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，
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、資料科學家針對視頻遊戲、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這套演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演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，
Uber 雖然為這套自動排隊接單系統加入了暫停按鈕， 但是相比視頻網站上可以讓使用者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。
資料並不天然就有罪， 使用相同的資料， 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。
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。 但是共用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，
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。
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，許多司機甚至要每週工作 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。
於此同時 Uber 還有別的擔心，很多新加入的司機在完成 25 單任務並獲得簽約獎金之前就離開了平臺。為了激勵這些新手完成任務，Uber 官方開始在一些城市中嘗試給予新手簡單的鼓勵：祝賀你！你已經完成一半任務了！這種鼓勵看上去十分溫馨感人，實際上也是被精准設計過的。公司的資料科學家們發現，一旦司機在平臺上完成了 25 單任務，其流失率就會急劇下降。
心理學家和電腦遊戲設計者早就知道這一套把戲，鼓勵人朝著一個具體的目標奮鬥可以激勵他們不斷完成任務。這相當於讓司機將公司設定好的目標給內化了，而內化動機的驅動力是最強大的。
讓你想不到的是，這種利用心理學技巧讓司機心甘情願多幹活的方法正是 Lyft 公司首先試驗出來的。在 2013 年，Lyft 公司聘用了諮詢公司去幫助他們找到讓司機在平臺最繁忙時間多接單的方法。Lyft 的司機自願報名參與實驗，公司顧問將他們分為兩組，其中一組被告知如果在繁忙的週五晚上多接單將會比在週二早上接單每小時多賺 15 美元；另一組則調換了一下語序，他們被告知如果堅持在週二出車，將會比在週五晚上接單每小時少賺 15 美元。很顯然，後一種話術更能激勵司機在繁忙時段多多接單。
這其實就是一種被稱作「損失厭惡」的心理，相比獲得，人們更加厭惡失去。不過 Lyft 公司最終沒有使用讓司機規避損失的後一種話術，因為該公司還保持了一絲良知，知道這已經涉嫌了操縱。
驢子眼前的胡蘿蔔——收益目標設定每一次當 Uber 司機 Josh Streeter 試圖下線時，都會受到 Uber 發來的消息：你離賺取 330 美元只差 10 美元了，真的確定要下線嗎？消息後面跟著兩個選項「離線」和「繼續駕駛」，後一個選項被高亮突出顯示。
Streeter 先生的遭遇不是個例，每當 Uber 的司機準備下線時，app 總會提醒他們還差多少就能完成一天的收入目標，而這一收入目標的取值通常是他們上周每日收入的平均數。這種不斷提醒你離目標還有多少距離的消息也是利用了行為心理學中的小技巧，人們關注自己設定的目標，這促使他們開更久的車去完成既定目標。
在過去的 20 年中，行為經濟學家已經為一種被稱為收入目標錨定的現象找到了存在的證據，像計程車司機這樣的工種可以決定自己每天工作多長時間，他們通常都會為自己設定一個收益目標，比如說努力達到 100 美元，就像馬拉松運動員總是試圖將自己的完賽時間壓縮到 4 小時或 3 小時以內。
雖然行為經濟學家當中對於計程車司機是否能嚴格按照既定收入目標去工作仍有爭議，但是無論 Uber 還是 Lyft 公司的高管都承認確實有許多司機會為自己設定一個收入目標，而且 Lyft 也已經開始允許司機在 app 裡面為自己設定目標了。
但是過於嚴格地按照收入目標來工作也是沒有效率的，這會導致司機們一天裡工作太長時間，在非繁忙時間段裡疲於奔命接單，在繁忙時段中卻因為太過勞累或完成了目標而早早收工回家。
沉迷遊戲是最大的工作動力其實那些催促司機趕往繁忙地區接單的資訊並不僅僅是依靠提醒你離目標還差多少錢而起作用，它的內容形式本身就頗有深意。在 Uber 發給司機們的資訊中呈現出了一個汽車引擎的圖示，指標無限接近地指向了一個美元符號。這為司機們創造出了一個「玩樂回路」（ludic loop），這是一種牢固的愉悅反饋回路，能夠激發重複性的行為。這種以往被運用在賭博與遊戲中的心理現象已經被 Uber 用來讓司機們沉迷工作。
在 Uber 的 app 當中會顯示一個司機本周完成了多少單工作，賺了多少錢，線上多長時間以及得到了客戶的幾星級評價，所有的這些要素都會化成一枚枚徽章，誘使了司機像打遊戲升級一樣不斷進階。
往往一個人心中再大的完成目標的動力，也比不上陷入遊戲化的強迫模式中力量大。有些司機會為了追求成就達成而每週幹滿一定時長，有些司機則會為了獲得優質服務或者優質溝通徽章而去繁忙地區接那些加價更少的單子，即便這會讓他們的郵費與汽車維修費得不償失。
Uber 能夠通過 app 獲得司機們的所有工作資料，因此能夠無所不用其極地將其中的每個元素都進行遊戲化改造。同時因為司機們都是獨立勞務提供者，所以這種遊戲化的策略也不用拘泥於就業保護法。
遊戲化對於分享經濟中的勞動者可能是有一定的好處的，比如它能夠讓那些不在同一實體空間工作的司機們加強聯繫，但是遊戲化也可能會被企業所濫用。企業會發現不向勞動者們支付金錢報酬，而是用頒發徽章來進行激勵是一種成本更低的做法，這就已經涉嫌操縱。
Uber 的人力管理模式還將走出多遠？Uber 公司還會在未來繼續從行為心理學中找出心理操縱的方法，只要 Uber 的商業模式有需要，他們就會不斷探尋。雖然 Uber 毫不掩飾自己正在探索無人駕駛汽車，但是無人駕駛汽車想要完全取代人類至少還需要十年甚至更長的時間。
只要 Uber 公司繼續將增長量和乘客量設定為關鍵目標，他們就會有動力去不斷去試探司機的底線並從其身上榨取更多的工作時間。同樣，該公司也會繼續探索如何以最便宜的方式去獲取這些多榨出來的工作時間。現在看來，沒有什麼比雇傭獨立勞動者並且誘使他們在公司期望的時間和地段去接單更好的方式了。據業內人士估計，雇傭獨立勞動者相比聘用專職司機其直接成本可降低 25%。
此外，獨立勞動者這個模式本身就為像 Uber 這樣的企業提供了強大的成長動力。當這些公司發展到一定規模時，他們就進入了一個良性迴圈：因為有足夠多的獨立勞動者可以選擇，所以人員配備不足的風險隨之降低，而使用獨立勞動者所節約的成本開始超過了低效帶來的損失，這使公司能夠騰出資金進入新的市場並獲取新客戶，反過來使得獨立勞動者工作模式保持效率，繼續節約更多成本。
不太難想像，在未來像 Uber 這樣大規模的數字平臺上會吸引數以千萬計的勞動者——他們將不僅僅是運送乘客，還將運送食品與零售商品。我們很難得知這些獨立勞動提供最為何選擇共用經濟的大平臺，也許是因為他們所掌握的技能無法匹配那些傳統雇主的要求，或者是因為他們想要在固定工資之外再賺一些外快。
在這樣一種經濟體系中，使用大資料與演算法來管理獨立勞動者將不僅僅是少數幾家公司的選擇，在未來大資料與演算法可能會成為美國最為常見的勞動力管理方式。
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，許多司機甚至要每週工作 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。
於此同時 Uber 還有別的擔心，很多新加入的司機在完成 25 單任務並獲得簽約獎金之前就離開了平臺。為了激勵這些新手完成任務，Uber 官方開始在一些城市中嘗試給予新手簡單的鼓勵：祝賀你！你已經完成一半任務了！這種鼓勵看上去十分溫馨感人，實際上也是被精准設計過的。公司的資料科學家們發現，一旦司機在平臺上完成了 25 單任務，其流失率就會急劇下降。
心理學家和電腦遊戲設計者早就知道這一套把戲，鼓勵人朝著一個具體的目標奮鬥可以激勵他們不斷完成任務。這相當於讓司機將公司設定好的目標給內化了，而內化動機的驅動力是最強大的。
讓你想不到的是，這種利用心理學技巧讓司機心甘情願多幹活的方法正是 Lyft 公司首先試驗出來的。在 2013 年，Lyft 公司聘用了諮詢公司去幫助他們找到讓司機在平臺最繁忙時間多接單的方法。Lyft 的司機自願報名參與實驗，公司顧問將他們分為兩組，其中一組被告知如果在繁忙的週五晚上多接單將會比在週二早上接單每小時多賺 15 美元；另一組則調換了一下語序，他們被告知如果堅持在週二出車，將會比在週五晚上接單每小時少賺 15 美元。很顯然，後一種話術更能激勵司機在繁忙時段多多接單。
這其實就是一種被稱作「損失厭惡」的心理，相比獲得，人們更加厭惡失去。不過 Lyft 公司最終沒有使用讓司機規避損失的後一種話術，因為該公司還保持了一絲良知，知道這已經涉嫌了操縱。
驢子眼前的胡蘿蔔——收益目標設定每一次當 Uber 司機 Josh Streeter 試圖下線時，都會受到 Uber 發來的消息：你離賺取 330 美元只差 10 美元了，真的確定要下線嗎？消息後面跟著兩個選項「離線」和「繼續駕駛」，後一個選項被高亮突出顯示。
Streeter 先生的遭遇不是個例，每當 Uber 的司機準備下線時，app 總會提醒他們還差多少就能完成一天的收入目標，而這一收入目標的取值通常是他們上周每日收入的平均數。這種不斷提醒你離目標還有多少距離的消息也是利用了行為心理學中的小技巧，人們關注自己設定的目標，這促使他們開更久的車去完成既定目標。
在過去的 20 年中，行為經濟學家已經為一種被稱為收入目標錨定的現象找到了存在的證據，像計程車司機這樣的工種可以決定自己每天工作多長時間，他們通常都會為自己設定一個收益目標，比如說努力達到 100 美元，就像馬拉松運動員總是試圖將自己的完賽時間壓縮到 4 小時或 3 小時以內。
雖然行為經濟學家當中對於計程車司機是否能嚴格按照既定收入目標去工作仍有爭議，但是無論 Uber 還是 Lyft 公司的高管都承認確實有許多司機會為自己設定一個收入目標，而且 Lyft 也已經開始允許司機在 app 裡面為自己設定目標了。
但是過於嚴格地按照收入目標來工作也是沒有效率的，這會導致司機們一天裡工作太長時間，在非繁忙時間段裡疲於奔命接單，在繁忙時段中卻因為太過勞累或完成了目標而早早收工回家。
沉迷遊戲是最大的工作動力其實那些催促司機趕往繁忙地區接單的資訊並不僅僅是依靠提醒你離目標還差多少錢而起作用，它的內容形式本身就頗有深意。在 Uber 發給司機們的資訊中呈現出了一個汽車引擎的圖示，指標無限接近地指向了一個美元符號。這為司機們創造出了一個「玩樂回路」（ludic loop），這是一種牢固的愉悅反饋回路，能夠激發重複性的行為。這種以往被運用在賭博與遊戲中的心理現象已經被 Uber 用來讓司機們沉迷工作。
在 Uber 的 app 當中會顯示一個司機本周完成了多少單工作，賺了多少錢，線上多長時間以及得到了客戶的幾星級評價，所有的這些要素都會化成一枚枚徽章，誘使了司機像打遊戲升級一樣不斷進階。
往往一個人心中再大的完成目標的動力，也比不上陷入遊戲化的強迫模式中力量大。有些司機會為了追求成就達成而每週幹滿一定時長，有些司機則會為了獲得優質服務或者優質溝通徽章而去繁忙地區接那些加價更少的單子，即便這會讓他們的郵費與汽車維修費得不償失。
Uber 能夠通過 app 獲得司機們的所有工作資料，因此能夠無所不用其極地將其中的每個元素都進行遊戲化改造。同時因為司機們都是獨立勞務提供者，所以這種遊戲化的策略也不用拘泥於就業保護法。
遊戲化對於分享經濟中的勞動者可能是有一定的好處的，比如它能夠讓那些不在同一實體空間工作的司機們加強聯繫，但是遊戲化也可能會被企業所濫用。企業會發現不向勞動者們支付金錢報酬，而是用頒發徽章來進行激勵是一種成本更低的做法，這就已經涉嫌操縱。
Uber 的人力管理模式還將走出多遠？Uber 公司還會在未來繼續從行為心理學中找出心理操縱的方法，只要 Uber 的商業模式有需要，他們就會不斷探尋。雖然 Uber 毫不掩飾自己正在探索無人駕駛汽車，但是無人駕駛汽車想要完全取代人類至少還需要十年甚至更長的時間。
只要 Uber 公司繼續將增長量和乘客量設定為關鍵目標，他們就會有動力去不斷去試探司機的底線並從其身上榨取更多的工作時間。同樣，該公司也會繼續探索如何以最便宜的方式去獲取這些多榨出來的工作時間。現在看來，沒有什麼比雇傭獨立勞動者並且誘使他們在公司期望的時間和地段去接單更好的方式了。據業內人士估計，雇傭獨立勞動者相比聘用專職司機其直接成本可降低 25%。
此外，獨立勞動者這個模式本身就為像 Uber 這樣的企業提供了強大的成長動力。當這些公司發展到一定規模時，他們就進入了一個良性迴圈：因為有足夠多的獨立勞動者可以選擇，所以人員配備不足的風險隨之降低，而使用獨立勞動者所節約的成本開始超過了低效帶來的損失，這使公司能夠騰出資金進入新的市場並獲取新客戶，反過來使得獨立勞動者工作模式保持效率，繼續節約更多成本。
不太難想像，在未來像 Uber 這樣大規模的數字平臺上會吸引數以千萬計的勞動者——他們將不僅僅是運送乘客，還將運送食品與零售商品。我們很難得知這些獨立勞動提供最為何選擇共用經濟的大平臺，也許是因為他們所掌握的技能無法匹配那些傳統雇主的要求，或者是因為他們想要在固定工資之外再賺一些外快。
在這樣一種經濟體系中，使用大資料與演算法來管理獨立勞動者將不僅僅是少數幾家公司的選擇，在未來大資料與演算法可能會成為美國最為常見的勞動力管理方式。