跳到正文

学术论文

算法在日常劳动中的重构:中国外卖平台配送员的工作条件与体验

本文探讨了中国外卖平台配送员如何理解和应对算法管理,揭示了他们在时间压力、情感劳动和平台粘性等方面的困境。研究通过民族志方法深入分析了配送员的实际工作环境和心理状态,提供了对外卖平台运营的深刻洞察。

原始来源: 来源信息待补充

算法在日常劳动中的重构:中国外卖平台配送员的工作条件与体验

研究背景

随着共享经济、零工经济和按需经济在全球范围内的兴起,越来越多的学者开始关注中介平台如何构建、连接和重构消费者、劳动者和公司之间的社会关系。在中国,外卖服务市场经历了巨大的增长,但同时也面临着不稳定性。本文旨在探讨算法在日常劳动中的应用,特别是外卖平台配送员的工作条件和他们如何理解和应对算法。

近年来,中国的外卖服务市场经历了爆炸性增长。根据中国互联网信息中心的数据,截至2018年7月,在线订餐服务用户已达到3亿,覆盖了1300个城市,产生了约37亿美元的收入。然而,这一市场的快速增长也带来了不稳定性和竞争加剧。大型IT企业如阿里巴巴、腾讯和百度纷纷进入并争夺市场份额,导致许多外卖平台破产。例如,2016年有超过20个在线订餐平台关闭业务(Newseed, 2016)。2017年8月,曾经是第三大市场的百度外卖被饿了么收购,市场逐渐形成了以美团和饿了么为主的双寡头格局。

在这种背景下,外卖平台如百度外卖、饿了么和美团已经发展出高度自动化的算法系统,用于订单调度和配送管理。这些平台通过算法不断优化配送时间,提高效率,但这种技术进步也给配送员带来了巨大压力。配送员不仅面临时间压力,还必须遵守严格的服务规范,这导致他们的工作条件变得越来越不稳定。此外,由于劳动力成本下降和人口高度集中,O2O(线上到线下)食品配送平台迅速普及,吸引了大量农民工加入配送大军。据凤凰卫视报道,全国外卖配送员人数已超过300万,其中大部分集中在大城市。

外卖平台的算法系统通过实时计算和调整配送时间,提高了整体运营效率,但也使得配送员失去了对工作时间的控制。配送员的工作时间和强度完全依赖于平台的调度系统,这种“平台粘性”使他们无法自主安排工作时间。此外,平台为了吸引更多的用户,经常提供各种促销活动,进一步增加了配送员的工作负担。在这种情况下,配送员不仅要完成物理上的配送任务,还要进行情感劳动,以满足客户的需求。然而,这种情感劳动并未得到算法的充分考虑,导致配送员在高压环境下更加疲惫和不满。

核心发现解读

本研究通过民族志方法,深入分析了配送员如何理解和应对算法管理。以下是三个核心发现:

  • 45分钟到29分钟:研究表明,百度外卖的配送时间从最初的45分钟缩短到了29分钟。这种时间压缩给配送员带来了巨大压力,迫使他们在有限的时间内完成更多的订单。一位名叫小吉的配送员在接受采访时说:“当我刚开始为百度工作时,每个订单的配送时间是45分钟,但现在已经被缩短到29分钟!太疯狂了。当你看到手机上显示只有几分钟时间时,你不得不跑。”
  • 76名伤亡:由于算法设定的不合理配送时间,许多配送员选择违反交通规则以节省时间,导致交通事故频发。2017年上半年,中国有76名配送员因交通事故丧生,其中一半来自饿了么和美团。另一位配送员李峰愤怒地表示:“当估算配送时间时,算法基于直线距离预测时间长度,但这不是实际情况。我们需要绕路,还需要等红绿灯。昨天我送了一个系统声称5公里的订单,但实际上我骑了近7公里。系统把我们当作直升机,但我们不是。”
  • 三种骑士等级:研究揭示了配送员通过不同等级的“骑士”制度获得补贴。例如,神骑士每单可获得1.5元人民币(约0.23美元),而普通骑士每单仅获得0.1元人民币(约0.015美元)。这种制度激励配送员提高工作效率,但也加剧了他们的工作压力。具体而言,骑士等级分为七个级别,分别是神骑士、圣骑士、钻石骑士、黑金骑士、黄金骑士、白银骑士和普通骑士,每个级别的补贴金额和累计积分各不相同。

除了上述发现,研究还揭示了算法对配送员情感劳动的影响。配送员在工作中需要遵循一系列严格的服务规范,例如不能进入顾客房间、不能接受小费、必须微笑、敲门并双手递送零钱。这些规定使得配送员不仅要完成物理上的配送任务,还要进行情感劳动,以满足客户的需求。然而,这种情感劳动并未得到算法的充分考虑,导致配送员在高压环境下更加疲惫和不满。

此外,研究还发现,配送员在面对算法管理时,并非完全被动。他们通过自己的经验和策略,创造了一些“有机算法”,以更好地应对平台的算法管理。例如,一些配送员会利用自己的经验来预测高峰时段和低谷时段,从而更合理地安排自己的工作时间。还有一些配送员会与其他配送员合作,共同优化配送路线,减少等待时间。这些“有机算法”展示了配送员在算法管理下的主动性和创造性。

批评/局限

尽管本研究提供了对外卖平台配送员工作条件的深刻洞察,但仍存在一些局限性和值得商榷之处。

首先,作者承认研究样本主要集中在北京市,可能无法完全代表全国范围内的配送员情况。其次,研究中提到的“平台粘性”虽然揭示了配送员失去工作时间控制的现象,但未能深入探讨其背后的社会结构因素。例如,配送员为何会如此依赖平台?这种依赖性是如何形成的?这些问题需要进一步的研究来解答。

此外,研究更多地关注了配送员的个体体验,而较少涉及平台公司内部的决策机制及其对算法设计的影响。平台公司在制定算法时是否考虑了配送员的实际需求?是否有其他利益相关者参与了算法的设计过程?这些问题对于理解算法的形成和演变具有重要意义。

最后,研究未能全面探讨算法对配送员身心健康的影响。长时间的高强度工作和频繁的交通事故不仅影响了配送员的身体健康,也可能对其心理健康产生负面影响。未来的研究可以进一步探讨这些问题,以更全面地了解算法对配送员的影响。

另外,研究中的数据主要来源于访谈和观察,缺乏定量分析的支持。虽然定性研究能够深入揭示个体的主观体验,但结合定量数据可能会提供更全面的视角。例如,可以通过问卷调查或数据分析,了解配送员的整体满意度、工作压力水平以及对算法管理的态度。此外,研究还可以进一步探讨不同城市和地区之间配送员的工作条件差异,以便更好地理解算法在不同环境下的应用效果。

实操启示

对于供应链从业者而言,本研究提供了一些实用的启示,有助于改善配送员的工作条件和提升整体运营效率。

首先,平台公司在设计算法时应充分考虑配送员的实际工作环境和情感需求,避免过度压缩配送时间。例如,可以引入更灵活的配送时间设置,允许配送员根据实际情况调整配送速度。同时,平台公司可以通过优化配送路线和减少等待时间来减轻配送员的压力。例如,利用大数据和人工智能技术,提前预测交通状况,合理规划配送路径,从而减少配送员的等待时间和行驶距离。

其次,平台公司可以引入更灵活的工作制度,允许配送员根据自身情况调整工作时间和强度。例如,可以设立弹性工作时间,让配送员在高峰期和非高峰期之间自由选择工作时段。这样既能保证配送效率,又能提高配送员的工作满意度。

此外,加强与配送员的沟通和反馈机制,及时解决他们在工作中遇到的问题,有助于提升他们的工作满意度和忠诚度。平台公司可以定期组织培训和交流活动,倾听配送员的意见和建议,不断改进算法和服务流程。同时,建立公平透明的奖励机制,确保配送员的努力能够得到合理的回报。

最后,平台公司应关注配送员的身心健康,提供必要的支持和保障。例如,可以为配送员提供医疗保险和意外伤害保险,设立休息站和心理咨询服务,帮助他们缓解工作压力,保持良好的身心状态。此外,平台公司还可以通过举办团队建设活动和文化娱乐活动,增强配送员的归属感和团队凝聚力,从而提高整体工作效率和员工满意度。

论文引用

以下是该论文的详细信息。

论文标题:Your order, their labor: An exploration of algorithms and laboring on food delivery platforms in China
作者/机构:Ping Sun / 中国社科院新闻与传播研究所
发表来源:Chinese Journal of Communication, 2019
链接:https://doi.org/10.1080/17544750.2019.1583676

信息来源:https://doi.org/10.1080/17544750.2019.1583676

问 SCI.AI 读完这篇报道,继续问 SCI.AI 查询相关政策、航线、企业与历史背景。 继续提问
语言引导的因果组件显著提升强化学习泛化能力
学术论文

语言引导的因果组件显著提升强化学习泛化能力

本文深入解读了Xinyue Wang和Biwei Huang提出的WM3C框架,该框架通过语言引导的可组合因果组件来增强强化学习在新环境中的泛化能力。研究显示,在多个任务中,WM3C的成功率显著高于现有方法,特别是在处理复杂任务时表现尤为突出。

数据驱动优化方法提升最后一公里配送效率约5%
学术论文

数据驱动优化方法提升最后一公里配送效率约5%

本文提出了一种新的数据驱动优化方法,通过结合机器学习技术和带容量限制的车辆路径优化,旨在解决最后一公里配送中的不确定性问题。研究发现,该方法在性能上相比其他方法有大约5%的提升,并且考虑了路由决策和配送时间之间的相互影响。尽管存在一些局限性,但该方法为供应链从业者提供了重要的实操启示。

N-BEATS模型在时间序列预测中提升11%准确率
学术论文

N-BEATS模型在时间序列预测中提升11%准确率

本文介绍了N-BEATS模型,一种基于深度神经网络的时间序列预测架构。该模型在多个数据集上表现出色,并且具有可解释性。研究发现,N-BEATS模型在M4数据集上的表现优于统计基准,提高了11%的准确率;比M4竞赛的获胜者提高了3%的准确率;比最佳的统计方法提高了7%的准确率。尽管模型存在一些局限性,但它为供应链从业者提供了重要的实操启示。

Welcome Back!

Login to your account below

Create New Account!

Fill the forms below to register

Retrieve your password

Please enter your username or email address to reset your password.

微信扫码分享

打开微信,扫描二维码分享给好友

QR Code

Add New Playlist