基于心理预期价格的众包模式定价策略的研究与改进

吕宣　蒋伟

摘要：本文对“拍照赚钱”这一劳务众包模式的任务定价方案进行了探讨。研究了一种任务定价规律。优化设计新的定价策略。得出定价规律为围绕最低定价的聚类中心点。任务定价随任务距离中心远近和附近用户密度而变化。此后。求解出任务定价函数和会员心理预期价格函数。将未完成任务的定价提升至会员心理预期价格，将已完成任务的定价略微降低以增加收益，從而提高任务完成率、降低成本。通过价格递推模型，会员因接受任务数量增多及效率提高而优先考虑选择位置距离较近的任务，发包方可采用打包分配并适当降低总体价格以获得更大收益。实验结果表明任务定价方案具有很强的弹性，针对实际情况提出了改进的方案，并分析了其在其他领域的推广应用，在实际应用中有较大的参考价值。

关键词：心理预期价格 聚类分析 打包分配 价格递推

引言

“拍照赚钱”是移动互联网下的一种自助式服务模式。用户下载APP，注册成为APP的会员，然后从APP上领取需要拍照的任务，赚取APP对任务所标定的酬金。在这种基于移动互联网的自助式劳务众包商业模式中，发包方（企业）通过APP（中介平台）发布拍照任务，接包方（网络大众）提交任务并获取报酬，模糊企业边界，资源整合，共享信息，充分发挥了网络大众的能动性，也为企业提供各种商业检查和信息搜集，相比传统的市场调查方式可以大大节省调查成本，而且能够有效地保证调查数据的真实性，缩短调查的周期，实现多主体合作创新，其运作模式流程图如下：

发包方的期望是以尽可能少的成本，完成尽可能多的任务。而任务定价则是影响成本和任务完成率的核心因素，若APP定价过低，部分任务将无人问津，从而使完成率骤降，影响工作质量。若APP定价过高，则成品难以控制，还可能因用户抢单系统崩溃的情况。

一、规律分析

（一）发包方定价策略分析

根据实际情况分析可知，市中心等人口众多、经济发达地带存在更多用户，此处任务供大于求，因此定价趋向于相对较低水平；而城郊、山区等欠发达地区用户较少，此处任务供小于求，因此发包方定价趋向于相对较高水平。

运用K-means聚类方法，将经度、纬度、任务定价作为分类指标进行聚类，得到四处任务聚类中心如表1.1：

基于实际调查与理论分析，影响发包商任务定价策略的主要因素为：距离任务聚类中心的远近l_i，附近的用户密度p_j。利用经纬度计算两点间的弧长即为两点间的距离。因此，将方圆5km以内的用户数量作为衡量会员密度的指标，将任务点与四个任务聚类中心的最短距离作为衡量任务距离任务中心的指标，并将这两个指标作为求解任务定价函数的决策变量。经过多次拟合，得到最优拟合结果，P为关于p_j，l_i的三次含交叉项方程。

R²为0.9621，拟合函数式预测可靠性较高。多元非线性函数方程在95%的置信区间内能够解释96.21%的数据，进一步检验，利用Excel求得平均误差为4.24，相对误差为0.06，该方程能够解释绝大多数变量关系，有极优的适用性。

（二）接包方心理预期价格分析

类比方法可得，根据市场准则与用户心理分析，影响接包方心理预期价格分析的主要因素为：用户与任务点的最短距离，附近的任务密度p_j。因此，将方圆5km以内的任务数量作为衡量任务密度的指标、会员与任务问的最短距离，这两个指标作为求解任务定价函数的决策变量，并根据实际情况进行参数的调整。

经过多次拟合，得到最优拟合结果，P关于p_j，l_i的多元非线性函数方程为：

Q=-0.006001p_i+0.005293l_j+66.84 （2）

R²为0.9709拟合函数式预测可靠性较高。多元非线性函数方程在95%的置信区间内能够解释97.09%的数据，进一步检验，利用Excel求得平均误差为3.27，相对误差为0.044，该方程能够解释绝大多数变量关系，有普遍的实用性。

二、改进定价策略

（一）未完成原因分析

经分析，任务未完成主要有以下原因：

（1）部分聚类中心周围的任务多数未完成，说明在该区域任务的定价普遍未达到会员的与心理预期价格。

（2）部分区域完成与未完成的任务大致呈离散均匀分布，说明该区域受多种因素影响，需要进一步考量任务定价和会员心理预期价值的适当调整，适当提高未完成任务的标定价格，降低已完成任务的标定价格。

（二）调整成本定价

因此，将未完成任务的定价提升至会员心理预期价格，将已完成任务的定价略微降低以增加收益。最终，任务完成概率相比原定价方案提高了35.82%，并同时可为发包方节省一定的支出。

（三）打包分配递推定价

考虑到实际情况中部分任务的位置比较集中，基于任务完成效率提高和接受任务数量增多的考量，会员用户会优先考虑选择此类任务。基于市场需求，此类打包发布情况存在供不应求的情况，发包方可适当降低总价以节约成本。因此，我们可依此对定价方案进行修改。

首先，会员接收单个任务的情况，仍采用之前的定价方案；其次，针对一些距离较近，此处定义为互相距离平方和小于10的任务群，针对发布任务的情况，建立递推模型，对价格进行了模拟规定，具体运算步骤如下：

Step1假设有5个任务，将其分别标记为a，b，c，d，e；对应的初始单价分别记为x，y，z，w，y；

Step2当接包中含有两个任务a，b时，会员所得报酬为0.95（x+y）；

step3当接包中含有三个任务a，b，c时，会员所得报酬为0.95[0.95（x+y）+z]；

Step4依此类推，可得接收打包任务时会员可得的总报酬。

考虑到价格递减模型随着任务数量的逐渐增大，当大于某一阈值时，由于价格降幅过大，打包任务对会员的吸引力也逐渐降低，因此，我们拟将打包任务数量上限设定为5，在合理价格区间内达到对接包方的最大吸引力。

（四）改进定价策略效果分析

相比于传统定价策略的成本较高但任务完成率不甚高的定价方案，改进后的定价策略充分地利用了用户机制，调动了用户接受任务的积极性，不仅降低了成本，同时提高了任务的完成率，使发包方获得更大的经济收益，加速了社会资源优化共享的发展步伐。

改进的众包模式定价策略适用范围广泛，具有很强的通用性，可广泛应用于基于距离远近进行任务定价或打包发布任务的外卖及快递配送平台。在考量了实际生活中顺风接单及集中执行任务的情况下，可广泛应用于集中区域配送的外卖及快递平台或顺风接送出行的打车软件中，有很强的生活实用性。