聞晨陽 錢黎磊 宋杭天 過一鋒 趙祎平

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

【關(guān)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(lián)網(wǎng)下的一種自助式服務(wù)模式。用戶下載APP并注冊成為會員，從APP上領(lǐng)取需要拍照的任務(wù)（比如去超市檢查某種商品的上架情況），賺取APP對任務(wù)所標(biāo)定的酬金。這種基于移動互聯(lián)網(wǎng)的自助式勞務(wù)眾包平臺，為企業(yè)提供各種商業(yè)檢查和信息搜集，相比傳統(tǒng)的市場調(diào)查方式大大節(jié)省了調(diào)查成本，而且有效地保證了調(diào)查數(shù)據(jù)真實性，縮短了調(diào)查的周期。而APP中的任務(wù)定價是核心要素，如果定價不合理，有的任務(wù)就會無人問津，而導(dǎo)致商品檢查失敗。

2.模型假設(shè)

假設(shè)1：假設(shè)會員和任務(wù)發(fā)布者都熟練使用“拍照賺錢”軟件。

假設(shè)2：會員和任務(wù)發(fā)布者都以自身利益最大化為導(dǎo)向，即會員挑選相同時間內(nèi)獲得利益最多的方法。

假設(shè)3：任務(wù)的選取各自獨立，互不影響。

假設(shè)4：不考慮地方政策原因

3.基于層次分析的任務(wù)定價分析

3.1定價與完成量的關(guān)系。對數(shù)據(jù)進(jìn)行二次處理，價格在70以上的任務(wù)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(guān)。當(dāng)任務(wù)價格偏低時，難以形成誘惑力，會員將挑選價格更高的任務(wù)，以期獲得更高的回報，所以價格定的相對高一點，預(yù)期的完成率也會偏高。

3.2地理位置對任務(wù)完成度的影響。利用地球無憂網(wǎng)站，將任務(wù)完成和未完成的地理位置分別在地圖中標(biāo)注出來。分析得，未完成的任務(wù)主要聚集在廣州市區(qū)，佛山市區(qū)，深圳市區(qū)，完成的任務(wù)則大量聚集在東莞市區(qū)、順德區(qū)或零星散布在廣州各個鄉(xiāng)鎮(zhèn)。通過查閱資料[4]發(fā)現(xiàn)，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(jīng)濟發(fā)展與任務(wù)完成度是成反相關(guān)。為何會產(chǎn)生以上現(xiàn)象，經(jīng)過細(xì)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(jīng)濟發(fā)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(wǎng)接單。而東莞主要是工廠聚集地，工作地點必然在工廠內(nèi)，居民下班后有空閑時間去接單。

3.2.2任務(wù)報酬對居民的誘惑程度。經(jīng)濟發(fā)展程度高的城市的人力勞動成本必然高于經(jīng)濟發(fā)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(guān)系：廣州>深圳>佛山>東莞。因此平均報酬只有69.11的任務(wù)，對身處大城市的工作人員產(chǎn)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(wù)發(fā)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(jīng)濟發(fā)展快速、模式復(fù)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(guān)注度，進(jìn)而促進(jìn)當(dāng)?shù)氐貐^(qū)任務(wù)的完成。

3.3會員信譽度對任務(wù)完成度的影響。利用Matlab制作出了不同經(jīng)緯度會員信譽度的三維圖，并與任務(wù)分布圖進(jìn)行比較，發(fā)現(xiàn)會員信譽度高的地區(qū)，相對應(yīng)的任務(wù)完成度也高。

4.基于任務(wù)分析制定新方案

4.1、方案。首先拿出一小部分預(yù)算，利用貪婪算法對已記錄的數(shù)據(jù)進(jìn)行評估，然后根據(jù)評估結(jié)果做出如下更改：（1）GDP高的地方，任務(wù)的酬金適當(dāng)提高；（2）會員多的地方，任務(wù)的酬金適當(dāng)降低；（3）任務(wù)位置集中的地方，酬金適當(dāng)提高。

4.2、新方案優(yōu)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(jīng)濟發(fā)展程度（GDP）與任務(wù)完成度成反相關(guān)。因此，利用價格與經(jīng)緯度的數(shù)據(jù)擬合計算出任務(wù)酬金在GDP相對較高的地點的上漲范圍，對該區(qū)域的任務(wù)酬金適當(dāng)上調(diào)。相對于原方案，這樣更能調(diào)動發(fā)展水平高的地區(qū)人民的積極度，符合其收支情況。

4.2.2會員分布位置。根據(jù)會員分布與任務(wù)完成度的圖可知，會員分布多的地方，任務(wù)完成度反而低。分析其原因，主要是會員多的地方任務(wù)量卻不多，而會員少的地方，任務(wù)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(jìn)會員的完成度，而在會員少的地方適當(dāng)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(wù)發(fā)布方案分析

先用K-means聚類算法算出距離為231.761米之內(nèi)為最優(yōu)解，并將整個區(qū)域劃分為8塊進(jìn)行打包。

將所有任務(wù)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(shù)據(jù)擬合后與各分區(qū)對比，得出平均定價，并由此可得每個地區(qū)的打包任務(wù)定價。打包的任務(wù)有上下限，打包后的價格在原有任務(wù)疊加后，再減去0.5%的酬金，然后對于各因素，在這0.5%進(jìn)行上下浮動。并且，在任務(wù)打包的過程中，可將之前難以完成的任務(wù)分配打包在一起，利用此方式，將難以完成的任務(wù)順帶完成。

5.1會員位置影響。在會員較密集的地區(qū)應(yīng)將可預(yù)訂打包限額控制在1-2個，以避免壟斷現(xiàn)象，并且在這些地區(qū)在減去0.5%的基礎(chǔ)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(qū)應(yīng)將可預(yù)訂打包限額控制在2-3個，避免無人領(lǐng)取任務(wù)，并且重復(fù)上述酬金政策，以促進(jìn)會員積極性。

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

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

應(yīng)適當(dāng)減少限額，避免供不應(yīng)求的現(xiàn)象發(fā)生。

6.總結(jié)

模型優(yōu)點：GDP，會員位置分布、會員信譽度、任務(wù)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(shè)計方案時，完成度與成本都考慮在內(nèi)，使任務(wù)發(fā)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(wù)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(xiàn)】

【1】陳明 腦動力MATLAB函數(shù)功能速查效率手冊.

【2】姜啟源，謝金星，數(shù)學(xué)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(shù)學(xué)模型及其應(yīng)用》戴明強，宋業(yè)新 主編/2015-02-01/科學(xué)出版社.