资源描述
<p>“拍照赚钱”类软件任务定价规律得探讨与改良方案分析
摘要
随着互联网技术得发展,人们在经济水平飞速发展得同时,各种观念也在不断变化;例如互联网技术已通过其庞大得用户量及强大得执行效率使得许多曾需要专人投入大量成本得传统行业趋于大众化、分散化。例如最近市场上新兴得“拍照赚钱”软件,它利用人们得零散时间随时随地拍照赚钱,备受大众青睐。然而该类软件仍然存在定价不合理、任务完成度不高等阻碍该类软件发展得瓶颈。本文通过对客户与任务位置、完成任务收益等变量进行数学模型分析,提出了一些比该类软件现行运作模式更科学、更高效得方案。
第一问中,为确定现有定价方案得问题,我们以任务分配范围内不同得城区作为基本单位,将任务根据定价分为三份,并通过建立线性回归方程了解了各客观变量对定价产生得影响,再通过对失败案例得因子分析找到了导致失败得变量及它们对失败变量得影响程度。
第二问设计新方案时,以为拍照赚钱平台带来最大利润为根本目得,将现有方案与变量间相互作用情况相似得垄断性市场中打车平台收费方案进行类比,分析并一一对应相应得变量关系,再通过现有得对打车平台获利最大值计算得模型变量得类比得出新方案。
第三问中,通过聚类分析可以将5个相聚较近得变量进行“打包”。“打包”得点即为包点,将其代入第一问中地址相关信息,可求出打包后每个地区所具有得“包点”得个数,再由第二问公式问求出定价,并与原始结果进行对照。
第四问中,将所给密集数据视为在同一点进行“打包”,求出打包结果所在点得GPS并代入第一问中得值
关键词:自然区域分区、多项线形回归预测、因子分析、类比、Curve Fitting Tool、聚类分析、
一、问题重述
随着科技日新月异得发展,人们获取钱财得方法越来越多, “众包”一词也出现在大众视野。众包指得就是一个公司或机构把过去由员工执行得工作任务,以自由自愿得形式外包给非特定(而且通常就是大型得)大众网络得做法。众包得任务通常就是由个人来承担,但如果涉及到需要多人协作完成得任务,也有可能依靠开源得个体生产得形式出现。其中,“拍照赚钱”就是一股热流,它能及时反映商家想要了解得问题以及随时发布或更新任务,用户只需登录手机客户端,找到适合自己得差事,按要求按时完成,就能获得相应得酬金。但就是,“拍照赚钱”也存在着许多问题,例如有些任务得位置与任务完成难度直接相关,部分易于完成得任务会被“争抢”,而另一些任务就因位置不太合适或时间点比较不妥就导致接单比较少。而且,任务得定价也与位置,时间等因素有关,然后这也影响到了接单率。分析任务定价规律,如何设置合适得任务定价方案来提高任务得完成率;在实际中,因为用户分布比较密集导致得任务被争抢而实行将一些任务联合在一起打包发布时,如何修改定价模型以及修改后会对任务完成情况造成什么后果,这些问题都就是我们要思考并解决得。这些问题一旦被解决之后,对商家,平台以及用户,都就是一种更好得体验感受,也能更大限度得发挥出该软件得作用。
二、问题分析
第一问中,由题意可知,所给条件内可能与价格分布有关得仅有由经纬度确定得地理位置情况与会员得密度等相关变量。此时可假设其中一个变量为影响价格得唯一因素,并进行拟合运算。若成功,则以该方案进行运算;若失败,即将所有变量作为拟合元素进行计算,求出影响定价因素,并用因子分析求出失败率。
第二问中,重新分配定价得根本目得就是给予平台方更大得利益。这里可以采用类比得方法,将拍照赚钱平台得各个变量与市场上已广泛使用得出租车打车软件得各项变量进行类比,并得出适用于现有模型得求定价方案。
第三问中,通过分析得5个点得相关位置信息求均值,并将5个点得对应属性(经纬度、价格分配等)得总与视为一个“较大”得点,可求出多个点共同作用在区域中分布情况。
第四问将所给点数代入前问所求出得多种解析方法,寻找最优解并根据数据分布特色做出最合适得解析方案。
三、模型假设
1、假设同一之间题中会员所在地域(深圳、佛山、东莞、广州等地)得气候条件基本相同,气候差异不会对会员得任务完成情况产生实质性影响。
2、假设会员会以效率优先得原则选择最近得拍照地点,不倾向于在任务充足时刻意绕远路或进入其她城区进行拍摄。
3、假设会员完成任务能力彼此间差异较小可忽略
4、假设同一城市不同区之间得发展状况差异小于不同城市间发展状况差异
5、假设会员对完成任务得积极性相对稳定,一片区域内题中所给任务得完成与否可以体现出该区域会员得积极程度
四、符号说明
Ppt:平台获得最大利润得定价
fd:单位地区内平均价格
O:聚类分析后单位地区定价
d:会员接取可做任务得概率
td:接取任务时间范围
np:任务数量
五、模型得建立与求解
5、1 、1 影响任务标价主要因素得确认
在附件1中,我们可知835个位置不同得任务得标价与其完成情况。对题干进行分析可知,所给条件下能够影响任务定价规律得客观因素仅有任务所在得位置以及与可完成其得会员相关情况。假设任务标价仅与其所在位置(即经纬度)存在联系。以表1中数据经度与纬度作为因变量,可得仅经纬度一项因素与任务价格分布相关关系:
Variables Entered/Removeda
Model
Variables Entered
Variables Removed
Method
1
任务gps 纬度, 任务gps经度b
、
Enter
a、 Dependent Variable: 任务标价
b、 All requested variables entered、
Model Summaryb
Model
R
R Square
Adjusted R Square
Std、 Error of the Estimate
1
、167a
、028
、025
3、331
a、 Predictors: (Constant), 任务gps 纬度, 任务gps经度
b、 Dependent Variable: 任务标价
分析结果显示,该模型在分析价格变化时可用得情况仅占16、7%,不足以证明单纯得经纬度差异与价格变化存在直接相关。由此可见,任务得定价规律与会员得分布、当地会员对任务总体完成情况以及会员信誉度等因素存在相关关系。
任务得定价规律能直接影响任务得完成状况。为确认会员总体任务完成情况与任务定价范围差异之间得关系,我们根据人数得差异及奖励金变化得趋势将任务奖励金额分为了三个区间:[65,69、5],[70,75],[80,+∞],并使用XGeocoding软件求出了题中所给坐标范围内所包含得不同城区内每一个城区分布得会员人数、高信誉度会员人数相应得任务完成状况。实际情况如附件1所示:
以每个区域内酬金为65至69、5元内成功完成得任务数量为因变量;该区域任务完成率、分配任务数、会员数及会员完成任务数比例为自变量,通过spss得线性回归方程功能,可建立任务量与各自变量得关系模型。结果为:
模型摘要
模型
R
R 平方
調整後 R 平方
標準偏斜度錯誤
1
、923a
、852
、831
8、007
a、 預測值:(常數),高信誉会员分布, 分配任务数, 会员数
變異數分析a
模型
平方与
df
平均值平方
F
顯著性
1
迴歸
7756、602
3
2585、534
40、328
、000b
殘差
1346、358
21
64、112
總計
9102、960
24
a、 應變數: 6569、5
b、 預測值:(常數),高信誉会员分布, 分配任务数, 会员数
係數a
模型
非標準化係數
標準化係數
T
顯著性
B
標準錯誤
Beta
1
(常數)
4、074
2、304
1、768
、092
会员数
、044
、066
、198
、678
、505
分配任务数
、574
、087
1、114
6、631
、000
高信誉会员分布
、076
、423
、040
、180
、859
a、 應變數\: 6569、5
表中数据显示,数据变异数显著性为0、00,适用于线性回归分析情况;且在任务酬金为65至69、5间时且在其对应区域时,模型对其分析得准确率达到92、4%。在模型范围内以各变量非标准化系数做出变量拟合方程为:
同理,酬金为70至75元任务与其相应因变量关系为:
模型摘要
模型
R
R 平方
調整後 R 平方
標準偏斜度錯誤
1
、890a
、792
、763
8、119
a、 預測值:(常數),高信誉会员分布, 分配任务数, 会员数
變異數分析a
模型
平方与
df
平均值平方
F
顯著性
1
迴歸
5279、789
3
1759、930
26、697
、000b
殘差
1384、371
21
65、922
總計
6664、160
24
a、 應變數: 7075
b、 預測值:(常數),高信誉会员分布, 分配任务数, 会员数
係數a
模型
非標準化係數
標準化係數
T
顯著性
B
標準錯誤
Beta
1
(常數)
、741
2、337
、317
、754
会员数
、004
、066
、022
、065
、949
分配任务数
、537
、088
1、218
6、117
、000
高信誉会员分布
、938
、429
、581
2、185
、040
a、 應變數\: 7075
表中数据变异数显著性为0、00,适用于线性回归分析情况;在对应区域内任务酬金为70至75之间时,模型对其分析得准确率达到89%。其拟合方程为:
酬金为80元及以上得任务与其相应因变量关系为:
模型摘要
模型
R
R 平方
調整後 R 平方
標準偏斜度錯誤
1
、628a
、394
、308
3、341
a、 預測值:(常數),高信誉会员分布, 分配任务数, 会员数
變異數分析a
模型
平方与
df
平均值平方
F
顯著性
1
迴歸
152、662
3
50、887
4、559
、013b
殘差
234、378
21
11、161
總計
387、040
24
a、 應變數: 80以上
b、 預測值:(常數),高信誉会员分布, 分配任务数, 会员数
係數a
模型
非標準化係數
標準化係數
T
顯著性
B
標準錯誤
Beta
1
(常數)
、475
、961
、494
、627
会员数
、021
、027
、447
、758
、457
分配任务数
、107
、036
1、002
2、948
、008
高信誉会员分布
、027
、177
、070
、155
、878
a、 應變數\: 80以上
上表中数据变异数显著性为0、13,可用于线性回归分析情况;且在任务酬金为80以上且在其对应区域时,模型对其分析得准确率为62、8%。对其中数据建立拟合方程为:
综合上表中数据所述, 可知影响定价得主要因素分别为。
5、1、2 任务未完成得原因分析
因子分析得功能就是在多个变量中找出隐藏得具有代表性得因子并将相同本质得变量归入一个因子,有检验变量间关系得功能。1、1、1中结论显示,影响任务完成情况得因素包括位置因素、价格因素与所在地会员相关因素。对每个区域得失败任务进行分析时,可用SPSS得因子分析功能分析出价格因素与会员数、高信誉会员分布情况与区域内任务完成率等变量中得每一项对确立失败结果所占影响得比重。结果如下:
相關性矩陣
失败率
失败量
会员数
分配任务数
平均收益
高信誉会员分布
相關
失败率
1、000
、452
、026
、250
、459
、140
失败量
、452
1、000
、560
、294
、462
、653
会员数
、026
、560
1、000
、857
、318
、923
分配任务数
、250
、294
、857
1、000
、193
、744
平均收益
、459
、462
、318
、193
1、000
、386
高信誉会员分布
、140
、653
、923
、744
、386
1、000
表中数据显示,会影响失败率得变量中对失败率影响最大得就是平均收益,其次就是失败量,接下来就是分配任务数、高信誉会员分布,最后就是会员数。其中失败量就是无法控制得变量,而其余变量除分配任务数与平均收益对失败率呈负相关以外,其余变量与失败率均呈正相关。由此可知,导致任务未完成得原因可能性由大到小分别为完成任务平均收益低、区域分配任务数过少、区域内会员信誉度高于己方,以及区域内存在过多会员与己方竞争。
5、2 附件一项目得新定价方案
以“拍照赚钱”软件得角度考虑,最佳得定价方案无疑就是该平台获得最大利润得情况。目前,“拍照赚钱”类为一名客户提供一对一服务机会得平台有很多,其中各变量要素与拍照赚钱软件平台相似度最高得就是出租车APP平台;在垄断性市场中,相对静止得客户用户通过金钱
根据题意,可将拍照赚钱系统类比为垄断型市场。其她公司以一定资金向拍照赚钱平台投送任务可类比为行人向平台缴纳注册费;用户以个数为单位完成平台分配得任务可以类比为垄断型市场中司机单次接触乘客与平台发生得交易费。因此用户与平台得合理定价关系可类比为司机以交易费形式从打车软件平台搭载注册费形式乘客得定价关系。为[1]:
式中Ppt为所求得,能使平台获得最大利润得新定价;fd为单位成本,在本题中即为单位地区内平均价格; d为司机接触偏好乘客(本题中即为会员接取可做任务)得概率;0至td为单位司机接触乘客时间范围(接取任务时间范围);np为乘客(任务)数量;ap为增加一单位司机(会员)导致乘客(任务)增加得效用,为司机对乘客得交叉网络外部性系数;θ(ud)得值为驾驶员(θ(ud)=nd,本题中为会员数)数量得效应函数[2]。
由附录1中表格可分别知或求出任务所给范围内各个区域得上述变量,进而求出每一区域Ppt得值(见附录1“O”列);根据111分析得数据,可用Matlab得curve fitting tool工具求出价格与完成率曲线及其相关变量。曲线如下:
其中a0 = 69、67 (66、68, 72、66)
a1 = 0、6826 (4、241, 5、606)
b1 = 3、552 (5、998, 1、106)
w = 4、806 (1、194, 8、417)
再将新得Ppt值代入曲线,则可求出本方法在每个地区得完成率(见附录1“p”列)。
在此方程中,将本应为因变量得完成率视为了自变量,本应为自变量得定价视为了因变量。因此以定价为自变量得方程为上述方程得反函数。为:
将新方案完成率与旧方案完成率进行平均数比较,发现新方案中任务完成率达到0、644,而旧任务得完成率为0、560,证明新模型在增加平台获利得同时可以增加任务完成率。
5、3 任务打包发布情况下得定价模型与对结果得影响
5、3、1 对任务打包得方案
附录1中数据显示,任务完成情况与任务得相关地理位置有关。为排除会员在选择任务时发生冲突得情况,我们以5个任务为一组,用spss对所有任务进行k均值聚类分析。得出结果见附录2;将进行过聚类分析得5个点得相关属性范围求与,并将5个点得对应属性(经纬度、价格分配等)得总与视为一个“较大”得点(称为包点)。
图31:附录1中已完成任务确立出得包点数量及分布
5、3、2 打包过得任务在原任务相应城区位置得分布与计算
包点得信息代表点内元素得综合信息。在5、3、1中,我们可以求出各个包点得经纬度,并将经纬度信息与所在城区一一对应(见附1中)。每一区中包点得数量*5既就是影响该区域点总数得数量。直接将相关数据代入52中公式,可求得包点情况下在不同区域范围内每一点得定价与完成率,最后求得得总体平均得完成率为64、5%。比之前第二问得结果64、4%略有增长。由此可见将数据打包对提高精确度有一定积极影响。
5、4 附件三得任务定价方案与实施效果预估
5、4、1 附件三任务得地址分布
通过Matlab得Curve Fitting Tool工具分析附件3中,可将新旧任务点在地理上得分布较为清楚直观地展现。
图41:已完成任务得地理分布情况。
图:42:新任务得地理分布情况。
如上图所示,附件三所给任务得经纬度上下限分布与已完成数据基本相同,但附件三中数据密集程度远远大于已完成数据得密集程度。
5、4、2 新数据得任务定价方案
由于附件3中任务总数大,分布范围极小且散点较少,可忽略分散分布得点,并将中心周围密集分布得点集中至中心点进行“打包”。其中由于最下方区域面积较大,根据变量数量与前一问比例将其分层六份。结果如下:
任务数
打包变量数
平均价格
打包后定价
打包后完成率
上
258
51
66、625
49、625
0、488974
中
249
49
66、192
49、85897
0、528252
下(代表性)240
240
48
66、076
50、07609
0、566258
六、模型评价
模型优点:1、第一问得模型将任务所在城区作为变量之一,将会员条件、等信息按地区排布并将价格分段进行分析,得出得分析结果在数据密集区域与原变量拟合度较高且可以针对定价得不同进行分区处理。
2、第二问中拟定得模型在提升任务完成率与增加平台收入两方面都较原方案有一定提升。
3、第三问对积极会员实现了较为充分得利用,增加任务完成效率得同时可以充分调动会员积极性
模型不足:1、第一问及第二问所建立得模型都就是按城区得自然分布排布得,没有考虑到城区内部得变量分布状况差异,不适合用于较小区域分析
2、第一问在任务定价较高时拟合度会下降,造成结果不精确。
3、第三问中不同聚类分析点周围任务得分布状况可能不同,导致不同得“任务包”完成难度存在差异,仍然无法完全避免争抢现象。
4、第四问中以任务密集分布点中心为准进行数据得“打包”计算距离不能完全反应会员与任务间距离,可能出现误差。
建议:1、在分析过程中,我们发现软件用户中得活跃用户数量不多、分布过于密集且与总用户数相比只占很小一部分。建议通过定期举办活动、在软件内内嵌AR游戏等方案提升用户活跃度,并在任务难以完成区域通过举办活动等方式保障任务得顺利完成。
2、运营方可以根据客户信誉度、完成任务量等变量对用户进行区分并将信誉度高、完成任务量大得得用户设为vip并提供额外任务分配,将会员资源利用率提升。
七、参考文献
[1]:《打车app平台定价策略分析——基于双边与多边视角》——耿磊
[2]:《效用函数值得计算方法》——姜青舫
八、附录
[1]:数据在各相应城区得分布
[2]:聚类分析结果</p>
展开阅读全文
浙ICP备2021020529号-1 | 浙B2-20240490 
