《衛報》長文:高分低薪,為什麼零工經濟喜歡“遊戲化”?
編者按:利用打分、競爭和獎金等手段來激勵員工的做法不新鮮——早在40年前的時候,《製造同意》作者麥克·布洛維就發現了“趕工遊戲”的祕密。但在衛報文章《 ofollow,noindex">High score, low pay: why the gig economy loves gamification 》的作者 Sarah Mason去當Lyft司機體驗過一番之後,他發現零工經濟已經把這種做法推向了一個新的高度。在演算法的介入下,老闆跟員工更深化的矛盾已經被轉化為玩家與遊戲的較真。就不知道零工經濟這場遊戲還能不能玩得下去了。
2016年5月 ,在尋找一份傳統工作的數月努力失敗之後,我開始替共享乘車公司Lyft開車。當時我被一份網上廣告給誘惑住了,裡面承諾在完成前75次駕駛之後,洛杉磯的新司機將得到一份500美元的“註冊獎”。我的考慮很簡單:我有輛車並且我需要錢。於是我點選了那個連結,填好申請,然後在收到提示後,驅車前往最近的Pep Boys進行車檢。我幾乎馬上就收到了火烈鳥粉的Lyft標誌,並且在幾天之後就開始上路了。
一開始,我告訴自己這類零工最好是朝九晚五。這應該是暫時的,我想。此外,我還需要上統計課,完成我的研究生申請——如果是做通勤時間就要1小時的全職工作的話那些任務是不可能完成的。但是在嘗試了這種唾手可得但又不確定得不可思議的工作形式之後,很奇怪,我居然被陷進去了。
Lyft是在2012年成立的,當時還叫做Zimride(1年後改名),這是一家類似於Uber的汽車服務公司,在約300座美國城市有運營,去年已擴張至加拿大(雖然只有1個省,安大略省)。每週它都會給司機發一份個性化的“反饋摘要”。內容包括乘客對上週乘坐的評論以及更新的司機評分。此外還有一張與之前成績對比的評分柱狀圖,並且告訴他們是否被“標記”為清潔、友好、懂路或者安全。
一開始,我很期盼自己的摘要,基本上那些評價都是對我自尊心的鼓舞。我的評分一直保持在4.89到4.96分之間,評論一般都是“好司機,態度積極”以及“感謝及時送我到機場!!”這樣的。偶爾也有批評,比如“她很怪”,或者只留下“態度”兩個字,但總體而言,評論充當了某種正強化機制的作用。因為覺得自己正在幫助別人並且別人也喜歡我,我的感覺良好。
但是有一週,在感覺開了100萬次車之後,我開啟反饋摘要卻發現我的評分從4.91(“出色”)直線下降至4.79(“OK”),而且沒有評論。我對此感到震驚,我絞盡腦汁去回想自己開車的歷史,試圖回憶起有沒有哪次不同尋常的互動或者碰到過不滿的乘客。沒有啊。究竟發生了什麼?我該怎麼辦?我的內心在翻騰。
由於司機打分是用你最近的100條乘客點評計算的,所以一個合理的解決方案就是儘快把舊的、不好的點評用新的、相比會更好的點評擠走。我就是這麼做的。
在接下來的幾周時間裡,我刻意迴避開啟我的反饋摘要,一邊往車裡囤積瓶裝水、早餐谷塊以及各種小糖果,以激發乘客給我5星的好評。我養成了強迫症式的吸塵習慣,並且把洗車的頻率從每週2次提高到每2天一次。我試驗了不同的空氣清洗劑和電臺。然後我不斷地開車開車開車。
選擇、自由和自治的語言滲透到了約車服務的討論當中。“按需服務公司指明瞭一條通往更加光明未來的道路,”Uber創始人兼前CEO Travis Kalanick在2015年10月寫道:“簡而言之,未來的工作將是獨立和靈活的。”
從某種程度來說,Kalanick 是對的。跟工作場所固定(工廠、辦公室、配送中心)的員工不同,共享乘車司機技術上是可以選擇什麼時候在哪裡工作以及工作多久的。他們不受傳統職業或者輪班工作的那些約束。但那種表面上的自由會對平臺為乘客提供可靠的“按需”服務構成獨特挑戰——所以司機的自由必須進行主動(如果說是微妙的話)管理。這些公司尋求的主要手段是遊戲化。
同時為Uber和Lyft打工的司機
遊戲化的簡明定義是在非遊戲的背景下利用遊戲元素——比如打分、等級、跟別人競爭、成績可衡量的證據、評分以及遊戲規則等。遊戲提供了一種即時的、發自肺腑的成功和獎賞體驗,正在日益被運用到職場來提升規則過程中的情感投入,讓員工在完成本該乏味的任務時增加心理投資,並且影響或者“督促”員工行為。Lyft app提供給我的反饋摘要週報、星級評分等遊戲化功能做的就是這個。
有越來越多的證據表明遊戲化業務運營具備真正可量化的效應。。美國零售巨頭Target報告稱其店內收銀流程的遊戲化讓客戶等待時間和排隊長度均縮短。在結賬時,如果物品的掃描速度處在“最佳”的話收銀員的螢幕會閃現綠色。而如果收銀員動作太慢,螢幕會閃現紅色。收銀員的得分會被記錄在案,保持88%的綠屏就是對他們的預期。在Target員工的線上社群上,收銀員會相互比較得分,分享技巧,並且對這場遊戲最具挑戰的障礙扼腕痛惜。
不過分顏色的結賬螢幕只是遊戲化很基礎的形式。在個人活動幾乎完全受制或受指導於螢幕(並且一切都可以衡量、記錄和分析)的網約車工作世界裡,遊戲化的機制幾乎沒有限制。
1974年,芝加哥大學博士生,自述為馬克思主義者的Michael Burawoy開始在大型農業裝置製造商聯合公司的發動機部門當各種機器操作員。他試圖回答以下這個問題:為什麼那些工人會那麼賣命?
在馬克思的時代,這個問題的答案很簡單:壓迫。工人沒有保護,會因為不能完成配額而被隨意解僱。一個人拿到養家餬口工資的能力跟其在工作過程中的努力程度有著直接聯絡。然而,到了20世紀初,隨著勞工保護的出現,計件工資體系的消亡,以及強硬的產業工會與更穩健的社會保障體系的崛起,僱主的強制力已經慢慢衰落了。
但是Burawoy卻觀察到,工人們還是工作非常努力。他們齊心協力加速速度,超越了生產目標。他們還承擔額外的任務,尋求建設性地利用停工期。他們還在非工作時間加班。在聯合公司呆了10個月之後,Burawoy得出結論:這幫工人是資源甚至熱忱地同意對他們的剝削。這該作何解釋?Burawoy認為,答案之一是“遊戲”。
對於Burawoy來說,這場遊戲描述了工人操縱生產過程以獲得各種物質和非物質獎勵的手段。當工人在這場操縱中取得成功時,就可以說是贏得了“趕工遊戲”。就像視訊遊戲的關卡一樣,操作者需要克服一系列的連續挑戰以便應付並擊敗遊戲。
在每一次輪班的開始,操作者會遇到自己的第一項挑戰:確保從“排班者(負責發放工人日常任務的那個人)”手中拿到最有利可圖的任務。他們的下一個挑戰是去到“庫房”那裡找到執行操作所需的藍圖和工具。如果庫房管理員發放必要的藍圖、工具和固定裝置太慢的話,操作者就會失去可觀的時間來完成或者突破配額。(Burawoy用一根聖誕節火腿贏得了庫房管理員的配合)在跟負責運貨給機器的卡車司機以及負責執行藍圖規範的檢察院對抗過之後,操作員終於可以跟他的機器一道去對抗時間了。
Lyft2015年在紐約的一次推廣,用的車是《回到未來》中的DeLorean。
據Burawoy,在聯合公司的生產經過了經理深思熟慮的組織來鼓勵工人去玩這場遊戲。Burawoy觀察到發生了一些有趣的事情:工人衝突的主要來源不再是老闆。相反,工人之間的關係開始變得緊張(排班人、卡車司機、檢查員),在操作者與機器之間,以及操作者與自身的體力限度(體力、運動精確度以及專注度)之間。
擊敗配額的戰鬥也把一項單調的、拷問靈魂的工作變成了工人發揮創意、速度和技能的令人興奮的出口。工人們迷戀於自身產出所帶來的地位和聲望,這場遊戲一整天帶給他們的一系列選擇,以及所賦予的相對自治和控制感。它利用了工人對自決和自我表達的渴望。然後,將這股渴望引導到位僱主產生利潤上。
我每個週日的早上都會收到Lyft演算法生成的“挑戰”,內容大概是這樣的:“在週一凌晨5點到週日凌晨5點間完成34趟出行將可得到63美元獎金。”我向下滾屏,開始擔心我的獎金的不斷下降,一度每週能達到100到220美元的將近現在已經降到了原來的一半以下。
“點選這裡接受挑戰。”我點了一下螢幕接受了。現在只要我登入進到駕駛模式,就會出現一個顯示我進度情況的儀表盤:距離我拿到第一份將近只剩21趟出行了。Lyft並未披露每週生成的出行挑戰數量,但是獎金似乎會隨著預期需求和司機行為而改變。預期需求越高,我的獎金就越高。我達到獎金目標或者出行額度的次數越多,後續目標就會定得越高。有時候,如果我登入進去已經有一段時間了,會得到一反常態的高額獎金,在100美元以上,儘管最近出現得已經越來越少。
行為科學家和視訊遊戲設計師很清楚,如果一個人能夠將任務設想成朝著更大的、預先確定的目標邁出的一步的話,玩家就會以更大的熱枕完成得更快。Lyft的統計儀表總是顯示在上面,總是告訴你可接受的評分是多少,你已經跑了多少趟,距離實現目標還有多遠。
除了引誘司機在有需求時出現以外,這種遊戲化的主要目標之一便是工人的留存率。據Uber的統計,在前2個月內有50%的司機就不再使用他們的應用,加州大學交通運輸研究所最近的一份報告提出,只有4%的網約車司機堅持了1年以上。
留存的問題很大程度上是因為開車的經濟性太糟糕。研究人員一直在設法弄清楚究竟司機能掙多少錢,但隨著最近兩份報告(一份來自經濟政策研究所,一份來自MIT)的釋出,大家對司機的收入似乎已經達成共識:平均而言時薪在9.21美元到10.87美元之間。這些發現確認的是很多我們這些遊戲的參與者已經瞭解的事實:在絕大多數美國城市裡,司機已經跌落到當地最低工資線以下。據紐約時報拿到的一份內部材料顯示,Uber其實把麥當勞視為其吸引新司機最大的競爭對手。我開始為Lyft打工時,我已經跟大多數司機一樣算過了:1小時賺9美元也比1分錢都不掙好。
在Luft推出出行挑戰周賽之前,他們有一個“Power Driver Bonus(最強司機獎,PDB)”,這也是每週一次的挑戰,需要司機完成設定數量的常規出行。我有時候每週要工作超過50小時以保證拿到我的PDB,這往往意味著要在不安全、非常規時間的情況下開車,並且要接受幾乎每一次打車請求,包括那些令人感到有潛在危險的。
當然,這很大程度上受到了提高我周收入這個真正需求的激勵。但除了希望我能戰勝Lyft糟糕的經濟回報以外,我追求PDB的動力也是Burawoy在40年前發現的結果:擊敗遊戲的那種匪夷所思的渴求。
司機開車的微薄收入只是許多獎賞(物質和非物質的)的補充。Uber司機完成若干次五星級的出行就可以掙得“成就徽章”,而讓客戶滿意可獲得“優秀服務徽章”。Lyft的“Accelerate Rewards(加速獎)”計劃鼓勵司機通過每月完成特定數量的出行來升級,以便解鎖像殼牌的燃油打折以及免費道路救援(白金級)等特別獎勵。
除了提供無意義的徽章和加油省點錢以外,網約車公司還採用了與賭博公司促進玩老虎機成癮行為同樣的設計元素。紐約大學人類學家及媒體研究教授Natasha Dow Schüll通過對拉斯維加斯賭徒長達10年的研究發現,賭場利用聯網老虎機來實時監視、跟蹤和分析賭徒個體的行為——就像打車app一樣。這意味著賭場可以“對任意賭徒的玩家資料用人口統計資料進行精準分析,勾勒出一幅可用於定製遊戲並推銷給特定玩家的個人檔案。”像這些定製化遊戲一樣,Lyft也告訴我說每週的出行挑戰是“為我量身定製的!”
前Google“設計倫理學家”Tristan Harris也把大部分社交媒體新聞流都使用的“下拉重新整理”機制說成是對老虎機的模仿:使用者永遠都不知道自己何時會感到滿足——總是會有新的點贊或者轉發——但他們知道滿意最終會到來。這種不可預測性會令人上癮:行為心理學家很久就知道賭博採用了可變強化程式——不確定性、預期與反饋不可預測的發生間隔——來讓玩家繼續玩下去。
一位客戶給Uber司機留下的評價和得打分。
我們才剛剛開始發現這些強化程式在打車app的植入程度。不過一個例子是繁忙時間的峰時定價。Luft在網上論壇用“追逐紅粉(chasing the pink)”來指代往“黃金時段”地區跑的傾向,紅粉其實是app裡面熱力圖的顏色,所在地方的車費會顯著增加。這是不合理的,因為拿到好的黃金時段車費的可能性很低,而黃金時段又是極難預測的。紅粉色時而冒頭時而消失,從一個地方轉移到了另一個,有時候僅僅是幾分鐘的事情。Lyft和Uber都必須提供少量的這些費用更高的時段,以保證有人開車到他們預測需要司機的地方。偶爾——只是偶爾這能管用:在去年的玫瑰碗花車大遊行結束後,我在40分鐘內掙到的錢就比我平時忙一整天所得的一半還要多。
聽到網約車司機將操控自己車輛的行為與玩視訊遊戲或者老虎機的沉浸式成癮性體驗相提並論並不鮮見。在《金融時報》發表的一篇文章中,老司機Herb Croakley描述得很貼切:“現在已經發展到app似乎在某種程度上接管了你的發動機功能。它幾乎變成了一種催眠體驗。你跟司機交流會聽到他們說出這樣的話,我剛剛開了2小時的拼車,大概搭了30、40號人,我都不知道自己跑了哪些地方。就是他們喊停我就停,叫搭個人就搭個人,叫轉彎然後跟著轉彎。你都陷入到開始覺得像個機器人一樣的節奏。”
那麼,是誰設定這些遊戲的規則呢?這是一個週五的凌晨12:30,就此話題,“Lyft drivers lounge(Lyft司機休息室)”這個由活躍司機組成的封閉Facebook群開始產生分歧。就像很多人一樣,分歧從對演算法的主張開始。“演算法”是指一套自動化的、“資料驅動”的管理體系,這種系統是不透明的,而且往往是無法預測的,它被網約車公司用於排程司機,匹配乘客到Pools(Uber)或者Lines(Lyft),然後生成“峰時”或者“黃金時段”費用,也就是所謂的“動態定價”。
演算法是這場打車遊戲的核心,也是遊戲所掩蓋的強制。在其奠基性的《演算法勞工與資訊不對稱:Uber司機案例研究》中,Alex Rosenblat和Luke Stark寫道:“Uber自我標榜的連線中介的角色,掩飾了一個通過其軟體和介面設計體現的重要的就業層次結構。”“演算法性管理”這個術語被Rosenblat和Stark用來描述指導Uber與Lyft司機的機制。當然,演算法並不是單一的。相反,在任何時候都有若干演算法在運作和互動。這些演算法一起產生了一個無縫的、只需要很少人干預的自動決策系統。
對於很多按需平臺來說,演算法性管理已經完全取代了之前由輪班主管、領班以及中高層管理擔任的決策角色。Uber其實把它的演算法叫做“決策引擎”。這些“決策引擎”每天跟蹤、記錄並且處理包括從出行頻率到司機踩剎車的順暢度不等的數百萬指標。然後再利用這些分析給出遊戲化的、與司機檔案完美匹配的行動指示。
因為演算法邏輯基本上是未知而且不斷變化的,所以司機就只能去猜測它在做什麼以及為什麼要這麼做。這種猜測是網上論壇交流的常態話題,司機會貼出一些荒謬的出行請求的截圖,並且比較日益沒有生氣的、演算法生成的獎金機會。司機指控網約車公司對演算法做手腳來偏向企業利益的現象並不少見。為了解決這個所謂的偏袒,司機會定期設法進行假設和驗證以操縱或“玩弄”回系統。
凌晨2點,當酒吧開始打烊時,需求出現飆升。這樣司機就更有可能拿到“峰時”或者“黃金時段”的車費。雖不能確保,但這就是為什麼我們都出現在那裡的原因。為了提高峰時定價的預期,線上論壇的司機會定期謀劃經過仔細考慮的、協調行動的大規模“登出”行動,以期司機數量的突然下降能騙過演算法,讓後者生成更高的車費。不過我還沒見過管用的,但是最近發表的一篇論文的作者稱大規模退出偶爾能成功過。
不過,從另一個角度來看,大規模登出也可以理解成好的、老式的停工鬥爭。作為一種抗議形式,暫時、有目的的停工是罷工行動的核心,而且依然是工人對抗盤剝最銳利的武器。但是登出的能力未必就能發展出一個自我解放的功效。Burawoy的洞察也許告訴了我們原因。
Burawoy觀察到,遊戲遊戲本身,使得工人能夠對勞動過程進行一些有限的控制,其結果便是趕工遊戲。反過來,獲勝可讓玩家產生重新投入遊戲的意願這種的效應,並讓他們同意遵守遊戲的規則。當玩家失敗時,他們的不滿被轉移到遊戲設定的障礙,而不是設定規則的資產階層。玩家對遊戲的敵意,取代了更深的老闆與工人之間的對抗。學會如何聰明地在遊戲的引數設定下行事成為了唯一能想象的選項。現在,在勞工與資本之間又插入了一層新的要素:演算法。
經過幾周像個瘋子一樣開車以便恢復我高於平均水平的得分之後,我設法將其提升回4.93。儘管這讓我感覺良好,但是你得承認,只要高於4.6,其實分數除了跟你的自尊能扯上關係以外跟其他毫無關係,這一點幾乎是可恥的、令人震驚的。成為一名得分很高的司機並不能讓你每週收到獎金。你拿到的報酬也不會增加。實際上,為了用糖果取悅那些客戶並且保持我的車子的清潔我還虧錢了。但儘管如此,我就是想成為一名得分很高的司機。
這就是Lyft、Uber的遊戲化的出色與可怕之所在:它利用了我們被需要、被喜歡、待人和善的渴望。我在得分高的時候,開車的動力就會更足。在得分糟糕的時候,我開車的動力也會更足。這對我有效,儘管我更清楚箇中緣由。迄今為止,我已經完成了超過2200次出行。
編譯組出品。編輯:郝鵬程。