10 自我激励2:游戏化奖赏,让工作变好玩

10 自我激励2:游戏化奖赏,让工作变好玩

00:00
13:43

今天和明天的两节课中,我要具体跟你说说,如何用“游戏化”的方式正确激励自己,让你能在工作中有更好的体验,不拖延


一、游戏为何让你上瘾?


在课程开始之前呢,你先来想一个问题,你是做所有的事情都会拖延吗?


好像不是的,你写文章会拖延,工作、学习、锻炼身体、打扫卫生会拖延,但是很少会听说有人打游戏拖延。


沃顿商学院的副教授凯文·韦巴赫,也是《游戏化思维》的作者。


他得出的结论是,其实大多数的人类活动,比如参加考试、学习一项技能、从事商业活动本身就是游戏,你需要花时间精力去练习、提升等级、克服困难,才能变强、成为高手。


但是为什么人们对工作和学习任务不感兴趣,却容易沉迷于电脑游戏?是因为后者设计得好。


游戏设计中很重要的有三点:(1)目标设计,(2)反馈和奖赏机制,(3)心流体验。


关于第一点,我们在昨天的课程中其实已经讲过了,这里复习一下。


游戏的终极目标只有最后的那一个,但是它会通过拆分终极目标,变成一个个容易上手、阶梯上升的“粉末任务”让你不断去完成,也就是我们说的“升级打怪”。


运用到工作学习中,你也可以给自己设置不断进阶的“粉末任务”,如果有点忘记了的话,可以打开昨天的课程,再看一下。


第二个是反馈和奖赏机制,也就是我们今天这节课要重点讲的;


第三个如何达到心流体验,我会在明天的内容中具体为你分析。


我们先来看游戏的反馈和奖赏机制。


游戏之所以能让你欲罢不能,是因为其中的奖赏机制能促使你产生多巴胺动机。


多巴胺我们都知道,是一种能让我们快乐的激素。但如果你把整个游戏化的过程理解为,获得奖赏—产生多巴胺—感到快乐,那你就错了。


心理学家发现,多巴胺的产生并不是在你得到奖励的时刻,也不是在得到奖励之后,而是在获得奖励之前就会产生了


我在初中有很长一段时间沉迷游戏。


最严重的时候,我父母12点睡觉,我会在10点上床假装睡着。然后12点15分爬起来开电脑打游戏,打到五点四十五关机,上床躺好,等着我父母6点起床叫我上学。


你看,我为了打游戏确实付出了很多努力,那我的多巴胺动机产生在什么时候呢?


游戏里的魔法、道具、装备不是我的多巴胺动机,“我想要每天晚上打游戏”这个想法才是我的多巴胺动机。


对此,斯坦福大学的神经科学家布莱恩(Brian Knutson)做过一个实验,他用核磁共振扫描仪观察人们在玩投资游戏时的大脑图像。


发现我们的大脑在有可能获利的时候,受到的刺激比最后获得奖赏的时候还大。


有句歌词叫“得不到的永远在骚动”,双十一买的东西不是你的多巴胺来源。


计划双十一购物清单的时候、刷着订单页面等快递物流消息的时候、拿到快递开包前的一瞬间那时候,你的大脑产生的多巴胺要远远高于你真的拆开快递拿到了你买的东西时大脑产生的多巴胺。


相信你有过感受,并不是游戏让你百爪挠心不能踏实做事情,而是你想要玩游戏的念想让你不想坐在书桌前。


所以现在你应该知道了,为什么说了那么多游戏化学习、游戏化管理好像不管用。


因为如果我们只把“游戏化”当作最后结果到来时候的奖赏,认为勋章设计、积分、排行榜就是“游戏化”,是无法激发你对工作的热情的。


这就像我们幼儿园的时候,拿到小红花会开心,但是到了大学,你看到的还是小红花,就不起作用了。


所以想要真正通过“游戏化”来进行正向的自我激励,关键就在于整个奖赏机制的设计,是否能够在过程中就激发你的动力。


二、如何营造你的多巴胺动机


如何营造多巴胺动机呢?有两点。


第一,设置奖励预期,也就是提前设定好奖励,让你有期待;

第二,强化程序,也就是让玩家在最希望获得奖励的时候得到这些奖励。


你想想,为什么你会想要去完成极其艰难的副本任务呢?


因为你知道有价值高昂的奖励,还有名望。


为什么你会想氪金呢?


因为人民币战士可以获得更强的装备、更高的获胜机率。这些提前设置好的奖励,都是为了提升你“想要”去做的动力。


你看现在每一个大型游戏都会有自己的官网,在上面会详细地介绍这个游戏都有什么职业、职业有什么拉风的技能、有哪些稀有物品、能获得什么尊贵的成就称号。


当然还有最重要的,那些极具挑战性的怪物都会掉落什么极品装备。介绍内容图文并茂,琳琅满目。


我自己曾经为了《魔兽世界》里一个稀有精英怪的掉落装备,和我的朋友轮班蹲点儿了72个小时。我也会为稀有坐骑重复刷同一个副本上百遍。


这是设置奖励预期,那什么是“强化程序”呢?


你已经知道了,要制造多巴胺动机,光有奖励不够,关键要有一套强化的奖励程序,也就是在什么时候发放奖励。


把握好这个时机,才能让玩家知道什么行为能得到想要的奖励,那玩家接下来也就会做出游戏设计者想要玩家做出的行为。


比如知道完成副本会获得意想不到的惊喜,氪金会有更多的抽卡机会,连续登陆有额外奖励,等等。


有的游戏甚至会在每次掉落重要物品的时候,提示你距离掉落另一个宝箱或者距离角色升级这些奖励出现的时刻只剩下几分钟了。


在这样的程序设置下,你就会乐此不疲地追逐下一个几分钟之后的奖赏,玩上瘾。


这些其实都是奖赏程序对你的引导。


三、把工作“游戏化”,让你工作“上瘾”


说明白了游戏中是怎样通过奖赏程序让你上瘾的,我们在工作生活中可以怎么运用呢?


下面进入我们这节课的下一部分,还是从奖励预期和强化程序两方面来看,我们看看如何在工作中让你有动力。


1、设置奖励预期


你可以给自己列一张奖励清单,把你想要的奖励写下来。


这些奖励不一定要和金钱相关,也可以是你想做但是又觉得在工作过程中不该做的事情。


你大可以把它们都先写下来,比如说:刷五分钟抖音;撸一刻钟猫;发半个小时呆;看半个小时剧;打半个小时游戏;逛两个小时街……


提前设置好这些奖励,就像游戏里提前安排好会掉落的装备一样,能让你产生多巴胺动机。


更有意思的是,就像游戏中掉落的装备可以让你的战力更高一样,你给自己设定的这些奖励,在你后续的工作中还能继续发挥正向的作用。


因为,你在接受工作带来奖励的时候,会不知不觉把奖励和努力工作的行动联系起来,渐渐地,为了获得奖励而采取的行动本身就成为了一种奖励。


可能你听着有点复杂,但其实就像你喜欢钱一样,钱本身没啥可稀奇的嘛,就是一张纸、一串数字罢了,但是它可以买到你想要的东西。


所以慢慢的,你就觉得钱本身就是很不错的东西。


这个过程叫“习得性勤奋”,你不要以为只有知识才是可以学会的,快乐地工作也是可以学会的。


当然,在“习得性勤奋”发挥作用之前,你可能需要不断经历“努力-回报-努力”这样的周期。


在很多个周期过后,你才能把良好的体验与努力工作联系起来,爱上你的工作。


2、“强化程序”在工作中的运用


这里的重点是奖赏的程序,也就是如何奖励。


你要注意两点:(1)给自己即时反馈;(2)获得的奖励和对应完成的任务要成比例。


即时反馈,相信你一定听过,在游戏的强化程序中,你完成了副本任务就是会得到升级和装备的奖励,攻击对方一下就会显示掉一格血。


工作学习为什么不容易坚持呀,就是因为需要很长时间才能知道结果。


工作绩效如何,可能需要半年业绩考评的时候才知道;准备一场考试,得几个月后考完才出分数。


因此,你需要在工作中给自己制造快速反馈,无论是依照提前设置好的奖励预期,在完成一项任务之后就及时奖励自己;


还是为自己的工作设置一个进度表,做完一件事就划掉一段,时刻让自己看到进度条,都是非常有效的。


我们前面说了,奖赏不一定是金钱物质相关的,你自己时刻在前进的进度条,就跟游戏中的积分和等级一样,也是奖赏程序的一部分。


四、如何让给自己的奖励刚刚好


讲完了即时反馈,我们来说今天的最后一部分,你看,刚刚这句话就是我在给你今天的音频学习提示进度条了。


我们来看游戏化奖赏中“强化程序”在你工作中运用时,要注意的第二点。


合理匹配任务和奖励,说的是你完成任务所付出的努力和你得到的奖励大小的要成比例。


奖励过小就起不到激励自己的作用,奖励太多、你完成的任务太少又违背了你激励自己干活的初衷。


你想,要是你累死累活两个星期完成了一个项目,你就只奖励自己刷五分钟微博,那这个奖励就跟没有一样。


而另一方面,如果你答应自己看5页就追5集电视剧,那估计要不了两天剧都追完了,书才刚看了个开头。


为了避免出现奖励大小和对应完成的任务不成比例,有一个小办法,就是你在匹配的时候,对任务和奖励的衡量要用不同的方法。


什么意思呢?对于任务,我们要用完成的量来衡量,比如看多少页书,减掉多少厘米腰围;


而对于奖励,我们用花在这件事情上的时间来做单位,比如看几分钟剧,打多久游戏。


比如,你可以这样跟自己说好:

我把这两件衣服洗了就能刷五分钟抖音;

我看完30页书就可以获得半个小时看电视剧的时间;

我写完论文的讨论就出门逛一圈买一杯咖啡……


这样做是为了防止你钻自己的空子,因为如果反过来用时间定任务,用数量定奖励,很可能出现做正经事的时候磨洋工,耗到时间就丢掉工作找奖励;


又或者是在享受奖励的时候一玩就没个数了,两把游戏打了三四个小时。


今日小结:


我们说了如何效仿游戏设计的套路,来让你在工作中有更好的体验,不拖延。


首先你可以给自己设置奖励预期,让你有动力去完成任务;


其次,用即时奖励自己的办法来达到游戏中强化程序的效果,让你一直处于被多巴胺动机鞭策的状态。


在这个过程中,你要注意合理匹配你的任务和奖励。


今日训练营任务:


拿出第8讲最后你给自己做的计划表,给每项任务添加相应的奖励。


第10讲 训练营任务.jpg


以上内容来自专辑
用户评论

    还没有评论,快来发表第一个评论!