基于心理預期價格的眾包模式定價策略的研究與改進

呂宣　蔣偉

摘要：本文對“拍照賺錢”這一勞務眾包模式的任務定價方案進行了探討。研究了一種任務定價規律。優化設計新的定價策略。得出定價規律為圍繞最低定價的聚類中心點。任務定價隨任務距離中心遠近和附近用戶密度而變化。此后。求解出任務定價函數和會員心理預期價格函數。將未完成任務的定價提升至會員心理預期價格，將已完成任務的定價略微降低以增加收益，從而提高任務完成率、降低成本。通過價格遞推模型，會員因接受任務數量增多及效率提高而優先考慮選擇位置距離較近的任務，發包方可采用打包分配并適當降低總體價格以獲得更大收益。實驗結果表明任務定價方案具有很強的彈性，針對實際情況提出了改進的方案，并分析了其在其他領域的推廣應用，在實際應用中有較大的參考價值。

關鍵詞：心理預期價格 聚類分析 打包分配 價格遞推

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，注冊成為APP的會員，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。在這種基于移動互聯網的自助式勞務眾包商業模式中，發包方（企業）通過APP（中介平臺）發布拍照任務，接包方（網絡大眾）提交任務并獲取報酬，模糊企業邊界，資源整合，共享信息，充分發揮了網絡大眾的能動性，也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可以大大節省調查成本，而且能夠有效地保證調查數據的真實性，縮短調查的周期，實現多主體合作創新，其運作模式流程圖如下：

發包方的期望是以盡可能少的成本，完成盡可能多的任務。而任務定價則是影響成本和任務完成率的核心因素，若APP定價過低，部分任務將無人問津，從而使完成率驟降，影響工作質量。若APP定價過高，則成品難以控制，還可能因用戶搶單系統崩潰的情況。

一、規律分析

（一）發包方定價策略分析

根據實際情況分析可知，市中心等人口眾多、經濟發達地帶存在更多用戶，此處任務供大于求，因此定價趨向于相對較低水平；而城郊、山區等欠發達地區用戶較少，此處任務供小于求，因此發包方定價趨向于相對較高水平。

運用K-means聚類方法，將經度、緯度、任務定價作為分類指標進行聚類，得到四處任務聚類中心如表1.1：

基于實際調查與理論分析，影響發包商任務定價策略的主要因素為：距離任務聚類中心的遠近l_i，附近的用戶密度p_j。利用經緯度計算兩點間的弧長即為兩點間的距離。因此，將方圓5km以內的用戶數量作為衡量會員密度的指標，將任務點與四個任務聚類中心的最短距離作為衡量任務距離任務中心的指標，并將這兩個指標作為求解任務定價函數的決策變量。經過多次擬合，得到最優擬合結果，P為關于p_j，l_i的三次含交叉項方程。

R²為0.9621，擬合函數式預測可靠性較高。多元非線性函數方程在95%的置信區間內能夠解釋96.21%的數據，進一步檢驗，利用Excel求得平均誤差為4.24，相對誤差為0.06，該方程能夠解釋絕大多數變量關系，有極優的適用性。

（二）接包方心理預期價格分析

類比方法可得，根據市場準則與用戶心理分析，影響接包方心理預期價格分析的主要因素為：用戶與任務點的最短距離，附近的任務密度p_j。因此，將方圓5km以內的任務數量作為衡量任務密度的指標、會員與任務問的最短距離，這兩個指標作為求解任務定價函數的決策變量，并根據實際情況進行參數的調整。

經過多次擬合，得到最優擬合結果，P關于p_j，l_i的多元非線性函數方程為：

Q=-0.006001p_i+0.005293l_j+66.84 （2）

R²為0.9709擬合函數式預測可靠性較高。多元非線性函數方程在95%的置信區間內能夠解釋97.09%的數據，進一步檢驗，利用Excel求得平均誤差為3.27，相對誤差為0.044，該方程能夠解釋絕大多數變量關系，有普遍的實用性。

二、改進定價策略

（一）未完成原因分析

經分析，任務未完成主要有以下原因：

（1）部分聚類中心周圍的任務多數未完成，說明在該區域任務的定價普遍未達到會員的與心理預期價格。

（2）部分區域完成與未完成的任務大致呈離散均勻分布，說明該區域受多種因素影響，需要進一步考量任務定價和會員心理預期價值的適當調整，適當提高未完成任務的標定價格，降低已完成任務的標定價格。

（二）調整成本定價

因此，將未完成任務的定價提升至會員心理預期價格，將已完成任務的定價略微降低以增加收益。最終，任務完成概率相比原定價方案提高了35.82%，并同時可為發包方節省一定的支出。

（三）打包分配遞推定價

考慮到實際情況中部分任務的位置比較集中，基于任務完成效率提高和接受任務數量增多的考量，會員用戶會優先考慮選擇此類任務。基于市場需求，此類打包發布情況存在供不應求的情況，發包方可適當降低總價以節約成本。因此，我們可依此對定價方案進行修改。

首先，會員接收單個任務的情況，仍采用之前的定價方案；其次，針對一些距離較近，此處定義為互相距離平方和小于10的任務群，針對發布任務的情況，建立遞推模型，對價格進行了模擬規定，具體運算步驟如下：

Step1假設有5個任務，將其分別標記為a，b，c，d，e；對應的初始單價分別記為x，y，z，w，y；

Step2當接包中含有兩個任務a，b時，會員所得報酬為0.95（x+y）；

step3當接包中含有三個任務a，b，c時，會員所得報酬為0.95[0.95（x+y）+z]；

Step4依此類推，可得接收打包任務時會員可得的總報酬。

考慮到價格遞減模型隨著任務數量的逐漸增大，當大于某一閾值時，由于價格降幅過大，打包任務對會員的吸引力也逐漸降低，因此，我們擬將打包任務數量上限設定為5，在合理價格區間內達到對接包方的最大吸引力。

（四）改進定價策略效果分析

相比于傳統定價策略的成本較高但任務完成率不甚高的定價方案，改進后的定價策略充分地利用了用戶機制，調動了用戶接受任務的積極性，不僅降低了成本，同時提高了任務的完成率，使發包方獲得更大的經濟收益，加速了社會資源優化共享的發展步伐。

改進的眾包模式定價策略適用范圍廣泛，具有很強的通用性，可廣泛應用于基于距離遠近進行任務定價或打包發布任務的外賣及快遞配送平臺。在考量了實際生活中順風接單及集中執行任務的情況下，可廣泛應用于集中區域配送的外賣及快遞平臺或順風接送出行的打車軟件中，有很強的生活實用性。