公司动态

　　例如车辆到附近的装卸货地点之间的调空行程、在一个地区内短距离往返运送货物时的回程空载行程等。

　　打个不那么严谨但很易懂的比方，世界上只有两座城市，城市A和城市B。城A每年向B运送100车货物，而B每年只能向A运送50车货物，那么即使在理想状况下，也有50车的运力是被浪费的。在这个例子中，空载率是有最低值的，25%。

　　这已经超越了技术可以解决的范畴。唯一的办法就是让B每年的产出增加，或A的减少。而区域发展不均衡的问题在中国非常普遍，城市和乡镇发展不均，沿海和内陆发展不均，东部西部发展不均，因为发展不均衡导致的物流起止地货源不对等是宏观经济结构和我国现有国情决定的，由此导致的空载率也是互联网爱莫能助的。

　　特种运输车辆，比如原油车只能运送原油，不支持别的货物，把原油从产油地运到目的地之后只好空载返回，空载率50%。对此，美国人的解决办法十分高明：模块化，就是甩挂运输。运力是一个模块，货物是一个模块，这样可以最大程度的发挥物流的潜力。人家玩甩挂运输已经半个多世纪了，然而在我国，甩挂运输还处在方兴未艾，摸着石头过河的阶段。所以这部分空载也暂且算在不可降低的部分。

　　虽然前两年车货匹配App来势汹汹，然而大部分在烧光了钱之后发现根本没有粘住用户。司机们下载了App，领完礼品，继续走熟人介绍货源的路子。

　　2015年随着资本不再涌入，这类App死了一片。重点是然后呢？车货匹配原始的方式并没有本质的改变，这批先行者可以说是出师未捷身先死。同时这也意味着，这片市场还在。踩着前辈们的尸体，互联网+物流新的创业者们要想想究竟如何才能打破熟人关系，人与人之间的信任毕竟不是一朝一夕能够被取代的。

　　打破熟人关系，车货匹配系统需要形成规模效应，和打车软件不同，车货匹配的频率较低，只靠百十来万不那么活跃的用户是做不下去的。其次，就是要把重心放在寻找货源上。不要忘了市场的形势是供给大于需求还是需求大于供给。在我国，运力是过剩的一方，货主是稀缺的一方。让货主能安心的把货物放到平台上而不是去找熟人，再让熟人找司机将是决定车货匹配系统能否成功的关键一步。

　　减少无效物流量。何谓无效物流，有本书上有这么个例子，概括如下：说有一家工厂产椅子，隔壁的超市要进一批椅子，但是超市的采购部采购椅子要先把椅子从工厂运到仓储中心，再由仓储中心统一运发给门店。可能本来和目的地就隔了一条街，结果椅子却转了半个地球。要避免这种非必要的物流，互联网是可以帮上忙的，互联网可以把卖方，买方的需求上传到云端，利用大数据的处理能力进行货物的最优物流方案确定，少走这些冤枉路。