搜索
“拍照赚钱”定价分析随着现代互联网技术发展“拍照赚钱”已经成为时下一种热门的互联网自助模式，如何对任务进行定价的合理性显得尤为重要，本文针对题目重所给的信息数据进行归纳设计和总结，研究其定价规律，并建立模型。针对问题一，本文对附件数据进行分析，将会员点在地图中标出，发现任务点集中在佛山，广东，深圳，东莞四个城市的会员进行聚类分析。对数据进行线性回归分析，结果表明，任务的定价与周围用户的限额总量，周围用户的平均距离都与会员点的分布有很重要的关系。最后通过比较未完成任务与已完成任务的相关矩阵得出距离对任务的完成的影响是显著的。针对问题二，设计新的任务定价方案是一个优化问题，以最小成本完成最大化，将附件中数据在地图中展示，我们综合考虑任务情况与会员分布的互相影响，即任务对于周围的会员存在着吸附力𝑐𝑖=f(s,d)，它与任务价格正相关，与距离任务距离负相关问题重述1.1问题背景随着互联网+的发展，许多产业逐渐发生偏移，传统工作方式在互联网的渗透下，不再是自己传统的工作模式，工作人员不再限制，工作地点不再固定在一个位置，增加了人群就业，提高了工作效率。国家也积极发展众包，即汇集众力增加就业，借助互联网发展，将特定的工作不再局限于一部分人，而是面向自愿参与大众人群，最大限度利用大众的力量，提高某些传统工作的效率，降低成本的投入。‘‘拍照赚钱’‘便是面向大众的一种众包方式，最大限度的利用人力提高工作效率，用户下载APP，注册成为app的会员，然后在APP上领取拍照任务，完成在APP领取的任务，赚取佣金。拍照赚钱的这一种方式，对于市场调查等一类工作有很大的帮助，减少了调查的时间，缩短了调查的周期。可以在很短时间内完成一项调查的工作，提高任务完成的效率。而且可以保证数据的真实性。但是，app中的任务定价是核心要素。定价的合理是否会影响任务的完成情况。二丶问题分析2.1问题一问题一需要分析出附件一中未完成任务的原因，问题一中我们对于未被完成的任务先进行三方面的分析。第一，会员密度分布。第二，任务点与市中心的距离。第三，标价吸引度利用附件中的数据在地图慧中标记出会员的分布情况，分析会员的定性分布规律，分析某个任务点的会员密度，以密度为自变量，任务标价为因变量，绘制其散点图，分析定价规律。同理也需要绘制未完成任务点与市中心的距离的散点图。未完成任务与标价吸引度的散点图。根据散点图分析未完成任务的原因，最后得出结论。2.2问题二我们通过对任务一中未完成任务的分析，未完成任务是因为标价不合理产生的未完成任务。由于通过众包平台app进行任务的分配使我们不能全局把控任务的完成进度，不能左右会员对任务的选择，所以对每个任务的定价必须考虑各种因素，争取在所有任务完成的条件上做到利益最大化，分析每个任务被完成的概率进行定价，考虑地域，会员密度等对任务进行定价。3.问题分析问题三考虑到位置集中的任务联合打包，实质上就可以转化为大致相同于问题二的双目标优化定价模型，即如何判断哪些任务应当被打包发布。要想从前面的定价进行修改，首先要明确将任务打包后对哪些因素产生影响从而影响到定价。我们基于双重类聚分析给出的打包方案求解出新的距离矩阵,吸引度矩阵以及阈值，对前面的定价方案进行修改，给出任务联合打包发布情况下的优化定价方案。打包原则：（1）距离相近的任务应考虑打包发布；（2）未完成的任务应尽量与自己距离相近的已完成的任务打包发布；（3）距离相近的价格差比较大的任务应精良考虑打包发布。4.问题分析我们分析发现，对于新项目而言，完成项目需要的行动力和当前用户的行动力分布是不均匀的。因此我们通过分析任务吸引力与用户信誉度，和完成任务情况，确定对于不同的任务完成能力最大的那个用户在那个城市。仿照模型一和模型三，对新任务分别进行类聚分析，得到影响因素的值。然后通过预测就能够得到新任务打包下的定价以及相应完成情况三模型假设（1）（2）四符号说明五模型的建立与解答5.1问题一：分析任务定价规律，分析任务未完成的原因5.1.1任务点分布分析利用地图慧对附件中任务数据进行分析，我们发现任务大部分都集中分布，从地图分析出，任务集中分布在城市周围，离城市越远分布越稀疏我们分析公司在进行任务定价时会考虑以下所示因素微观宏观人口密度道路状况经济水平影响因素与市中心距离会员密度其中微观方面的人口密度，道路状况等我们难以进行细致考量，我们只考虑宏观方面的因素。(1)未被完成任务与市中心距离(2)未被完成任务与会员密度影响因素一：任务点与市中心距离原因根据给的附件数据，把任务点的经纬度作为自变量，将任务标价作为因变量，做出三维立体图。其他因素图中颜色深的地方，任务多。颜色浅的地方，颜色浅，我们根据此图做出更细致的地点与任务之间的关系。我们由图可得定价与距离市中心距离不相关，因此我们认为距离市中心距离对任务是否完成影响不大。影响因素二：任务点与会员分布的关系根据给的数据确定一个任务点周围会员的密度，以会员密度为自变量，以薪酬为因变量，做出散点图。5.3因素三标价吸引度因素（1）标价吸引度低计算未完成任务的标价吸引度，画出任务点散点图由图中可以得出，未完成任务点与标价吸引度有很大关系，未完成的任务大部分是由于标价吸引度低，我们认为标价吸引度小于0.1时便是标价吸引度低。图中标价吸引度高但是未完成的任务有六十个左右。（2）距离吸引度较低从图中找出标价吸引度高但未完成的任务六十个。假设他们是因为距离吸引度低的原因未被完成。计算剩余的任务点与距离吸引度的散点图我们认为距离吸引度小于0.5便是因为距离过远任务未被完成。图中有近15个任务是因为记忆力吸引度低而未被完成。其余可能是因为其他原因。结合上述分析，未被完成任务受标价过低的原因影响较多，因此，我们小组认为未被完成的任务是因为标价过低。5.3利用打包策略，对之前的定价模型进行修改。我们假设某个任务点为A，寻找此打包点周围1km以内的其他任务点，若以半径为1KM以内的任务点大于等于两个，我们可以将某任务点与其周围的任务点放一起打包发放，当以下一个任务点为中心的覆盖范围有之前的被打包过的文件，不将其再次打包。以这种规则，当所有任务点打包完毕之后，剩余的任务点以原方法进行定价。打包后的任务点重新进行定价。打包的顺序图开始遍历任务是否打包标记是是否圆域内打包任务点的挑选公式如下：Act=a1(wi+wj)+a2(ni+nj)+a3d-k其中a1为定价的系数，a2为任务完成概率的系数，a3为任务点据区域中心点距离的加权系数，K为修正系数；wi,wj分别代表当前任务点和北挑选任务点的定价，ni,nj分别代表当前任务点和被挑选任务点的任务完成概率，d是两个任务点之间的距离。当Act的数值越接近0适合被打包。以此来确认被打包的任务点。进行的打包后的任务，会员可以一次性接大量任务，提高会员的积极性，同时分散会员完成其他任务，这样未完成的任务点将比之前的少。提高任务完成率。问题四对附件三中的新项目给出你的任务定价方案，并评价该方案的实施效果对附件三的数据进行分析，在地图慧上进行任务位置的分配，然后进行分析。任务主要分布在广州与深圳市，其中在广州分布最多。将广州和深圳分别看作一个类，类中都是任务，任务与任务之间有很大相似性，但每个任务的分布，薪酬等都不同。所以将任务点进行聚类，得到以下图形附件三任务点聚类通过聚类我们得出任务点主要分布在两个中心点周围。（1）计算各任务点距离市中心得距离，记为A1，（2）各任务以1.5km为半径圆内的任务数，记为A2（3）各任务以1.5km为半径圆内的会员数，记为A3将各个数据进行标准化，分别赋予A1,A2,A3.利用公式对任务进行打分W=6.3248A1-0.1395A2+2.3947A3+65对符合条件得密集任务进行打包由于从第三问知道打包后的任务完成率比未打包之前高很多。因此新的任务定价方案实施效果我们给予肯定。六模型的评价与推广通过此次建模练习，我们了解到在一个建模开始之前应做的准备，虽然是第一次进行，但我们认为自己可以随时进入建模状态。（一）模型优点本文档的模型是根据大量数据进行建立，将给出的数据利用地图慧将附件中数据的分布清晰的表示，帮助排除特殊情况规律，使建模的数据信息更加可靠。本模型的建立运用了多种软件，取长补短，计算结果更加准确，清晰，可信度高本模型是面向实际问题进行求解，实用性强。打包方法的提出非常有实际意义，可以将一部分未完成任务再次完成，提高了任务完成效率。可以给公司创造更多利益（二）本文的数据不够多，在现实中如“拍照赚钱”等任务量绝不止一千两千条。使得出得结论和显示中的问题有所出入。任务中没有考虑任务难易程度，在部分任务定价产生一定偏差，进而影响带任务的完成率。模型的推广本模型是以“拍照赚钱”为模板，在相似的背景下应用很多，例如外卖应用，滴滴打车等平台均涉及到本文提到的商品定价，商品位置，会员密度等。所以此模型可以应用到许多领域。