随着互联网与共享经济的蓬勃发展，基于共享平台的“即时配送服务”已成为全球劳动力市场中一个快速扩张的领域，这种服务对劳动力的需求正逐渐催生出一种新型灵活就业形态——零工。外卖小哥、快递配送员、家政阿姨等，都是零工工作者。
和传统的就业形态相比，零工工作者可以更加灵活地选择工作时间和地点，工作起来不太容易受公司束缚。而这也意味着，平台企业对零工工作者的管理将成为一大难题。
为了让零工工作者能够主动且高质量开展工作，避免出现工作灵活性带来的懒散、消极怠工等行为，目前，很多平台企业管理者尝试采用调节薪酬、评分和罚金等方式来激励零工工作者。但他们并不知道，究竟该如何调节薪酬、评分和罚金，才能使激励效果最大化。
针对“零工劳动力管理”这一全新领域出现的新问题，浙江大学管理学院教授周伟华携手其博士生陆柏乐及多位海内外合作者，开展了实证研究，其研究成果——The interplay of earnings, ratings, and penalties on sharing platforms: An empirical investigation日前发表于国际顶级期刊Management Science（UTD 24期刊）。
论文发表截图
研究中，周伟华教授团队发现了薪酬、评分和罚金对零工工作者的影响及相互作用机制，并从心理学和经济学的角度挖掘观察到了评分和罚金对薪酬发挥调节效应的潜在机制。
共享经济的发展关乎共同富裕与中国式现代化，以科学、理性的研究助力共享平台企业开展更有效的零工劳动力管理具有重要意义。
周伟华，浙江大学管理学院数据科学与管理工程学系教授，教育部长江青年学者、浙江大学求是特聘教授
陆柏乐，浙江大学管理学院2014级管理科学与工程专业博士毕业生（现就职于国防科技大学）
他们基于实际数据挖掘出薪酬、评分和罚金的相互作用机制
很多共享平台企业管理者认为，只要薪酬给得够多，再设置了评分和罚金对零工的行为加以规范、约束，零工工作者自然会有更好的工作表现。
比如给予评分压力、多扣除一些罚金，零工工作者就会被约束着好好工作了。那么事实真是如此吗？
01
为了使研究结论更加科学，他们想办法修正“偏差”问题
为了探索共享平台的激励机制（薪酬、评分和罚金）如何影响零工工作者的工作决策及这些激励机制内部要素之间的相互关系，周伟华教授团队依托中国一家拥有超过5000万活跃消费者的领先即时零售配送平台的数据，利用融合工具变量法的两阶段Heckman模型，来估量薪酬、评分和罚金对零工工作者工作决策的影响及这些要素之间的交互作用。
考虑到不同于传统劳动者，每个零工工作者都可以自主决定是否工作，其工作表现只有在工作时才能被观测到，这可能导致出现潜在的“自我选择偏差”问题，他们在研究中采用两阶段Heckman模型，通过第一阶段的选择方程修正这种“选择偏差”。
此外，研究还需要解决由薪酬、评分和罚金变量引发的内生性问题。例如，倾向于工作较短时间的零工可能有针对性地选择薪酬更高的订单，从而产生“薪酬水平越高、工作时间越少”的有偏估计结果。
为解决这些内生性问题，他们在研究构建了满足相关性和外生性条件的工具变量，以纠正估计的偏差。
02
他们在研究中发现评分和罚金对薪酬激励效果的调节效应
结果发现，薪酬对零工工作者开展更多工作虽然可以起到主要的激励作用，但评分和罚金可以调节薪酬所发挥的这种激励作用。
具体而言，更高的评分可以激励零工工作者开展更多的工作。但当评分与薪酬共同作用时，评分和薪酬两者对零工工作者开展更多工作的激励效应会互相替代。
也就是说，当评分更高时，薪酬对零工工作者开展更多工作的激励作用将减弱，评分对薪酬激励效果起负向调节效应。
这时候，零工工作者因拥有高评分而对薪酬的增加不太敏感。
同时，研究结果发现，零工工作者过去被扣除罚金越多，越不愿意开展更多的工作，且他们对薪酬的增加更为敏感。
也就是说，当罚金更高时，薪酬对零工工作者开展工作的激励作用会增强，罚金对薪酬激励效果起正向调节效应。
这时候，零工工作者因过去被扣除的罚金较高而更加在意薪酬的增加。
此外，通过随访调查，周伟华教授团队还从心理学和经济学角度挖掘观察到了评分与罚金对薪酬激励效果起调节效应的潜在机制。
图1作用机制
如何对“零工”开展更有效的管理？他们基于研究结论给出切实建议
结合上述研究结果可见，给予评分压力、多扣除罚金，并不能约束零工工作者好好工作，相反，还会阻碍他们开展更多的工作。
另外，要让零工工作者开展更多工作，单纯提高薪酬并不能让激励效果达到最大化，还需充分运用评分和罚金所发挥的调节效应。
那么对于共享平台企业而言，具体应该怎样做呢？
研究中，周伟华教授团队在揭示薪酬、评分、罚金这三大激励机制要素如何共同影响零工工作者的工作决策后，还为共享平台企业对零工工作者开展更有效的管理给出了切实建议。
01
对高质量零工工作者：要注重非物质性激励
高质量的零工工作者更有可能获得更高的评分，受到更少的处罚，提供更好的服务，并最终帮助提高平台声誉，是共享平台企业的宝贵资产。
要激励这个群体开展更多工作，单纯地提高薪酬并不是最有效的方法。比起物质性激励，非物质性激励，如基于评分的奖励，可能会更好地激励他们。
也就是说，基于评分的激励要素可作为一种激励高质量零工工作者的非物质性机制。
基于此，周伟华教授团队建议平台管理者仔细设计高质量零工工作者的激励措施。例如，虽然平台无法控制这一群体的评分，但可以提供一些类似于Uber Pro的非物质性绩效认可或里程碑奖励，以进一步激励这一群体开展更多工作。
02
对低质量零工工作者：考虑逐步“过滤”出去
由于低质量的零工工作者可能会获得更低的评分，受到更多的处罚，提供更差的服务，最终损害平台声誉，因此，过滤掉低质量的零工工作者对平台发展来说至关重要。
如今，传统企业往往采取监控、检查等对员工加以管理，而亚马逊Flex、Handy等共享平台则采用了算法惩罚系统。
基于研究发现“更高的罚金会阻碍员工更多地工作”，周伟华教授团队认为，这些算法惩罚系统可以成为自动过滤低质量零工工作者的有效手段。
此外，基于研究发现“被扣除更高罚金的零工工作者往往对薪酬更敏感”，共享平台企业可以考虑降低低质量零工工作者的薪酬，以进一步将这一群体从平台过滤出去。
这项解决管理“新难题”的研究，有效赋能经济社会发展
当前，数字经济蓬勃发展，不仅催生了“零工”这种新型灵活就业形态，还加速了共享平台零工从业者的数量增长。
据相关数据显示，2020年我国共享经济服务提供者已达到约8400万人；截至2021年底，中国灵活就业人员仅外卖骑手就达千万人规模，单个平台企业的外卖骑手可达600多万人。
不只是国内，全球很多国家也有着庞大的共享平台“零工”群体，尤其是在美国。
而随着“零工”群体规模在全球劳动力市场中的日益庞大，零工劳动力管理也将成为共享平台企业发展路上不得不面对的全新挑战，进而成为影响共享经济发展的关键变量。
众所周知，共享经济是伴随数字互联技术变革而发展出的一种新商业形态，它可以通过提高资源配置效率、创新资源利用方式等打造资源节约型经济形态，为经济增长提供新动能，是推动共同富裕的重要路径。
习近平总书记曾在十九大报告中强调，要在中高端消费、创新引领、绿色低碳、共享经济、现代供应链、人力资本服务等领域培育新增长点、形成新动能。
在此背景下，帮助共享平台企业理解零工工作者在这种新商业模式下的激励和行为问题，指引共享平台企业开展更有效的零工劳动力管理，对经济社会发展和现代化产业体系建设而言至关重要。
周伟华教授团队的这项研究，正是聚焦共享平台企业所面临的零工劳动力管理难题，以科学研究与理性思考为共享平台企业解决数字情境下出现的新管理难题贡献管理智慧，赋能共享经济发展，极具应用价值。
值得一提的是，这项研究的共同第一作者陆柏乐是浙江大学管理学院2014级管理科学与工程专业博士毕业生，师从周伟华教授。
毕业后，她顺利入职国防科技大学，在那里持续践行浙大管院“顶天立地”的学术理念，立足中国实际、解决中国问题，在世界学术舞台上发出“中国声音”。
放眼未来，陆柏乐表示将围绕平台运营管理、众包经济、系统评估等方向开展更多高水平研究。周伟华教授也表示，未来将在攻克现实管理难题的同时，培育更多科研实力与家国情怀兼具的优秀博士生，并带领他们共同为建构中国自主管理学知识体系、为服务中国式现代化特别是现代化产业体系建设而奋斗。
论文摘要
On-demand delivery through sharing platforms represents a rapidly expanding segment of the global workforce. The emergence of sharing platforms enables gig workers to choose when and where to work, allowing them to do so in a flexible manner. However, such flexibility brings notorious challenges to platforms in managing the gig workforce. Thus, understanding the incentive and behavioral issues of gig workers in this new business model is inherently meaningful. This paper investigates how the incentive mechanisms of sharing platforms—earnings, ratings, and penalties—affect the working decisions of gig workers and their nuanced relationships. To achieve this goal, we use data from one leading on-demand delivery platform with more than 50 million active consumers in China and implement a two-stage Heckman model with instrumental variables to estimate the impact of earnings, ratings, and penalties. We first show that better ratings motivate gig workers to work more. However, interestingly, when ratings are employed together with earnings, the two positive effects of ratings and earnings can be substitutes for each other. Second, we reveal that higher past penalties discourage workers from working more, whereas, interestingly, workers with higher past penalties tend to be more sensitive toward an increase in earnings. Finally, we conduct follow-up surveys to understand the underlying mechanisms of the observed moderating effects from both psychological and economic perspectives. The ultimate goal of this work is to provide managerial implications to help platform managers understand how earnings, ratings, and penalties work together to affect gig workers’working decisions and how to manage high- and low-quality workers.
（注：该论文共同第一作者是北卡罗来纳大学助理教授Yuqian Xu和管理学院博士毕业生陆柏乐（现就职于国防科技大学）；第三作者是纽约大学教授Anindya Ghose；第四作者是中央财经大学教授代宏砚；第五作者及通讯作者是浙江大学管理学院教授周伟华。）
