关于“拍照赚钱”众包任务定价的研究

闻晨阳 钱黎磊 宋杭天 过一锋 赵祎平

【摘 要】该文旨在根据市场，地理位置等不同因素对“拍照赚钱”APP的众包任务制定合理的定价方案。首先利用Matlab分别制作出了任务经纬度与定价和会员信誉度的关系图，通过“地球无忧”网站，画出了任务的分布图，对比各个结论图。接着利用经纬度及价格的数据拟合和对各地GDP的拟合对这三个方面进行改进，然后利用K-means聚类算法算出几个分区，通过对价格数据的拟合，算出分区的平均定价。最后用Matlab制作数据表的散点图，融合打包任务定价模型，同时制定单个任务及打包任务的定价方案。

【关键词】曲线拟合；层次分析；K-means聚类算法

1.引言

“拍照赚钱”是移动互联网下的一种自助式服务模式。用户下载APP并注册成为会员，从APP上领取需要拍照的任务（比如去超市检查某种商品的上架情况），赚取APP对任务所标定的酬金。这种基于移动互联网的自助式劳务众包平台，为企业提供各种商业检查和信息搜集，相比传统的市场调查方式大大节省了调查成本，而且有效地保证了调查数据真实性，缩短了调查的周期。而APP中的任务定价是核心要素，如果定价不合理，有的任务就会无人问津，而导致商品检查失败。

2.模型假设

假设1：假设会员和任务发布者都熟练使用“拍照赚钱”软件。

假设2：会员和任务发布者都以自身利益最大化为导向，即会员挑选相同时间内获得利益最多的方法。

假设3：任务的选取各自独立，互不影响。

假设4：不考虑地方政策原因

3.基于层次分析的任务定价分析

3.1定价与完成量的关系。对数据进行二次处理，价格在70以上的任务完成率在70%以上，而70以下的价格完成率偏低。定价与完成量成正相关。当任务价格偏低时，难以形成诱惑力，会员将挑选价格更高的任务，以期获得更高的回报，所以价格定的相对高一点，预期的完成率也会偏高。

3.2地理位置对任务完成度的影响。利用地球无忧网站，将任务完成和未完成的地理位置分别在地图中标注出来。分析得，未完成的任务主要聚集在广州市区，佛山市区，深圳市区，完成的任务则大量聚集在东莞市区、顺德区或零星散布在广州各个乡镇。通过查阅资料[4]发现，在GDP上，广州>深圳>佛山>东莞，而在完成度上，则是东莞>佛山>深圳>广州，经济发展与任务完成度是成反相关。为何会产生以上现象，经过细致讨论，得出以下观点：

3.2.1居民忙碌程度。在广州、深圳等地，城市化程度、经济发展水平高，工作繁忙的人员占居民比重大，他们忙于自己的工作，没有时间上网接单。而东莞主要是工厂聚集地，工作地点必然在工厂内，居民下班后有空闲时间去接单。

3.2.2任务报酬对居民的诱惑程度。经济发展程度高的城市的人力劳动成本必然高于经济发展程度相对低的城市，所以四个城市的人均工资必然服从此关系：广州>深圳>佛山>东莞。因此平均报酬只有69.11的任务，对身处大城市的工作人员产生不了特别大的诱惑，而处于东莞、佛山工资较低的居民普遍会选择这类APP来赚取额外资金。

3.2.3拍照赚钱任务发展程度。拍照赚钱，作为一种新的赚钱模式，在广州、深圳这种经济发展快速、模式复杂的城市，无法博得大量眼球。而在东莞等地，工厂模式盛行，会有更多的关注度，进而促进当地地区任务的完成。

3.3会员信譽度对任务完成度的影响。利用Matlab制作出了不同经纬度会员信誉度的三维图，并与任务分布图进行比较，发现会员信誉度高的地区，相对应的任务完成度也高。

4.基于任务分析制定新方案

4.1、方案。首先拿出一小部分预算，利用贪婪算法对已记录的数据进行评估，然后根据评估结果做出如下更改：（1）GDP高的地方，任务的酬金适当提高；（2）会员多的地方，任务的酬金适当降低；（3）任务位置集中的地方，酬金适当提高。

4.2、新方案优势

4.2.1 GDP因素。查阅资料得知，2016年广州GDP为9891.48亿，深圳GDP为9709.02亿，佛山GDP为4200.11亿，东莞GDP为3525.39亿。分析可得：经济发展程度（GDP）与任务完成度成反相关。因此，利用价格与经纬度的数据拟合计算出任务酬金在GDP相对较高的地点的上涨范围，对该区域的任务酬金适当上调。相对于原方案，这样更能调动发展水平高的地区人民的积极度，符合其收支情况。

4.2.2会员分布位置。根据会员分布与任务完成度的图可知，会员分布多的地方，任务完成度反而低。分析其原因，主要是会员多的地方任务量却不多，而会员少的地方，任务并不比其他地方少。因此要在会员多的地方降低定价，以促进会员的完成度，而在会员少的地方适当提高定价，以提高会员的积极性。

相对于原方案，此方案提高了会员多的地方的完成度，加强了会员少的地方的会员积极性。

5.多任务发布方案分析

先用K-means聚类算法算出距离为231.761米之内为最优解，并将整个区域划分为8块进行打包。

将所有任务划分成8块，并将每一份分别平均分成8份，24份，3份，23份，17份，17份，16份，31份。再将历史数据拟合后与各分区对比，得出平均定价，并由此可得每个地区的打包任务定价。打包的任务有上下限，打包后的价格在原有任务叠加后，再减去0.5%的酬金，然后对于各因素，在这0.5%进行上下浮动。并且，在任务打包的过程中，可将之前难以完成的任务分配打包在一起，利用此方式，将难以完成的任务顺带完成。

5.1会员位置影响。在会员较密集的地区应将可预订打包限额控制在1-2个，以避免垄断现象，并且在这些地区在减去0.5%的基础上再减去0.1%左右的酬金，以降低成本。而在会员较少的地区应将可预订打包限额控制在2-3个，避免无人领取任务，并且重复上述酬金政策，以促进会员积极性。

5.2会员信誉度影响。根据会员信誉度来控制每个人的预定打包限额。对于信誉度高于100的可预定3个打包任务，信誉度低于100高于20的可预定2个打包任务，而对于低于20的只可预定1个打包任务。

5.3任务位置影响。任务位置的密集程度也会影响任务的完成度。在任务密集处，会因任务太多而影响任务完成度，应在此处适当放宽可打包任务的限额，并在减去0.5%酬金的基础上附加一定的奖金额，以激励会员提高完成度。而在任务较少处，

应适当减少限额，避免供不应求的现象发生。

6.总结

模型优点：GDP，会员位置分布、会员信誉度、任务位置分布四个因素贯穿整个模型，模型较有说服力。并且在设计方案时，完成度与成本都考虑在内，使任务发布商及会员的利益最大化。

模型缺点：模型中很多问题只能及概念描述，难以算出确切的值，并且在方案制作中仅考虑了会员位置分布、会员信誉度、任务位置分布三个因素，未能算上时间，交通等其他因素。

【参考文献】

【1】陈明 脑动力MATLAB函数功能速查效率手册.

【2】姜启源，谢金星，数学模型（第三版）【M】.北京：高等教育出版社2003.

【3】地球无忧

https：//www.dituwuyou.com/map/viewer？mid=NdwYNP8yOVmslWt-p1OcwA

【4】《数学模型及其应用》戴明强，宋业新 主编/2015-02-01/科学出版社.