Яндекс.Драйв: система ачивок для управления поведением и вовлечения

Яндекс.Драйв, каршеринг с самым большим автопарком в мире (16 000+ машин на начало 2021 года). Этот кейс геймификации в продажах показывает интересный подход.

Концепция: коллекция ачивок в профиле вождения

В приложение встроили раздел с виртуальными значками. Фишка в том, что все ачивки изначально скрыты это пользователь не знает, какие бывают, пока не получит первую. Профиль начинается пустым и заполняется по мере езды.

Примеры, которые дают понять логику:

• - «Крадущийся тигр»: проехать 50 км без превышения скорости
• - «Затаившийся дракон»: 50 км без резких маневров
• - «Коллекция марок»: покататься на каждой модели из категории «На каждый день»
• - «Побег из города»: выехать за МКАД
• - «Джип попался»: арендовать Jeep (их всего 10, и они всегда заняты, настоящая охота)
• - «Электрокар попался»: прокатиться на Nissan Leaf
• - «Ночная мафия»: поездки между полночью и шестью утра
• - «Созвездие Драйва»: использовать каршеринг в Москве, Питере и Казани
• - «Драйв»: за каждый год с сервисом

Умная механика повторов:

Ачивки за километры можно получить несколько раз, на значке растет цифра-счетчик. Но есть ограничение: за одну длинную поездку нельзя нахватать десяток наград. А если резко затормозил или превысил скорость, прогресс текущей ачивки обнуляется. Уже полученные значки, конечно, никуда не денутся.

Аналитическая оценка результатов

Система ачивок Яндекс.Драйв решает несколько задач одновременно:

• - Безопасность: ачивки «Крадущийся тигр» и «Затаившийся дракон» напрямую стимулируют аккуратное вождение. Обнуление прогресса при нарушении это сильный мотиватор
• - Расширение использования: ачивки за ночные поездки, разные города и типы машин стимулируют пробовать новые сценарии
• - Ретеншн: повторные награды и годовые значки создают долгосрочную вовлечённость
• - Коллекционирование: механика «попался» для редких машин (Jeep, электрокар) добавляет элемент охоты

Кейс показывает, как примеры геймификации B2C-сервисов работают на управление поведением пользователей: система наград мягко направляет к желательным действиям (безопасная езда, разнообразие поездок, долгосрочная лояльность) без прямых ограничений или штрафов.