TapCub 正式上线:统计、分析、客服一个平台免费用
增长与运营

游戏化案例:哪些机制能改变行为,以及怎样检验

五种游戏化机制,各自对应的行为、指标、窗口和护栏指标,公开案例实际说明了什么,以及一个连续打卡的算例:14.6 个百分点的留存差距,匹配后缩小到 6.0 个百分点。

索菲娅·贝内特 发布于 2026 年 11 月 17 日 11 分钟阅读 增长与运营
示例数据:20,000 个新用户里有 6,000 人开启了连续打卡。他们的第 30 天留存比其余的人高 14.6 个百分点,按首次会话时长和相似用户比较后,只高 6.0 个百分点。示例数据

游戏化案例要看有没有改变核心行为,而不是看活跃用户数有没有上升。多数案例是五种机制之一:积分、徽章、连续打卡、排行榜或进度条。每一种都需要一个要改变的行为、一个指标、一个观察窗口和一个护栏指标。下面讲公开案例实际说明了什么,以及一个连续打卡算例,其中选择偏差占了表面提升的很大一部分。

读完你会知道

  • 每种机制都绑定一个核心行为、一个窗口和一个失败判据;登录送积分让活跃用户涨了 18.0%,核心动作只涨了 0.8%
  • 公开案例是公司的主张,不是实验;要数活跃的参与者,不数已加入的人
  • 把参与者和开启前特征相似的非参与者比较:14.6 个百分点的原始差距变成了 6.0 个百分点

什么算游戏化,以及大多数案例背后的五种机制

游戏化是在非游戏场景中使用游戏设计元素,这是学术研究给出的定义,已成为通行的说法(Deterding 等)。在产品里,通常就是五种机制之一:积分、徽章、连续打卡、排行榜或进度条。多数游戏化案例,都是这五种之一用在某个产品动作上,对每一种真正有用的问题不是「看起来好不好玩」,而是「它要改变哪个行为,我怎么知道有没有改变」。

机制要改变的行为要读的指标观察窗口要盯的护栏指标
积分重复使用或重复购买每个活跃用户每周的核心动作数8 周已兑换积分的成本;规则被钻空子
徽章完成上手里程碑完成各里程碑的占比2–4 周完成的质量,不只是点击
连续打卡连续几天回来有 7 天连续记录的占比;30 天留存30 天关闭通知的比例、卸载
排行榜好胜用户的投入按名次段统计的每位参与者核心动作数4–8 周排名靠后用户的活跃度
进度条完成多步任务步骤和任务完成率同一会话到 7 天低价值步骤的完成情况

本文的论点是:游戏化有没有用,要看它是否改变了核心行为,而不是看活跃用户数有没有上升。一个机制如果提高了登录次数,却没有提高真正给用户带来价值的那个动作,它就只是装饰。所以上表每一行都把一种机制和一个行为、一个窗口绑在一起;如果你的产品填不满这一行,就说明还没准备好去做这个机制。

公开的案例实际说明了什么

许多「游戏化案例」清单描述的是品牌和机制。有几处来源可以让你核对到底说了什么:

案例机制来源怎么说它没有说明什么
Duolingo连续打卡和排行榜其 2021 年 S-1 说,它把游戏化功能做进平台来激励学习者,这些功能促使学习者每天回来,并把排行榜和连续打卡列为让订阅更黏的功能(Duolingo S-1)。其博客说,连续打卡改版后的早期数据显示有更多人保持了连续记录(Duolingo 博客)留存有多少来自连续打卡本身,而不是来自愿意保持连续的那类人;改版没有给出具体数字
Starbucks Rewards积分制会员2024 财年第三季度,它报告美国有 3,380 万会员,按 90 天窗口计为活跃(Starbucks)没有这个计划,会员本来会买什么
研究综述多种对 24 项实证研究的综述发现,效果多为正面,但取决于场景和用户(Hamari 等)哪些机制适合你的产品

两点体会。其一,公司的说法是主张,不是实验:「促使用户回来」描述的是意图和相关,现有的数字是参与者的计数。其二,表中指标定义得最谨慎的是 Starbucks:会员按一个窗口内的「活跃」来数,不是按「已注册」,所以光靠注册数无法把这个数撑大。你自己的计划也用这个标准:数活跃的参与者,不数已加入的人。更广泛地提升 App 参与度的办法见提升 App 参与度,许多这类机制背后的行为模型是钩子模型。

给每种机制配一个行为、一个窗口和一个失败判据

动手之前,每种机制写一句话:「我们预期[机制]在[窗口]内把[核心行为]从[X]提高到[Y],如果[护栏指标]变差,就算失败。」核心行为是产生价值的那个动作,而不是「人在」:

产品要衡量的核心行为要避开的虚荣数字
笔记应用每个活跃用户每周新建的笔记数日活跃用户
语言学习应用完成的课程数打开 App 的次数
项目工具创建并分享的项目或任务数登录次数
网上商店60 天内的复购订单获得的积分

示例数据:一个项目工具增加了「登录送积分」。接下来一个月,日活跃用户从 10,000 涨到 11,800,+18.0%。每个活跃用户每周创建的项目从 1.20 变成 1.21,+0.8%,30 天留存从 22.0% 变成 22.4%,+0.4 个百分点。活跃数字看上去像是赢了,核心行为却没有变。这个机制奖励了错的东西。与此并排值得跟踪的参与度度量见参与度指标。

算例:连续打卡的参与者与非参与者

示例数据:一个月有 20,000 个新用户。连续打卡功能是可选的;6,000 人在第一周开启(「参与者」),14,000 人没有。核心指标是第 30 天留存。

直接比较

  • 参与者第 30 天仍留存:6,000 人中 1,500 人,25.0%。
  • 非参与者:14,000 人中 1,460 人,10.4%。
  • 原始差距:25.0% − 10.4% = 14.6 个百分点,相对提升 25.0 ÷ 10.4 − 1 = 140%。

照字面理解,连续打卡功能多留住了 6,000 × 14.6% = 874 个用户。这好得不真实,因为愿意开启连续打卡的用户,本来就更倾向于回来。要估算其中有多少是选择偏差,办法是在开启「之前」就已知的某个维度上,拿相似的人互相比较。这里用的是首次会话时长,分为长(5 分钟或以上)和短。

首次会话分组用户数第 30 天留存人数留存率
长参与者2,40096040.0%
长非参与者1,60059237.0%
短参与者3,60054015.0%
短非参与者12,4008687.0%

匹配后的比较

  • 首次会话长:40.0% − 37.0% = 3.0 个百分点。
  • 首次会话短:15.0% − 7.0% = 8.0 个百分点。
  • 按参与者实际所处的分布加权:(2,400 × 3.0% + 3,600 × 8.0%) ÷ 6,000 = (72 + 288) ÷ 6,000 = 6.0 个百分点。

校正后的效果是 6.0 个百分点,是原始 14.6 的 41%。多留住的用户:6,000 × 6.0% = 360 人,不是 874 人。原始差距里约 59%,也就是 514 人,是选择偏差。这个方法的思路来自观察性研究中的倾向得分匹配(Rosenbaum 和 Rubin)。要注意两点:只按开启「之前」就已知的东西分层(首次会话时长、渠道、平台),因为按之后才发生的东西来分,比如第一周的活跃度,会把你要衡量的效果混进去;另外未被测量的差异依然存在,所以 6.0 个百分点只是估计,很可能仍略偏高。通用概念见选择偏差。

不能分流量时怎么比较

随机留出组是说服力更高的设计,但需要功能开关或实验工具。没有的时候,选偏差最小的替代方案,并说明还残留什么偏差:

设计做法预期的偏差怎么处理
前后对比比较上线前 4 周和上线后 4 周季节性、其他发版、新鲜感对比相同的星期几;留 4 周的前置期;读第 30 天,不读第 3 天
分批上线先在一个平台或一个国家上线,和其余的比平台和国家的差异与同一群人上线前的趋势比较
匹配比较把参与者和开启前特征相似的非参与者比较未测量的差异在多个开启前的特征上分层;把结果当作上限
剂量反应看参与得越多留存是否越高最有动力的人参与最多只作为辅助证据

新鲜感值得单独检查。早期的兴奋会消退,所以一个让第 3 天留存提高的机制,到第 30 天可能没有任何效果。要读完整的留存曲线,不要只看一个点;新鲜感通常持续多久,见新奇效应。

让游戏化看起来比实际更好的做法

  • 衡量活动而不是核心行为。 登录送积分的例子:活跃用户 +18.0%,核心动作只有 +0.8%。
  • 拿完成者和未完成者比。 只有留下来的人才能攒出 7 天连续记录,所以连续打卡组天然留存更好。要按人在结果窗口开始「之前」做了什么来定义参与,比如是否开启。
  • 把第 3 天当作成功。 要看第 30 天。上线时的兴奋会消退。
  • 没有护栏指标。 靠通知驱动的连续打卡,可能提高关闭通知和卸载的比例。把上面那张表里的护栏指标放在头条数字旁边。
  • 照搬品牌的机制,却没有它的场景。 研究综述发现效果取决于场景和用户,所以适合语言学习应用的机制,放在项目工具里可能失败。
  • 奖励了错的动作。 打开 App 送积分,教会用户的是打开 App。要奖励核心行为,否则就不奖励。

怎样在 TapCub 里检验一个游戏化机制

沿用连续打卡的例子:20,000 个新用户、一个可选的连续打卡,问题是第 30 天留存。

  1. 发送事件。 把机制记录成事件,例如 streak_enabled、streak_day_7、badge_earned,以及核心动作,比如 project_created。新事件先进入事件收件箱,认领之后才进入正式定义。
  2. 定义参与者和其余的人。 在 全端分析 › 用户 › 分群与标签 里,保存一个规则分群「前 7 天内做过 streak_enabled」,再保存一个「没做过」的分群。两者都是可以重复使用的已存受众。
  3. 对每组分别跑留存。 在 全端分析 › 行为分析 › 行为分析 里打开留存,起始事件设为注册,回访事件设为你的核心动作,依次把每个分群作为同期群应用。留存没有对比周期,也没有拆分,所以要跑两次,把两个第 30 天的比率并排来读。要复现匹配比较,就把开启之前已知的特征加成筛选,比如渠道或平台,或者在你把首次会话时长存成用户属性的情况下,用它来筛选。
  4. 检查核心行为和护栏指标。 用从上手到核心动作的漏斗,以及事件分析来看护栏事件,比如关闭通知(如果你有记录的话)。
  5. 了解边界。 TapCub 不分流量、不跑实验,所以随机留出组需要你自己的开关系统;如果你的应用给用户属性写入分组,TapCub 之后就能比较这两组。它衡量你定义的分组,不会替你消除选择偏差,所以要把偏差和结果一起说明。

FAQ

游戏化的例子有哪些?

常见的有积分(会员计划)、徽章(上手里程碑)、连续打卡(每日课程或锻炼)、排行榜(用户之间的竞争)和进度条(完善资料或完成课程)。Duolingo 的连续打卡和排行榜、Starbucks Rewards 有公开记录;它们的数字要当作公司的说法,不是实验。

游戏化真的有用吗?

有时有用。对 24 项实证研究的综述发现多数效果为正面,但取决于场景和所涉及的用户。对你有没有用,要看它能否改变你的核心行为,比如第 30 天留存或复购,并且要用一个公平的比较来衡量。

怎样衡量游戏化是否成功?

选一个核心行为和一个窗口,再把参与者和开启之前特征相似的非参与者比较。示例里,原始的 14.6 个百分点留存差距,匹配之后缩小到 6.0 个百分点。再加上关闭通知之类的护栏指标,并读第 30 天,不读第 3 天。

游戏化最常见的错误是什么?

奖励活动而不是核心行为,或者拿完成了某个机制的人和没完成的人比较。两者都会让机制看起来有效,其实是比较方式造成的。要奖励带来价值的动作,并用机制开始之前已知的特征来比较。

不做 A/B 测试,能检验游戏化吗?

可以,只是设计更弱:分批上线、对比相同星期几的前后数据,或匹配比较。每种都有已知的偏差,所以要把偏差和数字一起报告,并把结果当作上限。如果能做随机留出组,会更强。

资料来源

这篇文章对你有帮助吗?

我们会根据反馈修改和补充这篇内容。

索菲娅·贝内特

产品应用顾问

关注客户上手、在线沟通与自助服务,将常见使用问题整理为清晰的操作建议与改进思路。

用自己的留存数据检验一个机制

把参与者和非参与者存成分群,分别对同一个核心动作跑留存。

看清数据,找到增长。

每一次点击,都有数据依据。装好一行代码,1 分钟看到第一批数据。

无需信用卡 · 统计与客服都有免费版 · 统计无 Cookie