“拍照赚钱”任务定价的优化模型研究

　

1.问题的背景

“拍照赚钱”是当前互联网领域的热点之一。它是移动互联网下的一种自助取APP对任务所标定的酬金。这种快速发展的自助式服务模式是当今各大商户和劳工密切关注的焦点。它基于移动式互联网自助式劳务众包平台已成为现阶段我国第三产业经济发展的重要目标，对提升城镇居民生活质量、完善经济结构功能和提高国民经济具有重要意义。

2.模型的建立与求解

2.1 已结束项目任务模型的建立与求解

2.1.1 任务定价规律的研究

对于已结束项目任务数据和会员信息数据，通过Excel中的Powermap插件作会员的分布、已结束项目任务分布图如下：

其中红色代表已结束项目任务分布情况，蓝色代表会员分布情况。已结束项目任务发布地点主要分布于人员相对密集的地方(比如学校、医院、公园等地)。但是会员分布比较分散，相对不够集中，会员的分布和任务的分布并不均匀。

对于已结束项目任务定价和任务的发布密度的关系，根据MATLAB作散点图可知，已结束项目任务主要集中在区间[115.4，115.8]和[116，116.4]之间，以及价格为[65，70]这个区间，这些区间的任务的密度最大，其次是价格为[70，75]的区间任务的密度较大，可见，任务发布越多的地方，价格相对较低。

图1　任务地点及会员位置的分布图

对于价格与地区繁华程度的关系，提取出价格为 85(红色)和 65 (黑色)的任务点并通过MATLAB作图可知，人流量越大，任务定价越低，而任务定价较高的地方，大多分布在人流量小并且较偏僻的地方。

2.1.2 任务未完成原因分析

分析已结束项目任务未完成原因，对于价格和地理位置，通过MATLAB作图将已完成和未完成任务进行对比可知，当价格较低时，在接近同一地点，任务的完成和未完成情况都较多，当价格逐渐升高时，成功完成的任务的数量增多，未完成的数量减少。说明任务的完成情况和价格关系较为密切。由已结束项目任务的定价规律分析可知，任务的价格和某地区发布任务的密度及地区的繁华程度有关，从而任务分布密度和地区繁华程度也有间接关系。因此，任务未完成的主要原因有：(1)已结束项目任务定价的不合理；(2)已结束项目发布任务时，会员地点与任务地点分布的不均匀；(3)任务地点的交通不便利。

2.1.3 回归分析模型

对于已结束项目任务定价规律，分别对距离、价格、完成度进行回归分析，回归模型如下：

第一组y1,x1代表价格和完成度，第二组y2,x2代表距离和完成度，第三组y3,x3代表距离和价格，运用Matlab进行回归，得出结果如下。

EstimateSEtStatpValuex10.0217950.00364145.98523.2084e-09x2-0.0761960.049597-1.53630.12484x3-0.630570.46222-1.36420.17287

这三组均方根误差分别为：0.475，0.484，4.51；拟合度分别为：0.0412，0.00283，0.00223；校正后的决定系数分别为：0.0401，0.00163，0.00103；F-统计量与常数模型分别为：35.8，2.36，1.86；p-值分别为0.0032，0.125，0.173，由此可知各拟合的误差都较小。

2.1.4 任务制定新的定价方案

上述问题定价规律较粗糙。新的定价方案需要改进的地方是：清除所有会员的信誉值，同时对每一个会员划定一个范围，每个会员对范围内的任务都有优先选择权，在这个范围内，任务价格和会员到任务地点成正比，而完成任务可以增加信誉值，信誉值越大，选取任务的范围也就越大，信誉值的变化取决于每次完成任务占所接总任务的比例进行增加。这样，对每个会员的公平性加强的同时，杜绝了信誉高的会员抢占囤积任务事件的发生，加大了任务的成功性。

通过对各价格区间任务完成度的作图对比，将完成度最高的价格区间作为样本进行对应。将价格分成 [75，80)、[80，85)、[85，90)、[65，70)、[70，75) 为5 个区间。统计得定价区间为[70，75)的完成任务的占74%，未完成的占26%；定价区间为[65，70)的完成任务的占54%，未完成的占46%；定价区间为[75，80)的完成任务的占76%，未完成的占24%；定价区间为[80，85)的完成任务的占69%，未完成的占31%；定价区间为[85，90)的完成任务的占89%，未完成的占11%。

因此，已结束项目任务定价和完成度基本成正相关，即价格越高，任务的完成度也就越高，由于划定了会员的任务接取范围，结合作图可知最优的价格区间为[70，75]，此区间相对同等距离的任务，会员的任务定价普遍有所提高，价格是会员提高任务完成率的一项重要指标。与原方案相比，提高了任务分配对会员的公平性，同时使得会员和任务的分布较为均匀，减少了因分布不均导致的任务未完成率。让价格和距离正相关，对偏僻地区的人有所补偿。

2.2 新项目任务定价优化模型建立与求解

2.2.1 优化模型的求解

对新项目任务分布地点按照区域进行FCA聚类以后，利用MATLAB聚类将所有的点分为80类，每次运行会分出不同的类别。由于打包造成任务的减少，因为信誉度高的会员拥有优先选择和预订限额大的优点，所以大多任务会被信誉度高的会员接收。

2.2.2 优化模型的分析

对于新项目任务数据和会员信息数据，通过Excel中的Powermap插件将会员的分布、新项目任务分布作图可知任务分布较为集中，而会员分布比较分散，将距离较近的任务进行聚类打包以后，能够使任务相对集中一些，有利于提高新项目任务的完成率。

对新项目任务分布地点按照区域聚类以后，运用MATLAB作图得到新项目任务分布图，根据分布图可知会员和任务的分布位置大致相同，任务分布地点相对而言更为集中，通过聚类对任务进行打包之后，减少任务的分布密度，对每个会员划定的范围，在会员范围内的任务，该会员具有优先选择的权，但价格会相对下降，因为每个包中人物数量较多。价格同时还取决于会员到人物地点的距离。

由优化模型可知，为了使新项目任务完成率提高，价格的方案首先得满足以下几点：(1)对距离较近的任务进行打包；(2)发布任务时多考虑地理位置和会员密度的差异性；(3)任务地点的交通对价格及完成度的影响。因此，首先把任务发布的位置标注出来，观察任务发布地点的人口密度及交通情况，同时，把会员的分布也在图中标记，观察人口密度和人物分布密度的差异之后根据原任务定价方案的方法给出新任务定价方案，通过计算得出任务完成度。

3.总结

本文运用相关性分析对已结束项目任务数据和会员信息数据进行分析，最终得出了定价规律与任务未完成主要原因，并运用 Matlab对相关数据作回归分析进行检验；通过制定新的定价方案使任务完成度明显增加。对新项目任务数据，通过FCA聚类算法，确定打包发布的具体分类并建立任务定价优化模型，使任务完成度有明显提高；该模型不仅得出较优的定价方案，而且保证了任务较高的完成度以及会员与任务发布方双方利益的最大化。

(塔里木大学信息工程学院，新疆阿拉尔843300)