Недавно наткнулся на интересный кейс по геймификации, который не встречал ранее в RU сегменте интернета. Спешу поделиться им с вами.

Yahoo Answers: как непродуманная геймификация забила последний гвоздь в популярный сервис

Немного вводных: Yahoo Answers — онлайн-платформа для вопросов и ответов, запущенная Yahoo в 2005 году. По факту то же самое, что Ответы Mail.ru (точнее, Ответы Mail.ru — то же самое, что Yahoo Answers).

На старте сервис был безумно популярен. Но с развитием конкурентов (например, таких как Reddit), улучшением алгоритмов поисковиков (и навыков их использования) и ухудшением качества ответов на самом сервисе, популярность Yahoo Answers начала стремительно падать. Да и все больше пользователей узнавали, как правильно кипятить воду на YouTube (лучше же один раз увидеть).

Если что-то болит — нужно приложить к этому геймификацию, и все пройдет, правильно?

Yahoo решила добавить «стандартный набор геймификации»: начислять баллы за активность и ввести систему уровней. Дал ответ — получил баллы, проголосовал за лучший ответ — получил баллы, за твой ответ проголосовали — ну понимаете. Чем больше у тебя баллов — тем выше уровень, и все видят, что ты молодец.

Геймификация, введенная для стимулирования участия, имела обратный эффект. Пользователи стремились набирать баллы, прикладывая минимальные усилия (они всегда так делают): давали короткие, очевидные ответы, при этом даже в тех темах, в которых не разбирались, голосовали за лучшие ответы по случайному принципу (зачем заморачиваться, если можно лайкнуть что угодно?). Количество ответов, конечно, выросло, но их качество упало (а оно и было не на высоте), что еще сильнее снизило доверие к платформе и отпугнуло профессионалов и экспертов, чья информация могла бы значительно поднять уровень дискуссий.

Как итог, Yahoo Answers стала отличной площадкой разве что для вдохновения комиков. Найти нормальный ответ — задача не из простых, а вот глупых ответов было в избытке.

В 2021 году сервис был закрыт, а все данные удалены.

-----

В нашей практике встречаются похожие вызовы, как у Yahoo Answers 15 лет назад: важно, чтобы пользователи активнее проходили курсы, оставляли отзывы, комментировали новости на корпоративном портале, ставили реакции и.т.д.

При внедрении геймификации важно учитывать неудачный опыт Yahoo:

- Мотивация на качественные действия:
Что является целевым действием? Поощрения должны быть направлены на качественное выполнение задач, а не на простое накопление баллов.
- Регулярная оценка системы геймификации:
Важно иметь механизмы регулярного мониторинга и оценки эффективности геймификации (и вносить правки).
- Всегда нужно думать о простых, фродовых и нечестных способах получения преимущества:
Особенно это важно, когда есть ощутимая материальная мотивация. В 2025 году сложно побудить пользователя на действия простым зачислением баллов в какой-то табличке, а вот бесплатный iPhone замотивирует «пролайкать» все посты на корпоративном портале за последние 10 лет. Вот только зачем нам это?

P.S. Если у продукта высокая ценность — возможно, использование геймификации для увеличения активности будет вообще излишним.

3D проще, чем кажется.

3D в e-learning используется не так часто, а если рассматривать внутреннюю разработку, то можно сказать, практически никогда. Может сложиться впечатление, что добавление объемных объектов в цифровые материалы — это технически очень сложная задача.

20-30 лет назад так и было, но сейчас на рынке есть масса стоков, сервисов (в том числе и с ИИ) и движков, упрощающих интеграцию 3D в свои продукты.

О двух таких сервисах сегодня и поговорим.

Avaturn — сервис позволяет создать 3D-аватар по фотографии.

Как работает сервис:
- Загружаем фотографию лица (желательно три штуки, но отлично работает и с одной);
- Ждем 30 секунд генерацию — аватар готов;
- Настраиваем тело, прическу, одежду и аксессуары (напоминает игру Sims);
- Добавляем анимацию (можно выбрать только одну за раз);
- Скачиваем аватар и используем в своих проектах.

Пример настройки аватара на первом и втором видео. В первом примере я использовал свою фотографию, а чей аватар во втором видео — сможете угадать? 😊

Пример добавления аватара в проект на движке GDevelop (про который уже готовится пост) в третьем видео.

Качество 3D-моделей, конечно, очень сильно уступает современным играм. НО! Офисные компьютеры современные модели персонажей не потянут. Можно сказать, что для целей e-learning (и учитывая возможности) это идеальный вариант.

Выбор анимаций небольшой, и большая их часть скорее шуточные, чем полезные.

Где взять более прикладные анимации?

Mixamo — большая бесплатная библиотека анимации 3D-персонажей.

Принцип работы очень простой:
- Загружаем персонажа в сервис (важно отметить, что Mixamo поддерживает форматы FBX и OBJ; если вы создавали персонажа в Avaturn, он будет в формате GLB. Для перевода GLB в FBX можно воспользоваться онлайн-конвертером или ПО для работы с 3D-графикой, например Blender);
- Выбираем необходимую анимацию из каталога и настраиваем её;
- Скачиваем анимированного персонажа или просто анимацию.

К плюсам сервиса можно отнести автоматический риггинг (создание скелета персонажа, который делает анимацию более реалистичной). Иными словами, в сервис можно загрузить и анимировать персонажа, сделанного с использованием ИИ.

Итого, буквально за 20 минут мы можем получить готового персонажа с полным набором необходимых анимаций для проекта.

ИИ создает игры или никаких гоблинов в бикини

Мы уже привыкли к тому, что ИИ пишет текст, создает изображения, видео и музыку. Теперь пришло время игр.

В игровой движок GDevelop добавили функционал для разработки игр по промпту. Пока это скорее ранняя бета-версия, так как ограничений принципиально больше, чем реально работающих механик, но в любом случае начало положено.

Как это работает?
— Пишешь текстовое описание геймплея.
В моем случае я хотел получить платформер, в котором разработчик курсов стреляет из пистолета по гоблинам в бикини с большими шляпами.
— Немного ждешь.
Игровой движок не создает графику, а просто ищет наиболее подходящие элементы в собственном магазине бесплатных ассетов*. Так что никаких гоблинов в бикини ожидать не следует. ИИ подберет (не очень удачно) что-то наиболее похожее на твой запрос.
*Ассет — ресурс, используемый в процессе разработки игры: 3D-модель, музыка, игровая механика, картинка и так далее. В данном контексте это звуки, фоновые изображения, платформы и персонажи с анимациями.
— Игра готова, можно «наслаждаться» результатом.
Игра получается рабочей. В ней действительно можно делать все, что я хотел (еще и управление для смартфона добавили). Игра обладает игровой логикой. Главный герой логично перемещается, при столкновении с врагами он умирает, если во врагов стрелять — умрут они (стреляем мы правда какими-то огромными нелепыми штуками...ну да ладно). У уровня есть конец, то есть игру можно пройти. Плюс на свое усмотрение движок периодически добавляет всякие таймеры, монетки и очки.

НО! Все это совершенно неиграбельно, начиная от геймдизайна и заканчивая забагованностью всего на свете. Хитбоксы у объектов и персонажей не совпадают с визуальной частью (вполне возможно, это косяк ассетов; какие были хитбоксы — те движок и оставил), анимации работают не у всех объектов, некоторые изображения дергаются и так далее. Плюс движок еще не умеет работать с 3D или реализовывать нестандартные игровые механики.
Но я просто написал пару строчек текста и получил игру, ну круто же, правда?

______
Конечно, на данный момент это скорее игрушка, чем рабочий инструмент. Намного проще найти хорошо работающий ассет (или несколько) игры с нужными тебе игровыми механиками и «плясать» от него, или посмотреть гайд по разработке интересных механик, но в любом случае у этой технологии огромный потенциал, если, конечно, разработчики вернутся к его доработке.

Парадоксы в статистике: парадокс Симпсона.

На конференции Digital Learning 2025 одной из самых обсуждаемых тем стали бизнес-метрики (ИИ они, конечно, не переплюнули, но в тройку тем точно вошли). В ходе обсуждения вспомнил несколько любопытных парадоксов в статистике, об одном из которых хочу рассказать.

Парадокс Симпсона — это когда выводы из данных выглядят по-разному, если смотреть на группы отдельно и если их объединить.

Давайте разберем на примере (скрин №1). Мы сделали программу адаптации для продавцов B2C и продавцов B2B. После прохождения программы замеряем средний процент выполнения плана и видим, что продавцы B2B справляются с выполнением плана лучше (99.5% против 87%). Делаем вывод, что программа адаптации для продавцов B2B более качественная.

Но, если мы разделим наших новых сотрудников на тех, у кого был ранее опыт работы в продажах, и сотрудников без опыта, картина получится ровно противоположной (скрин №2). Здесь мы видим, что продавцы B2C как с опытом работы, так и без, после прохождения программы адаптации, делают более качественные продажи, чем продавцы B2B, следовательно программа адаптации для продавцов B2C более качественная.

Парадокс Симпсона показывает, как важно учитывать детали в статистике. Статистические данные могут вводить в заблуждение, если рассматривать их без учета всех факторов.