教育和学习都是反人性的。
因此在设计好有效的学习体系后，面临的一个巨大挑战就是用户参与度和活跃度(engagement)的问题。动力不足，不能坚持下去，让学习这件事变得很难的一个重要原因。相对于传统课程，线上的学习产品面临的挑战更大。
如果要让用户持续地使用，一定要让他们爱上学习这件事，并养成学习习惯。而驱使他人自愿做一件事，这个可能吗？答案是肯定的。
行为设计学的研究者已经证明：人的行为是可以被引导和左右的，只要在产品中设计好激励和奖励措施，就能达到预想的效果。（Skinner box 老鼠实验）
在解决动力不足和培养用户习惯的问题上，什么做得最好？毫无疑问当然是，游戏！
玩游戏并不会给我们带来任何实际的好处，但人们就是乐此不疲，愿意持续地付出时间、精力和金钱，这就是游戏的魅力。可以说，游戏设计们为解决动机不足这个难题提供很好的解决方案。
特别是像学习、健身、工作、养成好习惯这样反人性的事情来说，如果能设计得跟游戏一样，那效果自然是显而易见的。
那游戏化到底是什么？其有效性背后的有什么样的理论支撑？以及最重要的，如何把游戏化与学习产品结合起来、具体如何来设计？这些都是本文试图要解决的问题。
好，在一开始很有必要先明确一个概念。
1
游戏化的道：关于人性的研究
什么是游戏化？
情感、抱负，皆为人性；做与不做，皆有原因。
游戏给人带来的愉悦、满足，甚至让人上瘾，这是顺应了人性的结果。因此，游戏化的本质是顺应人性，是“以人为本”的设计。而“游戏化”的得名，不过是因为游戏行业在这方面做得最好。这个逻辑关系应该要明确，否则只是把一些具体游戏机制，比如经验值、金币等照搬过来，并不会有预期的效果。
《游戏化实战》中作者 Yu-kai Chou认为，以人为本的设计是以人的心理变化、行为动机以及参与感为基石，在保障基本功能和性能的基础上，对整个系统进行优化建设。
要做到以人为本，我们应该深刻地理解人的心理变化、影响行为动机的因素以及如何获得参与感等。这是游戏化的基石。
也就是说，要设计出顺应人性的产品或游戏，就要先了解人性。
关于人性的理论研究涉及到动机心理学、行为设计学、游戏设计研究等多个方面，主要的理论包括：
（1）行为设计学理论：福格行为模型 Fogg’s Behavior Model
（2）动机理论之自我决定论：胜任、关系、自主和意义
（3）习惯养成理论
（4）心流理论
（5）玩家（用户）类型理论
（6）乐趣理论
（7）用户参与度理论
（8）其他认知偏差理论，如虚幻优势、宜家效应、损失厌恶
因为这部分不是本文重点，这里暂不罗列细节。下文中如应用到相关理论，会有具体介绍。对其他本文暂时没有应用的，以后会有专文介绍这些理论细节和相关书目。
而真的学习和了解了这些理论，会发现游戏的每个设计都能找到相应的理据。比如最近的养蛙游戏，“旅行”这一个主线能够激起用户期待的美好感觉，这就是Fogg 教授认为的人的基础行为动机之一。
具体应用到学习产品中，游戏化应用的最主要形式应该是用户激励机制。下面我们就从学习产品中用户激励机制的设计开始。
2
设计用户激励机制
一款学习类应用，该如何设计有效的激励机制，个人认为可以从下面三步来进行思考。
一、明确和细化学习目标
这是前提。学习目标应该层层分解，最后细化到最小目标，即直达用户在 app 上某个操作。这个最小目标是一系列用户行为的结果。比如，下图中的最小目标是完成该课，它由一系列的用户行为或操作，即回答问题来完成。
每一棵树的父节点又可能是另一棵树的子节点，每一棵树的子节点也可能是另一棵树的父节点，如此推演，直至到用户某一具体操作为止。如下图所示：
将学习目标进行层层分解和结构化的好处，主要有以下三个方面：
第一，每一层目标都能追溯到用户某一个具体的操作
第二，用户的每次操作都能在系统中找到价值
第三，为数值体系的构建提供了整体架构蓝图
通过这样的分解，我们把产品的目标跟用户的具体行为建立起了连接。要达到目标，下一步应该是什么呢？没错，那就是驱动行为。下面来探讨一下，如何驱动用户行为，解决办法是提升动机水平。
二、提升动机水平，来驱动完成目标
1. 动机触发行为
动机是什么呢？动机是在用户有需求的前提下，在某个具体时间和场景下发生某种行为的可能性。
不仅是触发行为，动机对能否坚持做一件事也至关重要。通常人们都会说，半途而废的人是因为他们缺乏意志力。但心理学家安德斯·艾力克森认为，意志力这种东西其实并不存在，因为并未发现意志力相关的基因。所谓的意志力，更像是人们事后用来解释，为什么有些人更能坚持而造出的概念。
他认为，要克服不能坚持下来做某事，更有意义的是讨论动机问题。要能坚持下去，一是要弱化半途而废的动机，二是强化坚持到底的动机。
而动机是动态变化的，它会被一些因素所干预。
行为设计学的Fogg教授认为，人的基础动机是相对稳定的，主要有以下三个方面：
第一是感觉，人总是追求愉悦快乐，比如成就感、正义感、即时反馈、好奇心和惊喜等。同时避免痛苦不悦。
第二是期待，期待美好的一面，恐惧负面的结果。
第三是归属感，追求社群认同和依赖，避免孤立。
除了以上理论，动机还可分为外在决定和自我决定因素。外在因素主要是奖励和惩罚。比如完成老师布置的作业就会受到奖励，否则就会被惩罚，这会驱动学生努力完成作业。而动机内在决定的4个因素是：胜任、关系、自主和意义。
根据这些理论研究，我们可以根据产品的受众、目标等具体情况，来选择一个最恰当的提升动机的切入点。下面让我们来看一个实例。
2. 动机如何驱动完成学习目标
问题的现场：一款学习产品设计精美、交互体验棒，学习体系和内容也是由专业团队打造。问题就是用户参与度不够，有些用户进来学两句就放弃了，能完整学完一课的人不多，更不用说学完整个课程了。最终的数据表现就是用户的参与深度和完课率都很低。
问题的本质是什么？设计者的期待是用户完成一系列学习行为，直至该课结束。真实情况是，用户只做了前面几步就放弃了。那导致目前问题的原因是什么？
根据 Fogg 教授的理论，分析某个行为是否发生，可用如下分析框架：
（1）动机，动机不足补动机
（2）能力，能力不够降难度
（3）触发器，及时的通知和提醒
对照一下，发现第二点已通过“点击可获得提示”的机制解决。因为用户已经进入学习内容，第三点可排除。因此，问题出现第一点“动机”上。即，用户开始后，没有足够的动机驱动 ta 继续学完。
这里有这样的方法：根据人的收藏癖好和损失厌恶心理，设计者在课里加入了“集烟花”的元素。用户每学完一个知识点，就可以集到一个烟花。并在流程开始提示，这个课应该收集多少个烟花。有了具体的数字目标，用户坚持到最后，集到了所有的烟花，也获得了满足感和成就感。
该图就是上面提到的最小目标-行为树，只是进行了一下动机驱动包装。
当然以上只是一个例子。游戏化本身并不存在一种特定和标准的，适用于所有情况的方法，应当具体情况具体分析。不管是通过外在的奖励和惩罚，还是内在的意义、社交关系或者营造归属感来强化动机水平，最终的目的只有一个，那就是完成第一步确定的目标。
但从完成一个最小目标，到最终的目标，肯定不只一次投入，而是需要长期的坚持。这就需要进行进一步的用户投入设计，让用户养成学习习惯。
三、养成学习习惯：持续完成长期目标
习惯养成类产品的上瘾机制分为：触发——行动——多变的奖励——投入。（尼尔·埃亚尔《上瘾：让用户养成使用习惯的四大产品逻辑》）
在上面关于动机的部分主要说的“触发——行为”这两步。而后面的“奖励——投入”设计就决定了，用户在达成一次小目标后，能否持续投入。下面就从这两方面具体来说一下。
1. 从奖励到多变的奖励
奖励机制是用户完成期望行为，来到胜利状态后，设计师给予用户的奖励。在学习类app产品中，主要的形式有：
状态积分：按积分排等级、专属特权
成就象征：勋章、奖章、证书
社交群体：分享炫耀、排行榜、好友 PK
成就意义：关卡、闯关机制、给目标植入故事概念（比如培育一粒种子到开花结果）
对于一般的奖励，规则是明确的，因此奖励的多少都在用户预期内。好处是可期待，用户能获得确定性。缺点是时间长了以后用户的新鲜感是减退，甚至无感。
在那个著名行为设计学的Skinner box 老鼠实验中，小白鼠一旦明白了只要一动操作杆，就有一样多的食物掉下来后，慢慢地就习惯了，也没有积极性。直到实验人员变换了机制，让每次掉下来的食物量都不一样，有时甚至还没有。小老鼠对拨动操作杆这个动作，根本就停不下来。它对这个操作上瘾了。
因此，多变的奖励和惊喜就成为设计上瘾机制的一个重要手段，在游戏中应用得非常广泛，比如最近流行的养蛙游戏就是对不确定奖励应用的一个极佳例子。
在一般的app 产品中，多变的奖励常见的形式有：彩蛋惊喜：积分翻倍、随机奖励；抽奖：免费课程、免费电子书、线下活动门票
具体到学习产品上，对多变的奖励这个方法应用还是有一定难度的。就像希望用户能对“学习”这件事情上瘾的难度，是远远大于一款游戏让用户上瘾的难度的。因为如果有太多的抽奖、随机奖励的形成在 app 上，会分散用户对学习本身的注意力。
在学习产品中，多变的奖励可以更多地体现在个性化上。比如学习连续答对三道题，能得到特别奖励，比如用户这次的回答，比上次进步了就有奖励等。
其实在学习过程中，这就是相当于老师的作用了。对不同的学生的不同表现，给出相应的表达和鼓励。
当用户由于动机驱动和奖励机制在产品中停留了一定时间，如何将其留住更长的时间呢。这就需要用户投入设计了。
2. 用户投入设计
用户投入设计有两个方面：一是利用累积优势，二是突出离开损失。
（1）利用累积优势
累积优势指的是，用户在某产品上贡献的数据越多，产品能基于这些数据改进体验，最后会有“越用体验越好”的双赢情况。
比如个性化推荐、学习难度的自适应等，系统会对每个用户进行用户画像数据建模（User Profile），并持续对其使用行为进行分析来调整模型。用户的直观感受是“很懂我” “有用”，这种感受会强化大脑奖励系统，最后形成习惯。
这里要注意，一定要在这种机制发挥作用前将用户留住。
（2）突出离开损失
“损失厌恶”是人的底层心理认知机制。在某个产品上使用时间越长，在上面留下的个人信息越多，比如身份标识、专属奖励、个人的笔记和知识等。慢慢地，用户离开产品的损失就会越来越大。
在语言学习产品，想到一个很好的例子就是词典功能。如果在学习的过程中，用户可以将某个生词添加到自己的词典里，这个功能慢慢就成了用户手机里学习和练习生词的工具。
还有就是打卡机制，并人为设置一些里程碑，比如“连续7天”，“连续30天”等，能让用户更不忍中途放弃。
好了，以上就是第二部分学习产品的用户激励机制设计，下面这个部分要介绍的是反馈机制。众所周知，即时反馈是游戏化重要原则之一。但对反馈机制的探讨远不应只停留于此。特别是在人机交互的智能产品中，反馈是产品“代言人”。
3
设计反馈机制
一、反馈是用户和产品的沟通形式
反馈是指信息发送者和信息接收者相互间的反应。实质上，我们学习或者被教育的过程，就是不断接受反馈，然后不断调整的过程。
在学习的过程中，学生被教导要做什么，不能做什么。如果没有做被期望的事就会被惩罚。如果做对了，就给予红利（比如考试的分数），让学生产生路径依赖。最后不断重复，直至学会。
同样，反馈在用户（学生）和 产品（老师）之间至关重要。反馈分为正反馈的鼓励和负面反馈的惩罚。
反馈-调整-再反馈，如此反复，就是用户使用一个学习产品的全过程。
值得注意的是，对于人机交互的智能学习产品来说，反馈的颗粒度不能只简单停留在用户是否进行了某个操作。这就像一位称职的好老师不能只关注学生是否来上课了，还要关心ta的掌握情况怎么样，今天讲的题目是不是真的听懂了，越细致入微越好。
二、反馈的最小颗粒：敏感地捕捉用户行为
在产品中，我们应该尽量细化用户反馈的颗粒度，细微地回应用户的每一点努力和成就，让其感知自己在这个产品上的任何行为都是有意义的。
比如，用户回答一道题，不仅要记录答对几题、答错几题，还有答题的速度快不快、有没有连续答对过、上次答错的题这次对了没有，等等。如下图：
考虑的维度除了对错、得分以外，还有用时、题和题之间的关系、这次与上次的对比、与其自身难度的匹配...... 总之，颗粒度越细越敏感越好。
当然产品越细微的感知能力，背后需要强大技术实力作为支撑，这点会在下一篇关于智能的文章里再探讨。
还有一点就是，所有的反馈机制都应该能启动新的触发器，进一步促进期望行为，也就是从最小目标走向更大的目标。
三、反馈的量化形式：数值
如果产品感知到了用户行为的所有细节，并进行评估，该通过什么样的方式反馈给用户呢？毫无疑问，数值当然是最直观的。就像考试分数一样，在一定程度上是最公平和有效率的。
上图中的得分就是返回给用户一个具体的分数，让其了解自己的表现。
上图中生命值也是一个具体的数值，它告诉用户应该尽量避免做错，超过某个数值，就会失去答题机会。
其他的数值反馈，比如得分、积分、经验值、排行榜、等级、好友数、进度数值等等。
当然除了数值反馈以外，也还有其他反馈形式。如果产品中加入了社交机制，就会有社交反馈，比如他人点赞、留言、私信等。而且对于学习产品来说，还有一种反馈形式就是教学反馈，比如针对性地分析出学生的优点和不足，给出建议或解决方案等。
但这并不影响这个结论，数值是量化行为的最好工具。其他形式的反馈，同样也需要通过数值跟系统建立关联。
数值不仅能量化一个点，它还连点成线，连线成体，构建整个系统。下面来探讨一下，它是如何做到的。
四、通过数值构建系统
在游戏行业有专门的职位叫数值策划，这是一个关于游戏平衡方面的职业。可见数值在游戏中的重要性。在学习产品中，数值线和系统的构建也是游戏化的一个重要体现。
1. 数值公式：量化行为和数据的关系
目标和行为的具体关系是什么，某个行为对目标会产生什么样的影响，我们需要一个公式来确定。这个公式清晰地规定了节点和节点之间的关系。
最简单的公式就是：完成该课 = 回答问题1 + 回答问题2 + 回答问题3。复杂一点的可以附加一条：至少答对两题或者每题分数不低于某个数值，才算完成。
类似的还有，目标 a = x次行为1 + y次行为2... + 避免 z次行为n
简单的线性设计，最基础的是加减乘除，然后对各个参数扩展。除了数值本身，数值和时间的关系也很重要。比如下图中答题速度可以作为得分的一个参数。
2. 设计数值线
在游戏中数值系统主要有经济系统、战斗系统、成长系统等，不同系统的数值的性质和逻辑关系是不一样的。借鉴到学习产品中，可分为以下三种：
a. 只会减少的数值，形式有：生命值、血滴等，作用是建立恐惧边界，主要是惩罚和限时。
b. 只会增加的数值，形式有：经验值、成长值等，作用是鼓励和奖励正确行为。
c. 既增加又减少的数值：形式有金币、钻石等，可以产品内部的交换货币。
除此以外，学习产品也有自身独特的数值设计，主要是跟学习效果、效率和水平相关。这些数值都不能直接观察到，它应该包含多个参数，而且参数到最终数值的计算公式也是很有讲究的。
与游戏不同，跟学习相关的数值是学习产品中最重要的数值线。
比如下图中，流利说中对口语力这个数值是实力和努力的结果，再进一步细化，具体参数为定级测试、学习时长、录音得分、课程难度、特别加速等。
数值线和数值体系把产品中每个最小颗粒的数据都联系了起来，让其在系统中获得意义。产品设计者通过对这些数值进行概念化，直接驱动用户行为。
比如：每天早起打卡一次就可以为虚拟的花园浇一次水，浇满三次水玫瑰就会开花；反面的例子有如果你答错一道题就会掉一滴血，生命值减少20%。这些都是通过赋予行为意义的方式驱动用户的例子。
至此，用户的每个细微行为和产品反馈及激励机制，通过数值和体系，形成了一个自洽的闭环。
4
总结
感谢读到最后。再来总结一下全文的内容，框架如下：
1. 游戏化的本质是人性化设计。
2. 游戏化在学习产品中最重要的应用是用户激励机制的设计。
第一步：明确和细化学习目标：
第二步：提升动机水平，驱动完成短期目标；
第三步：养成学习习惯，持续完成长期目标；
3. 反馈机制是游戏化的具体形式。关于反馈有这样几个方面：
（1）是用户和app 产品的沟通方式
（2）最小颗粒越细致、敏感越好
（3）底层是量化的数值
（4）数值最终构建系统
如果现在要对一款学习产品进行游戏化的优化，第一步应该做什么？我想是，明确和细化学习目标，并找到能做到的反馈颗粒度，然后再是后面的设计。
最后的最后还想说，学习动力问题是学习产品面临的重要挑战之一，游戏化是产品手段，除此之外还有教学服务等情感化手段等。
（全文完）
本文首发自公众号「一周一城」，如果对你有启发，别忘了点赞支持一下哇。
