1、.“拍照賺錢”類軟件任務(wù)定價規(guī)律的探討與改良方案分析摘要隨著互聯(lián)網(wǎng)技術(shù)的發(fā)展，人們在經(jīng)濟水平飛速發(fā)展的同時，各種觀念也在不斷變化；例如互聯(lián)網(wǎng)技術(shù)已通過其龐大的用戶量及強大的執(zhí)行效率使得許多曾需要專人投入大量成本的傳統(tǒng)行業(yè)趨于大眾化、分散化。例如最近市場上新興的“拍照賺錢”軟件，它利用人們的零散時間隨時隨地拍照賺錢，備受大眾青睞。然而該類軟件仍然存在定價不合理、任務(wù)完成度不高等阻礙該類軟件發(fā)展的瓶頸。本文通過對客戶與任務(wù)位置、完成任務(wù)收益等變量進行數(shù)學模型分析，提出了一些比該類軟件現(xiàn)行運作模式更科學、更高效的方案。第一問中，為確定現(xiàn)有定價方案的問題，我們以任務(wù)分配范圍內(nèi)不同的城區(qū)作為基本單位，將

2、任務(wù)根據(jù)定價分為三份，并通過建立線性回歸方程了解了各客觀變量對定價產(chǎn)生的影響，再通過對失敗案例的因子分析找到了導致失敗的變量及它們對失敗變量的影響程度。第二問設(shè)計新方案時，以為拍照賺錢平臺帶來最大利潤為根本目的，將現(xiàn)有方案與變量間相互作用情況相似的壟斷性市場中打車平臺收費方案進行類比，分析并一一對應(yīng)相應(yīng)的變量關(guān)系，再通過現(xiàn)有的對打車平臺獲利最大值計算的模型變量的類比得出新方案。第三問中，通過聚類分析可以將5個相聚較近的變量進行“打包”。“打包”的點即為包點，將其代入第一問中地址相關(guān)信息，可求出打包后每個地區(qū)所具有的“包點”的個數(shù)，再由第二問公式問求出定價，并與原始結(jié)果進行對照。第四問中，將所給

3、密集數(shù)據(jù)視為在同一點進行“打包”，求出打包結(jié)果所在點的gps并代入第一問中的值關(guān)鍵詞：自然區(qū)域分區(qū)、多項線形回歸預測、因子分析、類比、curve fitting tool、聚類分析、一、問題重述精品.隨著科技日新月異的發(fā)展，人們獲取錢財?shù)姆椒ㄔ絹碓蕉啵?“眾包”一詞也出現(xiàn)在大眾視野。眾包指的是一個公司或機構(gòu)把過去由員工執(zhí)行的工作任務(wù)，以自由自愿的形式外包給非特定（而且通常是大型的）大眾網(wǎng)絡(luò)的做法。眾包的任務(wù)通常是由個人來承擔，但如果涉及到需要多人協(xié)作完成的任務(wù)，也有可能依靠開源的個體生產(chǎn)的形式出現(xiàn)。其中，“拍照賺錢”是一股熱流，它能及時反映商家想要了解的問題以及隨時發(fā)布或更新任務(wù)，用戶只需登錄

4、手機客戶端，找到適合自己的差事，按要求按時完成，就能獲得相應(yīng)的酬金。但是，“拍照賺錢”也存在著許多問題，例如有些任務(wù)的位置與任務(wù)完成難度直接相關(guān)，部分易于完成的任務(wù)會被“爭搶”，而另一些任務(wù)就因位置不太合適或時間點比較不妥就導致接單比較少。而且，任務(wù)的定價也和位置，時間等因素有關(guān)，然后這也影響到了接單率。分析任務(wù)定價規(guī)律，如何設(shè)置合適的任務(wù)定價方案來提高任務(wù)的完成率；在實際中，因為用戶分布比較密集導致的任務(wù)被爭搶而實行將一些任務(wù)聯(lián)合在一起打包發(fā)布時，如何修改定價模型以及修改后會對任務(wù)完成情況造成什么后果，這些問題都是我們要思考并解決的。這些問題一旦被解決之后，對商家，平臺以及用戶，都是一種更好

5、的體驗感受，也能更大限度的發(fā)揮出該軟件的作用。二、問題分析第一問中，由題意可知，所給條件內(nèi)可能與價格分布有關(guān)的僅有由經(jīng)緯度確定的地理位置情況與會員的密度等相關(guān)變量。此時可假設(shè)其中一個變量為影響價格的唯一因素，并進行擬合運算。若成功，則以該方案進行運算；若失敗，即將所有變量作為擬合元素進行計算，求出影響定價因素，并用因子分析求出失敗率。第二問中，重新分配定價的根本目的是給予平臺方更大的利益。這里可以采用類比的方法，將拍照賺錢平臺的各個變量與市場上已廣泛使用的出租車打車軟件的各項變量進行類比，并得出適用于現(xiàn)有模型的求定價方案。第三問中，通過分析的5個點的相關(guān)位置信息求均值，并將5個點的對應(yīng)屬性（經(jīng)

6、緯度、價格分配等）的總和視為一個“較大”的點，可求出多個點共同作用在區(qū)域中分布情況。第四問將所給點數(shù)代入前問所求出的多種解析方法，尋找最優(yōu)解并根據(jù)數(shù)據(jù)分布特色做出最合適的解析方案。三、模型假設(shè)1.假設(shè)同一之間題中會員所在地域（深圳、佛山、東莞、廣州等地）的氣候條件基本相同，氣候差異不會對會員的任務(wù)完成情況產(chǎn)生實質(zhì)性影響。精品.2.假設(shè)會員會以效率優(yōu)先的原則選擇最近的拍照地點，不傾向于在任務(wù)充足時刻意繞遠路或進入其他城區(qū)進行拍攝。3.假設(shè)會員完成任務(wù)能力彼此間差異較小可忽略4.假設(shè)同一城市不同區(qū)之間的發(fā)展狀況差異小于不同城市間發(fā)展狀況差異5.假設(shè)會員對完成任務(wù)的積極性相對穩(wěn)定，一片區(qū)域內(nèi)題中所給

7、任務(wù)的完成與否可以體現(xiàn)出該區(qū)域會員的積極程度四、符號說明ppt：平臺獲得最大利潤的定價fd：單位地區(qū)內(nèi)平均價格o：聚類分析后單位地區(qū)定價d：會員接取可做任務(wù)的概率td：接取任務(wù)時間范圍np：任務(wù)數(shù)量五、模型的建立與求解5.1 .1 影響任務(wù)標價主要因素的確認在附件1中，我們可知835個位置不同的任務(wù)的標價與其完成情況。對題干進行分析可知，所給條件下能夠影響任務(wù)定價規(guī)律的客觀因素僅有任務(wù)所在的位置以及與可完成其的會員相關(guān)情況。假設(shè)任務(wù)標價僅與其所在位置（即經(jīng)緯度）存在聯(lián)系。以表1中數(shù)據(jù)經(jīng)度與緯度作為因變量，可得僅經(jīng)緯度一項因素與任務(wù)價格分布相關(guān)關(guān)系：variables entered/remov

8、edamodelvariables enteredvariables removedmethod精品.1任務(wù)gps 緯度, 任務(wù)gps經(jīng)度b.entera. dependent variable: 任務(wù)標價b. all requested variables entered.model summarybmodelrr squareadjusted r squarestd. error of the estimate1.167a.028.0253.331a. predictors: (constant), 任務(wù)gps 緯度, 任務(wù)gps經(jīng)度b. dependent variable: 任務(wù)標價分

9、析結(jié)果顯示，該模型在分析價格變化時可用的情況僅占16.7%，不足以證明單純的經(jīng)緯度差異與價格變化存在直接相關(guān)。由此可見，任務(wù)的定價規(guī)律與會員的分布、當?shù)貢T對任務(wù)總體完成情況以及會員信譽度等因素存在相關(guān)關(guān)系。任務(wù)的定價規(guī)律能直接影響任務(wù)的完成狀況。為確認會員總體任務(wù)完成情況與任務(wù)定價范圍差異之間的關(guān)系，我們根據(jù)人數(shù)的差異及獎勵金變化的趨勢將任務(wù)獎勵金額分為了三個區(qū)間：65,69.5，70,75，80，+，并使用xgeocoding軟件求出了題中所給坐標范圍內(nèi)所包含的不同城區(qū)內(nèi)每一個城區(qū)分布的會員人數(shù)、高信譽度會員人數(shù)相應(yīng)的任務(wù)完成狀況。實際情況如附件1所示：以每個區(qū)域內(nèi)酬金為65至69.5元內(nèi)

10、成功完成的任務(wù)數(shù)量為因變量；該區(qū)域任務(wù)完成率、分配任務(wù)數(shù)、會員數(shù)及會員完成任務(wù)數(shù)比例為自變量，通過spss的線性回歸方程功能，可建立任務(wù)量與各自變量的關(guān)系模型。結(jié)果為：精品.模型摘要模型rr 平方調(diào)整後 r 平方標準偏斜度錯誤1.923a.852.8318.007a. 預測值：（常數(shù)），高信譽會員分布, 分配任務(wù)數(shù), 會員數(shù)變異數(shù)分析a模型平方和df平均值平方f顯著性1迴歸7756.60232585.53440.328.000b殘差1346.3582164.112總計9102.96024a. 應(yīng)變數(shù): 65-69.5b. 預測值：（常數(shù)），高信譽會員分布, 分配任務(wù)數(shù), 會員數(shù)係數(shù)a模型非標準

11、化係數(shù)標準化係數(shù)t顯著性b標準錯誤beta1（常數(shù)）-4.0742.304-1.768.092會員數(shù)-.044.066-.198-.678.505分配任務(wù)數(shù).574.0871.1146.631.000高信譽會員分布-.076.423-.040-.180.859a. 應(yīng)變數(shù): 65-69.5表中數(shù)據(jù)顯示，數(shù)據(jù)變異數(shù)顯著性為0.00，適用于線性回歸分析情況；且在任務(wù)酬金為65至69.5間時且在其對應(yīng)區(qū)域時，模型對其分析的準確率達到92.4%。在模型范圍內(nèi)以各變量非標準化系數(shù)做出變量擬合方程為：同理，酬金為70至75元任務(wù)與其相應(yīng)因變量關(guān)系為：模型摘要精品.模型rr 平方調(diào)整後 r 平方標準偏斜度錯

12、誤1.890a.792.7638.119a. 預測值：（常數(shù)），高信譽會員分布, 分配任務(wù)數(shù), 會員數(shù)變異數(shù)分析a模型平方和df平均值平方f顯著性1迴歸5279.78931759.93026.697.000b殘差1384.3712165.922總計6664.16024a. 應(yīng)變數(shù): 70-75b. 預測值：（常數(shù)），高信譽會員分布, 分配任務(wù)數(shù), 會員數(shù)係數(shù)a模型非標準化係數(shù)標準化係數(shù)t顯著性b標準錯誤beta1（常數(shù)）-.7412.337-.317.754會員數(shù).004.066.022.065.949分配任務(wù)數(shù).537.0881.2186.117.000高信譽會員分布-.938.429-.5

13、81-2.185.040a. 應(yīng)變數(shù): 70-75表中數(shù)據(jù)變異數(shù)顯著性為0.00，適用于線性回歸分析情況；在對應(yīng)區(qū)域內(nèi)任務(wù)酬金為70至75之間時，模型對其分析的準確率達到89%。其擬合方程為：酬金為80元及以上的任務(wù)與其相應(yīng)因變量關(guān)系為：模型摘要精品.模型rr 平方調(diào)整後 r 平方標準偏斜度錯誤1.628a.394.3083.341a. 預測值：（常數(shù)），高信譽會員分布, 分配任務(wù)數(shù), 會員數(shù)變異數(shù)分析a模型平方和df平均值平方f顯著性1迴歸152.662350.8874.559.013b殘差234.3782111.161總計387.04024a. 應(yīng)變數(shù): 80以上b. 預測值：（常數(shù)），高

14、信譽會員分布, 分配任務(wù)數(shù), 會員數(shù)係數(shù)a模型非標準化係數(shù)標準化係數(shù)t顯著性b標準錯誤beta1（常數(shù)）-.475.961-.494.627會員數(shù)-.021.027-.447-.758.457分配任務(wù)數(shù).107.0361.0022.948.008高信譽會員分布-.027.177-.070-.155.878a. 應(yīng)變數(shù): 80以上上表中數(shù)據(jù)變異數(shù)顯著性為0.13，可用于線性回歸分析情況；且在任務(wù)酬金為80以上且在其對應(yīng)區(qū)域時，模型對其分析的準確率為62.8%。對其中數(shù)據(jù)建立擬合方程為：綜合上表中數(shù)據(jù)所述， 可知影響定價的主要因素分別為。精品.5.1.2 任務(wù)未完成的原因分析因子分析的功能是在多個

15、變量中找出隱藏的具有代表性的因子并將相同本質(zhì)的變量歸入一個因子，有檢驗變量間關(guān)系的功能。1.1.1中結(jié)論顯示，影響任務(wù)完成情況的因素包括位置因素、價格因素與所在地會員相關(guān)因素。對每個區(qū)域的失敗任務(wù)進行分析時，可用spss的因子分析功能分析出價格因素與會員數(shù)、高信譽會員分布情況和區(qū)域內(nèi)任務(wù)完成率等變量中的每一項對確立失敗結(jié)果所占影響的比重。結(jié)果如下：相關(guān)性矩陣失敗率失敗量會員數(shù)分配任務(wù)數(shù)平均收益高信譽會員分布相關(guān)失敗率1.000.452.026-.250-.459.140失敗量.4521.000.560.294-.462.653會員數(shù).026.5601.000.857-.318.923分配任務(wù)數(shù)

16、-.250.294.8571.000-.193.744平均收益-.459-.462-.318-.1931.000-.386高信譽會員分布.140.653.923.744-.3861.000表中數(shù)據(jù)顯示，會影響失敗率的變量中對失敗率影響最大的是平均收益，其次是失敗量，接下來是分配任務(wù)數(shù)、高信譽會員分布，最后是會員數(shù)。其中失敗量是無法控制的變量，而其余變量除分配任務(wù)數(shù)與平均收益對失敗率呈負相關(guān)以外，其余變量與失敗率均呈正相關(guān)。由此可知，導致任務(wù)未完成的原因可能性由大到小分別為完成任務(wù)平均收益低、區(qū)域分配任務(wù)數(shù)過少、區(qū)域內(nèi)會員信譽度高于己方，以及區(qū)域內(nèi)存在過多會員與己方競爭。5.2 附件一項目的新定

17、價方案以“拍照賺錢”軟件的角度考慮，最佳的定價方案無疑是該平臺獲得最大利潤的情況。目前，“拍照賺錢”類為一名客戶提供一對一服務(wù)機會的平臺有很多，其中各變量要素與拍照賺錢軟件平臺相似度最高的是出租車app平臺；在壟斷性市場中，相對靜止的客戶用戶通過金錢根據(jù)題意，可將拍照賺錢系統(tǒng)類比為壟斷型市場。其他公司以一定資金向拍照賺錢平臺投送任務(wù)可類比為行人向平臺繳納注冊費；用戶以個數(shù)為單位完成平臺分配的任務(wù)可以類比為壟斷型市場中司機單次接觸乘客與平臺發(fā)生的交易費。因此用戶與平臺的合理定價關(guān)系可類比為司機以交易費形式從打車軟件平臺搭載注冊費形式乘客的定價關(guān)系。為1：精品.式中ppt為所求的，能使平臺獲得最大

18、利潤的新定價；fd為單位成本，在本題中即為單位地區(qū)內(nèi)平均價格； d為司機接觸偏好乘客（本題中即為會員接取可做任務(wù)）的概率；0至td為單位司機接觸乘客時間范圍（接取任務(wù)時間范圍）；np為乘客（任務(wù)）數(shù)量；ap為增加一單位司機（會員）導致乘客（任務(wù)）增加的效用，為司機對乘客的交叉網(wǎng)絡(luò)外部性系數(shù)；（ud）的值為駕駛員（ud）=nd，本題中為會員數(shù)）數(shù)量的效應(yīng)函數(shù)2。由附錄1中表格可分別知或求出任務(wù)所給范圍內(nèi)各個區(qū)域的上述變量，進而求出每一區(qū)域ppt的值（見附錄1“o”列）；根據(jù)1-1-1分析的數(shù)據(jù)，可用matlab的curve fitting tool工具求出價格與完成率曲線及其相關(guān)變量。曲線如下：

19、其中a0 = 69.67 (66.68, 72.66) a1 = 0.6826 (-4.241, 5.606) b1 = -3.552 (-5.998, -1.106) w = 4.806 (1.194, 8.417)再將新的ppt值代入曲線，則可求出本方法在每個地區(qū)的完成率（見附錄1“p”列）。在此方程中，將本應(yīng)為因變量的完成率視為了自變量，本應(yīng)為自變量的定價視為了因變量。因此以定價為自變量的方程為上述方程的反函數(shù)。為：將新方案完成率與舊方案完成率進行平均數(shù)比較，發(fā)現(xiàn)新方案中任務(wù)完成率達到0.644，而舊任務(wù)的完成率為0.560，證明新模型在增加平臺獲利的同時可以增加任務(wù)完成率。5.3 任務(wù)

20、打包發(fā)布情況下的定價模型與對結(jié)果的影響精品.5.3.1 對任務(wù)打包的方案附錄1中數(shù)據(jù)顯示，任務(wù)完成情況與任務(wù)的相關(guān)地理位置有關(guān)。為排除會員在選擇任務(wù)時發(fā)生沖突的情況，我們以5個任務(wù)為一組，用spss對所有任務(wù)進行k-均值聚類分析。得出結(jié)果見附錄2；將進行過聚類分析的5個點的相關(guān)屬性范圍求和，并將5個點的對應(yīng)屬性（經(jīng)緯度、價格分配等）的總和視為一個“較大”的點（稱為包點）。圖3-1：附錄1中已完成任務(wù)確立出的包點數(shù)量及分布5.3.2 打包過的任務(wù)在原任務(wù)相應(yīng)城區(qū)位置的分布與計算包點的信息代表點內(nèi)元素的綜合信息。在5.3.1中，我們可以求出各個包點的經(jīng)緯度，并將經(jīng)緯度信息與所在城區(qū)一一對應(yīng)（見附1

21、中）。每一區(qū)中包點的數(shù)量*5既是影響該區(qū)域點總數(shù)的數(shù)量。直接將相關(guān)數(shù)據(jù)代入5-2中公式，可求得包點情況下在不同區(qū)域范圍內(nèi)每一點的定價和完成率，最后求得的總體平均的完成率為64.5%。比之前第二問的結(jié)果64.4%略有增長。由此可見將數(shù)據(jù)打包對提高精確度有一定積極影響。5.4 附件三的任務(wù)定價方案與實施效果預估精品.5.4.1 附件三任務(wù)的地址分布通過matlab的curve fitting tool工具分析附件3中，可將新舊任務(wù)點在地理上的分布較為清楚直觀地展現(xiàn)。圖4-1：已完成任務(wù)的地理分布情況。精品.圖:4-2：新任務(wù)的地理分布情況。如上圖所示，附件三所給任務(wù)的經(jīng)緯度上下限分布與已完成數(shù)據(jù)基本相同，但附件三中數(shù)據(jù)密集程度遠遠大于已完成數(shù)據(jù)的密集程度。5.4.2 新數(shù)據(jù)的任務(wù)定價方案由于附件3中任務(wù)總數(shù)大，分布范圍極小且散點較少，可忽略分散分布的點，并將中心周圍密集分布的點集中至中心點進行“打包”。其中由于最下方區(qū)域面積較大，根據(jù)變量數(shù)量與前一問比例將其分層六份。結(jié)果如下：任務(wù)數(shù) 打包變量數(shù) 平均價格打包后定價打包后完成率上2585166.625 49.6250.488974中2494966.192 49.85897