《当数字开始做决定》· 第二季“当指标成为目标”· 第八篇
一、一个“向下拇指”不只是意见
在Uber Eats澳洲和新西兰的公开说明中，送餐员的Satisfaction Rating由餐馆和顾客给出的向上或向下拇指形成；最低满意率为85%，低于所在城市最低标准的送餐员可能失去使用Driver app的权限。Uber：Your Guide to Satisfaction Ratings
顾客点一下向下拇指时，可能只想表达餐已变凉、送达较晚或沟通不顺。他未必知道迟到来自餐馆出餐、平台路线、交通、楼宇入口或送餐员；也未必知道评价会进入工作资格判断。对平台而言，这是一项低成本、即时、规模巨大的质量信息；对送餐员而言，它可能影响能否继续取得收入。
一项消费反馈由此发生身份变化：从“这次体验如何”变成“这个人是否具有继续工作的能力”。数字不只描述服务，也管理劳动。
85%并不是客户满意在自然界中的安全线。84%与86%的送餐员能力不会突然分成两类。门槛来自平台维持服务标准、筛选持续低评价账户和自动化管理大量工作者的需要。问题不是平台能否使用反馈，而是这种反馈是否足以承担停工后果。
二、满意率实际测量什么？
满意率聚合的是愿意评价的顾客和餐馆对已完成订单的总体反应。它可能包含礼貌、沟通、食物处理、寻找地址和遵守送达指示等真实信息。
但一次订单是多个主体共同形成的结果：平台决定配单和预计时间，餐馆决定出餐，交通与天气影响路程，顾客提供地址和进入说明，送餐员完成取送。最后的一个拇指却常落在最靠近顾客的个人账户上。
这是一种归因压缩。系统把复杂服务链的结果委托给使用者判断，再把判断聚合为个人分数。没有任何一名顾客掌握送餐员长期表现，也没有平台员工逐单理解情境；总体评分仍获得了管理权威。
样本还可能有选择偏差。体验特别差或特别好的顾客更愿意评价；新送餐员样本少，一个评价影响更大；语言、残障、族裔偏见和服务地区差异也可能进入分数。平台可以排除明显异常或与交通等不可控因素相关的评价，但这种过滤规则本身需要透明和审计。
相比之下，Uber载客司机的星级公开说明显示，平均分使用最近500个评价，并称因交通等不可控问题给出的低分不会计入。Uber：How star ratings work 这表明评分并非原始民意的简单平均，平台已经在决定哪些评价算知识、哪些算噪声。
三、为什么平台特别依赖评分？
传统雇主可由现场经理观察员工、培训并记录事件。数字平台面对分散城市、不断上线下线的大量承包者，没有共同工作场所，也很少由同一主管长期观察。顾客评分提供一种可扩展的“委托知晓”：把现场观察分给每名使用者，再由系统汇总。
它确实能发现持续问题。如果一名送餐员反复不按指示、粗暴对待顾客或损坏食物，平台不能因为没有传统经理而完全不管理质量。及时警告和必要停权保护用户，也保护其他认真工作的送餐员。
但规模效率改变了证明责任。平台很容易生成“你的满意率低于标准”这一结论，工作者却未必能看到对应订单、评价理由、过滤方式或分母。匿名保护顾客有合理安全目的，却会使工作者难以回应错误或恶意投诉。
当评分与接单机会相连，送餐员也会适应。更多沟通和谨慎处理食物是真实改善；避免接高风险订单、讨好评价者、承担平台或餐馆造成的延误，则是目标转移。若工作者因为担心低评而避开复杂楼宇、偏远地址或难以沟通的顾客，质量指标可能产生服务排斥。
四、低于85%以后，谁作出了决定？
“算法把他停掉了”仍不够准确。平台设定门槛、决定评价口径、选择过滤规则、发送警告并控制账户访问。自动系统可以执行，但制度责任属于平台。
Uber的澳洲账户停用说明承诺，在可能情况下提前通知，允许工作者提供额外资料，并保留人工复核；若评分接近最低线，会通知并可能提供改善信息。说明也承认欺诈性报告可能影响账户，需要识别滥用评分和客服系统的用户。Uber：Deactivations—Losing Account Access
这些程序比无通知自动停权更合理，却仍需外部可执行标准。公司自行制定门槛、解释原因并审查自己，工作者的收入高度依赖同一机构。内部申诉若没有足够事实、独立性和改变结果的权力，容易成为重复计算。
澳洲已开始把这种关系从平台政策提升为劳动程序权。自2025年2月起，Digital Labour Platform Deactivation Code要求适用平台通常先发书面警告，说明与行为或能力有关的理由，并提供足以使合理工作者理解的信息；正式停权前还要经过通知与回应程序。符合条件的employee-like worker可向Fair Work Commission申请不公平停权救济，期限通常为21天，Commission可以命令恢复账户和补偿收入损失。Fair Work Ombudsman：Employee-like workers
五、第一批案件说明“有理由”还不够
2026年1月，Fair Work Commission在Zeeshan Aslam Khan与Uber Eats的案件中认定停权不符合Code且不公平，并命令恢复平台访问。该案主要涉及顾客对行为的投诉，不是单纯满意率门槛；它因此揭示更广的程序问题。
Commission认为，Uber给出的早期警告只笼统提到“不适当行为”和“不受欢迎的性言论”，没有把具体指控清楚交给工作者回应。平台拥有投诉内容，但工作者得到的抽象标签不足以理解案件。最终通知写着决定为final，也没有因此阻止外部审查。[Fair Work Commission：[2026] FWC 48](https://www.fwc.gov.au/documents/decisionssigned/pdf/2026fwc48.pdf)
这个判决的重要性在于区分结果解释与可申诉理由。“低于85%”“违反社区准则”都只是分类结果。有效程序需要说明：哪些订单和行为相关，使用什么资料，工作者说法如何被考虑，为什么低分足以证明持续能力问题，以及较轻措施为何不足。
当然，匿名和安全有边界。平台不应把可能危及顾客的信息全部交出；严重安全、欺诈或失去执照的案件也可能需要立即暂停。Code本身保留这些例外。程序公平不等于平台在调查期间必须让所有人继续工作，而是例外必须有明确理由、记录和及时复核。
六、怎样使评分与后果相称？
满意率适合做预警和发现重复模式，不应仅凭一次临界值自动永久停权。较合理的制度至少应包括：
- 公布最低线、样本窗口、最少评价数和重要过滤规则；
- 将餐馆、平台、交通和顾客原因与送餐员可控制行为区分；
- 在接近门槛时提供具体、可行动的反馈和合理改善期；
- 检查不同地区、时间、语言和群体的低评差异，审计偏见；
- 停权前由有权改变结果的人查看原始情境，而非只看总分；
- 允许工作者提交定位、聊天、照片和餐馆等待等反证；
- 申诉期间对必要的即时停权设快速处理，并补偿错误造成的收入损失；
- 将被推翻的案件反馈到评分过滤和警告模板，而不只恢复一个账户。
还要避免用第二个指标修补第一个指标后制造新压力。例如把接受率或取消率加入综合分，可能惩罚工作者拒绝不安全或无经济合理性的订单。每项指标都必须对应工作者真实可控制的责任。
结论：评分可以触发调查，不能代替证明
顾客与餐馆反馈是平台质量的重要来源，85%门槛也能提醒持续低评价问题。但满意率混合多方原因、匿名判断和选择性样本，不足以单独证明一个人不再适合工作。
我的判断是：评分可以触发警告、培训和个案复核；若要触发停权，平台必须提供与后果相称的具体理由、人工判断和外部救济。澳洲Deactivation Code和Fair Work Commission救济把这种最低要求变成了可执行程序，是重要进步。
当一个向下拇指可能参与决定他人能否取得收入，评价者、平台和法律已经共同进入劳动管理。数字没有自己开除任何人。真正的问题始终是：谁授权它承担这种作用，谁能够解释，并且当聚合判断错了，谁负责把工作机会还给受到影响的人。
主要资料
- Uber：Your Guide to Satisfaction Ratings
- Uber：How star ratings work
- Uber：Deactivations—Losing Account Access
- Federal Register of Legislation：Digital Labour Platform Deactivation Code, compilation 12 June 2026
- Fair Work Ombudsman：Employee-like workers
- [Fair Work Commission：[2026] FWC 48](https://www.fwc.gov.au/documents/decisionssigned/pdf/2026fwc48.pdf)
了解 Geoffrey Chen 的更多信息
订阅后即可通过电子邮件收到最新文章。