航运电商大数据在集装箱航运业中的应用

在航运业长期低位运行的市场预期下，大数据技术以及以此为基础的大数据预测是航运创新的重要途径。本文在分析航运电商大数据的基础上，提出航运电商大数据在集装箱航运业中的应用方案，以期为船公司利用航运电商大数据制定合适的舱位资源投放策略提供思路。

1 大数据技术与营销

根据麦肯锡的定义，大数据是在获取、存储、管理、分析等方面的规模大大超出传统数据库软件工具能力范围的数据集合，具有海量规模、快速流转、多样类型和低价值密度等特征。对海量数据的挖掘和运用正在推动新一波生产率增长的到来：谷歌流感趋势（Google Flu Trends）预测系统利用用户输入的搜索关键词预测禽流感的散布；携程利用数据模型训练平台预测用户行为，于用户出行前在网页和营销邮件中作出个性化推荐，从而提高打開率和转化率。可以说，大数据时代已经来临，且大数据的核心就是预测。[1]在互联网行业，拥有海量数据和对海量数据的强大运算能力意味着拥有制胜砝码。借助技术和营销的双重手段，通过收集、分析数据来倾听、理解用户需求，并在洞察和整合的基础上实施个性化营销，能够使广告更加精准、有效，从而为品牌企业带来更高的投资回报率。综上所述，大数据营销是基于大数据的技术与营销的无缝融合，在“玩转”数据基础上的大规模个性化营销将帮助企业形成新的核心竞争力。

航运业是与经济贸易发展相关性极强的行业，航运经营活动中产生的数据具有大数据的天然属性。在即将到来的智能化工业革命浪潮中，作为全球经济贸易活动的关键环节，航运业必须与信息网络实现深层次对接与合作，通过分析航运数据识别客户行为，并据此制定营销方案，以应对航运业长期低位运行的现状。

2 航运电商大数据的类别

2.1 产品数据

产品数据指船公司或其代理人在航运电商平台上发布的航线产品信息。航运电商平台按照装货港、卸货港、延伸服务、航班密度等来区分航线产品，并积累、管理同一航线产品不同航次（时间）的价格信息。

2.2 用户数据

用户数据指反映用户访问行为特征和属性的数据，包括访问产品类别、访问频率、访问时间、地理位置和访问历史等。用户数据可用于分析用户的访问行为特征，并预测用户的消费倾向。

用户数据分析的基础是用户识别。用户识别指识别日志数据中由同一用户所触发的访问记录，并基于该用户的访问记录得到其在特定时间段内的浏览序列。用户识别的方法如下：（1）如果用户的互联网协议（Internet Protocol，IP）地址不同，则认为是不同用户；（2）如果用户的IP 地址相同，但使用的浏览器或操作系统不同，则认为是不同用户；（3）如果用户的IP 地址相同，使用的操作系统和浏览器也相同，则根据网站页面之间的逻辑结构来识别用户，即如果请求页面无法从已访问的页面到达，则判断该用户是新用户；（4）如果用户的IP地址、操作系统、浏览器、网站页面等均相同，但网页浏览记录中的账号相关字段名发生变化，则判断该用户是新用户。

2.3 搜索数据

搜索数据指反映用户搜索行为特征的数据，如浏览用户数量、浏览用户增长率、新老浏览用户比例、浏览用户停留时间等。搜索数据可用于分析用户对产品的兴趣度，以用户停留时间为例：通常情况下，用户在自己感兴趣的产品页面停留时间较长，在不感兴趣的产品页面停留时间较短；因此，用户停留时间越长，其购买该类产品的倾向越大。

搜索数据可分为平台基础数据、用户关系管理数据、产品管理数据等，其中：平台基础数据包括用户数量、成交数量、成交金额等数据；用户关系管理数据包括浏览及成交用户分布、用户成交记录、用户流失预警等数据；产品管理数据包括用户关注产品、用户成交产品、用户定制产品等数据。

2.4 成交数据

成交数据指反映产品成交情况的数据，包括成交产品的区域分布、时间段分布和价格区间分布等数据。成交数据可用于分析市场供需状况，为产品优化及合理定价提供参考。

2.5 集装箱动态数据

航运电商平台通过与船公司之间的数据交换掌握集装箱动态，并通过推送、查询等功能向客户提供提箱、返场、装船、海运、抵港、卸船、提货、还箱等集装箱动态数据，将原来需要由收发货人自行查询集装箱动态的服务模式转变为主动向收发货人推送关键节点动态信息的服务模式，从而实现集装箱全程运输的可视化，使收发货人可随时掌握集装箱动态，为提升集装箱海运质量提供信息保障。

2.6 衍生数据

衍生数据指货主向船公司订舱时所提供的货物品名等信息。未来，航运电商平台可以利用衍生数据，向用户提供各类货物的流向、流量等信息，以便用户据此调整商品生产及贸易行为，从而提升社会效率，使社会资源得到更加充分的利用。

3 航运电商大数据在集装箱航运业中的

应用

3.1 个性化精准营销

个性化精准营销既能让需要信息的客户及时获得信息，又不打扰对该信息没有兴趣的人，即在不影响客户体验的前提下达到营销目的。通过对大数据的深度挖掘，航运电商平台能够准确预测客户需求，并向客户提供个性化的运输解决方案，适时向客户推送其感兴趣的运输路径、运输价格、舱位情况等信息，从而使信息更有价值且更加人性化。例如，客户在航运电商平台上搜索某条运输路径时发现舱位已售完，此后，一旦推出该运输路径的新舱位，航运电商平台可立即告知客户。对于客户而言，此即有价值的信息，而非垃圾广告，尤其是在旺季舱位紧张的情况下，个性化精准营销的优势更为突出。

3.2 基于航运电商大数据的运力需求预测模型

建立基于航运电商大数据的运力需求预测模型，能够帮助船公司制定合适的经营策略，在精准统筹的基础上实现舱位利用率最大化，从而在满足客户需求的同时确保应有的经济效益。为确保建立模型所需的数据真实可靠，航运电商平台应当推行“确定性交易”，即采用预付运费模式，以使成交数据能够反映客户真实的购买意愿。

3.2.1 舱位购买提前期模型

在市场货量充足而舱位供给紧张的情况下，为获得舱位保障，客户往往愿意尽早付费并锁定舱位；因此，分析客户的实际成交行为，即客户提前多长时间购买舱位，有助于船公司判断具体航次是否存在旺季可能性。如图1所示：航次1存在旺季可能性，航次2存在淡季可能性。舱位購买提前期模型是集装箱航运业阶梯式定价法的基础。[2]

3.2.2 舱位购买密集度模型

在市场货量充足的情况下，客户锁定舱位的欲望通常比较强烈，表现为客户采购舱位的行为密集。在特定时间段内，如果客户购买的舱位集中于某个始发港，则说明该港的出口货量较多。如图2所示，广州港（南沙港区）的舱位购买密集度高于营口港，说明北行货量较为充足。此外，如果某航次的舱位购买密集度较高，则说明该航次的旺季可能性较大。

3.2.3 舱位购买转化率模型

舱位购买转化率指成交量与总访问量之比。如图3所示：地中海航线的舱位购买转化率呈上升趋势，说明该航线的旺季可能即将来临；美洲航线的舱位购买转化率呈下降趋势，说明该航线的淡季可能即将来临。

3.2.4 舱位购买速率模型

基于航运电商平台的舱位库存数据，可以建立舱位购买速率模型。如果舱位库存快速下降，说明旺季来临的可能性较大；反之，如果舱位库存始终保持在高位，说明淡季来临的可能性较大。

3.2.5 退舱率模型

航运电商平台一般采取舱位预售方式，预售期为2～3个月。如果退舱率较高，说明淡季可能即将来临，市场运力供过于求，促使客户在不同船公司之间选择低价出运；反之，如果退舱率较低，说明旺季可能即将来临，客户为了保证舱位而不愿退舱。

4 结束语

航运电商大数据在集装箱航运业中的应用不仅能够优化客户体验，防止客户流失，而且有助于船公司分析客户行为习惯，判断市场走势，从而为船公司基于客户需求及时调整产品供给提供参考。未来，当航运电商大数据发展到一定水平时，在市场规律的作用下，航运市场的供求关系有望在大数据的环境下逐渐趋于理性。

参考文献：

[1] 维克托€仿醵？舍恩伯格，肯尼思€房饪艘？ 大数据时代[M].盛杨燕，周涛，译. 杭州：浙江人民出版社，2013：26.

[2] 陈毅鹏. 基于阶梯式定价法的集装箱市场运价发现机制[J].集装箱化，2016，27（6）：1-4.

（编辑：张敏 收稿日期：2016-10-10）