查看原文
其他

腾讯配捐演变史:只靠算法,还不够

The following article is from 共益资本论 Author 黎宇琳

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,一直是算法主导着具体的分配。
 
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。
 
纯靠算法来分配,不够理想。

因此,7年来99公益日的配捐机制也直在演变。
 
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:
 
  1. 漏洞的确越来越少,钻空子的成本大大提高。

  2. 系统也变得越来越复杂,所有人的参与成本都被抬高了。

 
这个过程挺有意思的。
 
下面我们来复盘一下99公益日配捐机制的演变过程:
 
2015年






























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。
 
这是低估了杠杆的力量。
 
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。
 
腾讯有点被薅羊毛的感觉。
 
2016年






























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。
 
那就继续改算法吧。
 
2017年






























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






























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






























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。
 
马太效应加剧就不奇怪了。
 
这是算法底层逻辑所带来的必然结果。
 
2020年






























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。
 
数学的尽头是哲学,哲学的尽头是神学。
 
2021年






























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。
 
资金集中流向少数的大机构,自不必多说。

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:
 
  1. 算法依赖数据,无法解决数据背后的问题;

  2. 算法往往一刀切,总有极端化的倾向;

  3. 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。

算法很强大,但算法应该体现人的意志。

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。


单笔金额小,资助数量多,资助周期短。

这是在试错。
 
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。


稳中求进,一点点调吧。


推荐阅读: 

被误解的公益与慈善 
公益和慈善,有什么区别?
你有没有误解公益和公益人?来,我们聊几句
公益,是“小我”为“大我”做的一件事
个人如何参与公益慈善?不必等到有钱的时候! 
“公益=免费”——公益圈为自己挖的超级大坑!
商业是最大的公益?政府在做公益?


领工资的也能叫志愿者?本职工作和志愿服务要分清!
志愿者补贴该不该发?怎么发?
做公益有多难?谁做谁知道!


慈善机构为什么不能为特定的个人公开募捐?
注意了!这样公开募捐,可能会违法!
“零管理费”?骗你的!


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

您可能也对以下帖子感兴趣

文章有问题?点此查看未经处理的缓存