外送茶平台因演算法推薦而強化「外貌標準化」的社會審美暴力
一、前言：數位平台與美的算法秩序 隨著外送茶產業的數位化，許多平台導入以「顧客滿意度」「點擊率」「瀏覽轉換率」為核心的演算法推薦系統。這些機制表面上提升了效率與匹配準確度，實際上卻在性別、外貌與身體的符號體系中，重構出一種「數據化的審美暴力」。 演算法根據使用者偏好資料（例如搜尋關鍵字、歷史訂單、照片停留時間）自動學習「何種外貌更受歡迎」，進而推高特定類型的從業者曝光頻率。這使外送茶從業者在生存競爭中被迫順應演算法的審美標準，進入「被看見」與「被淘汰」的雙重邏輯。 此現象不僅是市場競爭的結果，更是一種隱微的社會權力機制：平台以技術中介形式延伸了傳統性別審美的壓迫結構，使性工作者被迫「優化」外貌、過度修圖、進行醫美甚至比照「偶像」等級經營自我形象。這是一種典型的「技術化審美暴力」現象。 二、演算法偏差的生成：從偏好學習到外貌篩選 演算法推薦的核心在於資料學習，但當資料本身承載性別與階級偏見時，結果也將被偏見污染。平台的機器學習模型常透過顧客點擊率、評論文字與瀏覽行為，推斷何種外貌「具吸引力」。然而這些行為資料本身反映了社會對「白皙」「年輕」「瘦身」「五官精緻」等外貌刻板印象的再生產。 例如，若一位顧客經常選擇標榜「清純系」「韓風美型」的從業者，系統將自動推薦更多同類型帳號，並降低其他類型外送茶女（如「微胖」「熟齡」「素顏」）的曝光率。這種「自我增強」機制使市場快速趨於單一化，美的多樣性被壓縮，形成技術性「外貌篩選」。 平台演算法因此扮演「審美仲裁者」的角色：它並未以公開規範決定誰更美，而是以隱形的統計邏輯重新定義「可被消費的外貌」。其後果是，女性身體再度被納入以數據為依據的商品化框架中，而此過程往往不被察覺，也難以抗議。 三、從市場壓力到身體焦慮：被演算法規訓的外貌政治 外送茶從業者為維持訂單量，必須理解並迎合演算法偏好。這導致多數人開始投入大量資源進行「數位化外貌管理」： 以修圖軟體製作統一風格的形象照； 參考排行榜上曝光率高者的妝容與姿勢； 在社群媒體上追蹤「熱銷模板」進行模仿。 這樣的競...