“拍照賺錢”任務定價的優化模型研究

1.問題的背景

“拍照賺錢”是當前互聯網領域的熱點之一。它是移動互聯網下的一種自助取APP對任務所標定的酬金。這種快速發展的自助式服務模式是當今各大商戶和勞工密切關注的焦點。它基于移動式互聯網自助式勞務眾包平臺已成為現階段我國第三產業經濟發展的重要目標，對提升城鎮居民生活質量、完善經濟結構功能和提高國民經濟具有重要意義。

2.模型的建立與求解

2.1 已結束項目任務模型的建立與求解

2.1.1 任務定價規律的研究

對于已結束項目任務數據和會員信息數據，通過Excel中的Powermap插件作會員的分布、已結束項目任務分布圖如下：

其中紅色代表已結束項目任務分布情況，藍色代表會員分布情況。已結束項目任務發布地點主要分布于人員相對密集的地方(比如學校、醫院、公園等地)。但是會員分布比較分散，相對不夠集中，會員的分布和任務的分布并不均勻。

對于已結束項目任務定價和任務的發布密度的關系，根據MATLAB作散點圖可知，已結束項目任務主要集中在區間[115.4，115.8]和[116，116.4]之間，以及價格為[65，70]這個區間，這些區間的任務的密度最大，其次是價格為[70，75]的區間任務的密度較大，可見，任務發布越多的地方，價格相對較低。

圖1　任務地點及會員位置的分布圖

對于價格與地區繁華程度的關系，提取出價格為 85(紅色)和 65 (黑色)的任務點并通過MATLAB作圖可知，人流量越大，任務定價越低，而任務定價較高的地方，大多分布在人流量小并且較偏僻的地方。

2.1.2 任務未完成原因分析

分析已結束項目任務未完成原因，對于價格和地理位置，通過MATLAB作圖將已完成和未完成任務進行對比可知，當價格較低時，在接近同一地點，任務的完成和未完成情況都較多，當價格逐漸升高時，成功完成的任務的數量增多，未完成的數量減少。說明任務的完成情況和價格關系較為密切。由已結束項目任務的定價規律分析可知，任務的價格和某地區發布任務的密度及地區的繁華程度有關，從而任務分布密度和地區繁華程度也有間接關系。因此，任務未完成的主要原因有：(1)已結束項目任務定價的不合理；(2)已結束項目發布任務時，會員地點與任務地點分布的不均勻；(3)任務地點的交通不便利。

2.1.3 回歸分析模型

對于已結束項目任務定價規律，分別對距離、價格、完成度進行回歸分析，回歸模型如下：

第一組y1,x1代表價格和完成度，第二組y2,x2代表距離和完成度，第三組y3,x3代表距離和價格，運用Matlab進行回歸，得出結果如下。

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

這三組均方根誤差分別為：0.475，0.484，4.51；擬合度分別為：0.0412，0.00283，0.00223；校正后的決定系數分別為：0.0401，0.00163，0.00103；F-統計量與常數模型分別為：35.8，2.36，1.86；p-值分別為0.0032，0.125，0.173，由此可知各擬合的誤差都較小。

2.1.4 任務制定新的定價方案

上述問題定價規律較粗糙。新的定價方案需要改進的地方是：清除所有會員的信譽值，同時對每一個會員劃定一個范圍，每個會員對范圍內的任務都有優先選擇權，在這個范圍內，任務價格和會員到任務地點成正比，而完成任務可以增加信譽值，信譽值越大，選取任務的范圍也就越大，信譽值的變化取決于每次完成任務占所接總任務的比例進行增加。這樣，對每個會員的公平性加強的同時，杜絕了信譽高的會員搶占囤積任務事件的發生，加大了任務的成功性。

通過對各價格區間任務完成度的作圖對比，將完成度最高的價格區間作為樣本進行對應。將價格分成 [75，80)、[80，85)、[85，90)、[65，70)、[70，75) 為5 個區間。統計得定價區間為[70，75)的完成任務的占74%，未完成的占26%；定價區間為[65，70)的完成任務的占54%，未完成的占46%；定價區間為[75，80)的完成任務的占76%，未完成的占24%；定價區間為[80，85)的完成任務的占69%，未完成的占31%；定價區間為[85，90)的完成任務的占89%，未完成的占11%。

因此，已結束項目任務定價和完成度基本成正相關，即價格越高，任務的完成度也就越高，由于劃定了會員的任務接取范圍，結合作圖可知最優的價格區間為[70，75]，此區間相對同等距離的任務，會員的任務定價普遍有所提高，價格是會員提高任務完成率的一項重要指標。與原方案相比，提高了任務分配對會員的公平性，同時使得會員和任務的分布較為均勻，減少了因分布不均導致的任務未完成率。讓價格和距離正相關，對偏僻地區的人有所補償。

2.2 新項目任務定價優化模型建立與求解

2.2.1 優化模型的求解

對新項目任務分布地點按照區域進行FCA聚類以后，利用MATLAB聚類將所有的點分為80類，每次運行會分出不同的類別。由于打包造成任務的減少，因為信譽度高的會員擁有優先選擇和預訂限額大的優點，所以大多任務會被信譽度高的會員接收。

2.2.2 優化模型的分析

對于新項目任務數據和會員信息數據，通過Excel中的Powermap插件將會員的分布、新項目任務分布作圖可知任務分布較為集中，而會員分布比較分散，將距離較近的任務進行聚類打包以后，能夠使任務相對集中一些，有利于提高新項目任務的完成率。

對新項目任務分布地點按照區域聚類以后，運用MATLAB作圖得到新項目任務分布圖，根據分布圖可知會員和任務的分布位置大致相同，任務分布地點相對而言更為集中，通過聚類對任務進行打包之后，減少任務的分布密度，對每個會員劃定的范圍，在會員范圍內的任務，該會員具有優先選擇的權，但價格會相對下降，因為每個包中人物數量較多。價格同時還取決于會員到人物地點的距離。

由優化模型可知，為了使新項目任務完成率提高，價格的方案首先得滿足以下幾點：(1)對距離較近的任務進行打包；(2)發布任務時多考慮地理位置和會員密度的差異性；(3)任務地點的交通對價格及完成度的影響。因此，首先把任務發布的位置標注出來，觀察任務發布地點的人口密度及交通情況，同時，把會員的分布也在圖中標記，觀察人口密度和人物分布密度的差異之后根據原任務定價方案的方法給出新任務定價方案，通過計算得出任務完成度。

3.總結

本文運用相關性分析對已結束項目任務數據和會員信息數據進行分析，最終得出了定價規律與任務未完成主要原因，并運用 Matlab對相關數據作回歸分析進行檢驗；通過制定新的定價方案使任務完成度明顯增加。對新項目任務數據，通過FCA聚類算法，確定打包發布的具體分類并建立任務定價優化模型，使任務完成度有明顯提高；該模型不僅得出較優的定價方案，而且保證了任務較高的完成度以及會員與任務發布方雙方利益的最大化。

(塔里木大學信息工程學院，新疆阿拉爾843300)