算法权力下的劳动控制——基于秀场主播劳动过程的研究 | 社会

Original 顾烨烨莫少群学习与实践杂志

2024-09-04

导读

随着社会的深度媒介化转向，社会的经济结构和经济形态都发生了全面转型，突出表现为依托于数字媒体变革而生的平台化数字劳动的产生与发展。不同于传统的雇佣劳动，以秀场主播为代表的数字劳工群体呈现出独特的群体特征与劳动概貌。面对数字技术所形成的新型劳动控制，劳动者的主体性逐步消解，并基于商业逻辑形成了多种劳动策略。随着新型数字劳工群体的不断扩大，以秀场主播群体的数字劳动为主要切入点，不仅有助于我们把握新型数字劳工群体的劳动现状与生存境遇，也是理解当下劳动与社会文化转型的题中之义。

算法权力下的劳动控制

——基于秀场主播劳动过程的研究

作者：顾烨烨莫少群

摘要

随着算法推荐机制普遍嵌入平台劳动过程，平台资本通过数字技术塑造着新的劳动秩序，直播平台也通过算法重新定义秀场主播的劳动过程以及分配劳动控制权的新机制。算法技术弱化了主播与公会间的雇佣关系，增强了主播在劳动过程中的自主性。高度嵌入的算法机制通过平行和纵向的数据收集，将秀场主播的劳动成果转化为可视化极高的数据，加强了对秀场主播各个劳动环节的算法规训。控制权的重新分配与高度内化的算法规训转移了劳资矛盾，并且必须通过平台来调节矛盾。然而在劳动过程中，秀场主播逐渐熟悉算法规律，不断找寻适合自身发展的自主性策略，尝试着在一定程度上摆脱算法的控制。

关键词 ：算法权力劳动控制秀场直播

数字技术的发展不仅使得社会的媒介化程度进一步加深，也使得人们的生产、生活日益与平台媒体相捆绑，以秀场直播为代表的平台化数字劳动也应运而生。在粉丝数量、直播互动量、礼物打赏数等多重可量化的衡量指标下，直播经济蓬勃稳定发展，其中“打赏金额”成为主播与平台生存的重要支撑力。直播平台中的秀场主播则可以视为一种特殊的网络红人，与依靠短视频起家的papi酱、李子柒等网络红人群体不同，秀场主播以直播平台为传播媒介，以歌舞演艺或聊天社交为主要传播内容进行实时公开性传播，以礼物打赏为主要收入来源，以此获取关注度与经济利益。

自由的工作时间、看似随心所欲的内容呈现……从表面看，秀场主播似乎拥有极大的劳动“自由”和“自主性”。这些表象似乎表明平台媒体已然放松了对劳动的控制，但这显然难以解释为何规模巨大的秀场主播群体可以在平台中有条不紊地进行劳动并形成不同等级的流量账号。作为媒介技术革新中诞生的新工种，秀场主播面临的是一种基于新媒介技术，劳动者与多主体之间实现连接并产生互动行为的劳动情境与互动情境，主播必须采取新的劳动模式与社交方式来适应这种新场景。

一 劳动控制的转型与升级

从工业社会到后工业社会、消费社会，再到卡斯特提出的网络社会，人类社会的生产方式逐渐从机器生产转变为以服务、信息生产为主。随着实体经济向平台虚拟经济的转化，资本对劳动者的劳动控制已不再局限于生产领域，而是逐渐深入劳动者劳动过程的各个环节之中。技术作为平台媒体与数字劳动诞生与发展的底层逻辑，潜在地影响和改变着既有的生产方式与管理模式。这意味着在研究当下数字劳动时，应关注平台经济下资本对劳动控制方式的转变与发展。为了更好地理解技术对数字劳动的推动与重塑，本文聚焦秀场直播的劳动过程研究，探究平台媒体对秀场主播劳动过程的控制与传统雇佣组织中的控制有何区别，以此形成对秀场主播劳动秩序的初步理解。

（一）传统劳动过程中的技术控制

马克思在考察资本主义劳动过程时曾指出，为了追求剩余价值，资本必须依靠多重管理控制将劳动者的劳动能力在生产过程中转化为实际劳动，技术控制则是其中最重要的策略。技术的发展促使劳动资料不断革新，随着工具机的使用与普及，工场手工业时代逐渐向机器大工业时代过渡，一种全新的劳动方式——工厂雇佣劳动随之诞生。在此过程中，技术对劳动过程的塑造是循序渐进的，它通过推动分工与交换进而影响人与人之间的关系。通过长期的分工作业，工人的经验技巧与日俱增，身体也逐渐变为工厂中一个特殊的器官或零件，成为“局部工人”。分散的手工业者们在细化的分工、专门的劳动以及相互衔接的工序下有序结合在一起，齐头并进的分工作业不仅大大缩短了单个劳动者的劳动时间，也在井然有序的流程秩序中保证了生产经营的稳定性。

继马克思之后，布雷弗曼（Harry Braverman）、埃德沃滋（Richard Edwards）等学者同样探讨了技术对劳动过程的塑造与影响。布雷弗曼指出机器生产技术的引入改变了资本的控制策略，它剥夺了工人对工艺知识和劳动的控制权：机器按照既定的程序按部就班地工作，而工人只需发挥齿轮或杠杆的作用——知道如何操作然后照章执行。弗雷德曼进一步提出了“直接控制”与“责任自治”的两极化控制策略，前者指严格执行泰罗制管理策略以控制劳动过程，后者则认为必要时可以赋予工人一定的自主性与决定权，管理层可视具体情况选择某一策略或寻求一种平衡二者的中间策略，这样既能发挥工人的主观能动性，又降低了其抗争的可能性。[1]埃德沃滋同样肯定了技术普及带来的控制策略的转变，但他认为简单、直接的控制策略已经难以应对成倍增长的企业规模，应该形成一种结构性的“控制系统”，主要包括指导、评估以及奖惩三个要素，并认为随着控制系统日益的结构化与完善，工人的反抗意识也将愈发薄弱。

由此可见，技术的发展为资本将劳动过程的掌握权从工人手中转移至管理者手中提供了契机，无论是组织技术还是科学技术的革新，工人原本具备的技能与抗争能力都在分工与协作、科层制管理以及内部劳动力市场中不断被弱化和蚕食，并随着自动化、计算机技术的发展而逐渐异化。随着深度媒介化社会的到来，人工智能、大数据、算法推荐等技术的应用催生了新的平台媒体，劳动过程的变迁与重塑也牢牢建立在媒体数字技术之上。沿着技术控制的思路，新一轮的技术变迁必然会给劳动过程带来新的影响。

（二）算法：秀场主播劳动过程中的控制升级

在互联网平台发展之初，便有学者指出其注意力盈利模式（Pettman，2015），认为平台的广告盈利与其获得的注意力多少呈正比。Facebook、Google等平台的诞生使得这种注意力盈利从依赖数量转至精准推送，这种转变离不开其背后庞大的“数据库”：通过存储用户留下的每一次浏览、推送或购买记录，汇聚成庞大的用户信息数据库，再根据大数据的预测与分析结果实现广告的精准推送，从而实现对用户更为精准的控制。正如Levy所指出的那样，“对广告而言，每一比特的数据都拥有潜在价值”[2]。算法也逐渐嵌入平台，成为平台进行控制的重要技术手段。

孙萍（2019）通过研究平台经济下的外卖员，对算法逻辑下的数字劳动进行了透视。她指出“基于算法的外卖工作具有‘时间内嵌’‘情感劳动’和‘游戏化管理’等特征”[3]，在技术与互联网的双重作用下，劳动过程渐趋虚拟化和隐蔽化。不同于饿了么、网约车等平台，直播平台的算法控制由流量数值构成，用户的反馈与点赞都被纳入平台的评价与监督体系中，这种“用户点击”被平台用作一种“分散和可扩散的管理技术，将平台劳动过程中的控制主体转嫁给平台的用户”[4]。此外，“计流量制”成为与工业大生产时期计件工资相似的存在，它所建构的平台绩效收入制度是平台中劳动者收入的制度来源，这强化了平台算法控制的合法性。不仅如此，为了让主播更加积极地追求流量，平台和公会还会推出“人气游戏”并制定相应的奖赏规则和薪资制度。因此，尽管主播看似在工作的地点、时间与内容上拥有较大的自主权，但其劳动成果价值与薪酬本质上仍然是不对等的，受到的劳动控制也更为持续和隐秘。

与传统劳动过程中的技术相比，“智能算法像是一个隐形的大脑和与之串联的‘神经系统’监管和支配着劳动者的一言一行，充当虚拟管理者的角色主导并控制整个劳动过程”[5]。原先用于控制劳动者的机器、计算机设备被虚拟的软件和数据所代替，平台通过收集和分析数据对劳动者实施数字控制，从而形成一定的劳动秩序。“从去劳动化、去交往化、去情境化等层面实现了劳动的‘重新再造’，并形成了包括劳动监控、数据蔽视、算法管理等在内的控制行为和控制逻辑”[6]，在无形中增加了劳动者面临的不确定性。且劳动过程、劳动关系和劳动价值渐趋失控，劳动者在工作中再难以定位自身，只能寻求系统数据的帮助，这也进一步削弱了他们的劳动控制权。

二秀场主播劳动过程中的数字控制路径

对个体秀场主播来说，仅需注册账号完成实名认证即可开通直播功能。实名认证的信息必须与主播的个人信息相符，且账号信息越完善的账号申请开通直播时的通过率越高，这意味着主播个人需要尽可能地将自身信息透露给平台。表面来看，秀场主播的门槛极低，平台中任何一个实名认证过的账号都有权进行直播，但要想获得流量，秀场主播的劳动过程远不止如此。为了避免账号被平台认定为不活跃的号，秀场主播在开播前通常需要“养号”，时间通常是7天至30天不等。在此过程中，主播需要定期上传短视频，保持更新频率与账号活跃度，并且需要定期刷短视频或观看平台中其他主播的直播，对他们的内容进行点赞或评价。对于入驻平台的秀场主播而言，他们不仅需要进行直播，还需兼顾自身账号的短视频内容发布。

在直播的同时，观众也参与其中。在主播直播的过程中，观众的停留时间、互动频率以及为主播刷的礼物多少，都是算法决定该直播间流量的重要依据。这种基于观众人气的算法推荐赋予了观众对直播间一定的控制权与可预见性，主播要想获得更多的平台流量就必须想方设法吸引和留住更多的观众。这也解释了为什么许多秀场主播在下播后仍然会花费大量时间和精力与粉丝进行互动，因为他们深知决定自身收入的是观众和粉丝。

秀场主播的所有工作都指向一个目的，即吸引和留住粉丝，因为粉丝的留存量、直播间停留时间以及粉丝的经济投入都与自身收入直接挂钩。并且，如果主播长时间不更新账号的短视频内容，也不开播，算法便会自动认定该账号的活跃度骤减，并认为主播有“弃号”的可能，由此逐渐降低该账号的曝光量。这种推荐机制切断了创作者与受众之间的实际对话渠道，创作者难以决定自己作品的分发对象，却因为要迎合算法而不得不根据得到的反馈信息进行内容创作上的修改。[7]这种基于用户兴趣和流量至上的算法推荐，使得秀场主播的劳动过程几乎完全被算法权力控制。

（一）时空分离重组，弱化雇佣关系

在传统语境中，劳动的时间和空间是相勾连的，技术的发展则为二者提供了相互分离与重组的可能。在互联网以及平台诞生前，工厂体制下的劳动者需要面临时间与空间的双重压迫。工厂体制下，劳动者的活动范围仅限于以工厂为中心、居住区为半径的范围内，“他们都生存在工厂生产所建构的时空之中”[8]。在这里，资本根据自身目标来设定时间和空间，从而控制劳动过程、维持劳动秩序以确保利润。

媒介技术的发展推动了劳动时空的分离与重组，这在秀场主播的劳动过程中体现得更为明显。秀场直播平台作为集短视频与直播为一体的媒体平台，其本身便具备独特的时间逻辑与时间语境的技术供给，换言之，技术自身在构建、创造、应用过程中被时间化与资本化。在平台特有的算法推荐逻辑下，不同类型的主播会有适合自身运营特点的“高峰时间”，完全迥异的时间景观又创造出多个平台生产空间。因此，每一个账号都会通过无数次的探索来找出适合自身的高峰流量时间。如果某个作品或某场直播忽然“爆火”引发关注，该账号后续的作品与直播便会模仿该场的时间秩序，以期获取最多的流量。

对于刚入行的新人主播而言，增加直播时长是最简单的提高收入的途径。一天16个小时的工作时间是很多新人主播的生活常态，但它并非适用于每一种类型的主播。例如，对于纯聊天类的秀场主播来说，晚上11点后观看直播的观众数明显高于平台宣称的黄金流量期，因为此前时间段的观众明显对跳舞或唱歌类型的主播更为关注。因此，尽管平台宣称晚上六点至八点是流量黄金时段，仍有许多主播会根据自身账号的特殊情况另选时间。在时间秩序外，秀场主播在空间上的可选择性似乎也较为宽泛，有些时候，特定直播空间的呈现甚至成为他们的制胜法宝。一些固定场地直播的主播偶尔更换一下直播场地往往会有意想不到的效果；户外场地中，一些网红景点或名胜古迹成为许多主播的首选。

与其他类型的数字劳动相比，在秀场主播的数字劳动中，时间与空间的割裂似乎更为明显。对外卖平台或网约车平台而言，严格的时间计算与基于位置的就近分配是平台提高劳动者劳动效率的最大保证，二者是统一的。而对于秀场主播而言，时间与空间似乎不是缺一不可的。一方面，在精力足够的情况下，长时间的直播也能为其带来一定的流量曝光；另一方面，基于某一特殊地理位置的直播也是上热门的策略之一。

时空的分离与可选择性带来的结果是雇佣关系的弱化。首先，秀场主播并不直接与平台签约，而是在平台中选择一家公会，与公会签订劳动合同。尽管合同对直播的时长和要求有所规定，但与传统的劳动合同不同的是，秀场主播签订的合同中并没有明确的上下班时间，也没有明确规定的工作场所。某种程度上，秀场主播们对自己的工作时间和工作环境拥有完全的决定权。其次，公会会为新入会的新人主播提供前几个月（一般是2-3个月）的底薪保障（2000-5000元不等），在秀场主播熟悉直播并且直播收入达到公会提供的底薪后，公会便不再为其发放底薪，只为其提供直播设备、环境，再从中收取提成。这一时期的公会和主播之间更接近合作关系，原先的雇佣关系进一步被弱化。最后，一些粉丝量较多、无需借助公会的主播可以选择当个体主播，不与任何公会签约，这种情况下的主播与平台或公会均无雇佣关系，对自己的工作时间和空间拥有极大的自主权。

（二）平行数据收集，实施算法规制

在秀场主播的劳动过程中，直播平台除了负责制定行为规范、审核作品外，还源源不断地通过后台数据监测系统收集每位秀场主播的账号信息，包括但不限于账号诊断类数据、作品表现类数据、播放诊断类数据以及受众信息类数据，等等。通过查看数据比对，秀场主播们不仅可以对自己的作品反馈有更直观的了解，也可以明确自己与同类主播的差距。对于平台中的每一个账号，平台收集的数据类型多样且详细。在平台收集的众多类型的数据中，直播数据只是其中的一种，这也说明平台对账号的评判标准并非只有主播的直播数据，账号中作品的播放量、“Dou+”的投放效果都会影响整个账号的权重。将同类型账号的数据收集起来并加以对比，便可获得该类型主播群体的整体情况，以此来定位个体主播在同类型账号中的位置。

事实上，不仅是主播，凡是注册了的账号都是平台系统收集数据的来源。所以，平台系统在收集主播数据的同时也在收集观众和粉丝的数据，以此来实现针对观众的个性化推荐，完善平台中的用户推荐机制。这种内容定制化的用户推荐机制主要涉及三个主体——内容、用户以及机器算法。整个算法流程主要有三个部分：一是给内容贴标签，二是给人物贴标签，三是根据标签进行智能个性化推送。首先，算法需要判断内容特性并识别用户喜好。一方面，算法会根据标题、内容呈现、话题等元素实现内容的标签化；另一方面，根据用户的信息反馈，识别用户喜好并不断完善用户画像，作为后续推荐的基础。其次，将用户与内容连接。这一过程中常用的算法是基于用户的“协同过滤机制”，即通过用户喜好将具有相同喜好的用户聚类，然后给用户推荐他的同类人喜欢的物品或内容。在这种推荐机制下，内容本身并不重要，重要的是算法对目标群体的精准识别。

基于算法运作的直播平台具有明显的聚合性特征，它可以有效过滤虚假信息和低质量的信息，受众的信息获取也更加便捷。对于秀场主播而言，算法会将他们的账号和直播信息推送给更多有相同品位的受众，消极作用则是这些受众必然会接触更多与自己同类型的主播，这加大了他们吸引和留住粉丝的难度。对观众和粉丝而言，算法推荐的利弊也与此类似，算法会为他们推荐自己感兴趣的内容和主播，但信息过于同质化后，他们将不可避免地陷入信息茧房与审美疲劳中。

（三）纵向数据监控，加强算法规训

除了将以上几种类型的数据收集起来作为对同类型主播的评判依据外，平台算法对每一种类型的数据都会有更加详细的分类，且只对主播一人展示，即每位主播都有自己的“数据中心”。在每位主播账号数据中心的首页，平台为每一个账号都提供了账号诊断，主要包括播放量、完播率、粉丝净增、投稿数、互动指数五个方面，显示了该账号的数据以及同类型的账号数据，可以让主播清楚地看到自身账号的薄弱点。诊断数据是近7日的数据总和，并于每日上午10点准时更新。此外，在数据中心的“核心数据概览”中，主播可以分别查看自身账号“昨日、近7日、近30日”的相关数据，主要包括播放量、点赞量、分享量、评论量、主页访问量、粉丝净增量、账号搜索量、作品搜索量等详尽的数据。

平台还设置了专门的主播数据中心，主要有“数据总览、直播场次、粉丝分析”三类。在“数据总览”中，平台提供了前7天与前30天的直播数据，包括收获音浪、观众人数、新增粉丝、开播时长，甚至还专门突出了送礼数据以及送礼观众来源分析图。在“送礼观众来源”图中，平台将观众分为直播推荐、视频推荐、关注、同城、个人主页、商业化、搜索以及其他几类，并且用不同颜色的折线区分了粉丝与非粉丝两类送礼观众。这种区分使得主播对自己的主要收入来源有了更加清晰的认知，他们可以借此确定近期需要主要维护和互动的粉丝群体，以维持自身收入。在“直播场次”中，数据中心记录了当天的直播数据，主要包括收获音浪、新增粉丝、观众人数、送礼人数、评论人数和点赞次数。在“粉丝分析”中，数据中心提供了近7日和近30日的粉丝变化趋势图、粉丝画像、兴趣分布、性别分布、年龄、地域等多个折线趋势图，其中粉丝变化趋势还分为累计粉丝、净增粉丝、流失粉丝三种，粉丝画像则描绘了粉丝的活跃时间分布。对主播来说，了解自己粉丝群体的爱好、性别分布以及活跃时间分布，更有助于自己对直播时间、聊天内容的选择。多选择粉丝感兴趣的话题，并在粉丝最为活跃的时间直播，会大大提升主播的直播效果。

主播的每一个作品、每一场直播，最后都会以数据的方式详细呈现。这些数据不仅是主播专业性的体现，也是他们对自身账号进行判断和改进的依据，主播可以相对容易地通过这些反馈判断出受众喜好并由此决定直播内容。可见，平台已经日渐下沉为数字基础设施之一，它不仅是数字劳动产生和依赖的载体，更是其记录者和监督者。就秀场直播而言，秀场主播根据平台的数据中心不断改进自身的创作和直播内容，最大程度地迎合受众，以期达到经济目的。这实际是算法规训的体现，本质上遵循着“观众/粉丝至上”的逻辑。它依靠精细的算法分析与管理将秀场主播的劳动和付出合理化和规范化，使得秀场主播在劳动过程中愈发依赖平台的数据监控，并将其作为调整自身直播的依据，而这正进一步加强了平台对主播的劳动控制。数据中心表面上是为主播而设，但其实质上受资本积累与转化的驱动，遵循着商业化的变现逻辑。

（四）控制权重新分配，转移劳资冲突

埃德沃滋曾对竞争自由主义阶段和垄断资本主义阶段的企业劳动组织形式进行了分析，他将“控制”表述为“资本家或管理者从工作者身上获得想要的工作行为的能力”，并认为控制系统包括指导工人工作、评估工人表现和对工人实施奖惩。通过分析，他发现竞争自由主义阶段时期，雇主对工人有着绝对的控制权，这种“雇主控制”最终演化为企业内部的垂直管理体系，即每一层都对下一层进行控制，变成一种“等级控制”。这种情况到垄断资本主义阶段有所改变，企业的技术结构和组织结构也成为“控制系统”的组成要素，并促使控制系统进一步结构化和制度化，其带来的结果是工人对雇主的反抗逐渐转化为工人对控制系统下生产流程的不满。

以此视角反观秀场主播的劳动过程，可以发现，埃德沃滋所提及的控制系统的三要素实际上被重新分配。在秀场主播的劳动过程中，对他们进行流量分配、为他们提供数据指导的是平台系统，对他们的内容和直播进行评论和反馈的是观众和粉丝，但这些评论和反馈数据都被平台系统用作账号的评估数据之一，并以此来决定对主播的奖惩工作。平台的算法系统为秀场主播们提供数据比对与参考，并为他们辨别粉丝性质提供了技术支持，从而提升整体直播质量。与此同时，观众和粉丝对一个主播的判断也离不开平台系统。一方面，主播的上热门作品数、粉丝量、获赞量，都为观众和粉丝提供了评估主播的参考依据；另一方面，主播直播间的观众数、点赞量、礼物量都是对所有观众可见的，观众在第一时间便可以根据这些可视化数据判断出该直播间的受欢迎度，以此对直播质量作出大致推断，再决定自己是否要留在该直播间或长期关注主播。如果主播有不当言论或不尊重行为，观众还可以通过投诉对主播的直播过程进行干预。综之，平台系统提升了主播的劳动效率，并将他们的劳动结果转化为可视化的数据，实现了对主播的高度控制。也正是如此，控制权的重新分配成为可能。

不少主播认为决定自身流量多少的是算法而非平台，由此，这种控制权的重新分配带来的是劳资冲突的转移。直播平台打着“算法公正”的旗号，为主播们营造了一种程序正义的工作氛围。在秀场主播眼中，真正决定他们劳动成果的是平台的“算法推荐机制”。在账号和直播间流量迟迟无法上升的情况下，秀场主播们会在心里期待算法机制给自己多分配一些流量。由于算法充当了管理者和决策者的身份，一些兢兢业业的主播会将工作中的不满发泄到算法系统上，又由于算法的不可见性，主播的不满大多只能以口头宣泄的方式表达。同时，观众和粉丝可以评论并反馈主播的工作，当他们给出恶意评论或投诉时，主播也会把不满发泄到观众身上。

在这一过程中，观众和粉丝看似获得了对主播劳动过程的“监督权”，却在无形中与算法机制扮演的“管理者”一样成为劳资冲突的“替罪羊”。这样的结果便是，在观众和主播相互不满和抱怨的时候，直播平台反而成为他们之间冲突的“调停者”，因为观众通过平台投诉或举报主播，主播为了继续开展工作只能向平台申诉，申请撤销处罚（处罚通常是禁播一段时间或下架某个作品）。在秀场直播行业，控制权的重新分配带来的算法机制与观众、粉丝的介入，使直播平台更加容易摆脱劳资关系的冲突。

三数字控制下秀场主播的主体性策略

马克思在对劳动进行研究时，曾指出劳资双方不可避免会存在“监管-反抗”“管理-抗争”等不可调和的矛盾。然而在秀场主播的劳动过程中，算法和观众的卷入转移了劳资冲突，因此秀场主播的抗争意识并不明显，原有的劳资矛盾逐渐隐去，转至“技术-劳动”的实践层面。对算法推荐机制的了解、掌握与驾驭逐渐成为平台资本和劳动者相互协商、妥协和平衡各种权力关系的关键。虽然算法一直被喻为“黑箱”，但秀场主播在劳动过程中并非完全被动，他们会通过一系列的主体性数字实践，在劳动过程中逐渐形成一套对抗算法控制的主体性策略。

（一）“制造”数据：算法利用的最大化

算法推荐的所有数据均来自账号总体数据以及单个作品的内容数据或某场直播的单场数据，这意味着只要数据足够完美，获得的算法推荐流量就越多。尽管各直播平台明令禁止所有账号“刷数据”，一经发现便会查封该账号，但系统和算法仅能在大量“僵尸号”（指不活跃账号）刷数据时作出判断。因此，若是人工操作，依靠数量庞大的真实用户进行点赞、评论或是直播间刷礼物，算法便会将其归为真实数据，对内容或直播进行推送。这种数据制造在秀场主播圈内或公会中几乎是一种默认规则，甚至有很多公会在招新人主播时便会带有“送1000粉丝”的承诺在先。

除了这种公会和经纪人的“暗箱操作”，许多主播自己也会加入多个“刷票群”。这种群一般为微信群，大的刷票群人数可达500，群里成员均为真实用户，这些群成员大多为学生或全职妈妈，当主播发出“刷单”信息时，符合条件的成员便会迅速回复，根据“刷单”难度，价格也有高有低。这种刷单群的优势在于它可以保证负责刷数据的账号都是真实的有一定活跃度的账号，能够不被算法识别，以确保主播账号的安全性，经验丰富的接单员甚至可以保证在特定时间内井然有序地完成粉丝量或点赞量的增加。

一些更为谨慎的主播并不相信这种刷单群的数据真实性，他们更愿意组建一个朋友群，挑选自己信任的好友或粉丝成立专门的“刷票群”，这是一种主播自己为自己做数据的途径。一般而言，主播可能会注册不同的小号来为自己点赞或刷礼物，或者委托信任的人来完成这些任务。这种“刷票”可以是一个长期的行为，因为它可以制造出很多“守护”型的粉丝或是直播间大哥或榜一。主播自己花钱购买礼物，通过他人账号或自己的小号送给自己的直播间，为直播间增添人气。这种“自己花钱给自己买数据”的行为在秀场主播群体中并非个例，为了给自己的账号积累更好的数据以换得后续更多的平台流量分配，“如何做好数据甚至是每个主播的必修课”。

与其他方式相比，这种建立自己的专属“刷票群”来制造数据的方式更受那些未加入公会的主播的欢迎。因为对于一开始就加入公会的秀场主播来说，直播账号归公会所有，他们在离职时需要将账号交还给公会，自己无法带走该账号。不管是哪种方式，其最终目的都是美化账号数据，以迎合算法推荐机制，为账号争取更多的流量推送。在这种思维下，有时“优质内容产出”也远没有“会做数据”来得重要。这种制造数据的行为本质上是寻求算法推荐的漏洞并加以利用。然而，数据的可制造性其实也加剧了秀场主播数字劳动环境的不确定性。

（二）“机会主义”：接任务或蹭热门寻求流量扶持

对秀场主播来说，制造数据虽然可行，但存在“被封号”的风险，而且需要投入一定的资金，并不能经常使用。实际上，秀场主播还可以通过一些常规渠道获取平台的流量扶持。第一个途径便是参与平台“任务中心”发布的各种任务，平台为每个任务都设置了佣金提成或流量奖励，只需主播发布的作品符合任务要求与平台规范即可。一般而言，现有数据会显示当前参与的视频数、总播放次数以及总获赞量，并标明了该任务获得的最高加热播放量以及奖励瓜分情况，以作为用户是否接任务的依据。主播为了获得更多的流量加持，会参与多个任务。有时平台还会推出类似“美食探店主播”等计划，主播可以申请加入，平台会保证每个作品的最低播放量，作为对新主播的扶持。

第二个途径可以称为“蹭热门”，其具体操作方法是发布一些与热点事件有关的作品或内容，或者在作品发布时申请“热点话题关联”、添加话题标签。因为平台通常会给热点事件或话题更多的曝光量，自然会给热点相关的内容更多推送。一些主播甚至专门靠评点社会热点事件来赚取关注度或引发观众争议。因为争议越多，作品评论便会越多，获得的关注度也会增加，获得的流量推送也会随之增加。主播对热点话题的选择一般都较为谨慎，因为突然发布一个与自身账号内容无关的带有明显的“蹭热门”性质的作品可能会引起粉丝或受众不满，遭到指责。

无论是接任务还是蹭热门，它们在本质上都是一种“机会主义”，因为并非所有的任务都可以获得流量或佣金奖励，也并不是所有与热点话题相关的作品都会获得平台的流量加持。不仅如此，平台对所有“申请关联热点”的作品都增设了两道审核关卡，只有通过算法与人工双重审核的作品才能成功关联热点。即使关联成功，平台也并未明确保证所有与热点相关的作品都会有更多推荐。因此，这种“机会主义”本质上具有很大的不确定性。秀场主播这种接任务和蹭热门的行为更像是一种投机行为，于千万不确定性中寻求一丝爆火的可能。

（三）“逆算法”思维：中小型主播的另辟蹊径

前面两种途径都是顺着算法逻辑或平台规则来使自己的账号呈现内容更加符合算法和平台的推荐规则，第三种途径遵循的则是一种“逆算法”思维。这种“逆算法”思维是许多中小型主播会采用的途径，即避开算法呈现的结果，比如算法显示晚上八点至十点是平台用户活跃高峰期，也是众多主播的直播黄金时间，那么一些主播便会特意避开这一时间点，选择黄金时间以外的直播时间段，避免与大主播的正面竞争。在大主播下播后，他们直播间的粉丝便会分流至一些中小型主播的直播间中，这也是许多小主播选择深夜工作的一大原因。

部分主播除了在直播时间上采取“逆算法”思维，有时在内容选择上也会遵循这一逻辑。平台会在“创作灵感”中显示同类型账号的话题热点，列出其中最受欢迎的话题或关键词，并显示其实时的推送和搜索热度。对主播而言，这似乎是一种助力，因为它给主播展示了同类型账号涉及的最受关注的话题，这意味着做与之相似的内容可能也会获得一样多的流量推送。但这也恰恰告诉了主播同类型中同质化最为严重的话题领域，受众极有可能因获得了大量的同话题推送从而产生了厌烦心理。基于这种考量，主播有时会反“算法”而行，刻意避开那些已经获得过大量关注的话题领域，转而寻求新的话题。

与骑手或网约车司机受直接的算法操控不同，秀场主播通过日常的劳动实践，在熟悉算法运行规则后逐渐摸索出适合自己的行动规则。通过这种“逆算法”的劳动实践，一些秀场主播避开了与同类型账号的“同质化”竞争问题，逐渐形成自己的独特风格，并获得了良好的反馈。这种出自秀场主播个体的劳动实践，在一定程度上摆脱了算法的操纵，强调了主播在劳动过程中的自我赋权，以及对平台算法的“反控制”和再创造。

四结语

数字劳动中的一个关键问题，即是平台资本如何利用算法权力实现劳动控制以形成新的劳动秩序。通过对秀场主播这一特殊劳动群体的观察，不难发现，平台通过算法机制重新定义了劳动过程并重新分配了劳动控制权。首先，在算法权力的深度嵌入下，平台赋予了秀场主播群体在劳动时间和劳动空间上的选择权，它弱化了主播与公会间的雇佣关系，使秀场主播在劳动过程中看似拥有了更大的自主性。其次，高度嵌入的算法机制通过平行和纵向的数据收集，将秀场主播的劳动成果转化为可视化极高的数据，加强了对秀场主播各个劳动环节的算法规训。最后，控制权的重新分配与高度内化的算法规训转移了劳资矛盾，算法和观众成为秀场主播劳动过程中表达不满的主要对象，并且必须通过平台来调节矛盾。但这并不意味着数字控制下的秀场主播完全丧失自主性，在劳动过程中，秀场主播逐渐熟悉算法规律并发挥主观能动性，不断找寻适合自身发展的自主性策略，在一定程度上摆脱了算法的控制。

随着算法推荐机制普遍嵌入平台劳动过程，平台资本如何通过数字技术塑造新的劳动秩序，是当前数字劳动领域的关注焦点。此前已有诸多研究致力于探索外卖骑手、网约车司机等数字劳动中的劳动控制问题，试图以此来管窥当代劳动变迁与转型的真相。尽管算法权力对劳动过程的影响和操纵已是学界公认的事实，但算法权力对于不同数字劳动群体的控制方式仍有可待深入探讨。与外卖骑手等数字劳动群体不同，秀场直播中的算法权力控制更加灵活和隐蔽，它通过持续不断的数据积累与收集掌控了实际上的控制权，这种控制不仅包括直播间的推送流量、作品的分发人群，还包括通过数据反馈来暗中引导主播的内容创作和工作时间，其本质是通过无偿占有主播的生产内容来帮助平台资本占据秀场直播中的主导地位，并以巨大的经济利益驱动主播时刻进行数字劳动。

在算法权力的隐蔽操控下，平台资本能够以隐身的方式掌握对秀场主播的实际控制权，并将消费意识融入其所建构的巨大商业王国中。在这种隐形操纵下，秀场主播最终成为算法权力与平台资本的“代言人”。尽管有一定的自主性策略可以帮助他们在某种程度上规避算法控制，但这种规避和逆算法思维的本质仍然是想要获得更多的流量和人气。在算法权力面前，秀场主播所采取的主体性策略并不能帮助他们逃脱技术的包围与资本的裹挟。

注释：

[1]Friedman A.L.Industry and Labour.London: The Macmillan Press Ltd.1977:106-108.

[2]Levy S.Secret of Googlenomic: Data-fueled Ｒecipe Brews Profitability.Wired ,2009,17(6):109.

[3]孙萍：《“算法逻辑”下的数字劳动：一项对平台经济下外卖送餐员的研究》，《思想战线》，2019年第6期。

[4]刘战伟、李嫒嫒、刘蒙之：《平台化、数字灵工与短视频创意劳动者：一项劳动控制研究》，《新闻与传播研究》，2021年第7期。

[5]杨善奇、刘岩：《智能算法控制下的劳动过程研究》，《经济学家》，2021年第12期。

[6]张媛媛：《算法之眼与数据蔽视：媒介空间中的劳动管理研究》，《传媒观察》，2022年第1期。

[7]廖秉宜、张慧慧：《互动与博弈：算法推荐下短视频行业生态与发展路径》，《中国编辑》，2021年第9期。

[8]孙淑敏、宋晓晓：《时空规训技术中新生代农民工劳动的异化——基于上海市S厂的研究》，《华东理工大学学报》（社会科学版），2016年第2期。

（▲向下滑动查看全部注释）

作者简介

顾烨烨，浙江大学公共外交与战略传播研究中心研究员、南京师范大学新闻与传播学院博士研究生；莫少群，南京师范大学新闻与传播学院教授、博士生导师。