作者：黎宇琳 来源：共益资本论
在“共同富裕”和“第三次分配”的政治气氛下，互联网公司投入巨资支持公益慈善事业成了一股风潮，一种现象。但怎么把钱花好，以何种形式介入到如火如荼的社会建设中去，成了一个新的课题。腾讯新近出炉的“千百计划”体现了互联网公司在使用“算法机制”大规模分配资金多年后，开始反思并调整其资助策略。11月下旬，由腾讯公益出资2亿元，由上海联劝、壹基金和南都基金会操盘的“千百计划”公布了拟资助名单，该计划拟为1000家公益机构提供筹款补贴，并为100个公益项目提供资金支持。“千百计划”一改腾讯公益过往“算法决定资助”的资金分配机制，而采取与公益行业枢纽型机构进行合作的策略，并由合作机构组织专家团队以评审的方式确定资助名单。此举，实际上是从“算法分配”的大盘子里分出一部分，探索在数据基础上“人的选择”。一个需要留意的背景是，自腾讯2015年以“99公益日”介入公益慈善领域以来，以算法为主导的“1+X”的配捐方式一直是99公益日的核心分配逻辑。大家都知道，在特定时段，腾讯会对网友的捐款进行配捐，但究竟会获得多少配捐，也就是X的值究竟是多少，是没有人知道的。算法在设定时会带着人的价值判断，但在具体分配的时候是不掺杂人类感情的——“过程公平”是这一分配机制的优势，但是，这并不一定能产出让人满意的结果。这从99公益日多年的运作可以看出来，尽管主办方严防死守诸如拆单套捐、机器刷单、财务造假等问题，但终究是道高一尺，魔高一丈。算法是死的，人是活的，人总能找到规则的漏洞，从而使最终的结果偏离系统设定的方向。演变的驱动力来自于腾讯公益与筹款机构的长期博弈。腾讯试图用算法构建一个系统，让资金与筹款机构在系统里实现大规模的配对；但总有筹款人员能找到系统的漏洞，腾讯为了堵住漏洞就为系统打补丁。年复一年，补丁越打越多，这样带来了两种结果：漏洞的确越来越少，钻空子的成本大大提高。
系统也变得越来越复杂，所有人的参与成本都被抬高了。
2015年：腾讯公益上线1：1配捐机制，一石激起千层浪。
首年的配捐机制，可以视为99公益日的“初号机”，或者“零号机”。一般来说，初号机总会有些重大缺陷，但性能却特别惊艳（否则也没有机会出那么多个版本）。不得不说，1：1的配捐机制充满了简单粗暴的暴力美学：你捐一块，我配一块，你捐999，我配999，让人一听就懂，一懂就可以行动。2014年，腾讯公益平台一整年的筹款额只在1亿元左右，因此当腾讯高层提出要拿一个亿出来配捐，3天配完时，执行团队都要炸了，认为根本不可能配得出去。事实上，在配捐开始仅仅15分钟后，配捐额度就消耗了1000万元。看着飙升的数字，腾讯公益团队的心情特别复杂——全网出现了大量999的单笔捐赠，这说明，相当一大部分的捐赠是冲着顶格配捐来的。为了修复这个bug，腾讯公益自2016年开始采用1：X的配捐模式。2016年的X可能大于“1“，也可能小于“1”，与“公众捐款额”和“公众捐款人数”正相关。
1：1配捐的bug太大了，1：X配捐才是“正式版”、“壹号机”，往后多年迭代，都建立在1：X配捐的基础上。此举，实际上是用更复杂的算法来解决算法所带来的问题。X的设定是希望用不确定性对冲筹款人员试图获得确定性收益的预期，降低功利心，提高可玩性。但算法的核心逻辑一直没变：让更有筹款能力、更高人气的项目获配更多的资金。结果，2016年出现了有组织的套捐行为，不少机构说服捐赠人把大额捐赠分拆为一笔笔999分别捐出，甚至出现了挪用其他项目资金用以套捐的情况。2017年，腾讯公益在1：X配捐的基础上加入了“完全随机”的设定，即无论你捐多少，配捐都可能低至0.99元，此举让999的顶格捐赠不再占优势，促使更多配捐资金往“捐赠人次高”的项目流动。比人气是吧？这个也有办法。2017年前后，“机器刷单”软件上线。2018年，大概主事者觉得堵不如疏，与其让机构费尽心思来抢腾讯的配捐，不如鼓励大家一起出圈找增量。于是新增“1亿非限定性配捐”，配捐范围是“99公益日三天有公众捐赠，且联动至少一家企业配捐合作的公益慈善类组织”，意思就是，鼓励公益机构去找企业，能找到的，有奖励。
分配模式升级为“1+X+f(n)”。f(n)是一个确定的函数，f(n)的值由筹款金额、筹款人数、企业配捐配出额三个变量的数据确定。至此，分配的机制开始变得复杂了，没有专职人员去研究规则的小机构开始表示搞不懂了。但也有吃透了规则的机构，不就是3个变量吗？统统往高标准去整就行了，所谓一代版本一代神，这个版本考验的是综合的社会动员力。2018年，慈善会系统崛起。2019年，腾讯沿用“1+X+f(n)”的模式，但增加了f(n)的复杂程度。不止3个变量了，增加了诸如“联合组织数”、“ 联合配捐企业数量”等一系列小变量，而且赋予入局的企业自定义配捐比例的权限，即企业配捐为1：n（n由企业自定义，最高不超过10）。
但是，万变不离其宗，还是更多的钱，更多的人，拉来更多更大企业的机构获得更多的配捐。2020年，腾讯力推上一年试水的“小红花配捐翻倍”玩法，试图用娱乐性的手段淡化竞争色彩，把机构和公众的注意力从“抢”往“玩”的方向引导。
小红花是一种虚拟道具，网友可通过捐赠活动收集小红花，然后用于为自己喜欢的公益项目增加配捐额（9朵，翻倍第1次；39朵，翻倍第2次；169朵，翻倍第3次；299朵，翻倍第4次）。小红花的算法其实也是一个小函数，这个小函数套在“1+X+f(n)”的X（随机配捐）里面，实际上是算法分配进一步向高人气的项目倾斜。结果可以想见：资金大量涌向扶贫助学、大病救助类等短期就能看到效果、公众喜闻乐见的慈善项目，而环境保护、文化保育等回报周期长的公益项目则板凳坐穿，分配不到什么资金。算法的背后是可量化的指标体系，指标体系的背后是什么项目谓之“好公益项目”，什么是好项目的背后是愿景、价值观。2021年，腾讯调整“技术中立”的基本立场，开始加入较为积极的价值观取向。
当然也是因为其时“共同富裕”已是大势所趋，每家大企业都得有所表示了。2021年99公益日的配捐资源明确向几类项目倾斜：
回应和解决经济和文化欠发达地区民生保障和发展需求的项目；
关爱和保护老弱病残妇幼及低收入群体的项目；
关注和促进城乡居民物质和精神生活水平的均衡提升的项目；
其他促进共同富裕、共享美好生活的项目。
资源倾斜主要通过“1+X+f(n)”里的X来体现。X的演变也很有意思。从最初的无指向性的确定（1：1）到无指向性的不确定（1：X），再到无指向性的高度不确定（完全随机），然后开始增加X的指向性与确定性。哪类型的项目要多配点，哪类型的项目要少配点，算法逐渐呈现出明确的偏好，确定性也在增加，钱多、人多、小红花多、拉的企业多的，按照一定的公式运算，最后分配的一般就多。7年下来，算法实现了让一部分机构先筹到钱的预期目的，但目前，分配结果呈现出不平衡、不均衡的特点，一个相互连接、紧密合作的生态圈未能成型。综上，我们可以看到，算法由此至终存在一些固有的短板：算法依赖数据，无法解决数据背后的问题；
算法往往一刀切，总有极端化的倾向；
算法没有梦想。
回到最开始的问题：人的选择能否弥补算法分配的不足？
与之相比，公益行业一直流行的“专家分配机制”则有另外的问题，这种机制便于使分配结果符合特定人群的价值观，但决策过程却往往难以让所有人都满意。
为什么A能得到资助，B不能？为什么是这样的资助标准，而不是另一种资助标准？为什么是这批专家，而不是另一批专家？诸如此类的问题，若要深究，其实无解。一般只能依靠“专家权威”、“精英权威”来为分配结果提供合理性。专家分配机制在本质上就是主观的。仁者见仁，智者见智，道学家见淫，才子见缠绵。A说林黛玉最值得资助，B说林妹妹病恹恹的给了钱也干不了多少事；C说凤姐最能干，应该把钱给她，D说王熙凤私德败坏，你提名她你也不是什么好人。所以，互联网公司里的技术派往往倾向于采用严格的算法分配机制，一是因为互联网有技术优势，且技术手段能支撑大规模的资助；二是因为这种机制能以“技术中立”的名义，在争议事件出现时能在一定程度上让平台方免责。但公益事业是有价值观的，其评价体系也是复杂的，采取算法分配，简单地用几个指标（比如筹款多寡）来衡量一个公益项目的好坏，显然会有失偏颇。探索如何在大数据的基础上加入人的主观判定，或者在算法之外构建另一套基于“人的选择”的分配机制，是一种更明智的选择。“千百计划”对于腾讯来说是一个新的尝试，放权让第三方机构组织专家来决定具体资助的归属，对于这家一贯主张“技术中立”的平台型公司来说是个不太容易作出的决定。我觉得腾讯方面对此仍持保留态度，“千百计划”的设计带有一定的试水性质：
补贴1000家公益机构的“数字化专职人员”，每人每年6万元；资助100个“公益行业支持计划”，每个项目每年上限30万元。
若资助效果不好，可以及时止损；若发现好的苗子，可以加大投入，推动合作。常规的算法分配机制照常运行，99公益日会继续迭代。新建一个资金池让专家来分配，打捞一下算法的盲区，并作一些赋能，创造一些连接，看看能不能产生什么化学反应。
推荐阅读：
这12件事，社会组织筹款时要让捐赠人知道！
您的捐赠可以抵扣个税哦~只需四步，So easy！
真正专业的筹款人，都会遵守筹款伦理