双壹快递网点管理效能提升培训下一站将于8月17-18日在郑州举行,欢迎快递界同仁报名参加!
在当前的竞争格局下,网络稳定性和效率是份额争夺的重要支撑。一方面,网点爆仓或瘫痪可能意味着直接出局,网络稳定性关系到存亡;另一方面,成本的规模效应正边际递减,降成本将更赖于精细化管控和网络效率的提升。和设备、产能等要素不同,快递公司的网络布局存在较强的先发优势,前期卡位较好的公司在效率和成本上拥有更大的优化空间。
在此前的系列深度中,我们已经从成本、现金流、资产负债等表内视角构建了加盟快递的分析框架。本研究将跳出三张表,深入分析快递公司网络布局对成本优化的传导作用。
以往对快递网络的研究大部分停留在对整体数量的比较上,细节的数据验证不充分。本研究收集了全国340个城市的快递量数据,以及三通一达(韵达、圆通、申通、中通)的分拨中心分布数据,构建全国快递网络优化模型,并运用Floyd算法定量测度三通一达的分拨网络效率。
一、模型构建及数据处理
在不考虑布局的情况下,理论上,快递公司的转运中心数量越多,越容易规划出最短路线,使得快递的平均运距最短、时效最优,同时单件运输成本也能更低;但另一方面,转运中心数量越多,重资产投入越大,且单个转运中心的规模效应越弱,那么单件中心操作成本就可能越高。
从中转布局策略来看,理论上,转运中心的选址越靠近揽件地,就越早完成快递分拣和路由规划,从而发挥干线运输的规模优势,提升全网的运输效率。因此,转运中心的选址应该尽量靠近揽派比较高的区域。
考虑到网络布局的差异,接下来,我们将构建一个网络优化模型,定量比较快递公司的分拨网络效率。
(一)研究问题及模型构建
1.研究问题
给定全国快递流转的分布以及快递公司转运中心分布,比较不同的快递公司承运全国快递的最优平均运距。
2.模型构建
假定所有快递均为异地件,且运输都分为三个过程,即出发地城市到转运中心A,转运中心A到转运中心B,转运中心B到目的地城市。那么快递运输的全路程为,出发地城市到转运中心A的距离、转运中心A到转运中心B的距离、转运中心B到目的地城市距离之和。
首先,将各城市按照就近原则分配给不同的转运中心,并假定该城市收、寄的快递都将经过其隶属的转运中心。那么在既定的分拨网络下,我们可以构建出全国快递的流转矩阵,并计算出全国快递流转的平均距离。
理论上,平均运距越短,快递公司的时效水平越高、单位运输成本越低。平均运距 = ∑(快递运输量 × 快递运输距离) ÷ 总快递运输量
3.控制变量
当转运中心的分布给定,所有快递的运输路线就锁定了,那么理论的最短平均运距就定了。考虑到部分线路的快递量较少,规模效应不足,我们放宽两个中转站的假设。
即当某条干线(A到B)的运载不满足下述条件时,剔除该线路,重新规划最优路径:
(1)转运中心A到转运中心B的年快递量≥300万件(约为12T货车年载运量);
(2)转运中心A与转运中心B的距离≤500km且150万件≤年快递量<300万件;
(3)当以上两条件均不满足但存在一转运中心与其他任一转运中心都没有直达线路时,令其与相距最近的转运中心形成直达线路,即保证不存在孤立的转运中心。
4.调节变量
上述模型建立在当前的快递需求分布下,假设未来快递需求分布发生变化,那么快递公司的最优平均运距会如何变化,哪一家快递公司能够适应新的需求分布情境。
为了回答该问题,我们选定了两个调节变量:1)城市人均收件量;2)城市快递揽派比(收发比)。
(二)数据处理及优化求解
1.全国快递流转矩阵构建
我们从各省市邮政局官网收集了全国340个城市的快递量数据(2019H1),以及国家邮政局公布的2015年的各省市快递揽派比。结合上述两组数据,我们近似计算了各城市的快递发件量和收件量(对阿里研究院公布的全国前20大淘宝城进行了揽派比调整),并按发件量的比例将某个城市的收件量分配到各发件城市,从而模拟出在当前收发需求分布下,340个城市之间的快递流转矩阵(340×340)。
2.全国城市距离矩阵构建
我们借助城市的经纬度计算得到了两个城市之间的直线距离,从而构建了全国城市距离矩阵。同时,我们根据公司公告以及草根调研(我们向全国寄送快递并记录快递所经过的中转中心),得到了各家快递公司的分拨中心网络。借助城市距离矩阵,我们将340个城市按照就近原则分配给快递公司的各转运中心,从而构建出了各家快递公司的分拨网络的快递流转矩阵。
3.求解最优路径及平均运距
根据控制变量条件判断转运中心间线路是否存在,并形成元素均为0-1的逻辑矩阵,与分拨中心间的距离矩阵相结合,借助Floyd算法在MATLAB中求得转运中心A到转运中心B的最短运输路程;
结合分拨网络的快递流转矩阵,我们可以得到出发地城市到分拨中心A的快递周转量、分拨中心A到分拨中心B的快递周转量、分拨中心B到目的地城市的快递周转量,全部加总可以得到全网的快递周转量;用该周转量除以总快递量,即可得到最短平均运距。
二、统计特征分析
(一)全国百城数据:快递分布与电商高度重合,三四线城市的增量贡献已超40%
从结构上来看,340个城市中,前10大城市的快递量占全国的49%;义乌、东莞、揭阳、泉州、温州六大电商代表城市的快递量占全国的18%;淘宝村数量最多的21大城市(阿里研究院公布)的快递量占全国快递量的44%。
16个一、二线城市(根据第一财经和GlobalCity指数综合而得)快递量占全国的45%,三四线城市(剔除六大电商城)快递量占全国的37%,省会城市和直辖市占全国快递的约44%。
从趋势来看,2016年以来,电商六城(苏州、义乌、东莞、揭阳、泉州、温州)以及三四线城市(剔除电商六城)的快递量增速保持在30%以上,显著高于一、二线城市,省会城市;三四线城市的快递增量贡献比从2013年的28%提升至2018年的44%。
人均层面来看,快递年消费量分布呈右偏形态。全国人均快递量的中位数约为14件,远低于平均数37件;国内47%左右的居民的快递年消费量都在10件以下,而一、二线城市人均快递量基本在30件以上,省会城市的人均快递量基本在20件以上。
据百城数据,超过60%的居民快递年消费支出在100元以下,约50%的居民快递消费支出占可支配收入的0.5%以下。三四线城市的快递消费约占可支配收入的0.7%,远低于一二线城市和省会城市。
结合揽派比模拟全国快递揽派需求分布,从热力图中可以直观地看到,快递发件主要集中在北京、长三角、珠三角区域,而收件需求的分布相对均匀,一二线城市、省会城市较密集。
从人均的角度看,发件量的分布更加集中,东部个别城市的人均发件量甚至超过100件/年,收件量的分布也呈现较大的极差。
我们测算了全国340个城市的快递增量和按全国增速的快递增量的差额(2019H1),并绘制了相关的热力分布图。可以注意到,快递正向三四线聚集:
华东地区,义乌、苏州、无锡等城市,对上海、杭州、南京、宁波等地形成了虹吸效应;华南地区,揭阳、佛山等城市对东莞、中山等城市形成了虹吸效应。华北、华中地区:河南、安徽的快递量增速远超行业,而北京、天津的快递量增速远低于行业,甚至负增长。
按发件量的比例将某个城市的收件量分配到各发件城市,我们可以模拟出全国快递的流转分布。根据统计结果可以看到,华东地区内部流转的快递占全国的约18%,华东-华南的跨区域流转占全国的20%以上。
(二)分拨网络数据:韵达网络扁平集约稳定性好,中通网络覆盖面广规模优势突出
从数量来看,中通的网点、转运中心最多,而韵达的网点、转运中心最少;中通、韵达的单个加盟商所管理的网点数量最少,分别为6.7个、6.5个,韵达的网络扁平化程度最高。
运力管控上,中通85%的干线运输车辆为自有,韵达承包车运输占比达67%,圆通车辆自有率不足50%,申通的车辆自有率达到66%。在干线数量上,韵达的线路最多,而中通的线路最少。
结合公司公告、快递行业监管报告以及草根调研(我们向全国寄送快递并记录快递所经过的中转中心),我们梳理了三通一达的转运中心分布(与公司年报披露的数量存在一定出入)。
整体来看,中通、圆通的网络覆盖范围最广,圆通在每个省都有转运中心;相比于圆通,中通在华东、华南的转运中心分布较多;韵达56%的转运中心在江浙沪,集中度最高,而申通的转运中心整体分布均匀,局部分布集中。
当我们将340个城市按就近原则分配给各转运中心后,可以得到快递公司各转运中心的快递收件量(暂不考虑重新规划规模效应不足的线路)。
前十大转运中心的收件量占比,韵达、圆通、中通、申通分别约为62.24%、64.12%、61.34%、67.78%;转运中心快递处理量的变异系数,韵达、圆通、申通、中通分别约为1.7、2.0、1.9、1.9。
上述两项指标均可以说明韵达的转运中心分布和快递需求分布较匹配,各个转运中心的载荷差距较小,这使得韵达的中转网络具有更强的稳定性,出现爆仓的概率较小。
当我们将快递公司分拨网络按控制变量条件重新规划后,可以得到分拨网络的有效线路条数和有效线路占比。韵达的有效线路数量最少,但占总线路数的比最高,单条线路的运量最高。
三、建模结果分析
(一)基准模型分析:韵达网络和当前需求分布匹配,转运中心效率最高
1.在当前的需求分布下,假设各家快递都承运19H1的50%的快递量,全网平均运距由小到大分别为圆通、中通、韵达、申通;干线平均运距由小到大分别为韵达、中通、圆通、申通;支线平均运距由小到大分别为圆通、中通、韵达、申通。
总体来看,三通一达的全网平均运距的差距在20公里以内,但韵达的转运中心数量最少,有效线路(满足规模效应条件)占比最高,单条线路的运输规模最大,这意味着,韵达的转运中心和当前的需求分布较为匹配,单个转运中心的规模效应强,网络有效利用率较高。
2.上述模型假设各家快递公司承运全国50%的快递量,即市占率为50%。现在我们放开这一控制变量,假设各家快递公司承运19H1实际发生的快递量。
那么,全网平均运距由小到大分别为圆通、中通、韵达、申通;干线平均运距由小到大分别为中通、圆通、韵达、申通;支线平均运距由小到大分别为圆通、中通、韵达、申通。
总体来看,三通一达的全网平均运距的差距在25公里以内,干线平均运距的差距在15公里以内。
综合来看,上述数据能够较好的介绍三通一达的成本差异:中通的干线最优运距较短,结合85%的车辆自有率,中通单件运输成本最低;圆通的支线最优运距最短,其末端派费最低,由于其干线运距比中通长,加上航空运输的影响,圆通的单件运输成本高于中通;韵达的干线平均运距略高于圆通、中通,而车辆自有率仅次于中通(考虑承包车运输占比),因此单位运输成本高于中通、低于圆通;由于单条线路运量以及单个转运中心的处理量都较高,韵达中转的规模效应较强,加上公司中转自动化水平较高,韵达的中心操作成本在三通一达中最低。
3.接下来我们从动态视角对比三通一达的网络效率:假如各家快递公司的市占率从19H1市占率逐渐提升至20%、50%、100%,那么满足规模效应的干线数量将增加,最优线路也将重新规划。
从模型结果来看,随着规模的提升,韵达、申通的全网最优平均运距缩短最多,说明其网络的规模效应空间较大,但对绝对值来看,即使达到100%市占率,全网最优平均运距仍略低于圆通和中通。
干线方面,随着规模的提升,韵达、中通的最优平均运距将达到最短,说明两家龙头公司的网络布局最匹配当前的快递需求分布。
(二)对比模型分析:中通网络最能适应三四线城市快递占比的提升
上述模型结果都建立在当前的需求分布下。伴随三四线城市成为行业增长主力,未来的需求分布大概率将发生变化,快递公司现有网络的效率也将发生变化。
接下来,我们在基准模型的基础上变动调节变量,以定量比较需求分布变化后三通一达的网络效率。
4.假设人均收件量不足12件/年的城市全部提升至12件/年,全网平均运距由小到大将分别为中通、圆通、申通、韵达;干线平均运距由小到大将分别为韵达、中通、圆通、申通;支线平均运距由小到大将分别为圆通、中通、申通、韵达。
总体来看,三通一达的全网平均运距的差距仍在20公里以内,韵达的有效线路(满足规模效应条件)占比仍最高,单条线路的运输规模最大。
5.假设所有城市的揽派比都等于1,即每个城市的派件数都等于揽件数,那么全网平均运距由小到大分别为圆通、中通、韵达、申通;干线平均运距由小到大分别为韵达、中通、圆通、申通;支线平均运距由小到大分别为圆通、中通、申通、韵达。三通一达的全网最优平均运距的差距拉开。
6.假设人均收件量不足12件/年的城市的人均收件全部提升至12件/年,且所有城市的揽派比均等于1,全网平均运距由小到大分别为圆通、中通、申通、韵达;干线平均运距由小到大分别为韵达、中通、申通、圆通;支线平均运距由小到大分别为圆通、中通、申通、韵达。三通一达的全网最优平均运距的差距将超过30公里。
综合上述模型,在目前的需求分布下,中通的干线、支线的最优平均运距都在三通一达中排第二短,韵达的干线最优平均运距最短,而圆通的支线最优平均运距最短;
在四种需求分布情形下,韵达、中通的干线最优平均运距都是最短的;当人均收件都提至12件/年以上时,中通的全网最优平均运距最短;当所有城市的揽派比调整为1,申通的支线最优平均运距排位提升;当上述两项同时调节,那么申通的各项排位都会提升。
可以说,韵达的网络和当前的需求分布较为匹配,转运中心的单位效率最高;但是,由于韵达的网络集中度较高,当三四线需求占比提升时,韵达的全网最优平均运距排位或将有所后移,但总体来看,韵达的网络集约型仍然较强。
注:本模型为快递公司网络的简化模型,旨在提供一种表外视角,从全网布局来对比快递龙头的竞争力。模型假设和实际情况存在诸多的差异,例如:
1.所有快递均为异地件,而实际中同城件、国际件约占20%;
2.运输距离按城市经纬度计算的直线距离,而实际运输路由更复杂;
3.快递流转大多经过两个中转站,而实际中会经过更多中转,也可能直派;
4.未考虑转运中心的产能差异以及快递公司在区域市场的市占率差异;
5.全国快递流转的模拟引用了2015年的揽派比,和2019年实际值或存在差异;
6.模型中的转运中心分布结合了草根调研,数量和公司报告值存在一定出入;考虑到上述但不限于上述差异,模型结论仅作粗略参考。
(双壹精编,来源广发证券)
双壹咨询首席咨询顾问龚福照先生微信:leiguang632
快递物流供应链业务咨询电话:186-1848-2897(微信同步), 010-5368-5980