关于“拍照赚钱”任务定价的分析与研究

《关于“拍照赚钱”任务定价的分析与研究》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、关于“拍照赚钱”任务定价的分析与研究摘要“拍照赚钱”是移动互联网下的一种自助式服务模式，而app成为基于移动互联网的自助式劳务众包平台运行的核心，通过对任务定价规律的分析、理解、整合。从而得出位置、会员信息如何影响任务定价以及未完成任务的原因及规律。进而减少控制未完成任务量，优化任务定价方案。针对问题一，将附件一数据进行可视化，通过bubbleplot画图，了解数据的信息，紧接着将任务的定价与任务周围的区域单位面积内任务完成能力进行分析，然后以可使用人力的密度、任务的价格为自变量，对任务完成情况做logistic回归分析，最后

2、得到两个结论：一个可能的解释为对这些任务定价定的过低，对会员没有吸引力；另一个可能的解释为在该区域定价策略失效，无法对该区域的会员产生足够的吸引力。针对问题二，通过spss算法中导入数据输出的几个表中，模型系数总和检验表，要看他模型的P值是不是小于0.05，判断我们这个logistic回归方程有没有意义。通过数据预处理单位面积下的会员信誉值、任务额度以及道路交通通行量数据整合，将上述处理过的数据归纳后代入附件一中，再将合并后的数据代入spss中进行logistic回归处理得到新的定价方案，经过对比完成任务前后方案改变后发现新方

3、案较原方案更有优势。针对问题三，运用聚类分析，建立针对问题二的优化模型分析，通过会员的坐标经纬度位置分析，确立打包模型，考虑到打包后会员位置以及任务密度下降，因此将利用规划后的最优的打包模型将之与第二问模型加以比较分析，最后得出结论：优化的模型降低9.64%~10.03%的任务总金额，而且能减少6.21%~7.66%的任务未完成率。针对问题四，将附件三的数据运用到问题三构建的任务定价模型当中，通过分析不同完成度的定价式方案，之后在此基础上添加定价金额和完成度双重指标加以分析。设计出两张图像，最后通过综合评价对结果进行排列，得出

4、最优任务定价方案的综合评价值为0.9853，最差方案的综合评价值为0.5851，得到在任务完成度为60%~70%时的新定价方案最优。最后根据以上四问建立的任务定价模型，通过进一步分析，对任务定价规律有了更深层认识，对促进app自助式劳务众包平台运行具有一定的参考价值。关键词：logistic回归模型多目标规划聚类分析综合分析评价模型一、问题重述1.1问题的背景近年来，众包商业模式符合市场激烈竞争节约运作成本的需要，同时也能满足网络时代客户参与产品设计和服务规划的需求，把设计、生产和销售等环节联系起来，最大程度上避免了产品设计生

5、产和客户需求的脱节。本文借用研究“拍照赚钱”app任务定价规律借此来突出众包商业模式，相较于传统的市场调查方法大大节省成本，有效保证程序运行的效益化。1.2问题的相关信息附件一是一个已结束项目的任务数据，其中有任务的位置、定价和完成情况（“1”和“0”分别代表完成及未完成）；附件二是会员信息数据，其中有会员的位置、信誉值、参考其信誉给出的任务开始预订时间和预订限额，原则上会员信誉度越高，越优先开始选择任务，其配额也就越大（根据预订限额所占比例配发任务）；附件三是一个新的项目任务数据，只有任务的位置信息。1.3需解决的问题问题一

6、：通过研究附件一中的任务定价规律，研究并分析任务未完成的原因。问题二：为附件一中的项目设计新的任务定价方案，同原方案进行比较。问题三：在实际生活中很多任务相对集中，导致客户相互争抢，其中考虑是将这些任务联合在一起打包发布。在这种考虑下，怎样修改前面的定价模型，又会对最终的任务完成情况产生什么影响？问题四：针对附件三中的新项目给出新的任务定价方案，并评价该方案的可行性。二、模型假设1.假设任务接收、操作、完成困难程度一致，即不考虑不同任务方面对问题的影响；2.假设任务的地点位置不随时间发生变化；3.假设数据中会员的数量、信誉度不

7、发生任何变化。三、符号说明H任务完成情况t1任务密度t2会员数t3平均任务额度t4平均信誉值t5定价金额t6人均收入t7交通状况四、问题分析此问题主要研究基于互联网的自助式劳务众包平台内拍照任务的动态定价问题。首先确定它的任务定价规律，其次考虑多种因素对拍照任务定价的影响，最后自主建立新的任务定价方案，对新的项目进行定价分析。4.1问题一的分析本文首先将附件一数据可视化处理，以便进行研究分析，通过观察数据，假设任务的定价与任务周围的区域单位面积内任务完成能力相关；接着将人力的密度、对任务完成情况进行logistic回归分析，验

8、证假设的结果是否正确，并得到任务定价的规律变化；然后将数据放在横坐标不同的二维图像中分析，得到任务定价未完成与哪些因素有关。4.2问题二的分析在输出的几个表中，模型系数总和检验表，要看他模型的P值是不是小于0.05，判断我们这个logistic回归方程有没有意义。通过数据预处