Frågeställning 1: Hur kan prissättningsstrategier hantera industrins kostnadsproblematik och skapa ekonomiska fördelar inom sjöfrakt?
● Prissättningen baseras på prisdifferentiering för olika kundkategorier och utefter det utförs allokering baserat på dessa kundkategorier för att minimera risker och
maximera intäkter. Båda företagen allokerar på liknande vis, där långtidskunder utgör mellan 80-85 % av utrymmet, och korttidskunder mellan 15-20 %.
● Utrymmesutnyttjandet driver intäkterna. Mellan 95-100 % av fartygets kapacitet måste utnyttjas för att en resa skall vara lönsam. All planering kopplat till prissättning görs för att säkerställa utrymmesutnyttjande och optimera intäkterna. Vid planering tas samtliga kundkategorier hänsyn till, samt att en del av godset kommer falla bort i efterhand. Därför överbokas fartygen till viss del samtidigt som visst utrymme
reserveras för kunder som placerar sena bokningar. För att hantera överkapacitet utförs blank sailings och vid underkapacitet går kvarvarande platser, efter utförd
långtidsallokering, till de högstbjudande kunderna. Dessutom upprättas strategier för att i högre utsträckning kunna fylla containrar som annars måste transporteras tomma. ● Utöver renodlad prissättning ökas intäkter genom utvidgning av verksamheten och
satsningar på utökad service och multipla transportsätt. Genom förhöjd anknytning till kunderna, med utökad logistikhantering och satsningar på totallösningar för kundernas försörjningskedjor, genereras nya inkomstkällor och medför dessutom att
konkurrenskraften ökar.
Frågeställning 2: Hur kan de redan tillämpade prissättningstrategierna optimeras ytterligare med avseende på vinst?
● Mer frekvent användning av online-verktyg och elektroniska bokningar underlättar processen mellan kunden och rederiet genom smartare bokningssystem. På så vis underlättas prissättningen, utrymmesallokeringen och således vinstmaximeringen. Via bokningar online eller elektroniskt möjliggörs dessutom debitering av
avbokningsavgifter
● Införande av en dynamisk avbokningsavgift som baseras på fraktens pris och sannolikheten för avbokning beroende på tid och säsong, möjliggör ytterligare vinstoptimering av de redan tillämpade prissättningsstrategierna. Med en dynamisk avbokningsavgift baserad på sannolikhetsindikatorer beroende på tiden innan avgång och säsong kan möjligheter skapas att erhålla högre intäkter vid avbokning än vad som erhålls med fasta avgifter.
7.1 Vidare forskning
För vidare forskning bör den dynamiska avgiftsdebiteringen granskas närmare och helst baseras på primärdata. En omfattande insamling av data för kunders avbokningsbeteende bör göras för att på så vis kartlägga företeelsen på mikronivå och därmed utveckla tillförlitliga och väl beprövade sannolikhetsindikatorer. Avgiften bör även optimeras ytterligare med avseende på hur många TEU:s bokningen innehåller. Inte minst bör också djupgående analysering utföras angående hur avbokningsbeteenden förhåller sig på kund- och
regionsbasis. Dessutom bör analyser utföras för hur de olika typerna av avbokning förhåller sig till varandra, dvs ändring, cancellering respektive no-show. Därefter bör den aggregerade avgiften fragmenteras och istället bestå av tre avgifter, som vilka representerar sannolikheten för ändring, cancellering respektive no-show, samtliga beroende på dagar innan avgång och säsong.
Sett till kundens acceptans av avbokningsavgifter bör studier göras för att undersöka hur deras köpvilja påverkas av avgiftsdebitering. Dessutom borde studierna innefatta undersökningar om hur andra rederier arbetar med avbokningshantering och debitering av avbokningsavgifter. Detta för att kunna bilda en bredare uppfattning om hur situationen ser ut inom industrin och i vilken grad avbokningsdebitering är möjlig med avseende på prisnivå och konkurrens.
8. REFERENSER
Branch, A. (1988). Economics of Shipping Practice and Management. doi:10.1007/978-94-009-1227-4
Bryman, A (2018). Samhällsvetenskapliga metoder. 3 uppl., (Bryman, 2011) Stockholm: Liber.
Fusillo, M. & Haralambides, H. (2020). Journal of Shipping and Trade; London. Do carrier expectations indicate industry structure in container shipping? An econometric analysis, 5(1), ss. 1-16.
doi:10.1186/s41072-019-0057-2
Gardón, A., Nielsen, P. & Rytter, N.G.M. (2013). Advances in Information and Communication Technology. Challenges of Measuring Revenue, Margin and Yield optimization in container shipping, 398(2), ss. 654-661.
doi:10.1007/978-3-642-40361-3_83
Justesen, L. & Mik-Meyer, N. (2011). Kvalitativa metoder: från vetenskapsteori till praktik. Lund: Studentlitteratur.
Kovács, G. & Spens, K. (2005). International Journal of Physical Distribution & Logistics Management. Abductive reasoning in logistics research, 35(2), ss. 132-144.
doi:10.1108/09600030510590318
Liu, D. & Yang, H. (2013). Procedia - Social and Behavioral Sciences. Optimal Slot Control Model of Container Sea-Rail Intermodal Transport based on Revenue Management, (96), ss. 1250-1259.
doi:10.1016/j.sbspro.2013.08.142
Lumsdén. K. (1995). Transportekonomi: logistiska modeller för resursflöden. Lund: Studentlitteratur
Meng, Q., Zhao, H. & Wang, Y. (2019). Transportation Research Part E: Logistics and Transportation Review. Revenue management for container liner shipping services: Critical review and future research directions, (128), ss. 280-292.
doi: 10.1016/j.tre.2019.06.010
Yin, M. & Kim, H. (2012). Computers & Industrial Engineering. Quantity discount pricing for container transportation services by shipping lines, 63(1), ss. 313-322.
doi: 10.1016/j.cie.2012.03.008
Statista Research Department (2020). Container Shipping - Statistics & Facts.
https://www.statista.com/topics/1367/container-shipping/#dossierSummary__chapter1 [2020-02-17]
Subramanian, Stidham, Lautenbacher, Conrad J. (1999). Transportation Science; Baltimore. Airline Yield Management with Overbooking, Cancellations and No-Shows, 33(2), ss. 147-167. Hämtad från:
http://costello.pub.hb.se/login?url=https://search.proquest.com/docview/203553459?accountid =9670
Tin, S. & Tzeng, G. (2007). The flagship journal of international shipping and port research. An optimal containership slot allocation for liner shipping revenue management, 31(3), ss. 199-211.
doi:10.1080/0308883032000209553
Wang, Y., Meng, Q. & Du, Y. (2015). Transportation Research Part B: Methodological. Liner container seasonal shipping revenue management, (82), ss. 141-161.
doi:10.1016/j.trb.2015.10.003
World Shipping Council (2020). About the industry.
http://www.worldshipping.org/about-the-industry [2020-01-01]
Zhao, H., Meng, Q. & Wang, Y. (2019). Transportation Research Part C. Emerging Technologies. Exploratory data analysis for the cancellation of slot booking in
intercontinental container liner shipping: A case study of Asia to US West Coast Service, (106), ss. 243-263.
doi:10.1016/j.trc.2019.07.009
Zheng, W., Li, B. & Song, D. (2017). Transportation Research part B: Methodological. Effect of risk-aversion on competing shipping lines’ pricing strategies with uncertain demands, (104), ss. 337-356.
doi:10.1016/j.trb.2017.08.004