“拍照赚钱”的任务定价

摘要:“拍照赚钱”是移动互联网下的一种自助式服务模式。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,如何合理制定任务定价方案是任务完成的核心。

在处理问题(1)时,本文首先利用将附件中的任务和会员的经纬度、任务价格等数据可视化,研究原任务定价与其他因素之间的关系,然后对数据处理后,进行主成分分析,选出对任务定价方案影响大的因素利用曲线拟合方法,建立了模型Ⅰ,给出了任务定价与周围会员、任务密度的变化趋势曲线,另外,还建立了基于BP神经网络的预测模型Ⅱ,对比了部分结果以验证模型的精确度。然后分析了任务未完成的原因,为未考虑任务所在地点经济条件因素致使部分面积的任务未完成。

在处理问题(2)时,本文考虑任务所在地点经济条件因素,以附件1中完成情况修改模型Ⅰ,得到了模型Ⅲ。

问题(3)要求将分布较为密集的任务进行打包,本文使用聚类算法将任务打包为多个,并分析包中任务个数,周围任务限额大于包容量的会员的密度等因素,建立了新的定价方案,得到了模型Ⅳ,由于缩减了任务的量且任务定价较为合理,能有效解决用户争抢的情况,且提高了任务完成度。

问题(4)即采用了问题(3)的模型,并就附件三任务的特殊性对模型5进行了调整,得出了定价模型。

关键词:数据可视化主成分分析BP神经网络评价指标聚类算法

一.问题重述

“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。

题目中提供了一个已结束项目的任务数据,其中包含每个任务的位置、定价和完成情况,同时提供了会员的位置、信誉值、参考其信誉给出的任务开始预订时间和预订限额等信息数据。原则上会员信誉越高,越优先开始挑选任务,其配额也就越大(任务分配时实际上是根据预订限额所占比例进行配发)最后附件中给出了一个新的检查项目任务数据,只有任务的位置信息。我们需要完成以下任务:

1.研究已结束项目任务数据中项目的任务定价规律,分析任务未完成的原因。

2.为已结束项目任务数据中的项目设计新的任务定价方案,并和原方案进行比较。

3.实际情况下,多个任务可能因为位置比较集中,导致用户会争相选择,一种考虑是将这些任务联合在一起打包发布。在这种考虑下,我们考虑如何修改前面的定价模型,并且分析对最终的任务完成情况又有什么影响?

4.对新项目任务数据中的新项目给出新的任务定价方案,并评价该方案的实施效果。

二.问题分析

针对问题一,我们通过将附件二中的数据进行可视化,得知会员在城市中的密度远大于在郊区的密度,因此猜测原有的定价与任务所在地的会员密度有关。我们将数据导入到中,进行主成分分析后选定因素,进行拟合,得到了一个定价与任务所在地会员密度的函数。通过分析未完成及已经完成的任务在地图上的分布情况,分析得到了一些任务未被完成的原因。

针对问题二,根据所分析任务未被完成的原因,我们设计了新的定价方案,即考虑任务所在地周围任务的完成情况,将这个因素纳入到原有项目的定价策略之中,得到了新的策略。然后我们通过几个指标来对比新旧定价策略之间的优劣。

针对问题三中将任务打包之后再发布的情况,我们修改之前的定价方案,在考虑会员与任务的距离远近后制定出将任务打包之后的新定价方案,即将所有的任务定价加起来再减去那些被重复计算的路径带来的补贴。

针对问题四,最终我们将周围会员的密度和周围任务完成度纳入到任务的定价之中,并且对于新任务在地图上某些地区会员数目少的情况,加入了一些奖励的规则来刺激会员完成更多的任务

三:模型假设,符号说明及数据处理

3.1模型相关假设

对之后的所有模型和问题分析,我们作出以下假设:

1.假设所有的会员比较理性,即会员仅以价格高低和距离远近作为是否选择任务的标准。

2.假设所有的任务难度一样,忽视除了距离之外的所有因素对于完成任务难度的影响。

3.假设会员在完成任务过程中所走的路程都是直线,附件中所有定位信息均准确。

4.假设没有不可抗力因素的影响,即会员在完成任务过程中,没有外界的阻力干扰。

3.2符号说明

3.3数据处理

我们将所有的会员和任务的地理位置标注在地图之中,并且可以将会员按照信誉值的大小用不同颜色分别标注在地图上,同理将任务按照的价格高低以及是否被完成加以区分并标注在地图上。

根据我们的分析,信誉值极低的用户缺乏完成任务的积极性和对任务价格的关心,由于预定任务限额的限制,这些用户几乎从来没有做过任务,因此我们认为这些用户的存在不应该对定价方案产生影响,并这些信誉值极低的用户剔除掉,来优化得出的模型的效果。

【1】

【2】

【3】

【4】

“拍照赚钱”的任务定价


猜你喜欢