“拍照賺錢”的任務定價

盧施奇，陳子煒，程 荃

(北京體育大學 管理學院，北京 100084)

1 問題重述

1.1 背景知識

“拍照賺錢”是隨著互聯網的發展新興起的一種自助式服務模式。用戶在手機上下載App，注冊成為會員，然后從App上領取需要拍照的任務，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，為企業提供信息搜集和商業檢查，相比傳統的市場調查方式可以大大節省調查成本，并且有效保證了數據調查的真實性，縮短了調查的周期。因此App成為該平臺運行的核心。任務定價是App的核心要素，因為如果定價不合理，有的任務就會無人問津，最終導致商品檢查的失敗。

1.2 要解決的問題

研究給出的部分項目的任務定價規律，并分析任務未完成的原因。

給這些項目設計新的任務定價方案，并和原方案進行比較。

實際情況下，多個任務可能因為位置比較集中，導致用戶會爭相選擇，一種考慮是將這些任務聯合在一起打包發布。在這種考慮下，如何修改前面的定價模型，并分析對最終的任務完成情況的影響。

對給處的新項目設計一個任務定價方案，并評價該方案的實施效果。

2 問題分析

問題一：首先，筆者認為任務的定價是一個二元函數，它和任務地點距離任務中心點的距離有關，也和會員地點距離會員中心點的距離有關。筆者先用Matlab對任務地點進行層次聚類，結果顯示最好分成幾類，然后運用SPSS的K均值聚類得出這幾類的坐標。在谷歌地圖上對這幾個坐標一一查詢，確定出中心區域(會員地點同理)。其次，用Excel建立函數求出各個任務地點與中心點的距離以及各個會員地點據會員中心點的距離，然后利用這些距離數據擬合出一個關于任務價格的函數，并且測定該函數與原數據的擬合度。最后，分析任務地點與任務聚集的中心區域和會員聚集地三者關系，并運用目標設定理論等心理學理論分析任務定價的規律和任務未完成的原因。

問題二：在問題一的基礎上，將任務獲取的難易程度納入考慮范圍，并且將人均獲取的任務量定義為任務獲取難易的程度。

問題三：因為是涉及任務聯合問題，因而將原來的定價模型分為兩個部分，第一部分即用戶到該任務點所應獲得的酬勞，以及從該任務點出發到其他聯合任務點所需要的酬勞。由此酬勞的其中一部分即需要考慮用戶同第一個任務點的距離及其相關因素，第二部分即任務點之間轉換所需考慮的因素。修改后的模型可以促進任務的完成率，提升部分用戶的經濟收入。

問題四：提高計算精度，將會員應得的報酬更加細致地表現出來。從App的收入以及客戶滿意程度這兩個維度對新的任務定價方案進行分析。

3 模型假設

第一，假設所有人都是理性的經濟人。

第二，假設某些個別的任務位置偏離，導致個別任務中心區域存在誤差。

第三，假設會員選取任務的考慮因素只是客觀的，不考慮多樣的主觀因素。

第四，假設會員之間不存在差異性。

4 符號說明

本文所用主要符號變量符號及意義如表1所示。

表1 文中主要變量符號說明

續表

5 模型建立和求解

用Matlab對任務地點進行分層聚類，結果顯示最好分成五類。所以，附錄一中的任務地點可以被分為類別1、類別2、類別3、類別4、類別5。各個類別所包含的任務地點數量如表2所示。

表2 每個集群中的頻數分布

之后再利用SPSS軟件中的K均值聚類，在5個類別中分別得到5個中心點。坐標分別為：

(X1=22.943214445,Y1=113.75312006)、(X2=23.00649466，Y2=113.10047901)、(X3=23.58329231，Y3=113.59590074)、(X4=22.66128623，Y4=114.0856776)、(X5=23.16947939，Y5=113.31220156)如表3所示。

表3 最終聚類中心

然后用Excel軟件將附件一中的任務位置、任務執行情況以及上文提及的5個中心點顯示在三維地圖上。

在Google地圖上對這五個坐標一一查詢，也確定出了這五個中心區域。然后用Excel將附件一中的任務位置和附件二中的會員位置顯示在了三維地圖上，分析任務地點與會員位置的關系。

對會員所在地的經緯度進行K均值聚類，發現其僅有一個中心點(Cx=22.92932908，Cy=113.63726825)。

之后筆者運用以下函數計算各個類別中各個任務地點距離中心點的距離Dn，以及各個會員地點距離會員中心點的距離Dc。

Dn=6371004×ACOS(SIN(RADIANS(Xn))×SIN(RADIANS(xn))+COS(RADIANS(Xn))×COS(RADIANS(xn))×COS(RADIANS(yn-Yn)))

Dc=6371004×ACOS((SIN(RADIANS(Cx))×SIN(RADIANS(xn))+COS(RADIANS(Cx))×COS(RADIANS(xn))×COS(RADIANS(yn-Cy))))

最后，運用SPSS數據分析，得出了任務價格Z與Dn，Dc呈現下圖的函數關系：

Z=0.31225337×Dn+0.16950474×Dc+64.71688731

筆者得出的價格曲線，與原數據擬合度達到了0.132。如表4所示。

表4 模型總結b

注：a.人地距離

b.任務標價

6 模型評論與推廣

6.1 模型的優點

(1) 運用Matlab、SPSS等軟件工具將附件中大量的數據聚類分析，結論更為清晰、直觀。

(2)方案較為符合實際情況，具有可采納性。

6.2 模型的缺點

(1)未考慮會員的主觀因素及個體差異，所以計算結果與實際狀況存在偏差，不夠精確。

(2)近似處理對于計算的準確度存在影響。

(3)擬合優化程度是約為21%，也就是說，只能預測出約21%的價格，存在局限性。

[1]孫吉貴,劉杰,趙連宇. 聚類算法研究[J]. 軟件學報,2008(1):48-61.

[2]王惠文,孟潔. 多元線性回歸的預測建模方法[J]. 北京航空航天大學學報,2007(4):500-504.

[3]陳希孺. 廣義線性模型(一)[J]. 數理統計與管理,2002(5):54-61.

[4]孫健敏. 人力資源管理中工作設計的四種不同趨向[J]. 首都經濟貿易大學學報,2002(1):58-62.

[5]孫泠. 互聯網+賦予大數據無盡想象[J]. IT經理世界,2015(15):18-20.