Build Your Best Truckload Strategy


即使最周详的整车运输策略也会存在一些固有的执行力表现差异,这让托运人和服务供应商无不感到沮丧。

由 C.H. Robinson 资助的一项大学研究获得了有关整车运输市场结构以及与结果密切相关的参与者偏好的独到见解。我们将这些见解整合到了我们的策略、流程和技术之中。本指南概述了我们的研究、方法和工具,以帮助您制定更强大的整车运输策略。

本指南阐述了整车运输市场的积极影响和局限性,以及托运人货运组合与市场的相互作用,因此,我们的最新学术研究是对传统整车运输采购和路线指南构建方法的补充。简而言之,市场可以通过提供福利政策来提高某些路线的吸引力,而对其他路线不给予福利政策,甚至制造阻力。借助这些见解,您可以制定授标和现货运力策略,朝着实现计划目标又迈进一步。

根据研究策略和经验制定整车运输计划,不仅有助于符合预算要求,限制市场波动加剧带来的影响,同时还能在任何市场提供最佳服务。

最佳整车运输计划应充分利用:

  • 装载水平数据
  • 托运人路线属性
  • 市场路线属性
  • 合同/授标量
  • 现货市场策略
  • 由表现最佳的供应商组成的合理化供应商体系
  • 可预测的采购节奏
  • 维护

本指南将介绍

  • 以研究为指导的策略
  • 更广泛的市场和托运人路线细分的影响力和价值
  • 全面合同和现货策略的价值
  • 运力策略
  • 为计划内和计划外的货运制定预算

以整车运输研究为依托的流程

从装运层面,对整车运输历史数据进行清理和细分。根据需求可预测性细分的实际货运路线是启动采购活动流程的关键。

众所周知,做好万全准备是任何项目取得成功的关键。就整车运输采购和路线指南策略而言,装运历史数据为实现最佳结果提供了机会。我们与多所大学联合开展的研究发现了一系列可在采购策略中加以利用的见解,这里主要介绍其中两个重要的见解。

清理数据

清理不准确、已关停设施、已终止合作的供应商和收货人的数据,是采购活动取得成功和路线指南发挥优异作用的关键。对于清理机会,重影路线是重中之重。我们委托进行了一项研究1,以了解采购活动和路线指南中所纳入路线的影响,这些路线未促使向中标服务供应商进行招标。

  • 在采购活动期间签订的路线中,有 65%-80% 变成了重影路线。
  • 在某一特定年份,与低重影率模式下的潜在投标相比,服务供应商的重影路线每增加十个百分点,其第二年所有路线的合同价格就会上涨 1%。

尽管托运人倾向于在采购活动中整合所有可能的路线,并希望向这些路线授标,以支持装载招标和付款,但这些不太可能发生的授标会导致其向单一服务供应商支付的总价上涨。据推测,服务供应商正在缓冲来自不熟悉路线的计划外装载和作业成本。

需求模式

研究2 表明,装载需求模式的可预测性与主要供应商接受投标的可能性之间存在直接关系。首次招标接标率有助于达成预期成本目标和实现预期效果。货运数据可以让您了解年货运量,以及每周和每日模式和波动性。

如果可以预测装运投标情况,服务供应商便可以制定运力计划,并充分发挥路线指南的作用。如果装运投标情况很难预测,卡车运力稀缺(尤其是在卡车市场供不应求时)会使一些供应商被迫拒绝投标,如此一来,托运人将承受备用供应商和现货市场带来的成本超支。

在采购活动中提供准确的数据以及最可行的路线和装运活动,可实现最具实力的路线指南和最低的可计划成本。

“研究历时多年,涵盖所有市场周期”

按主要市场通道对您的货运进行细分。借助合约发挥特定通道的优势。针对现货市场中其他公司的局限性制定策略。

托运人组合的市场视图

整车运输是一种以市场为基础的业务,尽管托运人的货运服务看起来很有吸引力,但采用哪种整车运输策略往往受到整个市场的影响。要克服贸易通道的影响,首先要创建一个细分视图,以展示您的货运与市场重叠情况。如果贸易通道在两个方向上保持良好的平衡,或者在一个方向上保持大量稳定的货运量,则能够为托运人提供支持。如果入境货流不平衡或非常零散,运力和定价更容易出问题。我们的 Procure IQ 工具和经验将提供数据可视化和动态分析,以帮助您制定采购策略。

托运人货运组合细分

C.H. Robinson 资助的一项学术研究3 通过将托运人的货运定向流动和平衡性相叠加,进一步提高了研究更广泛细分市场的价值。研究总结发现,与反应迅速的传统现货市场方法相比,托运人入境路线和低密度路线可以从更广泛市场中最强劲的两个细分市场受益,进而做出更多承诺并强化策略。

建议:根据此细分分析,将路线纳入四种高层次运力策略之一:

  • 合同专属可能性:该细分领域的路线具有一些属性,这些属性可能采用专属策略,并且需要这种级别的服务。如果不具有专属性或不完全适合,以分级授标为基础的路线指南将表现出色。
  • 合同:这些路线具有以分级授标为基础的路线指南的属性,并且表现非常出色。
  • 结构化现货市场:这些路线虽然不是路线指南策略组合中的最佳路线,但可以在强劲的机会市场细分领域受益。可以构建一种数字化动态运力方法,比传统的现货市场策略更有保障。
  • 现货交易市场:一种数字化现货市场策略,适用于吸引力较低且与弱势市场通道相吻合的路线。
整车运输市场细分:现货市场货运的专属合同

对于托运人货运组合和更广泛市场的重叠部分,此图为合同或现货运力策略提供了广泛的建议。

此策略源于我们的学术研究,这项研究回顾了托运人路线指南策略和历史表现。最终结果表明,尊重市场属性及托运人货运和路线属性的运力策略才是上佳之选。这种策略在任何市场都能实现最优表现和定价。

“装运投标的需求模式是供应链中与首次招标接标率紧密相关的主导因素"

要制定有效的整车运力策略,首先要确定货运需求模式。了解需求是规划整车运力的基础。

C.H. Robinson 资助的一项学术研究4 发现,路线的需求模式是最具影响力的路线属性之一,仅次于供过于求或供不应求的市场周期,与路线指南中首次招标接标率和支付预定费率密切相关。

研究5 表明,主要服务供应商对装载招标的首次招标接标率与需求模式的可预测性和低货运量波动性有很强的相关性。因此,可以根据可预测的模式制定采购策略和运力授标策略,同时更有效地应对难以预测的模式。

低货运量路线往往很难吸引服务供应商签订装运授标合同,但研究6 发现,将兼容的低货运量路线与处于同一通道的高货运量路线整合在一起,不仅可以满足需求,还可打造可规划、可承包的整合路线,提高对服务供应商的吸引力。兼容路线是指承运商认为起运地和目的地的地理位置几乎相同,并以统一价格予以接受的整合路线。

在进行路线整合并尝试修改业务流程以顺利进行装载招标之后,应将具有已知需求模式限制的路线从传统合同策略中分离,并制定尊重路线属性的策略。可承包性的一个有趣的例子是季节性产品,这些产品在有限的发货窗口和明确的路线内具有高货运量、可预测的需求,但不是传统路线指南的理想之选。在这种情况下,可能需要建立外包关系或者建立一个非常有限的运力池,以应对季节性激增。

利用关键服务目标和主要路线属性,使您的货运与可用运力服务保持一致。

根据关键属性划分货运组合并制定运力策略(合同授标或现货策略),与对每个细分市场最感兴趣且最具实力的运力社区达成一致,从而抓住机遇。下面列举一些示例:

  • 专属性:将具有特殊服务需求的可规划路线与分层路线指南采购活动分开,用于单独的专属服务采购活动。
  • 拖车服务、资产和代理策略:货运组合所需的拖车运力可能超过核心资产承运商社区所能提供的运力。代理人可以利用和整合小型承运商的运力和自身资产或类似拖车池(例如 C.H. Robinson 的 Power Plus 车队),来提供额外的拖车服务。
  • 现场装载合同/授标:现场装载服务的成本通常低于拖车服务,尤其是在不支持拖车服务的路线。现场装载服务开辟了大量额外的市场运力,这有助于降低价格,提高运力保障。
  • 现场装载结构化现货市场:在平衡市场和头程运输通道的托运人入境和低货运量出境路线可能适合结构化现货市场计划,例如基于指数的定价或其他半结构化方法。这些技术旨在提高现货市场中首次招标接标率和价格的可预测性。
  • 现场装载现货市场/交易:最后,那些不适合任何运力规划方法的路线可充分利用现货交易市场。但是,与以往的手动流程相比,今天的策略有了很大的改进,这是因为它们建立在托运人 TMS 和现货市场供应商之间以数字连接的自动化方法之上。

与核心运力供应商定期开展采购活动,以构建更有效的路线指南。

在制定市场进入策略后,与首选运输供应商合作,共同确定哪些路线最适合他们的网络和来年的服务组合,这个过程即为正式采购活动。以下提供与运输计划表现相关的研究见解。

“领先的托运人通常都有路线指南策略,该策略基于表现最佳的合理化供应商体系,在该体系中,每个供应商都有明确的作用。”

合理的供应商体系与路线指南的表现息息相关

C.H. Robinson 资助的一项研究7 发现,使用在托运人社区表现优异的少量运输供应商的托运人,其首次招标接标率往往更高,获得的价格也最优惠。使用庞大的供应商和/或在整个托运人社区表现不佳的供应商的策略,其首次招标拒标率往往较高,因此需要使用费用更高的备选供应商。

以可预测的节奏进行采购活动可提高首次招标接标率并降低价格

研究8 发现,与不进行正式采购活动或不遵循可预测节奏的托运人相比,每年都开展采购活动的托运人的路线指南往往表现更出色。假设当运输供应商能够预测续订活动,其接受沿用旧有定价的装运招标的容忍度就会更高。年度节奏是最常见的可预测策略。

为采购活动提供按运力策略细分的运费

货运组合最基本的细分标准有

  1. 专属运力
  2. 授标分层路线指南
  3. 现货市场

如前所述,具有可预测装载招标模式的路线最适合授标分层路线指南。在构建采购活动时,不妨考虑利用为每个细分部分寻求的服务来有意吸引供应商。您还可以考虑按照位置优越的市场通道中的路线和弱势市场通道中的路线,对现货细分市场进行细分。这使得各方能够就结构化现货市场和现货交易市场运力提案进行战略性接触。

将数字化现货市场策略作为关键备用策略,最大限度地减少路线指南失败导致的计划外支出。

主要供应商授标通常只需授予一到三个服务供应商。路线货运量是主要授标策略的首要影响因素。许多路线可以由一条主路线提供服务。由于路线货运量和核心供应商的可用运力,一些路线需要定量授标和招标。

为每条路线制定备用供应商策略,通常只需 2 到 4 个备用供应商即可。C.H. Robinson 资助的一项学术研究9 发现,市场供过于求和供不应求会影响备用供应商的需求和利益。当市场供不应求时,第四个备用供应商即可满足路线覆盖要求。当市场供过于求时,通常只需要第二个备用供应商。这些限制大致定义了扩大备用供应商名单的优势。当市场供不应求时,第五个或之后的备用供应商往往会拒绝投标。大多数 TMS 应用长尾备用策略后,导致将一天的大部分时间花在路线指南靠后的备用供应商身上,结果不得不在下午的不利时段进入现货市场。在价格方面,排名靠后的备用供应商产生的成本可能与现货市场溢价不相上下,而且可能存在服务及时性风险。

整车运输研究 | 路线指南深度信息图

插入数字化现货市场策略与长尾路线指南的对比图。现在,您能够授标备用供应商,从而更快地进入现货市场。进入市场的速度是选择优质运力和定价的关键。您可以在授标第一个或第二个备用供应商后进入市场,也可以直接进入市场。

路线指南维护计划

托运人和承运商网络在一年的时间里会不断变化。托运人的预测因采购活动中的载货量和模式而异。承运商的资产流计划随其托运人的客户差异而变化。因此,路线指南往往会在一年内“过时”,尤其是在市场供不应求的年份。C.H. Robinson 资助的一项研究10 发现,与那些等到年度续约时才调整授标的托运人相比,积极维护路线指南中表现不佳的路线的托运人往往花费较少

“当托运人对表现不佳的路线指南进行维护,计划外支出便会减少。”

通过考虑您的主要供应商对您采购的航线的报价以外的因素来微调您的预算。

研究11显示,托运人始终面临着预算超支的问题,超支幅度从可控的 6% 到惊人的 180% 不等。 大量无计划且不稳定的现货市场支出(特别是中小型托运人的支出)加上传统预算方法的预测不足导致了超支。 这项研究的结果还强调了车道一致性的重要性,而不仅仅是数量。研究发现,活跃超过 12 周的车道在第二年再次重复的可能性要高得多。 这种洞察可以帮助托运人更好地预测运量和成本的变化,从而做出更准确的财务规划。

引入新的预算框架

为了应对这些挑战,研究团队创建了一个新的预算框架,旨在提高准确性和可靠性。 该框架提出了一种 80/20 的分配方法:80% 的预算应根据高一致性车道(每年载客量超过 100 次且活跃时间超过 12 周的车道)进行分配,其余 20% 用于低一致性车道。 这种方法允许托运人通过考虑计划内和计划外支出来创建更精确的预算预测。 该框架还包括为新负荷不可避免的计划外支出编制预算。 计划外的货运量占运输支出的很大一部分,这意味着它应该成为预算的重点关注点。

预算框架图

将托运人的具体数字输入到上述框架中可以提高预算的准确性,但利用研究中的平均值仍然是有利的。

该框架为何有效

采用这一新的预算框架的好处是巨大的。 通过转向更加数据驱动的方法,托运人可以实现几项关键的改进:

    增强的可预测性:新模型将支出模式与历史车道活动结合起来,为预测提供了更可靠的基础。

    减少超支:通过划分高一致性和低一致性航线,以及考虑计划外货运的必然性,托运人可以显著降低预算超支的频率和严重程度。

    改进财务规划:通过更清楚地了解航线行为和支出趋势,托运人可以做出更明智的决策,优化采购策略,并根据市场情况动态调整预算。

    更高的准确性:该框架的预测能力体现在 69% 的案例中成功预测了 3% 以内的预算结果,凸显了其在实际应用中的有效性。

今天的整车运输经济体由承运商、第三方物流、托运人和收货人组成。各公司越来越关注收益、效率、有效性和可靠性。

随着技术的发展,整车运输策略(涵盖了广泛的运力市场和可用服务)的设计和运营能力不断提高。本文所介绍的思路是 C.H. Robinson 学术研究和运力组合的一部分。这些思路可以用作单独的改进任务,也可以作为咨询性的 C.H. Robinson 互动的整体方法。如需更多信息,请联系您的 C.H. Robinson 专员。



研究参考文献:

1 Yu Xuan (Sherry) Liu 和 Alex Mil,供应链管理应用科学硕士,顶点项目。 学术顾问:麻省理工学院交通与物流中心 (MIT-CTL) 博士候选人 Angela Acocella 和 Chris Caplice 博士,2021 年
2 Nishitha Aemireddy 和 Xiyang Yuan,MIT-CTL 供应链管理应用科学硕士,顶点项目。 学术顾问:Chris Caplice,博士,2019
3 Aaron Zheng 和 Jorge Oliver,MIT-CTL 供应链管理应用科学硕士,顶点项目。 学术顾问:Chris Caplice,博士,2023 年
4 Grace Caza 和 Varun Shekhar,麻省理工学院 CTL 供应链管理应用科学硕士,顶点项目。 学术顾问:Elenna Dugundji 博士和 Chris Caplice 博士,2022 年
5 Nishitha Aemireddy 和 Xiyang Yuan,MIT-CTL 供应链管理应用科学硕士,顶点项目。 学术顾问:Chris Caplice,博士,2019
6 Julia M. Collins 和 R. Ryan Quinlan,MIT-CTL 供应链管理应用科学硕士,顶点项目。 学术顾问:Chris Caplice,博士,2010
7 Caroline C. Bleggi 和 Frederick (Qian) Zhou,麻省理工学院 CTL 供应链管理应用科学硕士,顶点项目。 学术顾问:Chris Caplice,博士,2017
8 Bobby Martens 博士和 Yoshinori Suzuki 博士,爱荷华州立大学,爱荷华州立大学商学院供应链管理系,2011 年
9 Grace Caza 和 Varun Shekhar,MIT-CTL 供应链管理应用科学硕士,顶点项目。 学术顾问:Elenna Dugundji 博士和 Chris Caplice 博士,2022 年
10 Venkateswara Rao Bandaru 和 Emilio Dolci,MIT-CTL 供应链管理应用科学硕士,顶点项目。 学术顾问:麻省理工学院交通与物流中心 (MIT-CTL) 的 Angela Acocella 博士和 Chris Caplice 博士,2020 年
11 Mostafa Taheri 和 Shayna Moliver,麻省理工学院 CTL 供应链管理应用科学硕士,顶点项目。 学术顾问:Chris Caplice,博士,2024 年

在本页

https://www.chrobinson.com/zh-cn/resources/resource-center/white-papers/build-your-best-truckload-strategy/