吳奇,荊江雁,章琦,朱玉潔

(常州工學院數理與化工學院,江蘇 常州 213032)

0 引言

在互聯網不斷發(fā)展的背景下，一種新的合作模式——眾包(Crowdsourcing)越來越流行。2005年中國學者劉鋒提出“威客”一詞，而杰夫·豪(Jeff Howe)于2006年在《連線》雜志中首次提出“眾包”的概念，威客與眾包有著異曲同工之處，都是指企業(yè)通過互聯網平臺發(fā)布任務，依靠大眾資源為企業(yè)提供創(chuàng)意或解決問題的一種創(chuàng)新商業(yè)模式[1-2]。這種新的模式在很大程度上避免了生產和需求的脫節(jié)，節(jié)約了社會資源，使企業(yè)的生產和服務更高效。然而，眾包模式下也存在懸賞金較低、分配制度不公、交易行為作弊等問題。因此，對眾包模式下的數據進行調查統(tǒng)計就成為當下非常熱門的研究課題。

陳強等[3](2013)提出競爭情報部門難以應對大數據分析時，可以將期望的指標發(fā)布到眾包平臺上吸引具有數據分析能力的專家參與。牟千[4](2016)分析了移動時代的媒體借助互聯網的力量，將眾包模式移植于新聞生產領域，變“消費者”為“生產者”。陳衛(wèi)華[5](2016)提出政府統(tǒng)計調查項目可以借助眾包的模式進行，有利于吸引公眾參與物價、社情和民意情況調查。

“拍照賺錢”是基于移動互聯網的自助式勞務眾包平臺，為企業(yè)提供各種商業(yè)檢查和信息搜集，相比傳統(tǒng)的市場調查方式可以大大節(jié)省調查成本，而且有效地保證了調查數據真實性，縮短了調查的周期。用戶注冊成為會員，領取拍照任務(比如上超市去檢查某種商品的上架情況)，賺取酬金。任務定價是否合理是決定任務能否完成的核心要素，如果定價不合理，有的任務就會無人問津，從而導致商品檢查的失敗。針對這一問題，本文建立數學模型對影響價格的因素進行分析，并對不合理任務定價方案進行重新設計。

1 基于原有定價模型的研究

1.1 研究內容

本文的數據來自2017年全國大學生數學建模競賽B題[6]。

首先根據競賽題附件1中已結束的任務數據，將任務定價區(qū)間進行分類，繪制了任務點的空間分布圖(見圖1)。發(fā)現這些點基本圍繞在廣州、佛山、東莞、深圳4市。接著利用K-means聚類算法計算出任務點的聚類中心。

圖1 按定價區(qū)間分布已結束項目散點圖

從圖1中可以看出：聚類中心附近的任務定價普遍較低，隨著任務位置與聚類中心之間距離的增加，價格隨之增加。即任務的定價與任務位置有關，且定價的高低與其到聚類中心的距離總體上呈現正相關關系。

接著根據競賽題附件2中會員信息數據，將任務點和會員點同時畫出，如圖2所示。可以看出低定價任務周圍其他任務和會員都很密集，高定價任務周圍的分布情況相反，即表明任務定價受任務點周圍會員密度和任務密度影響，總體上呈負相關關系。

根據上述分析可以看出任務定價受到任務點到聚類中心的距離、任務密度、會員密度的影響，其中任務密度表示某一個任務周圍5 km內其他任務的個數，會員密度表示某一個任務周圍5 km內會員的個數。

1.2 影響因素相關性分析

首先根據經緯度距離轉換公式計算出各個任務點分別到4個聚類中心的距離：

(1)

然后將4個距離值進行比較，選取最小值作為到屬于它的聚類中心的距離：

d0=min{d1,d2,d3,d4}

(2)

(a)低定價任務周圍會員分布

(b)高定價任務周圍會員分布

圖2任務點與會員點分布情況

同理，根據式(1)、(2)也可以計算出某一個任務點到各個會員的距離，統(tǒng)計距離小于5 km的個數，完成情況中0表示未完成，1表示完成。截取部分結果如表1所示。

表1 影響因素數據表

1.3 結果

為了得到任務定價和各個影響因素之間的具體相關度，根據相關系數的原理，通過R語言[7]進行相關性分析，并按完成和未完成任務分類，計算出任務定價與各影響因素的相關系數，結果如表2所示。

表2 相關系數表

根據前文分析可得如下結論：3個影響因素對任務定價均產生顯著影響，任務未完成的情況中，對任務定價影響最大的是任務點到聚類中心的距離，任務所處的位置越遠，任務定價越高。

因此任務未完成的原因可能有以下兩點。

第一，4市經濟發(fā)展水平有差異。經濟發(fā)達地區(qū)的會員對任務收益要求較高，導致定價較低的任務無人問津，雖然這些任務附近有較多的會員，但價格對會員的吸引力不足，導致任務未完成。

第二，任務位置偏僻。雖然任務定價較高，但距離聚類中心較遠，性價比不高從而導致任務未完成。

2 新定價方案研究

2.1 模型建立與求解

采用多元線性回歸分析的模型[8-9]來進行分析。

根據第一部分的分析，選取到聚類中心的距離、任務密度、會員密度這3個因素作為解釋變量，定價作為因變量建立多元線性回歸模型來進一步改進任務定價模型，得到定價與上述3個指標之間的關系，分析出定價的主要影響因素。建立以下任務定價模型：

y=β0+β1x1+β2x2+β3x3

(3)

其中：x1表示距離；x2表示任務密度；x3表示會員密度。

將表2中的數據代入多元線性回歸模型中計算，得到

y=71.67+0.14x1-0.34x2-0.08x3

(4)

2.2 模型結果

從式(4)可以得出：任務定價隨著距離的增加而提高；會員密度與任務密度增大時，定價降低；會員密度相對任務密度的影響較小。將未完成任務的3項指標代入模型中計算得到新的任務定價，見表3。

表3 未完成任務的預測定價

假定當預測定價與實際定價差值不超過2元時，即認為該任務完成(例如表3中的A0025、A0111、A0831等)。據此已結束任務中符合條件的任務個數增加117個，計算過程如圖3所示。

圖3 完成率計算

3 討論

本文在分析未完成任務時，將任務點的經緯度轉換為任務點到任務聚類中心的距離，并用圖表等形式使分析結果可視化，可以直觀看出定價與影響因素的關系。但由于實際定價時，影響因素有很多，而本文研究的數據有限，定價不能準確合理地給出，與實際情況存在偏差，還需做進一步研究。

本文模型的建立基于移動互聯網的自助式勞務眾包平臺，與其類似的服務還有外賣、打車等，都涉及任務位置信息，會員信息等數據，可加以推廣應用。