中規模の貨物ブローカーには、5,000社以上のキャリアとの取引関係があるかもしれません。特定の貨物について、技術的に対応できるキャリアは200社ほどあるかもしれませんが、設備、地理的展開、過去のパフォーマンス、現在の稼働状況に基づいて本当に適しているのは、そのうち20~30社に過ぎません。AIによる関係性スコアリングは、それら20~30社を素早く特定し、最良の選択肢を優先付けすることを可能にします。
多次元のキャリアスコアリング
AIは、各レーンとサービスタイプについて、複数の次元でキャリアをスコアリングします。スコアリング要因には、特定のレーンにおける過去の引き受け率、定刻通りの集荷・配達のパフォーマンス、コミュニケーションの応答性、市場相場と比較した運賃の競争力、クレーム履歴、関係の年数と信頼性が含まれます。
スコアリングはレーンごとに行われます。なぜなら、米国南東部のルートで優れたキャリアでも、太平洋岸北西部のレーンでは平均的な可能性があるからです。AIは、各キャリアとレーンの組み合わせごとに別個のスコアを維持し、一般的なキャリア評価では提供できないきめ細かなマッチング能力を実現します。
優先レーンの特定
キャリアには、運行を好むレーンがあります。これらの優先レーンは通常、ターミナルの所在地、ドライバーの居住地、既存の顧客基盤、設備の配置と一致しています。ダラスを拠点として定期的にアトランタへ貨物を運ぶキャリアは、アトランタ近郊で発送されダラス近郊で配達される貨物を好みます。なぜなら、そうした貨物がトラックを次の好ましい出発貨物に向けて適切な位置に配置するからです。
AIは過去のデータからこうしたキャリアのレーン選好を特定します。どのレーンを最も頻繁に、どのような運賃で、どのようなサービス品質で引き受けているか。貨物をキャリアの優先レーンとマッチングさせることで、ブローカーはより高い引き受け率、より良い運賃(キャリアが空車回送をしないため)、より良いサービス(キャリアが得意領域で運行するため)を得ることができます。
キャパシティの予測
AIは、現在の貨物パターンに基づいてキャリアのキャパシティ可用性を予測します。週に通常50件の貨物を運行するキャリアが水曜日までに既に45件を予約済みであれば、週の残りキャパシティは限られています。30件しか予約していない場合は、利用可能なトラックを持っている可能性が高く、追加の貨物を引き受ける可能性も高まります。
このキャパシティ予測により、ブローカーは利用可能なトラックを持っている可能性が最も高いキャリアへの連絡を優先でき、すでに完全に予約済みのキャリアへの電話に費やす時間を削減できます。
関係性の健全性モニタリング
AIは、各キャリアとの関係の全体的な健全性を時系列で追跡します。引き受け率が低下しているキャリア、運賃要求が増加しているキャリア、コミュニケーションの応答性が低下しているキャリアは、関係から離れつつある可能性があります。これらのシグナルを早期に検出することで、ブローカーは運賃の調整、貨物提供の改善、関係性のアウトリーチなどを通じて、問題に積極的に対処できます。
逆に、関与が増加しているキャリアは、その優先レーンでの追加ボリュームを通じて関係を深める機会を表しています。
AIが貨物におけるブローカーとキャリアの動態をどのように改善するかについての詳細は、FirmAdaptの物流・運輸分析をご覧ください。