基于心理預期價格的眾包模式定價策略的研究與改進

呂宣　蔣偉

摘要：本文對“拍照賺錢”這一勞務(wù)眾包模式的任務(wù)定價方案進行了探討。研究了一種任務(wù)定價規(guī)律。優(yōu)化設(shè)計新的定價策略。得出定價規(guī)律為圍繞最低定價的聚類中心點。任務(wù)定價隨任務(wù)距離中心遠近和附近用戶密度而變化。此后。求解出任務(wù)定價函數(shù)和會員心理預期價格函數(shù)。將未完成任務(wù)的定價提升至會員心理預期價格，將已完成任務(wù)的定價略微降低以增加收益，從而提高任務(wù)完成率、降低成本。通過價格遞推模型，會員因接受任務(wù)數(shù)量增多及效率提高而優(yōu)先考慮選擇位置距離較近的任務(wù)，發(fā)包方可采用打包分配并適當降低總體價格以獲得更大收益。實驗結(jié)果表明任務(wù)定價方案具有很強的彈性，針對實際情況提出了改進的方案，并分析了其在其他領(lǐng)域的推廣應用，在實際應用中有較大的參考價值。

關(guān)鍵詞：心理預期價格 聚類分析 打包分配 價格遞推

引言

“拍照賺錢”是移動互聯(lián)網(wǎng)下的一種自助式服務(wù)模式。用戶下載APP，注冊成為APP的會員，然后從APP上領(lǐng)取需要拍照的任務(wù)，賺取APP對任務(wù)所標定的酬金。在這種基于移動互聯(lián)網(wǎng)的自助式勞務(wù)眾包商業(yè)模式中，發(fā)包方（企業(yè)）通過APP（中介平臺）發(fā)布拍照任務(wù)，接包方（網(wǎng)絡(luò)大眾）提交任務(wù)并獲取報酬，模糊企業(yè)邊界，資源整合，共享信息，充分發(fā)揮了網(wǎng)絡(luò)大眾的能動性，也為企業(yè)提供各種商業(yè)檢查和信息搜集，相比傳統(tǒng)的市場調(diào)查方式可以大大節(jié)省調(diào)查成本，而且能夠有效地保證調(diào)查數(shù)據(jù)的真實性，縮短調(diào)查的周期，實現(xiàn)多主體合作創(chuàng)新，其運作模式流程圖如下：

發(fā)包方的期望是以盡可能少的成本，完成盡可能多的任務(wù)。而任務(wù)定價則是影響成本和任務(wù)完成率的核心因素，若APP定價過低，部分任務(wù)將無人問津，從而使完成率驟降，影響工作質(zhì)量。若APP定價過高，則成品難以控制，還可能因用戶搶單系統(tǒng)崩潰的情況。

一、規(guī)律分析

（一）發(fā)包方定價策略分析

根據(jù)實際情況分析可知，市中心等人口眾多、經(jīng)濟發(fā)達地帶存在更多用戶，此處任務(wù)供大于求，因此定價趨向于相對較低水平；而城郊、山區(qū)等欠發(fā)達地區(qū)用戶較少，此處任務(wù)供小于求，因此發(fā)包方定價趨向于相對較高水平。

運用K-means聚類方法，將經(jīng)度、緯度、任務(wù)定價作為分類指標進行聚類，得到四處任務(wù)聚類中心如表1.1：

基于實際調(diào)查與理論分析，影響發(fā)包商任務(wù)定價策略的主要因素為：距離任務(wù)聚類中心的遠近l_i，附近的用戶密度p_j。利用經(jīng)緯度計算兩點間的弧長即為兩點間的距離。因此，將方圓5km以內(nèi)的用戶數(shù)量作為衡量會員密度的指標，將任務(wù)點與四個任務(wù)聚類中心的最短距離作為衡量任務(wù)距離任務(wù)中心的指標，并將這兩個指標作為求解任務(wù)定價函數(shù)的決策變量。經(jīng)過多次擬合，得到最優(yōu)擬合結(jié)果，P為關(guān)于p_j，l_i的三次含交叉項方程。

R²為0.9621，擬合函數(shù)式預測可靠性較高。多元非線性函數(shù)方程在95%的置信區(qū)間內(nèi)能夠解釋96.21%的數(shù)據(jù)，進一步檢驗，利用Excel求得平均誤差為4.24，相對誤差為0.06，該方程能夠解釋絕大多數(shù)變量關(guān)系，有極優(yōu)的適用性。

（二）接包方心理預期價格分析

類比方法可得，根據(jù)市場準則與用戶心理分析，影響接包方心理預期價格分析的主要因素為：用戶與任務(wù)點的最短距離，附近的任務(wù)密度p_j。因此，將方圓5km以內(nèi)的任務(wù)數(shù)量作為衡量任務(wù)密度的指標、會員與任務(wù)問的最短距離，這兩個指標作為求解任務(wù)定價函數(shù)的決策變量，并根據(jù)實際情況進行參數(shù)的調(diào)整。

經(jīng)過多次擬合，得到最優(yōu)擬合結(jié)果，P關(guān)于p_j，l_i的多元非線性函數(shù)方程為：

Q=-0.006001p_i+0.005293l_j+66.84 （2）

R²為0.9709擬合函數(shù)式預測可靠性較高。多元非線性函數(shù)方程在95%的置信區(qū)間內(nèi)能夠解釋97.09%的數(shù)據(jù)，進一步檢驗，利用Excel求得平均誤差為3.27，相對誤差為0.044，該方程能夠解釋絕大多數(shù)變量關(guān)系，有普遍的實用性。

二、改進定價策略

（一）未完成原因分析

經(jīng)分析，任務(wù)未完成主要有以下原因：

（1）部分聚類中心周圍的任務(wù)多數(shù)未完成，說明在該區(qū)域任務(wù)的定價普遍未達到會員的與心理預期價格。

（2）部分區(qū)域完成與未完成的任務(wù)大致呈離散均勻分布，說明該區(qū)域受多種因素影響，需要進一步考量任務(wù)定價和會員心理預期價值的適當調(diào)整，適當提高未完成任務(wù)的標定價格，降低已完成任務(wù)的標定價格。

（二）調(diào)整成本定價

因此，將未完成任務(wù)的定價提升至會員心理預期價格，將已完成任務(wù)的定價略微降低以增加收益。最終，任務(wù)完成概率相比原定價方案提高了35.82%，并同時可為發(fā)包方節(jié)省一定的支出。

（三）打包分配遞推定價

考慮到實際情況中部分任務(wù)的位置比較集中，基于任務(wù)完成效率提高和接受任務(wù)數(shù)量增多的考量，會員用戶會優(yōu)先考慮選擇此類任務(wù)。基于市場需求，此類打包發(fā)布情況存在供不應求的情況，發(fā)包方可適當降低總價以節(jié)約成本。因此，我們可依此對定價方案進行修改。

首先，會員接收單個任務(wù)的情況，仍采用之前的定價方案；其次，針對一些距離較近，此處定義為互相距離平方和小于10的任務(wù)群，針對發(fā)布任務(wù)的情況，建立遞推模型，對價格進行了模擬規(guī)定，具體運算步驟如下：

Step1假設(shè)有5個任務(wù)，將其分別標記為a，b，c，d，e；對應的初始單價分別記為x，y，z，w，y；

Step2當接包中含有兩個任務(wù)a，b時，會員所得報酬為0.95（x+y）；

step3當接包中含有三個任務(wù)a，b，c時，會員所得報酬為0.95[0.95（x+y）+z]；

Step4依此類推，可得接收打包任務(wù)時會員可得的總報酬。

考慮到價格遞減模型隨著任務(wù)數(shù)量的逐漸增大，當大于某一閾值時，由于價格降幅過大，打包任務(wù)對會員的吸引力也逐漸降低，因此，我們擬將打包任務(wù)數(shù)量上限設(shè)定為5，在合理價格區(qū)間內(nèi)達到對接包方的最大吸引力。

（四）改進定價策略效果分析

相比于傳統(tǒng)定價策略的成本較高但任務(wù)完成率不甚高的定價方案，改進后的定價策略充分地利用了用戶機制，調(diào)動了用戶接受任務(wù)的積極性，不僅降低了成本，同時提高了任務(wù)的完成率，使發(fā)包方獲得更大的經(jīng)濟收益，加速了社會資源優(yōu)化共享的發(fā)展步伐。

改進的眾包模式定價策略適用范圍廣泛，具有很強的通用性，可廣泛應用于基于距離遠近進行任務(wù)定價或打包發(fā)布任務(wù)的外賣及快遞配送平臺。在考量了實際生活中順風接單及集中執(zhí)行任務(wù)的情況下，可廣泛應用于集中區(qū)域配送的外賣及快遞平臺或順風接送出行的打車軟件中，有很強的生活實用性。