Növekedés/Pozitív visszacsatolás

Csoport:	Növekedés
Kezdés:	2022-02-25
Csapattagok:	Gergő Tisza (software engineer), Benoît Evellin (movement communications specialist), Elena Tonkovidova (QA engineer), Sergio Gimeno (software engineer), Mew Ophaswongse (software engineer), Morten Warncke-Wang (data analyst), Rita Ho (senior user experience designer), Mariya Shilova (program manager)
Vezető:	Kosta Harlan
Vezetőség:	Kirsten Stoller (product)
Újdonságok:	Most updates posted here.

This page is a translated version of the page Growth/Positive reinforcement and the translation is 35% complete.

Tracked in Phabricator
Task T248330

Ez az oldal a "pozitív visszacsatolással" kapcsolatos munkát írja le a Növekedés funkciókészlet részeként. Ez az oldal tartalmazza a főbb eszközöket, terveket, nyitott kérdéseket és döntéseket.

Az előrehaladásról szóló legtöbb apró frissítés az általános Növekedési csapat frissítések oldalára kerül, néhány nagyobb vagy részletes frissítés pedig ide.

Jelenlegi állapot

2021-03-01: projektoldal létrehozása
2022-02-25: a projekt elindult a csapat megbeszéléseivel
2022-03-01: projektoldal kibővítve
2022-05-11: közösségi megbeszélés
2022-08-12: szerkesztői tesztelés befejeződött
2022-11-24: current designs and measurement and experiment plan added
2022-12-01: new impact module released to pilot wikis
2023-02-07: Leveling up and Personalized praise work started & second community discussion started
2023-02-14: published Newcomer task milestone analysis which will help guide Leveling up work
2023-03-22: Leveling up features released as an A/B test at Growth pilot wikis
2023-03-24: published Thanks Usage analysis
2023-05-25: released Personalized praise module on Growth pilot wikis
2023-10-01: released new Impact module on all Wikipedias & published Leveling up experiment results
Next: release Personalized praise on all Wikipedias

Összefoglaló

A Növekedési csapat egy "koherens újonc-élmény" kialakítására koncentrált, amely hozzáférést biztosít a kezdőknek azokhoz az elemekhez, melyekre szükségük van ahhoz, hogy csatlakozhassanak a Wikipédia gyakorlati közösségéhez. Például az Újoncfeladatok segítségével hozzáférést biztosítottunk számukra részvételi lehetőségekhez, a mentorálási modul segítségével pedig hozzáférést biztosítottunk számukra a mentoráláshoz. A javasolt szerkesztésekkel több kezdőt tudtunk rávenni arra, hogy elvégezzék első szerkesztéseiket. Ezzel a sikerrel szeretnénk lépéseket tenni annak érdekében, hogy a kezdőket további szerkesztésekre ösztönözzük. Ez felhívja a figyelmünket egy olyan fejletlen elemre, melyhez a kezdőknek hozzáférésre van szükségük: a teljesítmény értékelésére. Ezt a projektet "pozitív megerősítésnek" nevezzük.

Szeretnénk, ha a kezdők megértenék, hogy van fejlődés és érték a Wikipédián való tartós szerkesztésekben, növelve a megmaradást azoknál a szerkesztőknél, akik az első lépést megtették egy szerkesztés elkészítésével.

A nagy kérdésünk itt a következő: Hogyan ösztönözhetnénk a kezdőket, akik meglátogatták a kezdőlapunkat és kipróbálták a funkcióinkat, hogy folytassák a szerkesztést és tovább folytassák a szerkesztést?

Háttér

Amikor a kezdők kezdőlapját 2019-ben telepítettük, az tartalmazott egy alapvető "hatásmodult", mely a kezdők által szerkesztett oldalak látogatottságának számát sorolta fel. Ez az egyetlen olyan része a Növekedés funkcióinak, mely az újoncnak valamilyen módon érzékelteti a hatását, és az első telepítés óta nem javítottunk rajta.

Ebből kiindulva összegyűjtöttünk néhány fontos tanulságot a pozitív megerősítésről:

A közösség tagjaitól jó visszajelzéseket hallottunk a modulról, a tapasztalt szerkesztők azt mondták, hogy érdekes és értékes számukra.
A más szerkesztőktől származó elismerés bizonyítottan növeli a megtartást, például a "thanks" (itt és itt) és egy kísérlet a német Wikipédián esetében. Úgy véljük, hogy ezek a valódi emberektől származó megerősítések eredményesebbek lennének, mint a rendszerből érkező automatizált üzenetek.
A közösség tagjai kifejtették, hogy a kezdők számára kiemelt fontosságú, hogy a könnyű feladatokkal való kezdés után továbblépjenek az értékesebb feladatokra, szemben azzal, hogy csak a könnyű feladatok elvégzésében ragadjanak le.
Más platformok, mint például a Google, a Duolingo és a Github, mind számos pozitív megerősítési mechanizmust használnak, például jelvényeket és célokat.
A közösségek óvakodnak az egészségtelen szerkesztés ösztönzésétől. Láttuk, hogy amikor a szerkesztési versenyek pénzdíjakat kínálnak, vagy éppen amikor az olyan hasznos szerepek, mint a "kiterjesztett megerősített", a szerkesztési számoktól függnek, ez arra ösztönözheti az embereket, hogy sok problémás szerkesztést végezzenek.

Szerkesztő személye

Az új szerkesztő útjának számos olyan része van, ahol megpróbálhatjuk növelni a megtartást. Koncentrálhatunk azokra a kezdőkre, akik már egy vagy néhány szerkesztés után abbahagyták a szerkesztést, vagy az útvonal távolabbi szakaszában azokra a kezdőkre, akik hetekig tartó aktivitás után hagyták abba a szerkesztést. E projekt esetében úgy döntöttünk, hogy azokra a kezdőkre helyezzük a hangsúlyt, akik befejezték az első szerkesztési munkamenetüket, és akiket szeretnénk, ha visszatérnének egy második szerkesztésre. Az ábra sárga csillaggal illusztrálja ezeket.

Ebben a szakaszban a kezdőkre szeretnénk összpontosítani, mivel ez a szerkesztői feladat következő szakasza, melyben segíthetünk a megtartás javításában. Ez az a pont is, ahol jelenleg nagyon jelentős lemorzsolódási arányt látunk, így ha ebben a szakaszban tudunk segíteni a kezdők megtartásában, annak jelentős növekedést kell eredményeznie a szerkesztők számának növekedése szempontjából a későbbiekben.

Kutatás és tervezés

Kutatást végeztünk a különböző mechanizmusokról, amelyeket arra alkalmaztak, hogy a szerkesztőket arra ösztönözzék, hogy tartalmakkal járuljanak hozzá mind a wikipédián belüli, mind a wikin kívüli termékekhez. Az alábbiakban a kutatás néhány kulcsfontosságú eredményét ismertetjük:

A Wikipédia-szerkesztők motivációi sokrétűek, és az idő és a tapasztalat során változnak. Az új szerkesztőket gyakran inkább a kíváncsiság és a társadalmi kapcsolatok, mint az ideológia vezérli.
A belső projektek a belső ösztönzésekre irányulnak, altruista motivációkra apellálnak, és nem szisztematikusan alkalmazzák őket.
Az ideológiai motivációkon túli vonzerő kiszélesítése javíthatja a Wikipédián megtartott szerkesztők sokszínűségét.
A tapasztalt szerkesztőktől és mentoroktól érkező pozitív üzenetek bizonyítottan hatékonyak a rövid távú megtartásban.

A pozitív megerősítésre vonatkozó jelenlegi tervezési ötletek összefoglalóját lásd itt: Design Brief. A terveink a közösség visszajelzései és a szerkesztői tesztelés több fordulója révén továbbfejlődnek.

Ötletek

Három fő ötletünk van a pozitív megerősítésre. Lehet, hogy több ötletet is megvalósítunk, miközben ezen a projekten dolgozunk.

Hatás

Hatás: A Hatásmodul átdolgozása, mely statisztikák, grafikonok és egyéb hozzájárulási információk beépítésén alapul. Az átdolgozott hatásmodul több kontextust biztosítana az új szerkesztőknek a hatásukról, valamint arra ösztönözné őket, hogy folytassák a szerkesztést. A vizsgálandó területek a következők:
- Javasolt szerkesztések mérföldkő, hogy a szerkesztőket arra késztesse, hogy kipróbálják a javasolt szerkesztéseket.
- Statisztikák arról, hogy a szerkesztő mennyi időt szerkesztett (hasonlóan ahhoz, ami az X Toolsban van).
- Köszönet érkezett" szám, hogy kiemelje a közösségi elismerés lehetőségét.
- Legutóbbi szerkesztési aktivitás - beleértve a napokat, amikor a kezdők egymás után szerkesztettek ("sorozatok"), hogy ösztönözze a folyamatos részvételt, vagy emlékeztesse a felhasználókat a szerkesztéseik folytatására.
- A kezdők által szerkesztett szócikkek olvasási aktivitásának megtekintése az idő múlásával (hasonlóan a en:Wikipedia:Pageview_statistics információihoz).

A hatásmodul tervezése A - nagyobb hangsúly a felhasználó másokra (olvasókra és szerkesztőkre) gyakorolt hatására
A B hatásmodul kialakítása - a felhasználó legutóbbi szerkesztési tevékenységének hangsúlyozása

Szintlépés

Szintlépés: A közösségek számára fontos, hogy a kezdők egyre értékesebb feladatok felé haladjanak. Azok számára, akik sok könnyű feladatot végeznek, szeretnénk őket a nehezebb feladatok kipróbálása felé terelni. Ez történhet bizonyos számú könnyű feladat elvégzése után, vagy a kezdőlapon megjelenő bátorítással. A vizsgálandó területek a következők:
- A kezdők olyan sikerüzeneteket látnak majd a szerkesztés után, melyek arra motiválják őket, hogy több, azonos vagy különböző nehézségi szintű szerkesztést végezzenek.
- A Javasolt szerkesztések modulban lehetőség biztosítása nehezebb szerkesztések elvégzésére, hogy a kezdők gyakorlottabb szerkesztőkké válhassanak.
- A Hatás modul tartalmazzon egy mérföldkőszámlálót vagy díjazási területet.
- A kezdőlapon egy új modult hozzáadni, melyben meghatározott kihívásokat lehet állítani valamilyen jutalom (jelvény/bizonyítvány) eléréséhez.
- Értesítések hozzáadása, melyek arra ösztönzik a kezdőket, hogy próbáljanak ki egy nehezebb feladatot.

Tervezési ötlet, mely napi szerkesztési célt tartalmaz
A kezdők szintet léphetnek a nehezebb feladatokhoz és elismerést kaphatnak
Egy díjazási modul a kezdők kezdőlapján.
A rossz minőségű "gyors szerkesztéseket" végző újoncok útmutatást kaphatnának
Azok a kezdők, akik teljesítenek egy kihívást, kaphatnának egy megosztható "Képzett újonc" díjat

Személyre szabott dicséret

Személyre szabott dicséret: kutatások szerint a többi szerkesztő dicsérete és bátorítása növeli a kezdők megmaradását. Szeretnénk átgondolni, hogyan ösztönözhetnénk a tapasztalt szerkesztőket arra, hogy megköszönjék és díjazzák a kezdő felhasználókat a jó szerkesztésért. Talán a mentorokat lehetne erre ösztönözni a mentorok irányítópultján vagy értesítéseken keresztül. Felhasználhatjuk a meglévő kommunikációs rendszereket, melyekről korábbi tanulmányok bebizonyították, hogy bizonyos fokú pozitív hatást gyakorolnak. A vizsgálandó területek a következők:
- A kezdőlapon megjelenő személyes üzenet a kezdő mentortól.
- A mentor vagy a Wikimédia Növekedés csapatának visszajelzése.
- Köszönet" egy adott szerkesztésnél.
- A mentor vagy a Wikimédia Növekedési csapat által egy adott szerkesztéshez kapcsolódó új mérföldkő jelvényt adományoz.

A "Köszönet" megjelenítése a kezdők kezdőlapján
A Wikilove megjelenítése az Újoncok kezdőlapján

Közösségi megbeszélés

A Positive Reinforcement projektet megvitattuk a közösség tagjaival arab Wikipédia, bengáli Wikipédia, cseh Wikipédia és francia Wikipédia, és mediawiki.org.

Közvetlen visszajelzéseket kaptunk a három fő ötletről, sok más, az új szerkesztők megtartásának javítására vonatkozó ötlettel együtt.

Az alábbiakban összefoglaljuk a visszajelzések fő témáit, valamint azt, hogy hogyan tervezzük a visszajelzések alapján a továbbfejlesztést.

Hatás


Hallottuk...	Tervek a visszajelzések alapján történő iterációra
😊 Jól néz ki!	Ez az ötlet tűnik a legkevésbé ellentmondásosnak és a leginkább támogatottnak. Úgy tervezzük, hogy először ezen kezdjük el a fejlesztést, és több időt hagyunk a többi ötlet finomítására.
😐 A hatásmodul hatékonyabb lenne, ha a szerkesztők tapasztalatszerzésével együtt skálázódna.	Azt tervezzük, hogy egyelőre a kezdőkre összpontosítunk, de az új hatásmodul bővíthető módon épül fel, hogy a jövőben a fejlesztéseknek is helyet adjon.

Szintlépés


Hallottuk...	Tervek a visszajelzések alapján történő iterációra
😊 A szintlépés biztosítja, hogy a kezdők ne "ragadjanak le" a könnyű feladatoknál.	Amint a szerkesztők egy bizonyos számú visszafordítatlan szerkesztést végeznek egy adott típusból, javasoljuk nekik, hogy próbálkozzanak nehezebb feladatokkal.
😊 A kezdők gyakran vágynak a díjakra	Ha díjakat adunk, azoknak értelmesnek kell lenniük a kezdők számára, és ideális esetben megoszthatónak kell lenniük akár a wikin belül (a szerkesztői lapjukon), akár a wikin kívül.
❌ A célalapú ösztönzők problémásak lehetnek, és rossz minőségű szerkesztéseket eredményezhetnek.	Az időalapú elemet tartalmazó ösztönzések (hasonlóan a szolgálati díjakhoz) hatékony megközelítés lehet, mivel ezek nem csak a szerkesztések számát, hanem a regisztrált idő hosszát is figyelembe veszik. Certain "quality gates" could help slow down and guide newcomers if they are making edits that are getting reverted. Azt tervezzük, hogy egyelőre csökkentjük a \"Szintlépés felfelé\" kitüntetési oldalának hatókörét, és inkább arra összpontosítunk, hogy a szerkesztőket arra ösztönözzük, hogy próbálkozzanak nehezebb feladattípusokkal, miután a könnyebb feladatokkal sikeresek.
❌ A napi célok egyesek számára stresszesek és demotiválóak lehetnek.	Ezt az ötletet tovább fogjuk vizsgálni, és valószínűleg engedélyezni fogjuk a célok testreszabását, ha megvalósítjuk ezt az ötletet.

Személyre szabott dicséret


Hallottuk...	Tervek a visszajelzések alapján történő iterációra
😊 A dicséret és a pozitív hozzáállás terjesztése segíthet a kezdők maradásának növelésében.	Még mindig finomítjuk a terveket arra vonatkozóan, hogy hogyan ösztönözhetnénk a kezdők több háláját és személyre szabott dicséretét, de reméljük, hogy hamarosan további tervezési ötleteket tudunk bemutatni.
😐 A személyre szabott dicséret bővítése kihívást jelenthet, mivel több időt vesz igénybe a tapasztalt szerkesztők számára.	A mentorok már így is elfoglaltak, ezért reméljük, hogy találunk módot arra, hogy a "dicséretre érdemes" mentoráltak megjelenjenek. Más ötleteket is kidolgozunk, melyek nem csak a mentorokra támaszkodnak.
😐 A meglévő rendszereket kellene felhasználnunk (Thanks, WikiLove stb.)	A tervek még nem véglegesek, de mindenképpen tervezzük, hogy felhasználjuk a meglévő rendszerek előnyeit.

Egyéb ötletek:

A közösség tagjai számos más ötletet is javasoltak a kezdők bevonásának és maradásának javítására. Úgy gondoljuk, hogy ezek mind értékes ötletek (amelyek közül néhányat már most is vizsgálunk, vagy a jövőben szeretnénk velük foglalkozni), de a következő ötletek nem férnek bele a jelenlegi projekt keretébe:

Küldjünk a kezdőknek belépési és üdvözlő e-maileket (a Növekedési csapat valójában jelenleg az elkötelező e-mailek vizsgálatát végzi a Marketing és az Adománygyűjtési csapatokkal együttműködve).
Tegyük a kezdőket olyan Wikiprojektek elé, melyek kapcsolódnak az érdeklődési körükhöz.
Egy testreszabható bővítmény beépítése a kezdők kezdőlapjára, hogy a wikisek bizonyos kezdőkkel kapcsolatos feladatokat vagy eseményeket népszerűsíthessenek.
Értesítések küldése a szerkesztőknek, akik köszöntik a kezdőket, amint az újonc elér bizonyos szerkesztési mérföldkövet (hogy segítse a felhasználót arra ösztönözni, hogy köszönetet vagy Wikilove-üzenetet ajánljon fel).

Second community consultation:

In February 2023, we completed a community consultation in which we reviewed the most recent Leveling up designs with the Growth Pilot wikis. This consultation was completed in English on MediaWiki, and at Arabic Wikipedia, Bengali Wikipedia, Czech Wikipedia, and Spanish Wikipedia. (T328356) In general, feedback was quite positive. These two tasks help address feedback mentioned by those that responded to our questions:

Leveling up: Community configuration (T328386)
Leveling up: Second design iteration of "Try a new task" dialog (T330543)

In March 2023, we completed a community consultation in which we reviewed the most recent Personalized praise designs with the Growth Pilot wikis. This consultation was completed on English Wikipedia, Arabic Wikipedia, Bengali Wikipedia, Czech Wikipedia, French Wikipedia, Spanish Wikipedia, and at MediaWiki in English. (T328356) Most feedback was supportive of Personalized praise features, but several further improvements were requested. We've created Phabricator tasks to address these further improvements.

On Arabic Wikipedia, and other wikis with Flagged Revisions, mentors want to see not only the number of edits a user had completed, but more details on the review status of edits (T333035)
Mentors want to be able to view the number or percentage of reverts their mentee has, and customize how many reverts a newcomer can have to be considered praiseworthy (T333036)
Mentors would appreciate knowing which edit a mentee is Thanked for (T51087)

Szerkesztői tesztelés

A közösségi vita mellett a kezdeti terveket és feltevéseinket úgy akartuk érvényesíteni és kiegészíteni, hogy több ország olvasóival és szerkesztőivel teszteltük a terveket. Ezért a tervezési kutatócsoportunk Pozitív megerősítéssel kapcsolatos szerkesztői tesztelést végzett, melynek célja az volt, hogy jobban megértsük a projekt hatását a kezdők szerkesztésére több különböző nyelven.

Több statikus Pozitív megerősítés dizájnt teszteltünk a Wikipédia arab, spanyol és angol nyelvű olvasóival és szerkesztőivel. Along with testing Positive Reinforcement designs we introduced data visualizations from xtools as a way to better understand how these data visualizations are perceived by newcomers.

A szerkesztői tesztelés eredményei

Make impact data actionable: Impact data was a compelling feature for participants with more experience editing, which several related to their interest in data—an unsurprising quality for a Wikipedian. For those new to editing, impact data, beyond views and basic editing activity, may be more compelling if linked to goal-setting and optimizing impact.
Evaluate the ideal editing interval: Across features, daily intervals seemed likely to be overly ambitious for new and casual editors. Participants also reflected on ignoring similar mechanisms on other platforms when they were unrealistic. Consider consulting usage analytics to identify “natural” intervals for new and casual editors to make goals more attainable.
Ensure credibility of assessments: Novice editor participants were interested in the assurance of their skills and progress the quality score, article assessment, and badges offer. Some hoped that badges could lend credibility to their work reviewed by more experienced editors. With that potential, it could be valuable to evaluate that the assessments are meaningful measures of skill and further explore how best to leverage them to garner community trust of newcomers.
Reward quality and collaboration over quantity: Both editor and reader participants from esWiki were more interested in recognition of their knowledge or expertise (quality) than the number of edits they have made (quantity). Similarly, some Arabic and English editors are motivated by their professional interests and skill development to edit. Orienting goals and rewards to other indicators of skilled edits, such as adding references or topical contributions, and collaboration or community involvement may also help mitigate concerns about competition overtaking collaboration.
Prioritize human recognition: While scores and badges via Growth tasks is potentially valued, recognition from other editors appears to be more motivational. Features which promote giving, receiving, and revisiting thanks seemed most compelling, and editors may benefit from selecting impact data which demonstrates engagement with readers or editors most compelling to them.
Experiment with playfulness of designs: While some positive reinforcement features can be seen as the product of “gamification”, some participants (primarily from EsWiki) felt that simple, fun designs were overly childish or playful for the seriousness of Wikipedia. Consider experimenting with visual designs that vary in levels of playfulness to evaluate broader reactions to “fun” on Wikipedia.

Design

Below are the current designs for Positive Reinforcement. We have refined the three main ideas outlined above, but the scope of plans and the actual designs have evolved based on feedback from community discussions and user testing.

Impact

Tracked in Phabricator
Task T222310

The revised impact module provides new editors with more context about their impact. The new design includes far more personalized info and data visualizations than the previous design. This new design is fairly similar to the design we shared previously when discussing this feature with communities. You can view the current engineering progress at beta wiki, and we hope to release this feature to Growth pilot wikis soon.

Leveling up

Tracked in Phabricator
Task T317813

The Leveling up features focus on encouraging newcomers to progress to more valuable tasks. Ideas also include some prompts for new editors to try suggested edits, since structured tasks have been shown to improve newcomer activation and retention.

“Level up” post-edit dialog message: A new post-edit dialog message type is added to encourage newcomers to try a new task type. We hope this will encourage some users to learn new editing skills as they progress to different, more challenging tasks.
Post-edit dialog for non-suggested edits: Introduce newcomers who complete ‘normal’ edits to suggested edits. We plan to experiment by showing newcomers a prompt post 3rd and 7th edit. Desktop users who click through to try a suggested edit will also see their Impact module, which we hope helps engage newcomers and provides a small degree of automated positive reinforcement. We will carefully measure this experiment, and ensure there aren't any unintentional negative effects.
New notifications: New echo notifications to encourage newcomers to start or continue suggested edits. This acts as a proxy to “win-back” emails for those who have an email address and settings on to receive email notifications.

“Level up” post-edit dialog message
Post-edit dialog for non-suggested edits
New notification

Personalized praise

Tracked in Phabricator
Task T317817

Personalized praise features are based on research results that show that encouragement and thanks from other users increases editor retention.

Encouragement from Mentors: We will add a new module to the Mentor dashboard, that is designed to encourage Mentors to send personalized messages to newcomers who meet certain criteria. We will allow Mentors to customize and control how and when "praise-worthy" mentees are surfaced.
Increasing Thanks across the wiki: We plan to fulfill the community wishlist item to Enable Thanks Button by default in Watchlists and Recent Changes (T51541, T90404). We hope this will increase Thanks and positivity across the wikis, and hopefully newcomers will benefit from this directly or indirectly.

Design for a new Mentor dashboard module
Design of the settings view of the new dashboard module

Mérés és eredmények

Hypotheses

The Positive Reinforcement features aim to provide or improve the tools available to newcomers and mentors in three specific areas that will be described in more detail below. Our hypothesis is that once a newcomer has made a contribution (say by making a structured task edit), these features will help create a positive feedback cycle that increases newcomer motivation.

Below are the specific hypotheses that we seek to validate across the newcomer population. We will also have hypotheses for each of the three sets of features that the team plans to develop. These hypotheses drive the specifics for what data we will collect and how we will analyse that data.

The Positive Reinforcement features increase our core metrics of retention and productivity.
Since the Positive Reinforcement features do not feature a call to action that asks newcomers to make edits, we will see no difference in our activation core metric.
Newcomers who get the Positive Reinforcement features are able to determine that making un-reverted edits is desirable, and we will see a decrease in the proportion of reverted edits.
The positive feedback cycle created by the Positive Reinforcement features will lead to a significantly higher proportion of "highly active" newcomers.
The Positive Reinforcement features increase the number of Daily Active Users of Suggested edits.
The average number of edit sessions during the newcomer period (first 15 days) increases.
"Personalized praise" will increase mentor’s proactive communication with their mentees, which will lead to increase in retention and productivity.

Experiment plan

Similarly as we have done for previous Growth team projects, we want to test our hypotheses through controlled experiments (also called "A/B tests"). This will allow us to establish a causal relationship (e.g. "The Leveling Up features cause an increase in retention of xx%"), and it will allow us to detect smaller effects than if we were to give it to everyone and analyze the effects pre/post deployment.

In this controlled experiment, a randomly selected half of users will get access to Positive Reinforcement features (the "treatment" group), and the other randomly selected half will instead get the current (September 2022) Growth feature experience (the "control" group). In previous experiments, the control group has not gotten access to the Growth features. The team has decided to move away from that (T320876), which means that the current set of features is the new baseline for a control group.

The Personalized Praise feature is focused on mentors. There is a limited number of mentors on every wiki, whereas when it comes to newcomers the number increases steadily every day as new users register on the wikis. While we could run experiments with the mentors, we are likely to run into two key challenges. First, the limited number of mentors could mean that the experiments would need to run for a long time. Second, and more importantly, mentors are well integrated into the community and communicate with each other, meaning they are likely to figure out if some have access to features that others do not. We will therefore give the Personalized Praise features to all mentors and examine activity and effects on newcomers pre/post deployment in order to understand the feature’s effectiveness.

In summary, this means we are looking to run two consecutive experiments with the Impact and Leveling up features, followed by a deployment of the Personalized Praise features to all mentors. These experiments will first run on the pilot wikis. We can extend this to additional wikis if we find a need to do that, but it would only happen after we have analyzed the leading indicators and found no concerns.

Each experiment will run for approximately one month, and for each experiment we will have an accompanying set of leading indicators that we will analyze two weeks after deployment. The list below shows what the planned experiments will be:

Impact: treatment group gets the updated Impact module.
Leveling up: treatment group gets both the updated Impact module and the Leveling up features.
Personalized praise: all mentors get the Personalized praise features.

Leading indicators and plan of action

While we believe that the features we develop are not detrimental to the wiki communities, we want to make sure we are careful when experimenting with them. It is good practice to define a set of leading indicators together with plans of what action to take based if a leading indicator suggests something isn't going the way it should. We have done this for all our past experiments and do so again for the experiments we plan to run as part of this project.

Impact

Impact of the Impact module - results published on Jan 24, 2023.
Indicator	Expected result	Plan of action	Results
Impact module interactions	No difference or increase	If Impact module interactions decrease, then this suggests that we might have performance or compatibility issues with the new Impact module. If the proportion of newcomers who interact with the new Impact module is significantly lower than the old module we investigate the cause, reverting back to the old module if necessary.	Significant decrease
Mentor module interactions	No difference	The new Impact module takes up more screen real estate than the old module, which might lead to newcomers not finding the Mentor module as easily as before. If the number of newcomers who interact with the Mentor module is significantly lower for those who get the new Impact module, we investigate the need for design changes.	No signifiant difference
Mentor module questions	No difference	Similar concerns as for interactions with the Mentor module, if the number of questions asked to mentors is significantly lower for newcomers who get the new Impact module, we investigate the need for design changes.	No signifiant difference
Edits and revert rate	No difference in both edits and reverts, or an increase in edits and a decrease in revert rate	If there is an increase in the revert rate, this may suggest that newcomers are making unconstructive edits in order to inflate their edit or streak count. If the revert rate of newcomers who get the new Impact module is significantly higher than the old, we investigate their edits and decide whether changes are needed.	No signifiant difference (once outliers are removed)

Tracked in Phabricator
Task T323788

Impact module interactions: We find that the proportion of newcomers who interact with the old module (6,1%) is significantly higher than for the new module (5,0%): $χ^{2} = 17.5, d f = 1, p ≪ 0.001$ This difference showed up early on in the experiment, and we have examined the data more closely understand what is happening. One issue we identified early on was that not all interaction events were instrumented, which we subsequently resolved. Examining further, we find that many of those who get the old module click on links to the articles or the pageviews. In the new module, a graph of the pageviews is available, thus removing some of the need for visiting the pageview tool. As a result, we decided that no changes were needed.

Mentor module interactions: We find no significant difference in the proportion of newcomers who interact with the Mentor module. The proportion for newcomers who get the old module is 2,4%, for those who get the new module it's 2,2%. A Chi-square test finds this difference not significant: $χ^{2} = 1.5, d f = 1, p = 0.219$

Mentor module questions: We do not see a substantial difference in the number of questions asked between the old module (269 edits) and the new module (281 edits). The proportion of newcomers who asks their mentor a question is also the same for both groups, at 1,5%.

Edits and revert rate: We do not see a substantial difference in the number of edits nor in the revert rate between the two groups measured on a per-user average basis. There are differences between the groups, but these are driven by some highly prolific editors, particularly on the mobile platform.

Levelling up

Leading indicators for the Levelling up experiment
Indicator	Expected result	Plan of action	Results
Levelling up post-edit dialog: interactions	No difference or increase	The percentage of users who click / tap on a Levelling up post-edit dialog should be similar or higher than the percentage of users who click / tap on the standard post-edit dialog. If there is a decrease, then we need to investigate what causes this difference.	Higher on mobile, no difference on desktop
Levelling up post-edit dialog: "Try a suggested edit" click through	>10% click through to suggested edits	If the "try a suggested edit" dialog isn't resulting in more newcomers exploring suggested edits, then this notice is just extra noise for newcomers and we should investigate or consider removing the feature.	Significantly higher than 10%
Levelling up post-edit dialog: "Increase your skill level" click through	>10% click through to Try new task	If the "increase your skill level" isn't resulting in more newcomers trying more difficult tasks, then this notice is just extra noise for newcomers and we should investigate or consider removing the feature.	Significantly higher than 10%
Levelling up notifications: "get started" click through	>5% of users who view this notification click on it	We don't have a great baseline to compare this to, but if this number is too low we should investigate if there are technical issues or an issue with the language used.	More than 5% on desktop, less than 5% on mobile
Levelling up notifications: "keep going" click through	>5% of users who view this notification click on it	We don't have a great baseline to compare this to, but if this number is too low we should investigate if there are technical issues or an issue with the language used.	More than 5% on desktop, less than 5% on mobile
Activation	No difference or increase	If we see a significant decrease in the treatment group, similar to what we discovered for the New Impact Module experiment, then we examine monitoring and event data to try to identify a cause of this difference.	Decrease

Tracked in Phabricator
Task T328055

Levelling up post-edit dialog interactions: We find a higher proportion of newcomers interacting with the post-edit dialog in the Levelling Up group (90,8%) compared to the standard post-edit dialog (86,5%). This is largely driven by mobile where the Levelling Up interaction proportion (88,0%) is a lot higher than the other group (81,6%). The proportion is still higher for the Levelling Up group on desktop (93,6%) compared to the control (92,2%), but we regard it as "virtually identical" because the high proportion in the control group means there is little room for an increase.

Try a suggested edit click through rates: 21,9% of newcomers who see the "Try a suggested edit" post-edit dialogue chooses to click through, which is significantly higher than the threshold set. The proportion is higher on desktop (24,0%) than on mobile (19,7%), but in neither case is there a reason for concern.

Increase your skill level click through rates: We find that 73,1% of newcomers who see the "increase your skill level" dialog click through to see the new task, which is a lot higher than our expected threshold of less than 10%. Proportions are high on both desktop (71,1%) and mobile (77,3%).

Get started click through rates: 3,8% of newcomers who get the "Get started" notification clicks through to the Homepage. Users who registered on desktop are more likely to click the notification (5,5%) than those on mobile (2,5%). Because the threshold of 5% is met, we are investigating further to understand this difference between desktop and mobile behaviour, particularly to understand if our 5% threshold is reasonable.

Keep going click through rates: We find that 9,6% of users who get the "Keep going" notification clicks through to the Homepage. Similarly as we do for the "Get started" notifications, we find a much higher proportion on desktop (16,2%) compared to mobile (4,7%). Our investigations into differences in notification behaviour by platform will hopefully give us more insight into this difference.

Activation: We find a decrease in constructive article activation (making a non-reverted article edit within 24 hours of registration) of 27,0% compared to 27,7%. As soon as we noticed this we opened T334411 to investigate the issue, with a focus on patterns in geography (countries and wikis) and technology (devices and browsers). We did not find clear patterns explaining the issue. The investigation of this decrease in activation will be investigated further: T337320.

Personalized praise

Leading indicators for the Personalized praise experiment
Indicator	Expected result	Plan of action	Results
Personalized praise notification click through	At least 10% of Mentors who view a Personalised praise notification click on it	If this number is much lower than the click through on other notifications, then we should investigate if there are technical issues or an issue with the language used.	73% of Mentors who received a notification clicked on it
Personalized praise mentor dashboard module click through	At least 10% of Mentors who view a Personalised praise suggestion on their Mentor dashboard end up clicking through to send praise	If this threshold is met then we should investigate if there are technical issues or an issue with how Mentors are interpreting this call to action.	27.5% of Mentors who view a Personalized praise list click through

Tracked in Phabricator
Task T337069

Data was gathered on 2023-06-13, from the four pilot wikis where the feature is deployed (Arabic Wikipedia, Bengali Wikipedia, Czech Wikipedia, and Spanish Wikipedia).

Personalized praise notification click through: Although this is still a relatively small sample, results seem healthy and show that Mentors are indeed receiving notifications and clicking through to view their praise-worthy mentees.

Personalized praise mentor dashboard module click through: Only 27.5% of Mentors are clicking through to a mentee's talk page, however it's to be expected that some of the mentees we are surfacing aren't deserving of praise. Based on this data and feedback from Mentors, the Growth team will pursue the following tasks to help improve this feature:

Add revert scorecard to Personalized praise module on Mentor dashboard (T337510)
Exclude blocked accounts from the Personalized praise suggestions (T338525)

Experiment Results

Many of the experiments that the Growth team runs will focus on the same set of key metrics (commonly referred to as KPIs), and this includes all of the Positive Reinforcement experiments. The key metrics are defined as follows:

Constructive activation is defined as a newcomer making their first edit within 24 hours of registration, and that edit not being reverted within 48 hours.
- Activation is similarly defined as constructive activation, but without the non-revert requirement.
Constructive retention is defined as a newcomer coming back on a different day in the two weeks after constructive activation and making another edit, with said edit also not being reverted within 48 hours.
- Retention is similarly defined as constructive retention, but without the non-revert requirements.
Constructive edit volume is the overall count of edits made in a user's first two weeks, with edits that were reverted within 48 hours removed.
Revert rate is the proportion of edits that were reverted within 48 hours out of all edits made. This is by definition 0% for users who made no edits, and we generally exclude these users from the analysis.

Impact module experiment results

The New Impact module reduced activation for mobile web newcomers

We initially found a significant decrease in constructive activation for newcomers who registered on mobile web and got the New Impact module.

There was no difference in activation for newcomers who registered on desktop.

This was quite surprising as the empty state for the old Impact module was nearly identical to the empty state of the new Impact module.

First-day activity correlates strongly with later activity, and as a result we also found a significant decrease in edit volume for mobile web users.

Again, there was no difference for desktop users.

We found no difference in retention rates and revert rates. While there are features in the New Impact module that focuses on staying active and making good contributions, such as the number of thanks received and the streak counter, we often do not see significant impacts on metrics unless there's a clear call to action or we are able to isolate a specific subgroup motivated by the feature.

As soon as we learned about the decrease in activation we started investigations into probable causes of this in T330614. Unfortunately we could not identify a specific reason and we also found that the issue was not replicated in another dataset.

We decided to add activation as a leading indicator to the Levelling Up experiment so that we could take action more quickly. When we noticed that the issue persisted, we started a new investigation in T334411 and created an "epic" task that connects all relevant subtasks: T342150. We restarted experiment data collection after making several small changes, and we now see that activation is identical between the experiment and control group, which is what we would expect.

Although we are pleased that we have received positive feedback from new editors regarding the new Impact module, we have found that the Impact module alone hasn't resulted in significant changes in newcomer retention, edit volume, or revert rates. Our next experiment will combine the new Impact module with the Leveling up features. We hope that this combination of Positive Reinforcement features will lead to substantial improvements in activation, retention, and edit volume. We will soon publish a detailed report that highlights the outcomes of this experiment.

Levelling up experiment results

For this experiment, we completed both an analysis of the overall effects across the whole newcomer population, and individually for each of the four components of the Levelling up features. These consist of the two notifications sent to newcomers 48 hours after registration, and two post-edit dialogues. The notifications are based on the number of suggested edits a newcomer might have done. If the newcomer has not made any suggested edits they get the "Get started" notification, and if they have made one to four suggested edits they get the "Keep going" notification. Newcomers who have made five or more suggested edits do not get any notifications.

The post-edit dialogues are shown after completed edits to articles based on certain criteria. If a newcomer has made three or eight article edits and not yet made any suggested edits, they get the "Try suggested edits" dialogue asking them if they want to try that feature. If a newcomer has completed five suggested edits of a specific task type, they get the "Try new task" dialogue suggesting a different type of task.

The Get Started notification increased editing within one week after receiving it.

Our overall analysis did not find any significant effects on the team's key metrics (described above), and so we focus instead on the individual components. For the "Get started" notification, we find that this is sent to the vast majority of newcomers as making suggested edits is fairly uncommon. In our dataset, more than 97% of newcomers got this notification. We find that the notification leads to a significant increase in newcomer activity in the week following the notifications being sent. Newcomers are more likely to return and make an edit, which also increases the average number of edits made during that week. We also find that this effect is lower for those who registered on mobile web, and reduced or negative for highly active newcomers. Based on this, we decided to introduce a threshold so that those who make ten or more edits will not receive the notification. (T342819)

The Keep Going notification increased editing within one week for desktop users.

When it comes to the "Keep going" notification, we again find a significant increase in newcomer activity in the week following notifications being sent for those who registered on the desktop platform. For users who registered on mobile web, we find that it does not increase their probability of returning to edit but does increase the average number of edits made.

For the "Try suggested edits" dialogue, our analysis finds that while it has a reasonably high click-through rate it does not lead to newcomers successfully completing suggested edits. In our leading indicators report above, the click-through rate was 21.9%, and in a dataset from late July 2023 we found the rate to be higher at 25.3%. Using event data, we find that few newcomers find a task they are interested in, and subsequently only a fraction of newcomers go through and complete an edit. We plan to make a few improvements to this "Try suggested edits" dialog to see if we can increase the percentage of editors who click through and go on to complete an edit. (T348205)

For the "Try new task" dialogue, which is shown to users who complete five suggested edits of a given task type, we find both high click-through rates and a reasonably high rate of completed edits. We reported a click-through rate of 73.1% in our leading indicators, and in our more recent dataset from late July 2023 the rate is 81.9%. Our analysis of subsequent edits shows that 33.3% of desktop users and 20.0% of mobile web users go through and complete a suggested edit of the new task type. One thing to keep in mind is that this dialogue is not shown to a large number of newcomers, and we therefore cannot draw conclusions about whether there are meaningful differences between platforms. What we can conclude, is that this dialogue is successful in introducing new task types. In order to show the dialogue to a larger number of newcomers, we decided to reduce the number of edits needed to see it from five to three. (T348814)

Personalized praise experiment results

For this experiment, we focused on the effect of praise on newcomer retention and productivity. Since praise is a response to editing activity, it means there will be some time period between registration and receiving a praise message. We therefore started with an analysis of the time between registration and a mentor clicking the "Send praise" button. In that analysis, we found that most newcomers get it within 30 days of registration. This led us to redefine the time period for retention and productivity to also use this 30-day period (instead of our default of 14 days).

The Personalized praise feature was deployed to the Arabic, Bangla, Czech, and Spanish Wikipedias in late May 2023. We analyzed the Spanish Wikipedia separately from the other three because on the Spanish Wikipedia 50% of newcomers are randomly assigned a mentor, which means the feature is part of a controlled experiment. All newcomers are assigned a mentor on the other three Wikipedias.

Using a Difference-in-Differences analysis approach, we compared a three-month period prior to deployment (January through March) with a similar period after deployment (June through August), and compared data from 2023 with data from 2022 and 2018. We use two comparison time periods as a robustness check since 2022 was affected by the COVID pandemic.

For the Arabic, Bangla, and Czech Wikipedia, we found no significant impact of Personalized praise on neither retention nor productivity. Digging further into this we found that usage of the feature was limited (we're not releasing specific counts in accordance with our data publication guidelines). In discussions with wiki ambassadors we learned that sending praise is a time-consuming process as the mentors need to check a mentee's edits, thus explaining why the feature isn't more widely used.

Personalized praise increased number of non-reverted edits made within 30 days of registration on Spanish Wikipedia.

When it comes to the Spanish Wikipedia, we found the feature has been more widely used. While we again found no significant impact on retention, we found a significant positive impact on newcomer productivity. This finding is encouraging since our preliminary analysis of mentorship found conflicting results of none or a negative impact.

As these results were not positive enough to justify the time investment from Mentors, we have decided to start conversations with our ambassadors and communities and consider further improvements before releasing the feature more widely. We will consider improvements related to reducing the amount of work needed by Mentors, potential design improvements, and improvements to how newcomers are selected to be displayed in the Personalized praise module.