港大经管学院研究发现绿色助推可达致卓越环保效益

港大经管学院研究发现绿色助推可达致卓越环保效益

塑料废物污染威胁全球,严重危害海洋和淡水生态系统。 2021年,全球产生超过4亿吨塑料废物。在2019冠状病毒病疫情期间,外卖服务越趋受欢迎,导致即弃餐具产生的塑料废物激增,成为许多国家面临的主要环境挑战。

国际知名学术期刊《科学》近期以封面论文形式刊发了题为《绿色助推减少即弃餐具:来自中国外卖行业的证据》的研究。该研究由港大经管学院经济学及管理与商业策略副教授何国俊带领,其他共同作者包括:北京大学助理教授潘聿航、亚洲开发银行首席经济学家及香港科技大学教授朴之水、东京大学教授泽田康幸和亚洲开发银行陈瑞娟。研究主要探讨绿色助推如何有效增加「不需餐具」订单的份额。

该研究的第一及通讯作者何国俊博士表示:「助推“Nudge”可以用作改变行为的强大诱因。 是次研究利用在中国收集的数据,发现绿色助推可以显著减少外卖产生的塑料废物。阿里巴巴的外卖平台透过把订单预设定为『不需餐具』,并向消费者派发绿色积分(蚂蚁森林绿色能量)作奖励(见图1),让选择无餐具的订单增加6.48倍,且效果持续。如将绿色助推推广至全国市场,估计每年将减少超过217.5亿套即弃餐具消耗,相当于减少326万吨塑料废物,或拯救544万棵树木,整体环保效益卓著。」

研究方法
研究数据源自阿里巴巴订餐和外卖平台「饿了么」,随机抽取近20万名用户在2019年1月1日至2021年12月31日期间,在中国10个主要城市的每月点餐记录、绿色积分记录、植树记录和个人消费习惯的数据。这些用户均在研究期内至少下单一次。

为遵守各城市的最新环保规定,阿里巴巴就其应用程序进行了以下修改:(i) 增加弹出窗口,要求顾客在订单中明确选择所需即弃餐具的数量;(ii) 弹出窗口预设为「不需餐具」;以及(iii) 提供「蚂蚁森林绿色能量」作为非金钱奖励。

主要发现
1. 绿色助推带动「不需餐具」的订单比例倍增
不论是被选作绿色助推的试点城市,还是其他城市,用户在实施绿色助推前的下单行为大致相若。然而,在实施绿色助推后,试点城市选择「不需餐具」的订单比例立即显著增加。平均而言,绿色助推使个人订购「不需餐具」的比例增加20.1个百分点,比之前的 3.1 个百分点大增6.48倍。

2. 绿色助推未有影响业务表现
研究期间,试点城市和其他城市的订单总额和订单数目趋势相同。绿色助推对外卖平台业务没有负面影响,也未有出现消费者因不喜欢新的选择模式,而较少使用阿里巴巴外卖平台的情况。

3. 个别群组对绿色助推反应更正面
在实施绿色助推后,女性消费者选择「不需餐具」的订单增加21.4个百分点,男性消费者的增幅为18.4个百分点。至于中老年消费者「不需餐具」的订单比例显著增加30至34个百分点,而18岁至24岁的消费者仅增加11.9个百分点。经常性用户(即较少自行烹饪的用户)对绿色助推的反应弱于非经常性用户。若以手机价值和订单价值计算,结果显示,较富裕的消费者对绿色助推的反应较大。

建议
1. 鼓励其他网上外卖平台,例如DoorDash和Uber Eats尝试实施绿色助推以减少全球塑料废物
由于绿色助推并未对阿里巴巴的外卖平台业务产生负面影响,而且环保效益可观,因此建议其他网上外卖平台,例如DoorDash和Uber Eats,尝试实施类似的绿色助推,以减少全球塑料废物。

2. 私营部门和平台公司可在促进顾客支持社会行为方面发挥巨大作用
私营部门和平台公司可以更好地结合企业社会责任与环境保护措施,为地球带来更深远影响。

图1:「饿了么」界面的绿色助推修改。

 

Other Events
港大经管学院最新多模态AI图像生成能力排名出炉 部份中国人工智能模型表现突出
2025 | 学院新闻
港大经管学院最新多模态AI图像生成能力排名出炉 部份中国人工智能模型表现突出
港大经管学院今日发表《人工智能模型图像生成能力综合评测报告》,针对15个“文生图模型”及7个“多模态大语言模型”进行全面评估。研究显示,字节跳动的即梦AI和豆包,以及百度的文心一言,在新图像生成的内容质素及图像修改的表现突出;而早前引起全球关注的DeepSeek最新推出的文生图模型Janus-Pro,则在新图像生成方面表现欠佳。研究亦发现部分文生图模型虽然在内容质素方面表现优异,却在安全与责任方面的表现强差人意。整体而言,与文生图模型相比,多模态大语言模型整体表现较佳。
人工智能图像生成评测成绩单公布: 字节跳动百度表现亮眼,DeepSeek Janus-Pro表现欠佳
2025 | 研究
人工智能图像生成评测成绩单公布: 字节跳动百度表现亮眼,DeepSeek Janus-Pro表现欠佳
如今,人工智能领域的前沿模型技术已经从文本处理拓展至视觉信息的深度理解与生成。这些模型既能精准解读图像语义,又能根据文字描述创作出兼具真实感与艺术性的视觉内容,展现出令人惊叹的跨模态理解与创作能力。本研究聚焦全新图像的生成和基于现有图像的图像修改两大核心任务,提出了一套系统性的人工智能模型图像生成能力评测框架。我们基于多维测试集的构建与专家评审,对15个专业文生图模型和7个多模态大语言模型的图像生成能力进行了全面评估。结果显示,字节跳动的即梦AI和豆包以及百度的文心一言在新图像生成的内容质量与修改任务中表现突出,位列第一梯队。对比不同类型的AI模型,我们发现,相对于专业文生图模型,多模态大语言模型整体表现更佳。