同城货运或将转战B端

快递价格 2019-06-17 09:15www.guomeikuaidi.com快递价格查询
近日,中通研究院发布了2019年Q1国内同城货运行业研究报告。根据数据显示,近年来同城货运行业处于稳定增长趋势,2017年同城货运市场规模达到了1.1万亿元,在经济环境良好的发展趋势下,华宇物流快递、阳光快递、勤诚快递、中外运快递、中铁快运、中诚快递、中邦快递、中驿快递、随着物流行业的不断发展,预计2019年同城货运市场规模将达到13200亿元,2020年将突破14000亿元。

移动互联网时代带来的时空转变催生与繁荣了众多产业,同城货运应运而生。市场前景虽广,但随着资本的不断涌入,这一赛道会变得异常拥挤,原生创业者与野蛮人并存。面对这一种杂乱而无序的市场情况,同城货运亟待解决的是众包模式下的服务问题。

众包模式不确定性的无序与三方割裂的服务

如果给同城货运下个定义,那就是指第三方物流企业在一个城市内点对点或一点对多点之间,对客户货物进行仓储、分拣、加工、包装、分割、组配、配送、交接、信息协同等基础作业或增值作业的短距离货物运输服务。值得注意的是,在移动互联网的时代话语中,同城货运第三方物流企业已主要由“互联网+”的物流平台来代替。

电商成就了快递的繁荣,然快递以传统物流行业配送为基础的效率低、时效性差配送模式具有较大的局限性,纵使是行业内以“快”著称的顺丰也无法满足半天、甚至一小时送达的要求。再加之网约车行业的刺激,一种“互联网+”的同城货运行业赫然出现在大众眼中。若依网约车为参照,诸如货拉拉、快狗打车的平台更适合称之为网约货车。

网约货车的逻辑使同城货运从以往的个体化坐地等客的趴活现象转变为以手机APP为核心的随呼随叫现象,它通过互联网平台整合社会闲散的运力资源,提高了同城配送的效率,降低了成本。这意味着中国又率先构建了“整车货物运送的一公里”。

用众包模式来做同城货运是行业的普遍化模式,时至今日无出其右,在这同质化日益加重的同城货运行业,其差异化竞争就在于“服务”,有服务对象之分亦有服务质量之别。

什么是众包模式?“众包”(crodsourcg)这一概念是由美国《连线》杂志的记者杰夫·豪(Jeff Hoe)在2006年6月提出的。杰夫·豪对“众包”的定义是:“一个公司或机构把过去由员工执行的工作任务,以自由自愿的形式外包给非特定的(而且通常是大型的)大众网络的做法。众包的任务通常由个人来承担,但如果涉及到需要多人协作完成的任务,也有可能以依靠开源的个体生产的形式出现。”

将之具体至同城货运平台则是平台将任务发布,由司机端抢单的形式。这样一种众包模式能够加强司机端与用户端之间的联系,司机不用趴活,用户也能及时将货物送出。在笔者看来,这其实就是将曾经的城市中“拉货、搬家、送东西”的同城货运车辆集中的场所线上化,将线下的聚集地搬至线上。例如,曾经若要搬家,要么选择搬家公司,要么就需要感到城市中的同城货运车辆聚集地叫上一辆,费时费力。现如今,只需打开手机同城货运APP,提交订单,随即最近的一辆用户所需车辆即可到达。

,同城货运的众包模式,也导致行业准入门槛非常低,只要具备车和司机各种公司都可以进行业内试试水,造成行业内私营业主太多,行业比较分散。各平台应该精细化运营,解决货运等业务消费频次低、空载率高的问题。行业价格标准化的问题还没有得到解决,价格各不相同造成难以提供标准化服务。

,与滴滴一样,还会出现跳单行为,这种绕开平台结算的问题,一会表现平台不够严谨,二会货运很多时候用户不跟车,跳单会给用户一种不安全感。

而迟到、乱收费、物品丢失等现象更是频繁发生,这主要是面向C端的问题。在B端服务上,平台有车型匹配、运力匹配问题,司机有搬运回单、多点配送、代收货款等环节,环节越多,发生问题的可能性就越大。

总而言之,现阶段同城货运的便捷性在于众包模式,能够整合社会闲散运力;其主要问题也在于众包模式,平台、司机端与用户端基本处于割裂的状态,主要任务由司机和用户接触完成,在这个过程中,平台的规范作用、监督作用全然失效。,众包模式众多不确定的人承接众多不确定的订单,其不确定的因素太多,经常造成同一路线的订单被多人分食,导致配送的无序。

回归服务平台、用户、司机的三方升级

现阶段同城货运的最大痛点就在于服务平台如何服务司机,平台如何服务用户,司机如何服务用户。,众多同城货运平台围绕服务展开了白热化竞争。

司机端的培新与监管模式

搬运帮的战略就是以高质量服务,建立品牌壁垒。如司机和工人注册时需要经过严格的身份验证和审核;上岗前,司机和工人需要完成产品使用、服务规则与标准、制度要求、搬运机能的培训;建立数据库和完善服务评价体系来进行人员管理,如用户和同伴监督,司机一旦被举报,平台将严肃处理。

但这样一种针对司机、工人一整套管理改革势必会增加招募难度和管理难度,如社会人工成本高,平台的自注册认证+培新模式在线下的约束力有限。

货拉拉则采用精细化运营战略提高用户体验,完善服务,货拉拉提出其服务需有(有车)、快(快速响应)、好(服务好)、准(精准匹配)、平(价格便宜)五大要素。那么,货拉拉是怎么具体实施的?

货拉拉用会员制解决“有”、“快”问题,用培训和考核体系解决“好”的问题。

第一是会员制,会员制是每月面向司机收取固定费用,平台收入不和司机收入挂钩的一种盈利模式。每月交固定费用的会员制搭配抢单模式,很大程度上会刺激司机的积极性,接单越多越划算。这样的选择机制确实有利于在平台上沉淀积极响应的司机。会员制一方面给货拉拉带来较为稳定的收入,一方面提高整体响应速度,优化用户体验。

第二是司机的培训和考核。货拉拉用近一般的资源和精力用在司机的培训和考核方面,5分制的评价系统,低于4.5分就会被拉黑。一套行之有效的司机培训体系和奖惩考核体系,不仅是货拉拉,也是整个行业所需要设计的。

用户端的信用体系建立

不难发现,现阶段同城物流平台的在服务升级上主要还是通过对司机的培训、监管来实现的。在笔者看来,平台在一定程度上陷入了认知误区平台是服务用户的,司机是服务用户的,但同平台也是要服务司机的。

司机与用户的交互是双向的,时常也会发生了用户端的问题,比如用户临时取消订单,导致司机损耗。司机不满,用户傲娇,两者之间的冲突一触即发。注意,这不是网络冲突,而是肢体冲突,情节严重甚至能够造成双方的人身伤害。,平台开发对用户的信誉值积累系统也是十分必要的,甚至可以纳入国家征信体系,拒接服务信用度低的用户。

平台的信息整合与策划

,平台需要将互联网上的数据应用于云计算、物联网技术、GPS等方面,可根据货物的位置进行路线的规划,随时跟踪货物和车辆的位置,不断提高货物运输的效率和车辆的利用率,推动城市交通服务的优化和升级。

在信息整合方面也亟待改进,在平台上可以看到用户的需求和供给方的供应,将二者的信息进行整合,根据需求分配合适的车辆,将原先闲置的车辆资源通过时间和空间协调,重新得到利用;可以将属于同一路线方向的货物进行整合,尽可能安排在同一车辆上,并进行行驶路线的规划,实行先到后装和多货主货物的混载,提高运输效率和装载效率;还可以利用平台海量的信息,针对不同类型的用户,有针对性地开发定制产品,满足不同货主的需求。

同城货运下半场2B化的货源之争

同城货运以网约车为憧憬打造了网约货车,然货运比之客运有着云泥之别。在网约车刚兴起的时代,诸如滴滴、快滴等平台奉行兰切斯特战略,大把烧钱进行补贴,迅速占领市场。经过初期的实践证明,这样的商业逻辑在网约货车行业却是行不通的,货运的未来也不在C端,而是在于B端。

就同城货运2B来说,主要面向中大型客户,这类用户有着计划性需求,一般是一点对多点,需要规模化的稳定运力。而2C则主要是面向C端和小B型用户,偶发性需求,非常不稳定,一般是点对点,需要碎片化潮汐态运力。

根据MobData数据统计,同城货运的B端客户占比9成,其主要是由物流公司商户货物配送,商超、门店快消培东和批发市场生鲜果蔬、建材、服装配送等构成。从成本方面来看,客户店面越大同城货运的成本占货值的比例就越低,比如一个一万平米的大卖场客户物流成本占货值只有1.0%-1.5%,而针对诸如办公区、社区等个体用户的需求地物流成本占货值则高达15.0%-16.0%。

所以,从业务量和成本这两方面分析,2B端更适合同城物流的发展。,在新零售的语境下,针对个人的“线上+线下+物流”一体化的“一公里”物流之争竞争惨烈,除了货拉拉、快狗打车等网约货车,还有巨头旗下的物流业务介入,如京东物流、京东冷链、苏宁物流等。

综合来看,同城货运的下半场就在于2B端业务,运力构成应该是自有运力+众包社会化运力相结合的模式,而不是现阶段普泛化的众包模式。众包社会化运力主要还是针对C端和小B段的偶然性、碎片化需求,毕竟如京东物流之类无法满足个人搬家的需求。随着,众包规模的缩小,监管与服务的难度必然随之降低,这就在C端服务中有了质的提升。

而自有运力,应当是由新能源货车来组成,而且这将大大提高行业门槛。2018年12月,国务院办公厅颁布《推进运输结构调整三年行动计划(2018-2020)》指出引导特大城市群和区域中心城市规划建设绿色货运配送网络;到2020年,城市建成区新增和更新轻型物流配送车辆中,新能源车辆和达到国六排放标准清洁能源车辆的比例超过50%,重点区域达到80%。

同城物流的上半场竞争几近尾声,2C端由货拉拉、快狗打车和搬运帮构成三足鼎立的局面,2B端则主要由云集和易货嘀为大。近来,发轫于2C端的平台也正在积极转型之中,同城物流的2B化下半场一触即发,以服务为主要问题的差异化竞争将过渡至以货源为核心的争夺。

 
 

 

Copyright © 2016-2025 www.guomeikuaidi.com 寄快递 版权所有 Power by