作者：郭涵婧定价方案繁华度打包回归分析逻辑回归q型聚类双向匹配mat
摘要：拍照赚钱是互联网下新兴的一种自助服务模式。本文主要解决了由已结束项目任务数据的各指标及会员数据改进任务定价的问题,并分析了不同方法的实施效果。问题一,我们首先进行数据修正。通过价格分布热力图发现原方案的任务定价和该任务周边的会员分布情况存在明显的线性关系,定义任务点繁华度为以任务点为中心某半径范围内的任务点个数,故选用繁华度做自变量建立与定价的回归方程,由任务完成为1,不完成为0的特征,我们用逻辑回归建立任务完成度关于繁华度和定价的回归方程,由逻辑回归方程可以看出,在会员位置确定且无法改变的情况下,即任务的半径范围内会员数不变时,任务定价越高,任务被完成的可能性越大。而未被完成的任务点,除了位置离会员集中区较远以外,价格也不足够高来吸引更多的会员去完成它。问题二,变换模型一的逻辑回归方程即可得到新的定价方案。当任务无法被完成时,我们的定价模型通过提高它的价格以提高任务被完成的概率,而当任务可以被完成时,我们给出了可以被完成的最低定价,以提高该APP公司的利益。问题三中由欧氏距离对各个任务点进行Q型聚类,得到了各打包任务。类似于问题二所建立的模型,得出打包任务中心点的定价,并且考虑该打包任务所含的任务点个数,两者相乘得到该打包任务的最终定价,并建立一个根据双向满意度矩阵来进行打包任务分配的模型,于是每个打包任务最终被解决的可能性非常大。打包后的总定价明显低于不打包时的总定价,这对公司的利益来说是非常有益的。问题四,计算打包或不打包的定价方案,打包之后的任务总定价明显高于不打包的总定价,然而打包会让任务的完成度更好,两种定价方案各有优势,APP公司可根据实际情况选择最适合的方案。
注：因版权方要求，不能公开全文，如需全文，请咨询杂志社
