文档介绍：“拍照赚钱”定价分析
随着现代互联网技术发展“拍照赚钱”已经成为时下一种热门的互联网自助模式，如何对任务进行定价的合理性显得尤为重要，本文针对题目重所给的信息数据进行归纳设计和总结，研究其定价规律，并建立模型。
针对问题一，本文对难以进行细致考量，我们只考虑宏观方面的因素。
(1)未被完成任务与市中心距离
(2)未被完成任务与会员密度
影响因素一：任务点与市中心距离原因
根据给的附件数据，把任务点的经纬度作为自变量，将任务标价作为因变量，做出三维
立体图。
图中颜色深的地方，任务多。颜色浅的地方，颜色浅，我们根据此图做出更细致的地
点与任务之间的关系。
我们由图可得定价与距离市中心距离不相关，因此我们认为距离市中心距离对任务是
否完成影响不大。
影响因素二：任务点与会员分布的关系
根据给的数据确定一个任务点周围会员的密度，以会员密度为自变量，以薪酬为因变量，
做出散点图。
标价吸引度因素
（1）标价吸引度低
计算未完成任务的标价吸引度，画出任务点散点图
1mo 仇工a
眄不器有优
由图中可以得出，未完成任务点与标价吸引度有很大关系，未完成的任务大部分是由于
标价吸引度低，。图中标价吸引度高但是未完成的任务有六十个左右。
（2）距离吸引度较低从图中找出标价吸引度高但未完成的任务六十个。假设他们是因为
距离吸引度低的原因未被完成。计算剩余的任务点与距离吸引度的散点图
- 低吸引度 .
.
03 1 1 ■ - 1
100 200 300 400 500 600 700 800 900
。图中有近15个任务是因为记忆力吸引度低而未被完成。其余可能是因为其他原因。
结合上述分析，未被完成任务受标价过低的原因影响较多，因此，我们小组认为未被完成的任务是因为标价过低。
，对之前的定价模型进行修改。
我们假设某个任务点为A，寻找此打包点周围1km以内的其他任务点，若以半径为1KM以内的任务点大于等于两个，我们可以将某任务点与其周围的任务点放一起打包发放，
当以下一个任务点为中心的覆盖范围有之前的被打包过的文件，不将其再次打包。以这种规则，当所有任务点打包完毕之后，剩余的任务点以原方法进行定价。打包
后的任务点重新进行定价。
打包的顺序图
圆域内打包任务点的挑选公式如下：
Act=a1(wi+wj)+a2(ni+nj)+a3d-k
其中al为定价的系数，a2为任务完成概率的系数，a3为任务点据区域中心点距离的加权系数，K为修正系数；wi,wj分别代表当前任务点和北挑选任务点的定价，ni,nj分别代表当前任务点和被挑选任务点的任务完成概率，d是两个任务点之间的距离。当Act的数值越接近0适合被打包。以此来确认被打包的任务点。
进行的打包后的任务，会员可以一次性接大量任务，提高会员的积极性，同时分散会员完成其他任务，这样未完成的任务点将比之前的少。提高任务完成率。
问题四对附件三中的新项目给出你的任务定价方案，并评价该方案的实施效果
对附件三的数据进行分析，在地图慧上进行任务位置的分配，然后进行分析。
比同站不再显示
D n1 Q1 13 htlpi:dltiixuL. -EMi'iipp
A3E4JL 钮口 □ tJ-=
任务主要分布在广州与深圳市，其中在广州分布最多。
将广州和深圳分别看作一个类，类中都是任务，任务与任务之间有很大相似性，但每个任
务的分布，薪酬等都不同。所以将任务点进行聚类，得到以下图形
附件三任务点聚类
通过聚类我们得出任务点主要分布在两个中心点周围。
(1 )计算各任务点距离市中心得距离，记为A1 ,
(2 )，记为A2
(3)，记为A3
将各个数据进行标准化，分别赋予A1,A2,A3.
利用公式对任务进行打分
W=-++65
对符合条件得密集任务进行打包
由于从第三问知道打包后的任务完成率比未打包之前高很多。因此新的任务定价方案实施效果我们给予肯定。
六模型的评价与推广
通过此次建模练****我们了解到在一个建模开始之前应做的准备，虽然是第一次进行，但我们认为自己可以随时进入建模状态。
（一）模型优点
本文档的模型是根据大量数据进行建立，将给出的数据利用地图慧将附件中数据的分布清晰的表示，帮助排除