营销材料或其文档——我们此前曾发现其文档有误。每一项研究发现均引自论文或出版商自己的摘要记录。若我们只能获取摘要，我们会说明，并且不会从中引用样本量或效应量。若某供应商网站拒绝我们访问，我们也会说明，而不是描述我们未看到的功能。

最后验证： 2026 年 8 月 17 日。

人们所说的“游戏化平台”究竟指什么

“游戏化平台”一词涵盖三个不同的市场。搜索它，你会得到电子学习工具、员工绩效软件和营销活动小部件——Genially、Playable、SC Training、Centrical、Drimify。像 Zealy、Galxe 和 Layer3 这样的社区和 web3 平台并未出现在我们 2026 年 8 月 17 日运行的搜索结果中。

所以，如果你输入“游戏化平台”是想在你的 Discord 或论坛中加入积分和排行榜，这些结果并不针对你。它们针对的是想让测验像游戏节目一样的学习与发展经理，或想在落地页上放一个转盘抽奖的营销人员。那些是解决真实问题的真实产品。它们解决的不是这个问题。

本文针对的是该问题的限定版本——社区游戏化——并且不试图抢占主关键词。其余内容按机制而非产品组织，因为机制才是真正起作用或不起作用的部分，而下面每个平台都是同样六种机制的某种组合。

如果你的问题实际上是“我应该用哪款软件来运营我的社区”，那是一个不同且更广泛的决策，我们的 社区管理软件调查 涵盖了其中隐藏的五项互不相关的工作，并附有价格。

游戏化研究实际测量了什么——以及没有测量什么

几乎没有游戏化研究测量留存率。我们在综述中的三项元分析中搜索了留存、流失、损耗和退出等词，均未找到。留存率基本上只在一个地方被测量过——维基百科，由同一对作者测量了两次——结果因人群而异。文献测量的是动机、产出量和学习成果。

这一点值得深思，因为它与该类别的营销说辞恰恰相反。“游戏化将留存率提高 X%”是你在数十个供应商页面上都能找到的句子。我们无法找到任何此类数据的来源，也不会凭空编造一个。

以下是研究确实测量的内容，以及测量地点。

教育领域的学习与动机。 Sailer 和 Homner 2020 年的元分析 发表于 《教育心理学评论》 报告称“在认知（g = .49 …，k = 19，N = 1686）、动机（g = .36 …，k = 16，N = 2246）和行为学习成果（g = .25 …，k = 9，N = 951）方面存在显著的小效应”。随之而来的有两个注意事项：这是教育领域，且作者本人指出，在更严格的子分组下，动机和行为效应“不太稳定”。这不能成为说“游戏化有效”的许可。

心理需求满足，同样在教育领域。 Li、Hew 和 Du 2024 年的元分析 发表于 《ETR&D》 报告总体 g 为 0.257 [0.043, 0.471]，其中自主性为 0.638 [0.139, 1.136]，关联性为 1.776 [0.737, 2.814]。关联性的区间非常大——只给数字而不给区间会误导你，这就是两者都印出的原因。胜任感为 0.277 [0.001, 0.553]，下限基本为零。

实验室中的产出量。 多项在线实验测量人们产出多少工作。它们普遍发现产出更多，而人们的感受没有变化。

实验室中的内在动机。 Deci、Koestner 和 Ryan 1999 年的元分析 发表于 《心理学公报》 是每一个“外在奖励适得其反”论点的基础。关于其实际数字的更多内容见下文，因为它们经常被错误引用。

留存率：两项研究，一个平台，相反的人群。 Restivo 和 van de Rijt 在 Wikipedia 上测量了两次。他们 2012 年的随机试验报告称，星章获得者“表现出更持久的产出，且更不可能停止贡献”——但样本是前 1% 的编辑。他们 2014 年的后续研究覆盖了不同产出水平的编辑，报告称奖励“与低活跃贡献者的留存率降低相关”。2014 年的论文需要付费才能阅读，所以我们只印出它的方向，别的什么都不说。两项发现，一个平台，一对作者：这就是本文关于留存的全部证据基础，它说的是认可留住了你最好的人，却可能让你失去其他所有人。

可推广性方面的注意事项，直白地说。 这项研究大部分属于教育心理学和实验室心理学。只有少数研究处于任何类似在线社区的环境中——Wikipedia 实验、一项众包实验、一项 Stack Overflow 分析、一项 Duolingo 论坛研究——而其中一项的结论与课堂研究相反。Sailer 和 Homner 甚至发现，情境会调节结果 在 教育文献内部，针对认知结果：“在学校环境中发现的效果显著大于在高等教育环境或非正式教育环境中发现的效果。”该调节变量对动机或行为结果并不显著，所以不要超出他们的范围去延伸——但如果学校与大学之间的差距确实存在，那么假设学校到 Discord 的迁移成立是没有依据的。

阅读下面每一个数字时都要带上这一点。

积分与 XP：证据支持的是数量，而非动机

积分和 XP 在一件事上有不错的证据：它们增加了人们做事的量。在一项在线图像标注实验中，Mekler 及其同事发现，积分、等级和排行榜显著产生了更多标签，并将这些元素描述为仅在促进绩效数量方面有效。动机本身没有变化。

他们的措辞值得原样引用：“积分，尤其是等级和排行榜，导致生成的标签数量显著更高……仅在促进绩效数量方面有效。”我们是通过出版商的摘要记录而非全文得到这一发现的，所以这里没有出现样本量或效应量。把该团队 2013 年和 2017 年的研究视为来自一个实验室、针对一种任务的一项结果。

诚实的总结是“数量，而非质量，也非动机”。这仍然有用。如果你需要的是数量——更多提交、更多翻译、更多测试报告——积分是有真实支持、站得住脚的工具。如果你需要的是更在乎的人，积分就不是有证据支持的杠杆，任何人都不该把它当作那样的东西卖给你。

还有第二项发现，约束了你如何使用它们。Deci、Koestner 和 Ryan 发现，“参与 contingent、完成 contingent 和绩效 contingent 的奖励显著削弱了自由选择的内部动机（d = -0.40、-0.36 和 -0.28）”。那个 −0.40 是人人都会引用的数字，而只引用它正是典型的误用：它只是一个子组。同一篇论文中所有奖励在自由选择上的总体数字是“综合效应量为 d = -0.24”，而在自我报告的兴趣上是“d = 0.04……奖励并未显著影响自我报告的兴趣”。即便这一点也带有作者自己声明的范围限制——他们的研究“全部是在实验室中或在控制良好、类似实验室的条件下完成的”，现场研究被排除在外。这是一份关于短任务的实验室文献，而不是关于你的社区的发现。

等级：采用与证据之间差距最大的机制

等级是软件采用程度与证据支持程度之间差距最大的机制。Mekler 及其同事的图像标注实验把等级与积分一样，归功于提高了产出量。除此之外，我们没有找到单独研究等级的文献，也没有找到衡量达到某个等级是否能让任何人留下来的研究。

本文中的几乎每个平台都有等级。MEE6 有 Levels 插件，Tatsu 在其运行的每个服务器中为成员升级，Carl-bot 向其 Patrons 出售等级，Layer3 说“XP 驱动你的等级、你在排行榜上的位置”，而 Zealy 在每次读取时都从 XP 推导出等级。这个机制几乎普遍存在，而支持它的证据只是一项关于标注图像的实验室实验。

这并不意味着等级只是做戏。它意味着等级是一种假设。有趣的问题是，当你达到一个等级时，它 会做什么 ，而对大多数实现来说，诚实的答案是“改变你名字旁边的一个数字”。当等级解锁一项能力——一项权限、一个区域、一项权利——你就不再是在测试等级，而是在测试那项能力是否值得想要。Discourse 的信任等级是本文中最强的例子，下面会讲到。

排行榜：存在争议，方向取决于情境

排行榜存在争议，效果的方向取决于情境。一项课堂研究发现，绝对排行榜底部的学生报告的动机低于顶部的学生——但在参与度或学习上没有差异。一项众包实验则发现，低排名反而强化了努力。

那项课堂研究是 Bai、Hew、Sailer 和 Jia，2021，发表于 Computers & Education. 两项准实验，n = 24 和 n = 26，在同一机构进行，参与者绝大多数为女性研究生。在绝对排行榜上，干预后排名前三分之一与后三分之一的动机差异显著（U = 11，p = .028）。在仅显示五个相邻位置的相对排行榜上，"三个位置层级的学生之间没有显著差异"。

现在是被引用时常常被略去的部分，而它有两面性。在 绝对 排行榜上，动机差距伴随着 课程参与度没有差异（F(2,17) = 0.55，p = .59） ——因此"排名靠后的人表示享受程度更低"得到支持，而"排名靠后的人脱离参与"则不然，而脱离参与恰恰是人人都在重复的说法。但在 相对 排行榜上，动机和参与度在各位置间相等，后三分之一在 后测中得分仍显著更差 （M = 68.75，对比前三分之一的 91.07，F(2,23) = 8.71，p = .002）——作者报告这支持了他们的假设，即相对排行榜上排名靠后的学习者表现更差。综合来看：隐藏确切排名保护了人们的感受，却没有保护他们的成果。

与之相对的是 Na 和 Han 2023 年发表在 Internet Research上的众包实验，该实验在五轮中操纵排名，发现"高排名……诱发了自满行为……而低排名使参与者在每一轮中都以更强的动机坚持任务的正确流程。"我们是通过出版商的摘要了解到这一点的，因此没有出现样本量。作者补充了一句通常被一并略去的话："这两种动机似乎都不是内在性质的。"公平地说，这同样是图像标注任务——我们上文针对积分研究提出的同一反对意见在此同样适用。这是本组研究中与在线社区最接近的一项，而它指向相反的方向。

两个实际后果，第一个附带一个注意事项。如果你担心排行榜底部，可用的缓解措施是显示相对位置而非绝对排名，或者让社区所有者将排行榜切换为私密，这正是 Circle 实际提供的功能。相对排名在人们感受方面是两者中证据更充分的——但在同一项研究中，它并未阻止后三分之一表现不佳，因此应将其视为保护士气而非成果。Circle 是我们检查过的唯一提供私密排行榜开关的平台。其次，将排行榜限定在短时间窗口而非全部时间，会改变谁处于底部，因为它重置了先到者积累的优势。

徽章与认可：最好的社区证据，也是最令人不安的

徽章拥有这里所有机制中最好的社区证据，也是最令人不安的。一项在 Wikipedia 上进行的随机实验发现，授予 barnstar 使高度活跃编辑的生产力提高了 60%。同一作者的后续研究发现，这些奖励与活跃度较低的贡献者的留存率降低相关。

Restivo 和 van de Rijt 2012 年发表在 PLoS ONE 上的研究 是一项正规的随机对照试验：从 144,120 名编辑的 前 1% 中随机抽取 200 人，100 人接受处理、100 人作为对照，测量周期为 90 天，报告称"获得 barnstar 使生产力提高 60%"。注意研究人群，也注意这篇论文确实也报告了留存情况：接受者"更不可能停止贡献"。这证明认可你最活跃的贡献者会让他们更活跃。它不是关于其他人的证据，主要结果是编辑次数，而上述留存发现与之并存。

他们 2014 年的后续研究将设计扩展到不同生产力水平，发现"奖励仅在已经高产的编辑中带来了工作量的增加……奖励与活跃度较低的贡献者的留存率降低相关"。付费墙限制，因此仅能确认方向。它同时是本文中认可可能使边缘群体失去动力的最佳证据，也是指向相反方向的留存发现。

Anderson、Huttenlocher、Kleinberg 和 Leskovec 2013 年发表在 WWW 上的论文 关于 Stack Overflow 的研究补充了机制："他们的徽章以与我们模型预测高度一致的方式引导行为"——用户在接近阈值时加速，越过之后则放松。这是观察性的，而引导不等于留存。不要让任何人将其转换。

在你把徽章当作积分的"安全"替代品之前，还有一件事值得了解。Deci、Koestner 和 Ryan 的编码方案明确指出"诸如'好玩家证书'之类的象征性奖励被视为有形的"。供应商声称徽章因为不是金钱而避开了外在奖励问题，这一说法在定义了该问题的论文面前站不住脚。

确实成立的区别是奖励与赞美之间的区别。同一项元分析发现正面反馈走向相反："综合 d = 0.33……表明正面反馈确实增强了内在动机"，在大学生中升至 0.43。来自人的认可与自动授予的图标不是同一种刺激，证据对它们区别对待。如果你从本文中带走一个设计决策，就带走这一个。

连续打卡：这里所有机制中证据最薄弱的

连续记录是本次审查中证据最薄弱的机制。我们在任何可获取的来源中都没有找到它的效应量。现有的是定性证据：对休闲跑者的访谈描述了连续记录中断时的悲伤、愤怒和失望，以及一项 Duolingo 研究描述的 gamification 误用，即用户过度关注该机制而偏离学习。

Ingalls 及其同事 2026 年发表于 PLoS One 的研究 访谈了休闲跑者关于跑步连续记录中断的经历，报告了“悲伤、愤怒、失望和释然的感觉”，描述了“一个哀伤过程”，并指出“一些跑者感到连续记录相关的不便，并带伤跑步以延长连续记录”。他们还报告“未报告长期负面后果”。那是跑步，不是软件，而且这是机制示例而非统计数据——没有效应量可供引用。

Hadi Mogavi 及其同事 2022 年 ACM Learning at Scale 论文 考察了 Duolingo 论坛讨论和访谈，并指出了失败模式：“Gamification 误用……发生在用户过度关注 gamification 而偏离学习时”，产生“竞争性、过度沉迷于玩乐和从众”。定性研究，且阅读自 arXiv 预印本。

因此，连续记录是民间声誉最强、论文记录最薄弱的机制。它显然对人们有某种作用——跑步访谈对此描述生动。但没有人向我们证明这种作用对运营它的社区有益，或者它能在成员错过的那一天存续。

可变奖励、抽奖和战利品箱：本文中最弱的迁移

随机奖励是证据最薄弱、伦理争议最激烈的地方。战利品箱文献将消费与问题赌博严重程度联系起来，但其作者自己表示因果方向不明确。战利品箱涉及真实货币；基于任务 XP 的免费抽奖则不然，因此迁移很弱。

Zendle 和 Cairns 2018 年发表于 PLoS ONE 的研究 报告“n = 7,422……玩家在战利品箱上的花费与其问题赌博严重程度之间存在关联（η² = 0.054）”。他们自己的告诫才是重点：“目前不清楚……购买战利品箱是问题赌博的门户，还是大额消费……对问题赌徒更有吸引力。”任何人都不应写“战利品箱导致赌博问题”，包括我们。该研究是横断面和自选择的，作者称 η² = 0.054 为“小到中等”，并明确表示“这不是一个微弱或不重要的关系”，因此我们也不会将其归为可忽略。

我们特意将其标记为本文中最弱的迁移。战利品箱是用信用卡购买的。基于成员免费赚取的 XP 的抽奖是不同刺激，具有不同风险特征，将两者等同起来，无论对我们有利还是不利，都是草率的。

奖励文献中有一项发现确实支持惊喜而非预告。Deci、Koestner 和 Ryan 报告，对于非预期有形奖励，“平均 d = 0.01……非预期有形奖励不影响自由选择行为”。在该文献中，预告的、 contingent 的赏金会削弱自由选择动机；非预期的则不会。那里的 k 很小，因此这是机制论证而非稳健结果——但它是发放惊喜奖励而非发布赏金板的最佳现有理由。

Arkada 列出了我们检查过的任何平台中最具机会型特征的功能——其核心功能文档中与任务产品并列出现了“命运之轮”和“金字塔”。我们找不到其中任何一个的在线页面，因此无法告诉你它们如何运作，只能说明 Arkada 宣传了它们。如果你在评估 Arkada，请专门评估这两个功能，并要求查看它们运行。

每篇 gamification 文章都会说、但经不起核查的两件事

几乎每篇 gamification 文章都将两个说法视为既定事实，而两者都经不起核查。“Gamification 会因新奇感消退”与我们读到的最强元分析相悖，其持续时间调节变量发现较长干预中的动机效应更大。“排行榜会打击底层用户积极性”基于小型课堂样本，并且在努力程度上被最接近社区的研究所反驳。

说法一：它因新奇而消退。 Sailer 和 Homner 的持续时间调节变量方向相反。持续长达半年的干预显示出比单日干预 更大的 动机效应（Q(1) = 4.93，p < .05），作者写道他们的结果“可以削弱人们对 gamification 效应可能无法长期持续的担忧”。他们的全文只提到“新奇”一次，还是转述他人的综述。

也要公平对待另一方。该调节变量是 研究间的，而非个体内的——它比较的是不同长度的不同研究，而非同一批人随时间的变化——而且最长的时间段样本稀疏。还有一项调查指向相反方向：Koivisto 和 Hamari 2014 年对 Fitocracy 用户的研究发表于 Computers in Human Behavior ，发现“对 gamification 的感知乐趣和有用性随使用而下降，表明用户可能经历新奇效应”。该研究是横断面的，这意味着它也无法确定个体内的衰减，而且它针对的是健身而非社区。

因此正确的说法是：新颖性衰减这一主张存在争议，更有力的证据指向反对它，任何将其断言为事实的人都没有读过那位审稿人的意见。公平地说，我们也应指出，Hamari——我们在下文引用其2014年综述中最直白的一句话——在这一问题上站在对立面，而Sailer和Homner指出该综述正是其时长发现所反驳的研究之一。

主张二：排行榜碾压底层。 上文已述。在自我报告的动机上得到支持，但样本为小型课堂、仅限干预后，且对参与度无影响——不过在同一篇论文的相对排行榜中，底层三分之一的得分确实更差。在努力程度上则被一项众包实验反驳，该实验中低排名在每一轮都强化了努力。“有争议”是诚实的用词；“已成定论”则不是。

值得补充第三个更低调的更正。 Hamari、Koivisto和Sarsa 2014年的HICSS综述 对实证文献的评述比该领域的营销宣传更为直白：“只有两项研究发现所有测试均为正面”，而规模最大的研究“报告称游戏化在功利性服务场景中可能无效”。最后这句话是整个证据基础中最具可迁移性的一句，因为社区平台正是功利性服务场景。

哪些平台实现了哪些机制，以及它们的成本

十三个平台中有四个公布了价格：Guild.xyz、Discourse、Circle和Zealy。MEE6有价格，但仅通过其自身页面在运行时调用的API获取。七个未公布任何价格，QuestN我们无法核查。各平台机制的差异比营销宣传所暗示的更大：Discourse将徽章与权限绑定，Circle提供隐私开关，Layer3验证重复的链上操作。

下表中的每一项机制都与我们在2026年8月17日抓取的页面中的字符串进行了匹配。每个价格均按页面印刷原文引用。“无公开价格”会说明我们核查了哪些页面，因为未说明的否定毫无价值。

这张表改变了两件事。

Discourse 的信任等级是本文中游戏化实现最强的一个，而 Zealy 完全没有类似的东西。 Discourse 徽章可以携带信任等级，而信任等级携带实际的版主权限——在社区中能做更多事的能力，而不是名字旁边的一张图片。这就是授予能力的认可与装饰性的认可之间的区别，而这正是研究反复指出的区别。如果你在运营一个论坛，想要有意义的身份地位，Discourse 在这方面做得比我们好。

Circle 提供了排行榜证据所暗示的缓解措施，而我们没有。 Circle 自己的游戏化页面说，你可以选择将社区排行榜设为私密。鉴于证据最充分的排行榜发现是关于排在底部的人 感受，由社区所有者控制的关闭开关是一个真正的设计答案。Zealy 没有等效的开关。

关于抓取还有一点题外话，因为它说明了这个类别的一些情况： Layer3 的主页在其可见文案中不再使用“quest”一词 ——它的词汇是 Activations、Streaks 和 CUBEs。这个词在已发布的 JavaScript 中、在路由名称中以及一个 QUEST_COMPLETE 字符串中仍然存在，这可以说是更好的证据：改名发生在营销层面，而底层管道仍然记得。这个类别的领导者放弃了这个类别的词。我们在 Zealy vs Layer3中将其能力与我们的进行了比较，如果 Galxe 是你要替换的现有者， 最佳 Galxe 替代品 和 Zealy vs Galxe 会妥善处理这个决策。

MEE6 和 Tatsu 属于不同形态的问题——单个 Discord 服务器内的聊天活动 XP——我们在 Discord 互动与增长工具.

Zealy 的游戏化实际做了什么，以及它没有的五件事

Zealy 为已批准的 quest 领取和手动管理员授予发放 XP，从单一全局公式推导出等级，并在两个排行榜范围内对成员排名：全时段和每个 sprint。它没有徽章、没有连续记录、没有每日登录奖励、没有 XP 倍数、没有按等级自动分配角色，也不计算任何留存指标。

以下所有内容均于 2026 年 8 月 17 日从源代码中读取。当我们的 文档 与代码不一致时，以实际运行的代码为准。

等级曲线是一个公式，你无法更改它

等级 L 的累计 XP 为 150(L−1)² − 50(L−1)。等级 1 是 0 XP，等级 2 是 100，等级 3 是 500，等级 4 是 1,200，等级 5 是 2,200。该曲线在每个 Zealy 社区中完全相同，没有按社区配置的选项。等级根本不存储在生成的数据库模型中；它在每次读取时从 XP 推导出来。我们的 等级计算文档 与这里的代码一致，我们进行了核对而不是假设。

将其与 Carl-bot 相比，后者的运营者可以将频道和角色列入黑名单、设置语音 XP 并对整个经济系统进行速率限制。其文档中的曲线是 5*(n^2)+50*n+100，这是升到下一级所需的 XP，而不是累计总量，所以不要将其与 Zealy 的累计形式对比——重点是可调旋钮，而不是形状。Zealy 没有给你这样的旋钮。

成员升级时什么都不会发生

这是我们本以为会出错但并没有的发现。Zealy 有两个通知枚举——其数据库模型中的一个窄枚举有三种类型，而其通知 API 实际返回的枚举有十三种——外加一个包含十种事件的 webhook 事件枚举。 这三个中没有一个包含等级事件。 没有通知触发。没有 webhook 触发。没有庆祝出现。代码库中存在一个名为 hasLeveledUp 的辅助函数，它被从导出桶中注释掉，且在任何地方都没有被调用。

等级在 Zealy 中唯一的机制性后果是它可以被用作 quest 条件——一道关于谁可以尝试某事的门槛。仅此而已。

鉴于上面关于等级的部分，这听起来没有实际那么糟糕，而且比另一种做法更诚实。等级背后几乎没有证据，而升级庆祝正是那种因为大家都发布所以大家都发布的东西。但如果你选择 Zealy 是因为你想象成员在 10 级时会收到令人满意的提示音，请准确地想象：他们得到的是一个更大的数字。

两个排行榜范围，没有每周或每月排行榜

Zealy 恰好有两个排行榜范围：全时段和每个 sprint。没有每周、每月或每日排行榜。如果你想要更短的窗口——上面的排行榜证据为这一点提供了不错的论据，因为新的窗口会重置谁在底部——你可以创建一个 sprint，这是一个限定时间的第二个排行榜，范围限定于选定的一组 quest。

有两个细节常被错误描述，有时包括我们自己。排行榜重置是日期截止加软删除，而不是擦除——quest 领取历史不受影响，成员的 XP 从那时起归零。平局时，先达到该总数的人获胜，但手动 XP 授予会剥夺该平局决胜规则，直到该成员下次领取 quest。

Sprint 奖励是按比例的，不是领奖台也不是抽奖

默认的 sprint 支付是 按每个成员在 XP 中所占份额成比例 奖励区内的所有人。它不是前三名，也不是平局。奖励区是分配前适用的资格门槛，而不是支付曲线。另一种设置会在每个层级内平均划分一个排名区间。两种方式都向下取整——按比例的方式每种货币取整一次，分层的方式取整两次——因此无论哪种方式，少量余数都不会被分配。在分层方式中，这是有意为之并有文档记录：函数自身的注释写道“取整产生的余数保持未分配。”

冲刺奖池仅包含 USDC 和 zaps。冲刺不能发放 XP、角色、NFT 或代币；这些存在于 任务奖励中，那里有五种奖励方式，其中一种是抽奖。关于奖励类型，数量取决于你看哪里：Zealy 的 API 宣称有七种，但任务编辑器排除了 NFT 奖励，因此管理员可以配置六种——这就是为什么我们的文档页面列出六种而不是七种。Zealy 在自己的数据库中自动抽取抽奖，抽取选择的是领取记录而非不同成员，因此某人在重复任务上有多次成功领取，就会按比例拥有更多抽奖机会。在设计抽奖之前，这一点值得了解。

Zealy 没有的五件事

以下每一项都是关于 Zealy 仓库中受跟踪源代码的陈述，搜索于 2026 年 8 月 17 日，范围涵盖 API、后端、schema、模型、工具、查询、合约、Web 应用和数据库迁移。

1. 没有成员可以获得的徽章和成就。 检查这一点时要小心，因为我们第一次就搞错了。在整个代码库中搜索 badge 会返回一百多个文件，其中最大的一组是 Zealy 设计系统中的一个 Badge 组件——一个用于整个界面中状态和计数的小标签，而不是任何人获得的东西。 medal 同样会命中一个 getMedal 辅助函数，它在排行榜上绘制第一名、第二名和第三名，这是排名的渲染而非奖励。任何地方都不存在的是徽章或成就 实体：没有任何东西是成员被授予、持有或可以展示其集合的。Discourse 和 Tatsu 都有真正的徽章系统。我们有一个同名的 UI 组件。
2. 没有连续记录。 streak, loginStreak, visitStreak 和 day streak 在受跟踪源代码中不返回任何内容。Layer3 有 Streaks，Duolingo 围绕它们建立了一个类别。鉴于连续记录的证据如此薄弱，我们不着急，但缺失就是缺失。
3. 没有每日登录奖励。 dailyLogin, loginBonus, dailyBonus, login reward, lastLoginAt, lastSeenAt, dailyClaim, daysActive 和 activeDays 都返回零。Zealy 确实运行平台级的每日挑战——在三个精选社区中各完成一个任务、通过人类验证、领取彩票——但那是每日重置，没有连续天数奖励，而且它属于 Zealy 而非你的社区。重复任务也在日历边界重置，那是 重复，而不是连续记录。
4. 没有 XP 倍数或加成。 xpMultiplier, boostXp, doubleXp 和 xpBoost 都返回零。Zealy 确实有一个 boost 功能，它是对任务或冲刺的付费推广，而不是奖励倍数。不要计划双倍 XP 周末。
5. 没有按等级或按 XP 的角色自动化。 autoRole, roleByLevel, levelRole, xpThreshold, autoAssignRole, rankRole, tierRole 和 roleSync 都返回零。Zealy 中的 Discord 角色是任务奖励，在领取被批准时授予一次。Tatsu 会自动给予等级角色；Zealy 不会。

以及对本文章主题最重要的一点：

Zealy 完全不计算留存指标。 retention, churn, D7, D30, DAU, WAU, MAU, returnRate, repeatVisit, stickiness, dropOff, dailyActive 和 monthlyActive 在受跟踪源代码中都返回零。从结构上看，分析接口声明了十五个方法——两个不接受日期范围的累计总数、一个按领取状态统计的窗口计数、五个排名列表、六个按间隔分桶的序列，以及一个截至单个日期的成员计数。它们都没有将成员的早期活动与后期活动连接起来，而这正是留存所需的操作。

所以当游戏化供应商告诉你他们的机制能提高留存时，问问他们衡量的是什么。我们无法衡量它，而我们在自己关于游戏化的文章中告诉你这一点。

通常的范围限制都适用：这些是关于所列搜索、在该代码库中、在该日期上的陈述。它们不是关于 Zealy 曾经或将要发布的每个功能的声明。

如果你想在评估机制之前了解 Zealy 的总体情况， 什么是 Zealy 涵盖了它。

如何为社区选择游戏化平台

根据你需要的行为来选择，而不是你喜欢的机制。如果需要获得的状态授予真实权限，选 Discourse。如果排行榜可见性必须是可选的，选 Circle。如果工作是代币门控访问，选 Guild.xyz。如果你需要按计划奖励经过验证的平台外操作，选像 Zealy 这样的任务平台。

证据实际支持的几个决定：

如果你想从最活跃的人那里获得更多产出，就专门认可他们。 这就是 Wikipedia 星章的结果，也是本文中最强的社区发现。它也有自己的警告：后续研究发现，同样的奖励与较不活跃贡献者的较低留存相关。广泛而具体地认可，而不是狭隘而竞争性地认可。

如果你想让一个人感受到，就让一个人来做。 在同一项元分析中，正面反馈增强了内在动机，而物质奖励削弱了它，证书也被算作物质奖励。一个自动徽章和一位版主说“这是本周这里最好的回答”不是同一个产品功能，而更便宜的那个是证据更充分的那个。

如果你运营排行榜，在发布之前先想想后半部分的人。 显示相对位置而非绝对排名，或让所有者将排行榜切换为私密，或将其限定在会重置的短时间窗口内。Circle 的隐私开关是我们找到的最简洁版本；Zealy 的冲刺是短时间窗口版本。

如果你想要数量，积分就够了，不应指望它们带来更多。 它们提升数量。它们似乎并不改变人们对这项工作的感受。

不要因为留存承诺而购买平台。 我们能接触到的文献中没有人测量过这一点。供应商若引用留存率百分比，要么拥有应当说明的私有数据，要么是从另一家供应商的博客上读来的。

本文有意不替你做出的两个相邻决策。如果这些机制用于大使计划，设计约束会不同， 如何运营加密货币大使计划 涵盖了这些内容。如果你的游戏化会产生审核队列——任何需要人工阅读提交内容的任务都会如此——那么 如何委派社区任务 涵盖了定价页面上从不出现的 staffing 成本。如果你将游戏化作为更广泛市场推广的一部分来选择，我们的 web3 营销指南 将其与其他渠道及其成本并列呈现。

我们能留给你的最有用的东西是不确定性的形状。六种机制，它们之间只有一项真实的社区随机对照试验，一个付费墙后的留存方向，以及一份主要关于学生的文献。任何在这里向你兜售确定性的人都没有认真看过。