Prissättningsstrategi för debitering av dynamisk avbokningsavgift Som förslag till optimerad prissättningsstrategi för att hantera avbokningsproblematiken

föreslås följande:

● Införande av en _{​dynamisk avbokningsavgift ​som baseras på fraktpriset och} sannolikheten för avbokning beroende på tid och säsong för att minimera

intäktsminskningar och samtidigt maximera intäkterna när avbokningarna väl inträffar.

Denna strategi motiveras, testas och jämförs med nuvarande strategier i detta avsnitt. Ambitionen med strategin är att säkerställa högre nivåer av intäkter vid eventuella avbokningar än vad som erhålls i nuläget. På sikt kan strategin intuitivt även minska avbokningar i sig. Dessutom föreslås diverse åtgärder för att på ett ömsesidigt sätt incitera tillämpning av avbokningsavgift.

Motivet för att införa en dynamisk avbokningsavgift grundar sig i att en fast debitering orsakar stora intäktsminskningar när avbokningar inträffar. För att exemplifiera detta plottas avgifterna som linjära funktioner och jämförs med godtyckliga intäktsfunktioner i figur 9. För exemplet antas avgifterna per TEU för olika typer av avbokningar vara enligt tabell 2:

Tabell 2: avgifter per TEU i USD

No-show 200

Cancellering 100

Ändring 50

Fraktpriserna i figur 9 antas variera mellan USD 500, USD 1000 och USD 2000.

Figur 9: Intäkts- respektive avgiftsfunktioner vid fasta avgifter

Vad som blir uppenbart är att fasta avgifter medför att ju fler TEU som avbokas, samt ju högre priset är, desto större blir de förlorade intäkterna vid avbokning. Om antalet avbokade containrar är 5 stycken, visas en intäktsminskning som dessutom blir större ju högre priset är. I figur 10 visas de erhållna intäkterna vid avbokning som procentandel av ursprungspriset vilket ytterligare påvisar att ju högre priset är, desto lägre blir intäkterna om avbokning inträffar.

Med detta motiveras förslaget att avbokningsavgiften istället sätts procentuellt och baseras på fraktens pris per container för att minimera intäktsminskningar vid avbokning. Istället för att låsa avgiften till ett fast pris och riskera höga bortfall av intäkter som stiger för varje

avbokning och ökat pris, finns möjligheter att istället låsa procentandelen. Åtgärden gör strategin robust mot avbokningar i den mening att högre intäkter kan säkerställas med lägre intäktsminskningar. Tillvägagångssättet kan delvis relateras till oljepris-klausulerna i

långtidskontrakten eftersom ambitionen med strategin, på liknande sätt som klausulerna, är att minska risken för höga nivåer av förlorade intäkter genom dynamisk hantering av priser vid skiftande förhållanden.

Figur 10: Erhållna intäkter vid avbokning som procentandel av ursprungspris

Som nästa steg föreslås att en säsongsindikator tas med vid fastställande av den procentuella avbokningsavgiften för att kunna maximera intäkterna när avbokningarna väl inträffar. Säsongsindikatorn föreslås i detta fall vara en sannolikhetsindikator för avbokning baserat på historisk avbokningsgrad beroende på dagar innan avgång och säsong. Detta eftersom att Zhao, Meng och Wang (2019) visar att avbokningsgraden generellt sett är högre under månader med hög efterfrågan, men att alla avbokningskurvor proportionellt sett ser relativt lika ut. Gemensamt för alla månader är att vid tidpunkten mellan 5-10 dagar innan avgång sker en drastisk minskning av avbokningar. Vid perioder med historiskt sett hög

avbokningsgrad kan därför större intäktsandelar säkerställas med högre avgifter. På samma sätt kan mer last lockas med lägre avgifter vid perioder med låg sannolikhet för avbokning. Emellertid bör avgiften justeras så att intäktsminskningen i förhållande till fraktpriset inte blir alltför stor vid perioder med låga avbokningsavgifter. Dock kommer dessa låga avgifter att infinna sig just i perioder med låg sannolikhet för avbokning, men en justering bör likväl göras så att rederier inte kommer tappa allt för mycket intäkter vid de avbokningar som de facto tros inträffa. Dessutom kan justeringen förhindra situationer där kunder medvetet kan utnyttja de låga avbokningsavgifterna.

För att åskådliggöra hur avbokningarna förändrar sig över tid så visas i figur 11 en estimerad kurva för avbokningsfrekvensen beroende på dagar innan avgång med no-shows och

ändringar inkluderat. Kurvan baseras på resultaten från Zhao, Meng och Wang (2019) och utgår från en kombination av de perioder med högst avbokningsgrad för att påvisa “worst case scenario”. Riktningen är USA till Asien där det förekommer en mer centraliserad

kundhantering, något som antas vara liknande situationen som förekommer i Skandinavien.

Figur 11: Estimerad avbokningsfrekvens för "worst case scenario"

Med resultaten i figur 11 som grund föreslås att även priset är av dynamisk karaktär och stiger ju närmare avgång bokningen placeras. Detta eftersom att sannolikheten för att dessa avbokas är låg, samt att det från empirin kan konstateras att båda aktörerna främjar en sådan

prissättning. På samma sätt som att höga avbokningsintäkter kan erhållas med höga avgifter vid perioder med hög sannolikhet för avbokning, medför åtgärden att ännu högre intäkter kan erhållas med högre priser vid perioder med låg sannolikhet för avbokning.

Strategin exemplifieras i figur 12 och de ekonomiska effekterna jämfört med tidigare strategier åskådliggörs rent grafiskt. För exemplet antas situationen vara “worst case scenario”, där avbokningsavgiften baseras på relativt höga procentsatser. Det initiala fraktpriset antas representera genomsnittspriset per TEU för 2019; USD 759. I exemplet bortses det från att kunder får olika priser i verkligheten. Priset föreslås öka med 1 % per dag fram till dag 10. Därefter föreslås en gradvis ökning av priset med ytterligare 1 % varje dag fram till avgång. Varför priset föreslås öka på detta sättet är just för att avbokningsgraden historiskt sett minskar drastiskt vid denna tidsperiod. För att förhindra alltför stora intäktsfall vid potentiella avbokningar mellan dag 0-5, föreslås att avgiften inte får underskrida 10 % av fraktpriset. För att påvisa ekonomiska effekter tas även de tidigare beskrivna avgifterna med. Dock tas enbart en aggregerad dynamisk avgift med på grund av bristande data för hur de olika typerna av avbokningar förhåller sig till varandra.

Den aggregerade dynamiska avgiftsfunktionen beskrivs enligt: 𝚷​md​ = ​P​i​​x ​T​md x ​ ​𝛃​md ​, om 𝛃​md ​> ჶ

𝚷​md​ = ​ ​P​i​​x ​T​md ​x ​ჶ ​, om 𝛃​md ​< ჶ

Där:

𝚷​md​ = avbokningsavgiften för specifik månad och antal dagar innan avgång.

P_{​i ​}= _{​initialt pris.}

T_​md ​= ​tidsfaktor för prisnivå beroende på månad och dagar innan avgång.

𝛃​md ​= ​sannolikhetsindikator för avbokning baserat på månad och dagar innan avgång från

tidigare år. Går mellan 0 och 1.

ჶ ​= jämviktsfaktor för lägsta tillåtna intäktsandel. Går mellan 0 och 1.

Figur 12: Kurvor för fraktpris och avbokningsavgift per TEU beroende på tiden innan avgång för “worst case scenario”