数据驱动:优化收入管理助力航空货运穿越周期软着陆

作者:谢乔,Steve Saxon 陈子, Soufiane Daher

新冠疫情期间需求激增运力稀缺,航空货运经历了一段高收入红利期。但三年繁荣过后,收益率回落,逐渐偏离2021年的峰值水平。随着腹舱运力恢复,需求呈现疲软态势,面对“回归常态”的不确定性,货运航司需谋求新策略。

在“回归常态”的趋势下,如何避免“硬着陆”成为货运航司的当务之急。在这种大环境下,创新收入管理方式或成为关键,可助力航司调整商业战略,继续在市场中受益。

过去三年,航空货运市场曾经一舱难求,让运力充足的货运航司纷纷甩开竞争对手。近期,市场逐步回归需求驱动:收益率呈现下滑趋势,需求趋缓,腹舱运力也在持续恢复(见图1)。未来,运价预计将进一步回落,但仍有望高于2019年水平1

在不断变化的市场中,各货运航司或需采取全新的商业运营方式,以保持竞争力。随着腹舱运力的恢复,市场竞争或将更加激烈,缺乏有力商业模式和收入管理的航司可能面临失败风险,收益率降幅亦将高于平均水平。

与此同时,疫情暴发以来,诸多货运航司纷纷大力投入数字化战略。值得一提的是,线上销售出现爆发式增长,让货运航司相较三年前拥有了更为丰富的数据积累。近期,一份Freightos WebCargo报告显示,2023年第一季度,全行业运力数字化覆盖率高达57%,较2022年一季度的38%再上层楼,而2019年一季度仅为3%2

综观市场变革与行业数字化的兴起,我们认为:现在正是制定航空货运新一代收入管理策略的关键时刻。

本文将深入剖析三个关键领域:一、依靠准确预测,形成可落地的行业洞见;二、利用实时监控,实现快速决策;三、落实以客户为中心的运营策略。货运航司可聚焦这三个领域,重新审视收入管理策略。

 

利用新技术优化预测数据

预测供需关系是货运服务定价及收入管理策略的重要依据。然而,货运需求预测极具挑战,原因有三。

第一,订单通常为“临时抱佛脚”,且最后一秒才赶来的订单在业内司空见惯。通常,在离货物出港前两周,航司只有不到40%的运力已完成预订。第二,航空货运市场变幻莫测,货主常将航空运输作为最后一刻的补货运输途径,受多种经济性因素影响,航空货运需求可能在一夜之间剧变。第三,航空货运市场涉及数十个细分行业和数以千计的商品,每个行业、每种商品都存在多种驱动因素,使得货运需求难以预测。

然而,航司可以利用各种先进技术,不断优化需求预测,应对市场波动。得益于更精细的数据源,以及机器学习算法的日益进步,货运航司寻求更佳的需求预测解决方案,获得更深入的客户洞察,以及最终做出更敏捷的收入管理决策,已成为可能。

例如,由于线上销售的增多,货运航司掌握了更多客户行为数据,尤其是拥有自有销售门户的航司。通过数字化,航空货运行业有机会绘制出360°全方位客户旅程,包括销售端的数据。如客户搜索了哪些航班、预定前置时间、货运请求发出方式、确认运力预定所用时长,以及是否存在取消或修改情形。航司还可查看各环节的转化率,了解自身在销售各个阶段(发现需求、航班筛选、产品筛选、报价等)的客户转化表现。

将所有此类数据汇聚在一起,意味着航司能够优化客户体验:因为他们能更好地理解客户的需求内容与时机。这是客运航司或酒店之类的B2C企业获取客户洞察常用方式,货运航司也可以考虑使用类似的方法,努力尝试通过电商渠道开展销售。

人工智能(AI)和机器学习(ML)正席卷全球各个行业,货运航司得以借助AI技术更准确地预测需求。麦肯锡全球研究院的一项研究指出,旅游、交通运输和物流行业利用AI技术创造新增价值的潜力最大,预计可创造1.8万亿美元的价值。其中,约一半的价值可能源自于商业化应用,如客户服务和定价3

货运航司非常适合利用AI技术提升预测准确性。例如,AI不仅能分析上千种乃至更多的大宗商品,而且能分析它们在供应链上的相互依赖关系。又如,AI能够判断某国原材料及半成品需求变化如何影响另一国特定成品的需求增减,以及这种情况对货运需求的影响。

利用AI预测货运需求时,航司应注意以下几点:一是选择合适的数据源。数据颗粒度需要足够精细;二是结合内外部数据。这有助于提高预测准确率,即使在离港前两周预订量较少的情况下。三是重视内部历史数据。在提升预测质量的过程中,这些数据容易被忽视。

随着高质量数据占比的增加,ML算法的准确性将提高,AI赋能的预测也将随着时间的推移而更加准确。某货运航司利用AI显著提升了需求预测能力。初期,该航司的AI工具将预测错误率从约20%降至14%,并在正式上线后持续提升准确度。

该航司发现,这款AI模型可通过多层算法预测货运需求的季节性规律,该项能力远超传统模型,使得在货物离港前1~4周内的运量规律预测维持在较高的准确度。此外,纳入预订取消情况等数据,也有助于提升最终的运量预测品质。

内部数据潜力较大,存在诸多有待挖掘的机会点。例如,按航线、按客户来预测预订订单的爽约率。某航司采用了该方法优化运力管理,最终实现了盈利能力的提升。了解预测取消情况让该航司得以增加“运力超售”的同时,仍能有效管控罚款风险(见图2)。再结合其他特定用例,该航司在12周的试点结束后将载货率提升了约8%。凭借这项成功试点,该航司从整个航线网络中识别出价值数千万美元的降本潜力。

最后,航空公司需要让预测具备可操作性。追求完美预测与基于手头信息推进工作、做出合理决策,通常需要权衡。毫无疑问,定价团队无法保证百分之百的准确率,关键在于在合适的时间做出有依据的决策。

实时监控供需情况

疫情过后,预订曲线已然变化,且市场正处于拐点,这些变化可能加速发生。因此,航司需时刻关注监控运力预订情况,更加主动、频繁地刺激需求。目前,这项工作比以往任何时候都要更加重要。

以某货运航司为例,其预订曲线在疫情期间发生了显著变化。2021和2022年预订节奏加快,尤其在离港前两周的时间节点上超过了2019年的水平。离港前一周的预订重量已远高于疫情前水平,降低了在最后一刻装满货舱的紧迫性(见图3)。在这一特殊案例中,所有最后一刻降价的举措均无法复刻往年的效果,因为多数客户已在航班离港前几日完成预定。这一案例也揭示了行业中最后一刻的本质:航班一半以上的运力通常在最后一周才完成预订。

 

鉴于这一经营环境,收入管理决策对供需变化极为敏感。因此,面对当前市场的不确定性,航司可通过细化实时供需评估来优化收入管理。

比如,航司可建立实时供需仪表盘,根据实际发生和预期的订单情况,全程实时监测航班的载货情况,以定位最大机会点。航司可基于滞后指标(历史数据),亦可依托数字化运营带来的大量新数据形成的潜在前瞻性指标进行预测。

航司在刺激需求方面也可更加积极主动。比如,航司可评估客户在交付货物方面的完成率,并与实时数据进行比对。

若客户一贯在货物离港前12天提供某航线的货物,但收入管理团队在第10天注意到客户尚未提供货物,则需积极采取行动。销售团队可以联系客户,询问需求,了解需求变化,或探讨如何为其定制产品。如果航班载货率未达预期,需要销售团队加快流程;如果航班过快满载,收入管理团队需收到信号,重新评估定价策略。

及时行动的背后往往牵扯大量的价值。业内的关键决策通常在航班离港前最后一周做出,因此航司需保持敏捷,掌握实时信息。通常情况下,收益率波动会在最后一周达到最高点,分布差异相对稳定,直至离港前第五天开始扩大(见图4)。

通常,填补航班运力空缺的最后一批货物收益率最高。这意味着在此时段制定的定价和收入管理决策最有可能实现高盈利或高价值。

麦肯锡的分析表明,如果航司能够在离港前最后一周低于平均水平的收益率中挖潜,并将其提高30%,则总收入可提高7%~8%。

当前市场中,航司需迅速应对供需变化,充分抓住突发机会,但决策需谨慎评估。航司可推进数据分析,强化决策,并通过内部流程和决策框架,协调销售、航线网络和收入管理团队。

这些措施将有助于打破团队壁垒,并能更灵活地应对市场变化。

数字化是实现该目标的有效抓手,但前提是航司能充分利用现有数据。例如,如果航班周四离港,但多数客户都在搜寻周五离港航班时,需将这一关键信息传达给航线网络团队。

团队之间的闭环反馈机制对于了解客户旅程以及收集各方面数据至关重要。

以客户为中心

根据收集到的客户、客户需求及客户旅程各阶段等相关洞察,航司可制定一个以客户为中心的综合收入管理战略。

通常,货运航司的收入管理决策基于对航班的盈利能力的判断。他们根据预期的需求和运营成本设定准入价格——这是基本原则。

然而,航司可能难以按客户价值

来管理收入。例如,某一大客户在高需求和低需求航班上均有运输货量,对高需求航班的定价则变得复杂。

这是客运航司在制定企业销售计划中已探索清楚的问题,即航司需要关注长期客户关系及相关激励,并综合考虑各个航班的定价和收入管理模型产生的预测。

为实现效益最大化,货运航司在进行收入管理决策时可以考虑以下三个方面:航班盈利能力、客户价值和产品供应(见图5)。

从本质上讲,收入管理通常基于目的地/始发地或航班盈利能力。这种方法依赖于历史数据驱动的模型,因为这些数据展示了供需关系——即航班预订速度。这主要适用于低需求航班和/或几乎没有大客户的航班。

然而,在有大客户和/或高需航班的情况下,许多航司可能会争抢同一批货源。这时航司应更多地从客户角度出发,了解大客户对整个航线网络的贡献情况。由此,航司可优先考虑“战略型”客户,比如客户的货物运输需求和航司的航线网络高度重合,这时客户与航司可在同一市场中寻求业务增长。

航司可以进行模拟,根据始发地/目的地在整个航线网络中的利润贡献,确定优先的高价值客户,同时考虑客户未来的增长潜力。采用这种方式,航司的收入管理决策能优先考虑与航司航线网络“同频共振”的客户。

接下来,航司可根据客户要求,有针对性地构建并定制产品和交易结构。同样,为了确保有效性,收入管理和销售团队需要合作建立一个闭环反馈机制。销售人员可跳出传统收入管理指导的束缚,更加积极主动地识别客户潜力。事实证明,为一家大客户匹配专属的销售和收入管理团队,实施必要的刺激措施,以带来全新视角,可能是最有效的方法。

在产品盈利能力方面,航司或可从产品和服务入手,例如关注某一垂直细分市场,它们有着独特的价值动因和成本动因。此外,航司还可寻求其他辅助盈利举措,如可持续航空燃料(SAF)的销售或灵活的运力选择。借助在线预订,目前货运航司对客户需求及支付意愿有了更深入的了解。货运航司或可借鉴客运航司的方式方法,学习如何乘客数据预测需求和偏好。尽管理论上货运属于B2B业务,但在了解客户特征和画像方面,B2C的方法有助于货运航司在数字时代重新思考其产品服务和定价结构。

当前,人工智能/机器学习能帮助航司处理海量数据,这是分析客户潜力的重要输入。这不仅局限于历史收入数据,还包括预订模式、航线组合、货物密度、可预测性等多种变量。例如,一家在航线、产品和垂直市场等方面拥有多样化组合的中型客户,相比在少数市场运营且“爽约率”较高的大型客户,可能更具潜力。这种细分客户的方法能帮助航司优先关注高潜力客户,其重要性不言而喻,因为客户可能会在不断变化的市场中审视他们的预订需求和运力获取策略。

时机已到:未来潜在发展路径

在波谲云诡、充满不确定性的市场上,收益率或可走低,每家货运航司都必须明智行动,维持收益率。这就要求航司保持敏捷,快速决策,并实施全新的工作方式。对希望重新审视收入管理策略的货运航司而言,可从以下三个重点着手:

  • 充分挖掘数据潜能。航司可以从高质量的数据收集着手,作为决策的重要输入。同时深挖所有内外部的点状数据源,鉴定数据可用度,并充分考虑自身具体情况。
  • 评估分析工具价值。航司可以评估机器学习等创新工具在各个方面商业决策的应用。
  • 重新设计内部流程。以敏捷决策为目标,重构流程,目的是打破部门间的壁垒,以便更透彻地了解客户及其需求。

当然,各家航司优化收入管理的方法不尽相同。第一步可以从识别商业用例长名单入手,根据提高运力利用率、提高收益率、增强客户体验三大目标进行分类。航司可开展小规模AB试验,测试各个用例,论证其价值。但航司不应该止步于此,选择恰当的用例进行规模化拓展至关重要,同时要继续构建数字化能力,并整合到企业各个环节。

纵使未来数月货运航司仍将面临挑战,但改善收入管理的机遇尚存,以保持竞争力和盈利。这取决于新的数字化方法,组织与决策机制的整合,以及在进行收入管理决策时如何确保客户始终处于核心地位。

 

作者:

谢乔是麦肯锡全球董事合伙人,常驻北京办公室

沈思文 Steve Saxon是麦肯锡全球董事合伙人,常驻深圳办公室

陈子是麦肯锡咨询顾问,常驻上海办公室

Soufiane Daher是麦肯锡咨询顾问,常驻阿姆斯特丹分公司;

 

作者在此感谢FLYR实验室为本文提供依据案例,感谢Ludwig Hausmann和Mark Williams对本文的贡献。

© 版权声明
THE END
喜欢就支持一下吧
点赞6 分享
评论 抢沙发
头像
欢迎您留下宝贵的见解!
提交
头像

昵称

取消
昵称表情代码图片

    暂无评论内容