“拍照赚钱”的任务定价问题的分析

(重庆交通大学航运与船舶工程学院 重庆 400074)

“拍照赚钱”的任务定价问题的分析

赵晓宇郑渝郭宇良

(重庆交通大学航运与船舶工程学院重庆400074)

以“拍照赚钱”为代表的众包类业务是目前电子商务的一个重要组成部分，它的核心要素是任务定价。本文就影响任务定价的诸多因素利用定位软件、数学分析软件建立了任务定价的相关性模型，以区域会员密度和地区质量为自变量的价格函数等模型。最后，对模型的自身存在的优缺点进行了详细分析，并对模型进行了推广。

相关性分析；聚类分析；区域划分模型；任务打包定价模型

一、问题重述

根据中国互联网络信息中心(CNNIC)2017年8月份发布的《第40次中国互联网络发展状况统计报告》显示,截至2017年6月,中国网民规模达到7.51亿,半年共计新增网民1992万人,半年增长率为2.7%,互联网普及率为54.3%,较2016年底提升1.1个百分点[1]。

“拍照赚钱”是移动互联网下的一种自助式服务模式。会员从APP上领取拍照任务并完成即可获得任务酬金。这是一种基于移动互联网的众包商务平台，通过会员APP会员进行拍照任务可以为企业提供各种商业检查和信息搜集，成本低，真实性高，周期短。该平台的最核心要素就是APP中的任务定价，定价的合理程度直接关系到商品检查的成功率和信息的搜集程度。请研究项目中的任务定价规律，分析任务未完成的原因。

二、定价规律的模型建立

本次数据来源于广东省广州市、佛山市、东莞市和深圳市。

首先，将任务价格分为(65—69.5)、(70—74.5)、(75—85)三个区间，并将不同任务点表示在地图上，并得到不同价格区间的任务点与城市公共交通分布的联系。通过在地图上进行定位发现，低价任务点大多沿城市公共交通线路分布，方便到达，出行成本低；高价任务点大都处在公共交通无法覆盖到的区域，不容易一次到达，出行成本高。

为寻找出价格制定规律，特引入模型[2]：以任务点所在位置为圆心，以2km为半径做一个圆区域。在一个单位圆区域内，所涵盖到的会员总数称为区域会员密度。将一个区域内的会员平均信誉值，将其定义为区域质量。运用MATLAB软件编程得到每一个任务点周围的区域质量及会员平均信誉值。接下来利用SPSS软件分别对区域会员密度和区域质量与任务价格进行相关性分析，如图1。

图1 任务价格-区域会员密度、任务价格-区域质量相关性矩阵

根据相关系数的大小可以看出，在制定任务价格时，是以任务圆区域内的区域会员密度为主要考虑因素，区域质量为次要因素。

三、任务未完成的原因分析

借助BIGEMAP软件，输入附件一中未完成的任务所处地点的经纬度，得到了所有未完成任务点的分布情况。通过在地图上的分布情况，未完成任务点大多集中在佛山市、广州市和深圳市，在用XGeocoding软件进行过详细定位后发现，东莞市内仅有两个未完成任务点。

(一)高、低信誉度会员位置的分布

根据信誉度对会员进行分类，将信誉度大于100的会员定义为高信誉度会员，低于100的会员定义为低信誉度会员。然后分别将高、低信誉度会员位置的经纬度转换输入到BIGEMAP软件中，得到它们的位置分布图，如图2。

图2 高、低信誉度会员分布图

信誉度大于10000的会员分布点为蓝点样式，信誉度介于1000到10000的分布点为黄色样式，信誉度介于100到1000的分布点为绿色样式。信誉度介于100到10的会员分布点为橙色样式，信誉度小于10的为白色点样式。根据图中高信誉度会员的分布情况，可以发现高信誉度会员在广州市、佛山市和深圳市及其附近分布较为密集，在东莞市及其附近分布稍显稀疏。根据低信誉度会员的分布情况，可以发现低信誉度会员在四个城市的分布密度大致接近，分布较为均匀。

(二)未完成任务点位置的分布

接下来，确定高低信誉度会员中未完成任务点的分布情况，如图3。

图3 高、低信誉度会员-未完成任务地点图

通过图3不难发现，未完成任务点的分布情况与高信誉度会员的分布情况在地域上有较高的相似：两者在佛山市、广州市以及深圳市均分布较为密集，而在东莞市分布数量有明显减少。结合任务发放原则，高信誉度会员所分配的任务数量明显高于低信誉度会员。

对于高信誉度会员，信誉度大于10000的会员平均预定任务限额数为111.06，信誉度介于1000到10000的会员平均预定任务限额数为47.46，信誉度介于100到1000的会员平均预定任务限额数为15.52。对于低信誉度会员，信誉度介于100到10的会员平均预定任务限额数为5.38，信誉度小于10的会员平均预定任务限额数为1.46。由于低信誉度会员在整个任务区域内的分布密度大致相等，而高信誉度会员主要集中在佛山市、广州市和深圳市，而在东莞市分布较少。因此，对于两种会员的相对分布密度，在佛山市、广州市和深圳市，高信誉度会员在分配数量上占据主导地位；而在东莞市，低信誉度会员在分配数量上占据主导地位。

综合上述，并结合地图信息，认为任务未完成的第一类原因是由于高信誉度会员被分配到的任务过多，但个人精力以及时间有限而无法按时完成而形成的个人任务积压，导致任务完成度低。而低信誉度会员被分配到的任务少，单会员任务完成度高，任务积压少甚至无积压。

[1]中国互联网络发展状况统计报告.http://www.cnnic.net.cn/

[2]周英，卓金武.大数据挖掘.北京：机械工业出版社，2016.

[3]魏拴成,邬适融.众包的产生、发展以及构建众包商业模式应遵循的路径[J].上海管理科学,2010,32(01):55-58.[2017-09-17].