拍照賺錢APP定價(jià)方案的修正模型

魯冰兒，朱晨晨，田源明，王志勇

(1.電子科技大學(xué) 計(jì)算機(jī)科學(xué)與工程學(xué)院，四川 成都 611731；2.電子科技大學(xué) 英才實(shí)驗(yàn)學(xué)院，四川 成都 611731；3.電子科技大學(xué) 數(shù)學(xué)科學(xué)學(xué)院，四川 成都 611731)

移動(dòng)互聯(lián)網(wǎng)興起后與各行各業(yè)均有結(jié)合，“拍照賺錢”即為借助移動(dòng)互聯(lián)網(wǎng)平臺(tái)產(chǎn)生的一種自助式服務(wù)模式。用戶若要在此APP上賺錢，則需下載APP，注冊成為APP的會(huì)員。其后根據(jù)自身情況和APP上存在且無他人領(lǐng)取的拍照任務(wù)實(shí)際對任務(wù)進(jìn)行認(rèn)領(lǐng)以賺取對任務(wù)所標(biāo)定的酬金。因而平臺(tái)成為此自助式服務(wù)模式的核心要素。但若APP對所給任務(wù)的標(biāo)價(jià)不合理則會(huì)因無人問津而導(dǎo)致任務(wù)失敗。

給出已結(jié)束項(xiàng)目的任務(wù)數(shù)據(jù)和會(huì)員信息數(shù)據(jù)，現(xiàn)有是一個(gè)新的檢查項(xiàng)目任務(wù)數(shù)據(jù)，只有任務(wù)的位置信息。

現(xiàn)完成如下4個(gè)問題。

1)研究已結(jié)束項(xiàng)目中項(xiàng)目的任務(wù)定價(jià)規(guī)律，分析任務(wù)未完成的原因。

2)為已結(jié)束項(xiàng)目中的項(xiàng)目設(shè)計(jì)新的任務(wù)定價(jià)方案，并和原方案進(jìn)行比較。

3)實(shí)際情況下，多個(gè)任務(wù)可能因?yàn)槲恢帽容^集中，導(dǎo)致用戶會(huì)爭相選擇，一種考慮是將這些任務(wù)聯(lián)合在一起打包發(fā)布。在這種考慮下，如何修改前面的定價(jià)模型，對最終的任務(wù)完成情況又有什么影響。

4)對新的檢查項(xiàng)目任務(wù)中的新項(xiàng)目給出你的任務(wù)定價(jià)方案，并評價(jià)該方案的實(shí)施效果。

1 數(shù)據(jù)預(yù)處理

題目已知已結(jié)束項(xiàng)目和新的檢查項(xiàng)目任務(wù)分別提供了附件一的835個(gè)已結(jié)束項(xiàng)目的任務(wù)數(shù)據(jù)、附件二中的1 877個(gè)會(huì)員信息數(shù)據(jù)以及附件三中的2 066個(gè)新檢查項(xiàng)目的任務(wù)數(shù)據(jù)進(jìn)行分析。由于數(shù)據(jù)量較大，此處需要對所給的數(shù)據(jù)進(jìn)行一定的預(yù)處理，以防止其中有出錯(cuò)的數(shù)據(jù)在計(jì)算時(shí)對結(jié)果造成事與愿違的影響而出現(xiàn)誤差。

借助“地圖無憂”網(wǎng)站，將附件所給數(shù)據(jù)分別按照已結(jié)束項(xiàng)目中已完成任務(wù)數(shù)據(jù)、已結(jié)束項(xiàng)目中未完成任務(wù)數(shù)據(jù)、會(huì)員信息數(shù)據(jù)、新檢查項(xiàng)目的任務(wù)數(shù)據(jù)這4個(gè)圖層以已知經(jīng)緯度批量輸入。

根據(jù)已知信息的地理位置分布得到，絕大多數(shù)的數(shù)據(jù)點(diǎn)均分布在廣東省內(nèi)的廣州市、深圳市、東莞市和佛山市，極少數(shù)的點(diǎn)出現(xiàn)在這4個(gè)城市外。后續(xù)分析以此四城市為基準(zhǔn)，剔除不符合條件的數(shù)據(jù)。

此外對比所有數(shù)據(jù)的經(jīng)緯度，存在記錄員將會(huì)員位置的經(jīng)緯度記反而出現(xiàn)誤差，需要修正的數(shù)據(jù)。完成數(shù)據(jù)的剔除和修正，后文的建模和求解均建立在此數(shù)據(jù)預(yù)處理的基礎(chǔ)上進(jìn)行。

2 多元回歸分析模型

2.1 K-means聚類

根據(jù)上述分析，此處利用K-means聚類算法[1]將附件一中835個(gè)任務(wù)的經(jīng)緯度數(shù)值相近的部分進(jìn)行聚類處理。

由于任務(wù)數(shù)目過多，若聚類時(shí)設(shè)定的分類數(shù)目過小則容易導(dǎo)致分類不準(zhǔn)確并且結(jié)果誤差大。故以經(jīng)緯度為參照，對已完成任務(wù)的聚類分析數(shù)目設(shè)為20類。

設(shè)附件一中的s個(gè)任務(wù)的經(jīng)緯度點(diǎn)分別為：

{(LonA1,LatA1),(LonA2,LatA2),…，(LonAs,LatAs)} 。

其中LonAi表示第i個(gè)任務(wù)的經(jīng)度，表示第i個(gè)任務(wù)的緯度。

找到20類聚類的中心點(diǎn)：{(LonA1,LatA1),(LonA2,LatA2),…，(LonA20,LatA20)}。接下來將20個(gè)聚類中心從任務(wù)集合剔除，其次將任務(wù)從i=21開始編號(hào)，對剩余的數(shù)據(jù)點(diǎn)進(jìn)行聚類，使每個(gè)數(shù)據(jù)點(diǎn)和最近聚類中心的歐式距離平方和最小，將這個(gè)距離平方和記為目標(biāo)函數(shù)Ws，其數(shù)學(xué)表達(dá)式為：

(LatAi-LatAj)2|

(1)

在對已完成項(xiàng)目數(shù)據(jù)以其GPS經(jīng)緯度完成聚類操作，聚為20類。得到這20個(gè)中心點(diǎn)后僅從此MATLAB的聚類圖難以進(jìn)行下一步的分析，需要和后續(xù)附件的數(shù)據(jù)結(jié)合在一起討論。

由此將20個(gè)中心點(diǎn)對應(yīng)的經(jīng)緯度輸入“地圖無憂”，得到地圖上的分布圖如圖1所示。

圖1 聚類中心的地理位置

注意到中心點(diǎn)輸入之后均勻分布在前文討論的數(shù)據(jù)范圍內(nèi)，但其中從化區(qū)右上方的3個(gè)中心點(diǎn)在聚類完成后均只聚集了一個(gè)任務(wù)，過于特殊，不具有一般性，即不能代表一部分?jǐn)?shù)據(jù)的特性。因而在劃分時(shí)去掉這3個(gè)中心點(diǎn)，將原有的聚類為20部分更正為17部分進(jìn)行后續(xù)討論。

2.2 定價(jià)規(guī)律回歸分析模型

在得到附件一中已完成任務(wù)數(shù)據(jù)的聚類結(jié)果后，考慮以結(jié)果區(qū)域?yàn)閱挝唬治鲈撛趯ξ锲范▋r(jià)時(shí)服從的規(guī)律。則需要一定的指標(biāo)來評判定價(jià)的趨勢以給出分析。指標(biāo)的選取依據(jù)附件已知信息，附件一、二中提供的相關(guān)指標(biāo)有任務(wù)GPS緯度、任務(wù)GPS經(jīng)度、任務(wù)執(zhí)行情況、會(huì)員位置(GPS)、預(yù)訂任務(wù)限額、預(yù)訂任務(wù)開始時(shí)間、信譽(yù)值7個(gè)指標(biāo)。

引入指標(biāo)區(qū)域內(nèi)會(huì)員平均距離來表示各區(qū)域聚類中心到該區(qū)域內(nèi)各會(huì)員距離的平均值。

引入指標(biāo)區(qū)域內(nèi)會(huì)員水平將會(huì)員的預(yù)訂任務(wù)開始時(shí)間和信譽(yù)值兩者綜合起來。

引入?yún)^(qū)域內(nèi)供求比衡量相對需求量。

以任務(wù)聚類時(shí)的聚類中心點(diǎn)為圓心，取適當(dāng)?shù)陌霃疆媹A，此圓范圍內(nèi)的會(huì)員均屬于此區(qū)域，要求所有中心點(diǎn)組成的圓群可以覆蓋到每個(gè)會(huì)員且每個(gè)中心的劃分半徑出于計(jì)算方便的考慮，盡量選取該中心與鄰近區(qū)域中心距離的一半。在劃分過程中，若有會(huì)員被重復(fù)劃分，無需刪除，可重復(fù)屬于某一區(qū)域。

在對附件一中的定價(jià)規(guī)律可能涉及的因素進(jìn)行量化后，考慮該定價(jià)規(guī)律可能是不正確的，即可能沒有考慮到所有的因素。

因此，采用后退逐步回歸的方法來擬合出定價(jià)規(guī)律，建立多元線性回歸方程[2]:

y=ε+ax1+bx2+cx3

(2)

式中，y為價(jià)格，x1為會(huì)員水平，x2為供求比，x3為平均距離。擬合后進(jìn)行顯著性檢驗(yàn)，對其中顯著性值過大的變量進(jìn)行剔除，并再次擬合，直到無變量可剔除為止。其中，自變量分別為距離、供求比、會(huì)員水平，因變量為價(jià)格。

進(jìn)行回歸分析后，剔除自變量距離后的擬合效果很好，會(huì)員水平和供求比的顯著性均小于0.05。

由此，得到多元回歸模型：

y=67.648+55.87x1-9.772x2

(3)

從此式也可以看出，該平臺(tái)在定價(jià)時(shí)沒有考慮距離因素，與距離因素不相關(guān)。

通過多元回歸解析式，可以得出定價(jià)規(guī)律為：

以67.648為基礎(chǔ)定價(jià)，以此為基礎(chǔ)考慮區(qū)域內(nèi)的會(huì)員水平和區(qū)域供求比兩個(gè)因素，且會(huì)員水平為增加定價(jià)的指標(biāo)，供求比為減少定價(jià)的指標(biāo)。

2.3 任務(wù)未完成原因分析體系

本文可以從宏觀和微觀兩個(gè)角度建立任務(wù)未完成原因分析體系。宏觀即為以市的角度討論任務(wù)的完成度與各城市指標(biāo)之間的聯(lián)系。微觀即為從單個(gè)任務(wù)的角度分析個(gè)例中存在的特殊情況，討論任務(wù)未完成的原因。

2.3.1 宏觀

1)經(jīng)濟(jì)水平。

以人均GDP[3-6]來衡量四市的經(jīng)濟(jì)水平可得，東莞市的人均GDP僅為深圳市的48.29%，但是平均定價(jià)卻比深圳市高了4.67%。由此得出結(jié)論：對于經(jīng)濟(jì)水平較高的城市，其任務(wù)未完成的原因在于定價(jià)過低導(dǎo)致了對會(huì)員的吸引力低，不傾向于接平臺(tái)發(fā)布的任務(wù)。

2)地理位置偏遠(yuǎn)。

經(jīng)統(tǒng)計(jì)，三市城區(qū)外任務(wù)完成率與所得的三市全市的任務(wù)完成度相比，均有一定程度的下降。地理位置偏遠(yuǎn)對任務(wù)完成度有很大的影響。由此可得結(jié)論，地理位置偏遠(yuǎn)是任務(wù)未完成的重要因素之一。

3)信譽(yù)值與配額問題。

經(jīng)計(jì)算，廣州市和佛山市未完成任務(wù)處于配額過低會(huì)員周圍的數(shù)量均占總?cè)蝿?wù)未完成數(shù)的50%左右。這一影響可得結(jié)論，信譽(yù)值與配額的分配不當(dāng)是任務(wù)未完成的重要因素之一。

2.3.2 微觀

微觀角度從具體的地點(diǎn)進(jìn)行分析，將附件一所有數(shù)據(jù)輸入網(wǎng)站 分析各數(shù)據(jù)的盡可能詳細(xì)的坐標(biāo)地點(diǎn)，根據(jù)地點(diǎn)的詳細(xì)地址和周圍情況分析任務(wù)未完成的原因。

以深圳市為例，在深圳市的127個(gè)未完成任務(wù)中，僅學(xué)校、水庫、消防隊(duì)就有10個(gè)，這些地方均難以進(jìn)入。還有訓(xùn)練場、充電廠、工業(yè)園等有10個(gè)，對于簡易完成的拍照任務(wù)來說，這些地方都有各種各樣的原因難以完成拍照任務(wù)，或是地點(diǎn)本身就難以進(jìn)入。分析有16個(gè)公園、景區(qū)類任務(wù)，17個(gè)從衛(wèi)星地圖上觀察處于城市綠化內(nèi)的任務(wù)未完成的原因可能是此類地方的拍照任務(wù)較有難度，涉及某些專業(yè)相關(guān)知識(shí)，因此會(huì)員也不傾向于接受此類任務(wù)。

廣州市、佛山市也均有類似原因。此類由于拍照任務(wù)目的地特殊而未能完成任務(wù)的情況在總體未完成任務(wù)中占比較大。

車身側(cè)面最動(dòng)人的無疑是SAV標(biāo)志性的車身比例。相比上一代車型，全新BMW X5尺寸全面加大，軸距比前代車型長42毫米，由此帶來了更加舒展的車身。同時(shí)精確的腰線從后門處上揚(yáng)，構(gòu)成了富有力量感的肩部特征，并與伸展到側(cè)翼的3D立體懸浮LED尾燈相融合，展現(xiàn)了富有藝術(shù)氣息的科技感和雕塑感。環(huán)顧全新BMW X5不難發(fā)現(xiàn)它散發(fā)著X家族強(qiáng)勁、清晰而精確設(shè)計(jì)特征，讓時(shí)尚感與豪華感并存。

3 優(yōu)化定價(jià)方案

3.1 定價(jià)方案

以附件一中所有定價(jià)的平均值S0=69.11作為總基礎(chǔ)定價(jià)。其次考慮各市的經(jīng)濟(jì)水平因素，并綜合考慮各市的總會(huì)員人數(shù)、會(huì)員完成任務(wù)成本等因素以確定各城市的基礎(chǔ)定價(jià)。

為了保證基礎(chǔ)定價(jià)的合理性，采用價(jià)格轉(zhuǎn)移的方式對基礎(chǔ)定價(jià)進(jìn)行修正，綜合考慮以上3個(gè)因素，對3個(gè)因素標(biāo)準(zhǔn)化后的數(shù)值進(jìn)行取平均值作為價(jià)格轉(zhuǎn)移系數(shù)[7],其計(jì)算公式為：

(4)

式中，λi表示各城市的價(jià)格轉(zhuǎn)移系數(shù)，αi、βi、γi分別表示各城市的經(jīng)濟(jì)水平綜合得分，各城市的會(huì)員數(shù)量，各城市的人均工資標(biāo)準(zhǔn)化后的數(shù)據(jù)。接下來，對價(jià)格轉(zhuǎn)移系數(shù)賦系數(shù)得到價(jià)格轉(zhuǎn)移函數(shù)Ei(k)。

Ei(k)=5λi

(5)

最后，基于各城市的基礎(chǔ)定價(jià)，綜合考慮結(jié)合距離、區(qū)域供求比等因素，對各城市的任務(wù)進(jìn)行定價(jià)修正。

1)采用K-means算法對各城市的會(huì)員聚類，將廣州市、佛山市、東莞市、深圳市的會(huì)員分別聚為6、5、5、4類；

2)對附件一中的任務(wù)進(jìn)行劃分，找到每一個(gè)任務(wù)所屬的會(huì)員區(qū)域；

3)計(jì)算出每一個(gè)任務(wù)所在區(qū)域的供求比、信譽(yù)等級(jí)平均值及與會(huì)員聚類點(diǎn)的距離。

(6)

(7)

式中，Q(p)表示供求比修正函數(shù)，p表示任務(wù)距所在區(qū)域的供求比。

(8)

式中，R(g)表示信譽(yù)等級(jí)修正函數(shù)，g表示任務(wù)所在會(huì)員區(qū)域的會(huì)員平均信譽(yù)等級(jí)。

所有的任務(wù)都可以通過上式重新計(jì)算定價(jià)?，F(xiàn)以任意一點(diǎn)A0272為例，對其新定價(jià)計(jì)算結(jié)果進(jìn)行展示，原價(jià)為68元，更正之后的定價(jià)為76.545元。

3.2 新舊定價(jià)方案比較

3.2.1 會(huì)員收入的變化

定價(jià)提升則會(huì)員任務(wù)的收益增加，會(huì)員更傾向于完成任務(wù)，也會(huì)吸引更多的人加入此APP平臺(tái)。對于此方面的變化，每個(gè)任務(wù)計(jì)算新定價(jià)模型中的定價(jià)與原價(jià)進(jìn)行比對即為新的任務(wù)定價(jià)方案和原方案的比較。

3.2.2 APP平臺(tái)收入的變化

平臺(tái)的盈利取決于其收取企業(yè)的金額和支付給會(huì)員的金額差，對企業(yè)支付金額的比例分配。

(9)

經(jīng)計(jì)算，平臺(tái)支付給會(huì)員的利益占企業(yè)支付金額的比例為x=0.7?；诖擞?jì)算，制訂新的定價(jià)方案后，平臺(tái)收入減少了11.35%。

3.2.3 任務(wù)完成度的變化

以在上文制訂出的方案為基礎(chǔ)，增加會(huì)員選取任務(wù)的心理因素進(jìn)行模擬，對任務(wù)的完成情況進(jìn)行仿真，來比較采取新的方案后任務(wù)完成度的變化。

1)每個(gè)會(huì)員選取任務(wù)時(shí)，優(yōu)先考慮選擇離他最近的10個(gè)任務(wù)之一，如果10個(gè)任務(wù)均被選完，則從第11個(gè)開始依次往后選?。?/p>

2)在原則(1)的前提下，每個(gè)會(huì)員優(yōu)先從價(jià)格最高的3個(gè)任務(wù)中進(jìn)行隨機(jī)選擇，如果均被選完，則優(yōu)先考慮距離因素。在距離接近的情況下，考慮價(jià)格因素；

3)會(huì)員接取任務(wù)時(shí)，與自己的心里預(yù)期值進(jìn)行比較，若小于心理預(yù)期值則不會(huì)接取任務(wù)，若大于或等于心理預(yù)期值，則接取任務(wù)。

心理預(yù)期值確定方法：假設(shè)一個(gè)月工作22天，每天工作7 h，則一個(gè)月工作時(shí)長為154 h，則各城市的單位工作收益的計(jì)算公式為：

(10)

假設(shè)APP平臺(tái)拍照任務(wù)每單耗時(shí)為t，則會(huì)員對是否接取任務(wù)的心理預(yù)期值計(jì)算公式為：

(11)

3.2.4 APP平臺(tái)可持續(xù)發(fā)展

對模擬結(jié)果進(jìn)行具體分析，統(tǒng)計(jì)出各個(gè)信譽(yù)等級(jí)會(huì)員的接單率、完成率及平均收益。與原有的定價(jià)方案進(jìn)行比較，得到各個(gè)數(shù)值的變化，分析平臺(tái)在降低自己利益的情況下，能否滿足提升會(huì)員數(shù)量等利于自己發(fā)展的目的。

經(jīng)計(jì)算分析，以廣州市為例，修改前任務(wù)完成度為0.609 4，修改后任務(wù)完成度為0.722 0，提升百分比18.48%。由仿真結(jié)果觀測，新定價(jià)方案的實(shí)施對深圳市的任務(wù)完成度有極大的提升，對廣州市和佛山市提升幅度較小，對東莞市基本無變化，但也是小幅增長并未下降。同時(shí)考慮到在改變定價(jià)方案以前東莞市的任務(wù)完成度就已經(jīng)達(dá)到98.883%這一現(xiàn)象，新定價(jià)方案對這4個(gè)APP使用城市的任務(wù)完成度提升是顯而易見的。

對前述的模擬結(jié)果分析，發(fā)現(xiàn)平臺(tái)只減少了自己11.35%的利益，卻提升了19.74%的任務(wù)總體完成度。同時(shí)，使4個(gè)APP主要使用城市的完成度都得到了提升。從某種程度上來講，調(diào)動(dòng)了會(huì)員的積極性，甚至能吸引新會(huì)員的加入，均有利于平臺(tái)的可持續(xù)性發(fā)展。

最重要的一點(diǎn)是，新的定價(jià)方案解決了東莞市整體和佛山市內(nèi)部的一個(gè)溢價(jià)問題，使平臺(tái)的投資更加均衡，該改變也有利于平臺(tái)的可持續(xù)發(fā)展。

4 打包任務(wù)模型

4.1 打包模型

選取層次聚類算法[8],將每個(gè)任務(wù)點(diǎn)視為一個(gè)原子簇，采用最鄰近方法，定義類間距離為兩類之間數(shù)據(jù)的最小距離。設(shè)置聚類的終止條件為最近的簇之間的距離超過閾值3 km。本文中數(shù)據(jù)均為數(shù)值型數(shù)據(jù)，因此選取歐式距離來衡量不同類別數(shù)據(jù)點(diǎn)間的距離(相似度)，將滿足條件的原子簇不斷聚為一簇，即完成了對近距離任務(wù)的打包過程。

對已完成項(xiàng)目聚類處理后，以廣州市打包類別11為例。

其打包所含任務(wù)數(shù)為3，定價(jià)為203.97元。

4.2 定價(jià)修正模型

任務(wù)集所含任務(wù)數(shù)量及其周圍會(huì)員數(shù)量從某種程度上可以體現(xiàn)出任務(wù)集受歡迎的程度，即任務(wù)集所含任務(wù)數(shù)量越多，任務(wù)集周圍會(huì)員數(shù)量越多，則任務(wù)集受歡迎的程度越高，對其定價(jià)降低的程度也就可以越高[9]。

建立價(jià)格降低程度δ、任務(wù)集周圍會(huì)員數(shù)量m和任務(wù)集所含任務(wù)數(shù)量n的函數(shù)關(guān)系式：

(12)

選取10個(gè)距離第i個(gè)任務(wù)集最近的未打包任務(wù)，將第i個(gè)任務(wù)集降低的定價(jià)根據(jù)距離分配給這10個(gè)任務(wù)。假設(shè)這10個(gè)點(diǎn)距任務(wù)集中心的距離為ui，則每個(gè)任務(wù)點(diǎn)分配到的定價(jià)為：

(13)

修正后的定價(jià)模型為：

若任務(wù)被打包分配，則其所在的任務(wù)集的任務(wù)定價(jià)為(sij表示第i個(gè)任務(wù)集中第j個(gè)任務(wù)的定價(jià))：

(14)

若任務(wù)未被打包分配，但任務(wù)集對其進(jìn)行了定價(jià)分配，則其定價(jià)為：

Si=S0+Ei(k)+Q(p)+R(g)+D(s)+s+

(15)

若任務(wù)未被打包分配，且任務(wù)集沒有對其進(jìn)行定價(jià)分配，則其定價(jià)為：

Si=S0+Ei(k)+Q(p)+R(g)+D(s)

(16)

經(jīng)仿真測試計(jì)算，以深圳市為例，打包前，任務(wù)完成度為0.565，任務(wù)數(shù)為173，打包后，任務(wù)完成度為0.782，任務(wù)數(shù)為42，完成度變化38.41%，任務(wù)數(shù)變化為75.72%。

5 新定價(jià)方案模型及評估

5.1 新定價(jià)方案模型

將前面建立的定價(jià)模型和定價(jià)修正模型綜合起來，得到考慮打包因素后的定價(jià)模型[10]。以2.2節(jié)得到的多元回歸模型，延續(xù)其舊方案下定價(jià)的研究，將其應(yīng)用于所求數(shù)據(jù)，模擬出舊方案下的定價(jià)[11-12]。

5.2 評價(jià)模型

以3.2節(jié)中新舊方案比較為基礎(chǔ)，仍舊選取會(huì)員收入的變化、APP平臺(tái)收入的變化、任務(wù)完成度的變化、APP平臺(tái)可持續(xù)發(fā)展為四項(xiàng)評價(jià)指標(biāo)，計(jì)算方法同3.2節(jié)。

6 結(jié)束語

運(yùn)用上述的任務(wù)定價(jià)模型，結(jié)合新任務(wù)中的任務(wù)地理位置，計(jì)算出新的任務(wù)定價(jià)方案。以廣州市為例，其類別為14的打包任務(wù)所含任務(wù)數(shù)為5，價(jià)格為333.21元。依據(jù)舊方案，廣州市任務(wù)編號(hào)為C0069的任務(wù)定價(jià)為74.575元。平臺(tái)收入變化模型計(jì)算出新任務(wù)定價(jià)方案與原規(guī)律制訂出的定價(jià)方案的平臺(tái)收入的變化，其結(jié)果得，平臺(tái)收入降低29.88%。對新舊任務(wù)定價(jià)方案進(jìn)行完成度的仿真，其結(jié)果以廣州市和深圳市為例，其新舊定價(jià)方案的完成度均上升。對前述的模擬結(jié)果分析，發(fā)現(xiàn)平臺(tái)減少了自己29.88%的利益，對于廣州市和深圳市分別提升了38.67%和75.68%的任務(wù)完成度。同時(shí)，考慮到新項(xiàng)目中任務(wù)數(shù)量很大，使兩個(gè)任務(wù)主要分布城市的完成度都得到了提升。從某種程度上來講，調(diào)動(dòng)了會(huì)員的積極性，甚至能吸引新會(huì)員的加入，均有利于平臺(tái)的可持續(xù)性發(fā)展。