基于数学模型的“拍照赚钱”任务定价研究

2022-09-29

一、研究背景

“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, 注册成为APP的会员, 然后从APP上领取需要拍照的任务 (比如上超市去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可以大大节省调查成本, 而且有效地保证了调查数据真实性, 缩短了调查的周期。因此APP成为该平台运行的核心, 而APP中的任务定价又是其核心要素。如果定价不合理, 有的任务就会无人问津, 而导致商品检查的失败。因此, 对任务定价的研究直接影响到当下基于移动互联网的“拍照赚钱”的商业模式能否生存下去[1]。

二、对原任务定价方案的概述

对拍拍赚, 高德淘金等APP的任务数据进行分析后, 我们发现其任务分配呈现明显地理分布趋势。其主要任务圈主要分为三个。其中心分别为深圳市、广州市、上海市。在这几千个任务点中, 有大约40%任务未能完成 (没有用户接单) 。为了分析任务未完成原因, 我们建立线性回归模型, 分析对定价有显著影响的变量, 最终得出以下任务定价不合理的因素: (1) 偏远地区定价过低, 无法吸引客户。 (2) 大城市任务数量过少, 造成用户争抢的现象。 (3) 任务往往无法分配给最近的用户完成。 (4) 任务与用户信誉无直接联系, 可能造成接单无法完成的情况。

三、数学模型概述

利用严谨的数学语言和数学逻辑思维所构造的一种模型称为数学模型。数学模型可以简化复杂的实际问题, 并用简洁、明了的数学语言进行表述与求解。本文用的数学模型是逻辑回归模型。利用Logistic回归通过研究任务完成结果与影响因素——定价、会员质量评分之间的关系, 从而确定每项任务的完成情况。任务的完成率越高, 证明定价越合理, 越有利于“拍照赚钱”这种商业模式的运行。利用逻辑回归模型定量、定性的分析任务定价的问题, 研究其潜在规律, 并应用到实际问题中。数学模型逐渐成为行之有效的解决经济问题的技术手段[2]。

四、数学模型在任务定价的应用

(一) 任务定价规律

(1) 定价影响因素的确定。划分了任务圈并求得每个任务圈的中心位置之后, 我们以每个任务圈为对象, 确定三个与定价有关的因素:各任务到任务圈中心的距离、每个任务周边的任务密度、每个任务周边的会员密度。

(2) 定价规律的确定。对任务的定价与以上三个因素进行拟合, 可以得出任务规律。835个任务地点被分成了两个主要任务圈, 一个任务圈称为深圳-东莞任务圈, 另一个任务圈称为佛山-广州任务圈。结合定价规律, 综合分析得, 现有的定价规律与任务密度、会员密度存在非线性关系。且在大部分情况下, 任务密度与会员密度越大, 定价越低[3]。

(3) 检验与分析。上面得出的定价规律是以深圳-东莞任务圈为例, 我们为了说明得出的定价规律在空间上是具有普遍性的, 以佛山-广州任务圈作为检验。也出现了偏远地区的任务定价低的情况, 从而导致该类型区域的任务无法被完成。所以, 我们应该将定价合理化, 从而提高任务完成的程度。从成功、失败的任务集分布结果我们也可以看出未完成的任务大都位于两个任务圈的偏远地带。因此, 本文通过逻辑回归建立完成情况与定价和会员质量的关系, 使完成率提高, 而总定价降低。最后, 将新定价方案的结果与原方案进行比较。

(二) Logistic回归模型

(1) 会员质量评分的确定。会员的信誉越高, 越早开始挑选任务, 其配额也越大, 所以预定任务限额、预定时间系数、信誉值之间存在较强相关性, 为了得到会员质量评分, 我们进行主成分分析。

(2) 新的定价方案的确定。从现有的定价规律的模型可知, 会员密度和任务密度对定价有显著的影响, 任务到中心点的距离对其没有显著影响。然而, 通过对任务未完成原因的分析可知, 合理的定价规律应该把距离考虑在内, 因此建立一个新的定价方案。

(3) 利用Logistic回归建立任务完成情况的模型。logistic回归又称logistic回归分析, 是一种广义的线性回归分析模型, 常用于数据挖掘, 疾病自动诊断, 经济预测等领域。利用Logistic回归通过研究任务完成结果与影响因素——定价、会员质量评分之间的关系, 从而确定每项任务的完成情况。通过对所有预测情况与原始数据的对比, 可以得知文章建立的Logistic回归模型的准确率约为80%, 该回归模型比较合理。

五、总结与建议

要使拍照赚钱的任务定价合理, 我们必须考虑会员的信誉、会员密度等因素。在研究定价规律时要充分利用数学模型, 合理配置资源, 合理安排任务。

根据项目的地理位置范围:纬度范围 (22.493°, 23.878°) , 经度范围 (112.683°, 114.494°) 。可以按照Geo Hash算法将二维的经纬度转换成字符串进行保存, 利用二分法对地点进行二进制编码。最终分割得到若干方格, 把每个方格的任务进行打包, 形成任务包。其中每个任务包的任务数为r, 通过查阅文献可知, 通常商品包装内的数量不同时其售价不同。所以, 可以引入一个新的因素J (r) , 称其为任务数量因子。对于任务包来说, 一个任务包中任务数越多, 任务包总定价不是同比例增长的, 该任务包中任务的平均价格也不是同比例降低的, 这无疑是任务发布者的一种定价策略。

摘要：“拍照赚钱”是移动互联网下的一种自助式服务模式, 本文围绕现有拍照赚钱APP中任务定价不合理的现况, 对原定价方案进行分析, 并建立一种基于数学模型的任务定价方案, 与已有定价方案相比较后得到新方案更加合理有效, 即优化的定价规律可提高任务完成率, 同时获得最大的经济利润, 使当下基于移动互联网的“拍照赚钱”的这种商业模式继续生存下去。最后对“拍照赚钱”的任务定价给出了建议。

关键词：数学模型,打包赚钱,任务定价,Logistic回归模型