Uber 的心理操縱術:如何讓司機不計成本還拼命接單?

首圖來源:pexels

眾所周知,Uber 司機們多年來一直在抱怨公司給其的報酬下降,待遇也不盡如人意。但如今即便是 Uber 這樣在過去態度略顯強硬的公司,也決心要更人性化的對待司機們了。自由工作者湧入勞動力市場雖然使得 Uber 公司得以減少勞動力成本,但是這也意味著公司不能強迫他們在特定的時間去特定的地方接單。如果失去對於司機的控制,Uber 就難以達到自己的服務目標——無論何時何地只要乘客需要就可以無縫運輸。

Uber 會通過使用心理誘因和其他源於社會科學的技術手段來影響司機的抉擇,控制他們在何時、何地接單以及駕駛多長時間。為了達到這一效果,Uber 公司聘請了成百上千的社會科學家、數據科學家針對視頻游戲、圖形指示以及非現金獎勵這些成本低廉且能夠促使司機更加努力地長時間工作的形式進行試驗,這些心理操縱的方式甚至能夠讓司機心甘情願地在不那麼有錢賺的時間段與地區去接單。

現在就來看看 Uber 是如何進行心理操縱術的吧!

追劇一樣接下應接不暇的訂單

想要讓自己公司的叫車服務無處不及,行駛在路上的 Uber 司機當然是越多越好。為了讓司機能夠多花時間開車,Uber 公司利用人們的慣性心理為司機設計了不斷去完成的訂單系統,公司甚至開發了一套類似於 Netflix 自動下載下一個影音節目的算法,Lyft 也有類似的算法。這算法能讓 Netflix 的觀眾不停歇地一口氣追完整部劇,對於 Uber 司機來說則意味著馬不停蹄地一個又一個接單。

這套算法能在司機還沒有完成一單任務的時候就提前自動排隊等待下一位乘客,幾乎是無縫銜接下一單,而這也就能讓司機們在繁忙時段不斷地接送客人。Uber 與 Lyft 解釋說司機們都覺得浪費時間去等待客人是最糟糕的事情,他們這樣做只是滿足司機想要多接單的心理需求。但是這兩間公司都沒有透露這套算法背後隱藏的關鍵——它會讓人失去自控力。


這種模式就好比你在視頻網站上觀看劇集時的自動播放排隊功能,一集結束後不斷播放下一集,這讓觀眾失去自控,欲罷不能地黏在螢幕前。而 Uber 的自動排隊接單也會造成失控,雖然司機已經很勞累,但是依然願意投入到這種忙碌中,有的司機甚至為了不斷接單連廁所都不去,使得他們患上了慢性病。

Uber 雖然為這套自動排隊接單系統加入了暫停按鈕,但是相比影音網站上可以讓用戶永久關閉自動排隊播放功能,Uber 的這種暫停需要司機每完成一單就點一次,不能完全關閉。而且 Uber 的自動排隊接單系統不會讓司機在排隊時得知下一單的乘客在哪裡,所以司機也很難去判斷這一單是否有利可圖。

數據並不天然就有罪,使用相同的數據,Uber 既可以輕鬆地讓司機額外多工作 30-60 分鐘,也可以做點好事,對司機提供駕駛安全上的監管。比如說公司可以獲取司機的各種駕駛指標,比如剎車、加速等,這些指標可以反映出司機是否開始進入疲勞駕駛,系統會提醒司機收工休息。

美國有大量的法律和習俗都認為企業主相比公司員工擁有更多的權力,因此企業主必須給予員工更多的保護,這種保護可不僅僅是法定的最低工資和加班工資,也包括了在道德上不應該誘使操縱員工過度勞動。但是共享經濟中湧現的自由勞動者卻很難享有這些保護,Uber 公司的司機們面對的是法律與道德雙重失效的煉獄,因為他們是獨立的勞務提供者,得不到相關的就業保護。

千方百計調動司機積極性——色誘與利誘

Uber 公司與司機之間是一直存在矛盾。對於司機來說,公司抽走了每一單 25% 的金額作為佣金,他們當然希望剩下的 75% 毛利越大越好,如果市場中存在供給不足就會使得乘客不得不加價叫車,這樣他們就可以賺取更多。對於公司而言當然要竭力避免這種乘客叫不到車的短缺局面,Uber 的目標是讓每一個乘客都能夠更快地乘車,最好將叫到車的時間控制在 5 分鐘之內。

每一天都會有無數短信、郵件和手機推送提醒司機:「快,早高峰開始了,前往該地區,需求大無邊。」Uber 公司總是會通過各種方式試圖讓司機們集中到某些熱門地區。一些 Uber 公司的男性管理者甚至會偽裝成女性給司機們發短信,因為他們發現這樣效果更好。Uber 深知這一招非常有效,畢竟絕大部分的司機都是男性。

Qk1491711097584(image source:tech2ipo

這種安排加劇了公司利益與司機個人利益最大化之間的衝突,許多司機甚至要每周工作 50-60 個小時來獲得一定的利潤。Uber 的管理層也開始擔心這種安排會激起司機們的強烈反彈,使得公司在面對競爭對手 Lyft 的時候處於戰略劣勢,畢竟 Lyft 所塑造出來了一種對司機更加友好的形象。


文章內容屬作者個人觀點,不代表本站立場

大數聚

透過數據,我們聚集各領域的專家,檢視時下重要議題及產業趨勢。當我們聚在一起,用數據說話,說出有意義、有價值的新觀點。歡迎加入我們,一起用數據看世界。