拍照赚钱定价模型.pdfVIP

“拍照赚钱”的任务定价模型 摘要 本文研究众包模式下的“拍照赚钱”任务如何定价的问题。首先我们通过 K-均值聚类将历史任务位置与会员位置聚成 4 类。通过中心点坐标与地理位置对 应，得到任务所在的 4 个城市分别为深圳、佛山、东莞、广州。接着以东莞为例 对定价模型进行研究。 针对问题一，我们对标价分段分析，分别对每个城市内再次聚类。通过定义 相对供求度、相对累积里程、地缘位置和任务本身难度 4 个主要标价影响因子， 分析定价规律，建立了多元线性回归模型，且经 Spearman 检验后发现不具有异 方差性。考虑到任务完成与否受双方影响。进一步，我们结合实际情况，采用半 定量半定性的方式得到距离、预订限额、收入水平、地域因素等任务未完成的原 因。 针对问题二，受问题一启发，我们发现了经济水平对任务标价的重要影响， 通过 “割圆划分”对每个城市的区域进行收入水平差异的划分，在不同的区域上 设立不同的任务标价中间值。接着我们选取了问题一的相关影响因素，利用动态 加权的方法设计了新的任务定价方案。最后采用神经网络训练对两种方案进行了 比较，得出原方案平均成本：69.87 元；新方案平均成本：67.99 元。进而得到 新方案具有更高的任务完成率。 针对问题三，首先我们通过分层聚类，找出需要进行打包的任务体。接着在 问题二的基础上，提出了多任务打包模型，将打包的多任务等效为单任务发布的 情形，利用问题二的模型对任务打包进行了定价分析，发现在一定范围内，多任 务打包可在大幅节省成本的情况下提高任务完成率。 针对问题四，对于附件三的新任务，首先将其划分到 4 个城市，由于任务主 要分布广州与深圳，因而我们重点在这两个城市考虑定价模型，有机地结合问题 二的新定价方案及问题三的任务打包模型确定各任务的定价，并对方案的实施效 果进行评估。 最后，我们对定价模型与打包模型进行分析，并通过模拟退火算法验证了“割 圆划分”的可行性，又引入吸引度、企业满意度对定价影响进行了模型拓展。最 后结合分析对众包平台提出了几点切实可行的建议。 关键词：聚类分析 割圆划分 动态加权 神经网络 模拟退火 1 一、 问题重述 1.1 背景 “拍照赚钱”是一种众包模式。根据中国互联网络信息中心（CNNIC）2017 年 9 月发布的《中国互联网络发展状况统计报告》显示，截至今年 6 月，中国的 互联网用户规模达到 7.15 亿，互联网普及率达到 54.3%。 众包指的是一个公司或机构把过去由员工执行的工作任务以自由自愿的形 式外包给非特定的大众网络，而 APP 则是交易的平台。其中，支付宝旗下的“蚂 蚁微客”就是通过一种“拍照赚钱”的众包模式。 1.2 资料条件 “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（比如上超市去检查某种商 品的上架情况），赚取APP 对任务所标定的酬金。这种基于移动互联网的自助式 劳务众包平台，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，而且有效地保证了调查数据真实性，缩短了调查的周期。 因此APP 成为该平台运行的核心，而 APP 中的任务定价又是其核心要素。如果定 价不合理，有的任务就会无人问津，而导致商品检查的失败。 附件一是一个已结束项目的任务数据，包含了每个任务的位置、定价和完成 情况（“1”表示完成，“0”表示未完成）；附件二是会员信息数据，包含了会 员的位置、信誉值、参考其信誉给出的任务开始预订时间和预订限额，原则上会 员信誉越高，越优先开始挑选任务，其配额也就越大（任务分配时实际上是根据 预订限额所占比例进行配发）；附件三是一个新的检查项目任务数据，只有任务 的位置信息。 1.3 需解决的问题 问题一：研究附件一中项目的任务定价规律，分析任务未完成的原因。 问题二：为附件一中的项目设计新的任务定价方案，并和原方案进行比较。 问题三：实际情况下，多个任务可能因为位置比较集中，导致用户会争相选 择，一种考虑是将这些任务联合在一起打包发布。在这种考虑下，如何修改前面 的定价模型，对最终的任务完成情况又有什么影响？ 问题四