關于“拍照賺錢”眾包任務定價的研究

聞晨陽 錢黎磊 宋杭天 過一鋒 趙祎平

【摘 要】該文旨在根據市場，地理位置等不同因素對“拍照賺錢”APP的眾包任務制定合理的定價方案。首先利用Matlab分別制作出了任務經緯度與定價和會員信譽度的關系圖，通過“地球無憂”網站，畫出了任務的分布圖，對比各個結論圖。接著利用經緯度及價格的數據擬合和對各地GDP的擬合對這三個方面進行改進，然后利用K-means聚類算法算出幾個分區，通過對價格數據的擬合，算出分區的平均定價。最后用Matlab制作數據表的散點圖，融合打包任務定價模型，同時制定單個任務及打包任務的定價方案。

【關鍵詞】曲線擬合；層次分析；K-means聚類算法

1.引言

“拍照賺錢”是移動互聯網下的一種自助式服務模式。用戶下載APP并注冊成為會員，從APP上領取需要拍照的任務（比如去超市檢查某種商品的上架情況），賺取APP對任務所標定的酬金。這種基于移動互聯網的自助式勞務眾包平臺，為企業提供各種商業檢查和信息搜集，相比傳統的市場調查方式大大節省了調查成本，而且有效地保證了調查數據真實性，縮短了調查的周期。而APP中的任務定價是核心要素，如果定價不合理，有的任務就會無人問津，而導致商品檢查失敗。

2.模型假設

假設1：假設會員和任務發布者都熟練使用“拍照賺錢”軟件。

假設2：會員和任務發布者都以自身利益最大化為導向，即會員挑選相同時間內獲得利益最多的方法。

假設3：任務的選取各自獨立，互不影響。

假設4：不考慮地方政策原因

3.基于層次分析的任務定價分析

3.1定價與完成量的關系。對數據進行二次處理，價格在70以上的任務完成率在70%以上，而70以下的價格完成率偏低。定價與完成量成正相關。當任務價格偏低時，難以形成誘惑力，會員將挑選價格更高的任務，以期獲得更高的回報，所以價格定的相對高一點，預期的完成率也會偏高。

3.2地理位置對任務完成度的影響。利用地球無憂網站，將任務完成和未完成的地理位置分別在地圖中標注出來。分析得，未完成的任務主要聚集在廣州市區，佛山市區，深圳市區，完成的任務則大量聚集在東莞市區、順德區或零星散布在廣州各個鄉鎮。通過查閱資料[4]發現，在GDP上，廣州>深圳>佛山>東莞，而在完成度上，則是東莞>佛山>深圳>廣州，經濟發展與任務完成度是成反相關。為何會產生以上現象，經過細致討論，得出以下觀點：

3.2.1居民忙碌程度。在廣州、深圳等地，城市化程度、經濟發展水平高，工作繁忙的人員占居民比重大，他們忙于自己的工作，沒有時間上網接單。而東莞主要是工廠聚集地，工作地點必然在工廠內，居民下班后有空閑時間去接單。

3.2.2任務報酬對居民的誘惑程度。經濟發展程度高的城市的人力勞動成本必然高于經濟發展程度相對低的城市，所以四個城市的人均工資必然服從此關系：廣州>深圳>佛山>東莞。因此平均報酬只有69.11的任務，對身處大城市的工作人員產生不了特別大的誘惑，而處于東莞、佛山工資較低的居民普遍會選擇這類APP來賺取額外資金。

3.2.3拍照賺錢任務發展程度。拍照賺錢，作為一種新的賺錢模式，在廣州、深圳這種經濟發展快速、模式復雜的城市，無法博得大量眼球。而在東莞等地，工廠模式盛行，會有更多的關注度，進而促進當地地區任務的完成。

3.3會員信譽度對任務完成度的影響。利用Matlab制作出了不同經緯度會員信譽度的三維圖，并與任務分布圖進行比較，發現會員信譽度高的地區，相對應的任務完成度也高。

4.基于任務分析制定新方案

4.1、方案。首先拿出一小部分預算，利用貪婪算法對已記錄的數據進行評估，然后根據評估結果做出如下更改：（1）GDP高的地方，任務的酬金適當提高；（2）會員多的地方，任務的酬金適當降低；（3）任務位置集中的地方，酬金適當提高。

4.2、新方案優勢

4.2.1 GDP因素。查閱資料得知，2016年廣州GDP為9891.48億，深圳GDP為9709.02億，佛山GDP為4200.11億，東莞GDP為3525.39億。分析可得：經濟發展程度（GDP）與任務完成度成反相關。因此，利用價格與經緯度的數據擬合計算出任務酬金在GDP相對較高的地點的上漲范圍，對該區域的任務酬金適當上調。相對于原方案，這樣更能調動發展水平高的地區人民的積極度，符合其收支情況。

4.2.2會員分布位置。根據會員分布與任務完成度的圖可知，會員分布多的地方，任務完成度反而低。分析其原因，主要是會員多的地方任務量卻不多，而會員少的地方，任務并不比其他地方少。因此要在會員多的地方降低定價，以促進會員的完成度，而在會員少的地方適當提高定價，以提高會員的積極性。

相對于原方案，此方案提高了會員多的地方的完成度，加強了會員少的地方的會員積極性。

5.多任務發布方案分析

先用K-means聚類算法算出距離為231.761米之內為最優解，并將整個區域劃分為8塊進行打包。

將所有任務劃分成8塊，并將每一份分別平均分成8份，24份，3份，23份，17份，17份，16份，31份。再將歷史數據擬合后與各分區對比，得出平均定價，并由此可得每個地區的打包任務定價。打包的任務有上下限，打包后的價格在原有任務疊加后，再減去0.5%的酬金，然后對于各因素，在這0.5%進行上下浮動。并且，在任務打包的過程中，可將之前難以完成的任務分配打包在一起，利用此方式，將難以完成的任務順帶完成。

5.1會員位置影響。在會員較密集的地區應將可預訂打包限額控制在1-2個，以避免壟斷現象，并且在這些地區在減去0.5%的基礎上再減去0.1%左右的酬金，以降低成本。而在會員較少的地區應將可預訂打包限額控制在2-3個，避免無人領取任務，并且重復上述酬金政策，以促進會員積極性。

5.2會員信譽度影響。根據會員信譽度來控制每個人的預定打包限額。對于信譽度高于100的可預定3個打包任務，信譽度低于100高于20的可預定2個打包任務，而對于低于20的只可預定1個打包任務。

5.3任務位置影響。任務位置的密集程度也會影響任務的完成度。在任務密集處，會因任務太多而影響任務完成度，應在此處適當放寬可打包任務的限額，并在減去0.5%酬金的基礎上附加一定的獎金額，以激勵會員提高完成度。而在任務較少處，

應適當減少限額，避免供不應求的現象發生。

6.總結

模型優點：GDP，會員位置分布、會員信譽度、任務位置分布四個因素貫穿整個模型，模型較有說服力。并且在設計方案時，完成度與成本都考慮在內，使任務發布商及會員的利益最大化。

模型缺點：模型中很多問題只能及概念描述，難以算出確切的值，并且在方案制作中僅考慮了會員位置分布、會員信譽度、任務位置分布三個因素，未能算上時間，交通等其他因素。

【參考文獻】

【1】陳明 腦動力MATLAB函數功能速查效率手冊.

【2】姜啟源，謝金星，數學模型（第三版）【M】.北京：高等教育出版社2003.

【3】地球無憂

https：//www.dituwuyou.com/map/viewer？mid=NdwYNP8yOVmslWt-p1OcwA

【4】《數學模型及其應用》戴明強，宋業新 主編/2015-02-01/科學出版社.