基于移動互聯網的眾包任務定價設計

沈瑩瑩，馬意彭，李樂吟

（南京郵電大學a.通信與信息工程學院；b.電子與光學工程學院，南京210000）

引言

任務是移動互聯網下的一種自助式服務模式。用戶下載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，有效地保證了調查數據的真實性，縮短了調查的周期。因此，APP成為該平臺運行的核心，而APP中的任務定價又是其核心要素。

一、眾包任務定價方案分析

結合任務信息和會員信息，分析確定出影響任務定價的相關因素，然后采用逐步回歸方法建立出任務定價關于顯著因素的關系式，剔除其中的影響不顯著因素。

（一）影響因素界定

任務密度：會員附近的任務集中程度。

會員密度：任務點附近會員集中程度。

信譽密度：會員的信譽值在任務點的貢獻程度。

預訂限額密度：會員的預訂任務限額對任務點的影響程度。

（二）逐步回歸分析任務定價方案

通過逐步回歸篩選出對任務定價影響顯著的指標，在此基礎上分析眾包任務的定價方案。利用SPSS軟件進行逐步回歸分析，得到的回歸方程為

y=-0.0138x+80.815

其中，x為會員密度，y為任務定價。通過回歸方程擬合度檢驗發現方程可接受。

由回歸方程分析可知，眾包任務的定價方案主要考慮了會員密度，即對會員密度相對較大的任務定價相對較低。分析原因在于，對于周邊會員相對集中的任務，完成難度較低，為節約成本，不必定價過高也能保證任務的完成；而對于周邊會員相對分散的任務，則需要提高定價來吸引會員完成任務。

二、任務定價方案改進

分析發現，原始的定價方案還存在不足之處，直觀體現在任務的完成率較低。因此，改進眾包任務的定價方案以實現用較少的增加成本完成較高的完成率。

（一）任務完成情況的分類模型

本文采用支持向量機作為確定任務完成情況的分類判別模型的方法。選取任務密度、信譽密度以及任務定價作為影響任務執行情況的因素，利用支持向量機得到分類判別模型為

g（x）=sgn[-0.00208x1+0.0000047x2+0.10023x3-6.92836]

令 w（x）=-0.00208x1+0.0000047x2+0.10023x3-6.92836，

則 g（x）=sgn[w（x）]

其中，x1、x2、x3分別表示任務密度、信譽密度以及任務定價。當 w（x）≥0，g（x）=1 屬于第一類，即該任務完成；當w（x）＜0，g（x）=-1 屬于第二類，即該任務未完成。

（二）雙目標規劃模型

以任務完成個數最多、任務增加的總定價最小為目標建立雙目標規劃模型，以原有的定價等級為約束。計算得出任務的新的定價，從而得到新的定價方案，與原有的方案進行比較。

雙目標規劃模型為：

利用LINGO軟件對雙目標規劃模型進行求解，得到改進后的任務定價方案。改進后的任務定價方案中，在未完成任務中需要重新定價的任務有220個，其余的93個任務提高任務定價也不能夠使其完成，因此定價保持不變以節約成本。

改進后的定價方案相比原始定價方案，完成任務數量增加了220個，任務完成率提高了25.39%。可以看出，改進后的任務定價方案在任務完成率上有了顯著的提高，并且平臺增加的開銷為654.5元，實現了希望用較少的增加成本完成較多的任務的目的，經濟效用顯著。

結語

對平臺給出的任務定價方案進行逐步回歸分析，發現平臺定價方案的不足之處，進而提出改進方案。利用雙目標規劃模型從多個角度進行分析考察，給出更有效率的任務定價方案。最后，完整的眾包任務定價方案確定，并通過數據匯總檢驗發現確實能夠在提高任務完成率的同時節約成本開銷，具有較高的經濟效用，能夠在實際生活中得到很好的應用。