FJCowQGEbibDkakfJOacwaLmnV3

Source: https://fcnlycv6dd0w.feishu.cn/wiki/FJCowQGEbibDkakfJOacwaLmnV3

今日内容

① 激励性机制变量构建口径 ② 奖励跃迁激励变量组计算方式说明

一、激励性机制的理论边界

（一）机制含义

本文中的激励性机制不是泛泛意义上的“奖励越多越好”，也不是所有奖励机制的总称，而是关注：平台能否通过奖励梯度设计，让参与者感知到更高名次、更高档位或更后轮次对应更高回报，从而形成追加投入动机。核心对象是奖励分布结构。理论链条为：奖励档位差异-> 边际回报差异-> 追加投入的收益预期-> 个体/团体最优投入水平-> 赛局综合投入玩家是否继续投入，并不只取决于最终奖励总量，而取决于他在当前阶段是否能感知到：再投入一点，是否有机会跨过下一个有价值的奖励节点。

二、理论支撑线

（一）锦标赛理论：奖励差距影响投入强度

Lazear & Rosen（1981）的锦标赛理论指出，排名竞争中参与者的努力水平会受到不同名次之间奖励差距的影响。开题报告中的公式：可以理解为：在竞争烈度一定的情况下，第一名和第二名之间的奖励差距越大，参与者的均衡投入越高。放到《钲鼓连烽》中，个人战功排名奖励、阵营排名奖励、攻城灭敌前三奖励，本质上都体现了不同档位之间的奖励差距。因此，锦标赛理论支撑激励性机制中的“奖励差距驱动投入”逻辑。

（二）目标设定理论：清晰目标推动持续投入

Locke & Latham（1990；2002）的目标设定理论认为，清晰、具体且具有挑战性的目标，更容易激发个体努力放到《钲鼓连烽》中，玩家面对的目标包括：

个人排名档位；
阵营排名档位；
商铺兑换门槛；
城池首占目标；
攻城前三目标。这些目标越清晰，玩家越容易判断自己是否值得继续投入。重点支撑：奖励节点越清晰，玩家越容易判断自己是否值得继续投入。

（三）目标梯度理论：越接近目标，行动动力越强

目标梯度理论强调，个体越接近目标，行动动力越容易增强。放到《钲鼓连烽》中，如果玩家当前距离下一奖励节点很近，例如：

距离前一档排名只差几名；
距离攻城前三只差少量战功；
阵营距离上一名只差少量积分；重点支撑：激励性变量不能只看奖励差距，还要看玩家距离奖励节点有多远。

（四）期望理论：玩家会判断继续投入是否值得

Vroom（1964）的期望理论认为，个体是否愿意投入，取决于其对“努力能否带来结果、结果是否有价值”的判断。对应到《钲鼓连烽》：玩家会判断：

我继续打，能否提升排名？
我继续投入，能否跨过下一档奖励？
我继续攒旌旗，能否兑换高价值商品？
我继续参与攻城，是否有机会获得额外奖励？重点支撑：玩家投入取决于“能否达成目标”和“达成后是否值得”的综合判断

三、奖励分布结构与奖励跃迁激励

激励性机制可以分成两个层级：

奖励分布结构 = 规则层面的激励设计
奖励跃迁激励 = 玩家/阵营当前位置上的实际激励强度奖励分布结构回答的是：平台把奖励怎么分？例如：
第一名和第二名奖励差多少；
前5名和6-10名奖励差多少；
奖励是否过度集中；
奖励档位是否有明显梯度。奖励跃迁激励回答的是：玩家当前位置是否接近一个值得跨越的奖励节点？例如：
玩家当前第6名，进入前5能多拿多少奖励；
阵营当前第2名，距离第1名还差多少积分；
攻城事件中，玩家距离前三奖励还差多少战功。奖励跃迁激励不是替代奖励分布结构，而是奖励分布结构在玩家当前位置上的实证化表达。核心链条为：奖励分布结构→ 形成奖励档位和奖励节点 → 个体/团体处于不同位置 → 面对不同奖励跃迁激励→ 影响继续投入意愿→ 推动综合投入变化

为什么不能只看奖励梯度(引入实证变量)

开题报告中的激励性逻辑关注奖励差距，例如：说明奖励差距越大，玩家投入动力越强。但实证中如果只看静态奖励差距，会有一个问题：同一活动内，所有玩家通常面对同一套奖励规则，静态奖励梯度在玩家之间缺少差异。所以实证上需要进一步看：同一套奖励规则下，不同玩家/阵营当前位置不同，因此实际面对的奖励跃迁激励不同。因此： - 理论上关注奖励分布结构； - 实证上用奖励跃迁激励刻画玩家实际激励暴露。

（三）奖励跃迁激励变量组

拆为四类变量：

rji_rank：个人排名奖励跃迁
rji_faction：阵营排名奖励跃迁
rji_shop：商铺兑换奖励跃迁
rji_siege：攻城事件奖励跃迁第一阶段优先构建： rji_rank 和 rji_faction 商铺兑换和攻城事件先作为扩展变量，等字段口径确认后再决定是否进入主变量。

（四）各变量计算方式

衡量玩家在个人榜单中，距离下一排名奖励档位时受到的激励。 rji_rank = 个人下一档奖励增量 / 距离下一排名档位的名次差举例：玩家当前第11名，下一档是前10名。当前档奖励价值3000，下一档奖励价值5000。

奖励增量 = 5000 - 3000 = 2000
名次差 = 11 - 10 = 1
rji_rank = 2000 / 1 = 2000 玩家只差1名就能多拿2000价值奖励，个人排名激励较强。对比：另一玩家当前第50名，距离下一档还差10名，奖励增量同样2000： rji_rank = 2000 / 10 = 200，实际激励弱很多。衡量玩家所在阵营，距离下一阵营奖励档位时受到的公共激励。 rji_faction = 阵营下一档奖励增量 / 距离下一阵营排名档位的名次差举例：阵营当前第3名，下一档是第2名。当前档奖励价值5000，下一档奖励价值7000。
奖励增量 = 7000 - 5000 = 2000
名次差 = 3 - 2 = 1
rji_faction = 2000 / 1 = 2000 阵营只差1名就能获得更高档奖励，阵营成员可能更有继续投入动力。该变量后续需要通过玩家所属阵营回填到玩家层面：玩家ID → 所属阵营 → 阵营排名 → 阵营奖励跃迁衡量玩家距离下一高价值商品兑换门槛时受到的兑换激励。 rji_shop = 下一可兑换商品奖励增量 / 距离下一商品兑换门槛的货币差举例：玩家当前有18000旌旗，当前可兑换商品价值3000；下一高价值商品需要20000旌旗，奖励价值5000。
奖励增量 = 5000 - 3000 = 2000
货币差 = 20000 - 18000 = 2000
rji_shop = 2000 / 2000 = 1 玩家距离高价值商品还差2000旌旗，如果继续参与能较快达到兑换门槛，会形成兑换型激励。注意：优先使用活动兑换币/旌旗，不把现金购买、元宝购买混入主口径。衡量玩家在单次攻城事件中，距离灭敌前三等奖励时受到的激励。 rji_siege = 攻城前三奖励增量 / 距离前三的战功差举例：普通参战奖励价值1000，灭敌前三奖励价值3000。玩家当前战功800，第3名战功1000。
奖励增量 = 3000 - 1000 = 2000
战功差 = 1000 - 800 = 200
rji_siege = 2000 / 200 = 10 玩家距离攻城前三还差200战功，而前三奖励比普通参战多2000价值，事件型激励较强。激励性机制的两层结构：奖励分布结构回答"规则设计是否有激励性" 奖励跃迁激励回答"这个玩家现在有没有被激励到"。两者不能互相替代——静态奖励表无法区分玩家之间的实际激励暴露差异，必须结合玩家当前位置才能形成有意义的实证变量。

7.9 KiB Raw Blame History Unescape Escape