B201725001130马启成杨茂涛陈一铭x.doc

“拍照赚钱”的任务定价 摘要 随着移动互联网的普及，“拍照赚钱”成为了移动互联网下的一种新的调查方式，因其与传统调查方式相比有诸多优点而备受人们关注，但也因其app里的任务定价问题而导致用户不愿意对某些定价的商品进行调查而导致调查不够充分，因此，为使定价更合理，调查更充分，本文就“拍照赚钱”app里的任务定价问题展开了讨论和分析。 针对问题一：本文首先对附件一中所有数据进行聚类分析，按任务的完成情况分成任务完成较好，任务完成较差以及任务完成情况适中三个部分，对每个部分中的数据用二元线性回归分析得出三个任务定价与任务经纬度的回归模型，再运用高维插值法分析任务标价与任务经纬度的关系，得出不同区域内的任务标价与其任务经纬度都有密切关系，并且不同区域任务经纬度对定价的影响是不同的；然后结合附件二中所给数据，并运用matlab画出任务位置、会员位置、任务定价和完成情况的关系图，分析得出任务未完成的原因有两点：一是会员位置与任务位置相对集中导致会员之间的竞争增大；二是任务定价较低导致会员获得的报酬减少。 针对问题二：通过对附件一中聚类分析后所得数据一一进行分析，建立非线性回归模型，与问题一所建立的模型进行分类比较，结合原始数据中的任务定价，代入各部分所包含的数据，对两种模型进行分析，通过分析得到：若要使模型更接近于实际情况，则应该使用问题一中所建立的模型，若要使任务定价更平稳，则应该使用问题二中所建立的模型。 针对问题三：本文以图二中数据较多，任务完成情况适中，最具有代表性的 part1为例进行分析，考虑到打包方式的不同，将打包情况分成三种：两个任务为一包：“10”；三个任务为一包：“110”；和四个任务为一包：“1100”三种情况，“1”代表完成、“0”代表未完成，并结合任务位置与会员位置之间的距离、会员信誉度等因素，运用多元线性回归分析法,建立并求解得最终的打包任务定价模型，通过分析得到：将任务打包后任务的完成情况具有两面性，一方面由于报酬的增加而导致完成率上升，另一方面由于任务难度的增加而导致完成率下降。 针对问题四：通过对问题一、问题二、问题三中所建立模型的研究分析，根据附件三中所给出的任务经纬度位置，结合上述模型进行求解，得出附件三中每个任务的任务定价，分析得出该方案的实施效果比问题一与问题二中所建模型的效果更佳。 关键词： 任务标价 回归分析 曲线拟合 插值法 聚类分析法 1、问题重述 1.1问题背景 当前，“拍照赚钱”已成为移动互联网下的一种自助式服务模式。它通过用户下载APP并注册成会员，然后从APP上领取需要拍照的任务并赚取任务所标定的酬金。与传统调查模式相比，这种调查模式可以大大节省调查成本，并且增加了调查数据的真实性，缩短了调查周期。但由于该模式以APP作为平台进行运行，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，为了使调查更充分，需要对商品进行合理的任务定价。 1.2问题提出 本文根据相关数据，建立了数学模型研究了如下问题： （1）通过研究附件一中的数据分析该项目的任务定价规律，并分析未完成的原因； （2）为附件一中的项目设计新的任务定价方案，并和原方案进行比较； （3）假设将位置比较集中的多个任务联合起来打包发布，应如何修改前面的定价模型，这对最终的任务完成情况有什么影响； （4）运用所得模型，对附件三中的新项目给出新的任务定价方案，并评价该方案的实施效果。 2、模型假设 假设统计出的这部分数据真实有效； 假设任务完成情况不受自然因素干扰，如天气等； 假设商品自身属性对用户的任务完成情况并无影响（排除用户会对某些商品有特殊喜爱）； 假设任务定价只与附件一中经纬度有关而与其他变量无关； 假设会员走的路程近视等于其位移； （6）假设每一位会员的工作时间大致一样且均为每天的工作10小时； （7）假设会员去到任务所在位置就一定能完成任务； 符号说明 符号 符号说明 x1 任务gps 纬度 x2 任务gps经度 y 任务标价 常数 二元线性回归时纬度前系数 二元线性回归时经度前系数 常数 非线性回归时经度前系数 非线性回归时纬度前系数 常数 多元线性回归纬度前系数 多元线性回归经度前系数 实际完成打包数量前系数 会员信誉值前系数 任务平均纬度 任务平均经度 会员实际完成任务的数量 会员信誉值 模型的建立与求解 4.1问题一的分析与建模 分析： 为研究附件一中的数据分析该项目的任务定价规律和未完成的原因，应该对附件一中的所有数据进行聚类分析[1]，得出任务完成情况分布图，再对整体数据进行二元线性回归分析[2]，建立一个任务定价与任务位置的回归模型，分析整体任务定价与经纬度的关系，但通过聚类分析可得不