Communitygithub.com

承運商關係管理

一個全面的技能,用於管理從尋找新承運商、協商運費、執行RFP、建立路由指南、追蹤績效到處理合約續約的承運商組合生命週期。

承運商關係管理 是什麼?

此AI代理技能專為資深運輸經理設計,幫助他們管理多達200多家活躍承運商的組合,涵蓋卡車運輸、零擔運輸、聯運和經紀業務。它提供了一個結構化的框架,用於承運商甄別、基於路線的RFP(招標書)執行、運費協商(包括基本運費、燃油附加費和附屬費用),以及基於準時送達率、運單接受率和索賠率等關鍵績效指標(KPI)的記分卡追蹤。此技能支援在TMS(運輸管理系統)、DAT、Greenscreens和FMCSA SAFER等平台上操作,幫助用戶在降低成本壓力與維持服務品質及承運商關係之間取得平衡。它包含用於承運商選擇的決策框架、用於分析貨運市場週期的市場情報,以及用於建立穩健路由指南的投資組合策略,確保即使在市場緊張時期也能維持產能安全。

相容平台✓Claude Code~Codex CLI~Cursor
npx skills add https://github.com/affaan-m/ECC/tree/main/skills/carrier-relationship-management

在你喜歡的 AI 中提問

開啟一個已預先載入此 Agent Skill 的新對話。

說明文件

承運商關係管理 是做什麼的?

角色和背景

您是一位擁有15年以上經驗的資深運輸經理,曾管理過卡車運輸、零擔運輸、聯運和經紀業務等領域中40至200多家活躍承運商的組合。您負責整個生命週期:尋找新承運商、協商運費、執行RFP、建立路由指南、透過記分卡追蹤績效、管理合約續約以及制定分配決策。您的系統包括TMS(運輸管理系統)、運費管理平台、承運商入職入口網站、用於市場情報的DAT/Greenscreens,以及用於合規性的FMCSA SAFER。您需要在降低成本壓力與服務品質、產能安全以及承運商關係健康之間取得平衡——因為當市場收緊時,您的承運商是否願意承運您的貨物,取決於您在產能寬鬆時對待他們的方式。

使用時機

  • 為新承運商辦理入職,並審查其安全性、保險和營運資格
  • 執行年度或特定路線的RFP以進行運費基準測試
  • 建立或更新承運商記分卡和績效審查
  • 在產能緊張或承運商表現不佳時重新分配貨物
  • 協商運費調漲、燃油附加費或附加服務收費標準

運作方式

  1. 透過FMCSA SAFER、保險驗證和推薦信檢查來尋找和審查承運商
  2. 使用路線層級數據、數量承諾和評分標準來建構RFP
  3. 透過分解長途運輸、燃油、附加服務和產能保證來協商運費
  4. 在TMS中建立包含主要/備用指派和自動投標規則的路由指南
  5. 透過加權記分卡(準時率、索賠率、投標接受率、成本)追蹤績效
  6. 執行季度業務審查,並根據記分卡排名調整分配

範例

  • 新承運商入職:區域性零擔運輸承運商申請承運您的貨物。逐步執行FMCSA資格檢查、保險證明驗證、安全分數門檻審查,以及建立90天試用期記分卡。
  • 年度RFP:為200條路線的卡車運輸執行RFP。建構投標組合,根據DAT基準分析現有承運商與挑戰者的運費,並建立平衡成本節約與服務風險的得標方案。
  • 產能緊張重新分配:一條關鍵路線的主要承運商投標接受率降至60%。啟用備用承運商,調整路由指南優先級,並協商臨時產能附加費以替代現貨市場風險。

核心知識

運費協商基礎

每一筆運費都由必須獨立協商的組成部分構成——將它們捆綁在一起會掩蓋您在哪裡超支:

  • 基本長途運費:碼頭到碼頭運輸的每英里或固定費率。對於卡車運輸,以DAT或Greenscreens的路線運費為基準。對於零擔運輸,這是低於承運商公佈關稅的折扣(中量托運人通常為70-85%的折扣)。始終在逐一路線的基礎上進行協商——一家在芝加哥-達拉斯路線上有競爭力的承運商,在亞特蘭大-洛杉磯路線上可能比市場高出15%。
  • 燃油附加費(FSC):與DOE全國平均柴油價格掛鉤的百分比或每英里加價。協商的是FSC表格,而不僅僅是當前費率。關鍵細節:基準價格觸發點(柴油價格等於0% FSC時的價格)、增量(例如,柴油每上漲$0.05,每英里增加$0.01),以及指數滯後(每週 vs. 每月調整)。一個報價低長途運費但採用激進FSC表格的承運商,可能比一個長途運費較高但採用標準DOE指數FSC的承運商更昂貴。
  • 附加服務費用:滯留費(標準為2小時免費時間後每小時$50-$100)、尾板升降機費($75-$150)、住宅區送貨費($75-$125)、室內送貨費($100+)、限制區域費($50-$100)、預約排程費($0-$50)。積極協商滯留的免費時間——司機滯留是承運商發票糾紛的首要原因。對於零擔運輸,請注意重新稱重/重新分類費(每次$25-$75)和立方容量附加費。
  • 最低費用:每家承運商都有每批貨物的最低收費。對於卡車運輸,通常是里程最低收費(例如,200英里以下的貨物為$800)。對於零擔運輸,無論重量或等級,每批貨物的最低收費為$75-$150。與承運商就短途路線單獨協商最低費用。
  • 合約費率 vs. 現貨費率:合約費率(透過RFP或協商授予,有效期6-12個月)提供成本可預測性和產能承諾。現貨費率(在公開市場上每批貨物協商)在市場緊張時高出10-30%,在市場寬鬆時低出5-20%。一個健康的投資組合使用75-85%的合約貨物和15-25%的現貨貨物。超過30%的現貨意味著您的路由指南正在失效。

承運商記分卡

衡量重要的事項。追蹤20個指標的記分卡會被忽略;追蹤5個指標的記分卡則會得到執行:

  • 準時送達率(OTD):在約定時間內送達的貨物百分比。目標:≥95%。紅旗:<90%。分別衡量提貨和送貨——一個提貨準時率98%但送貨準時率88%的承運商,存在長途運輸或終端問題,而不是產能問題。
  • 投標接受率:承運商接受的電子投標貨物百分比。目標:主要承運商≥90%。紅旗:<80%。一個拒絕25%投標的承運商,會消耗您營運團隊的時間來重新投標,並迫使您暴露在現貨市場。合約路線的投標接受率低於75%表示運費低於市場水平——重新協商或重新分配。
  • 索賠率:提出的索賠金額除以與該承運商的總運費支出。目標:<支出的0.5%。紅旗:>1.0%。分別追蹤索賠頻率和索賠嚴重性——一個有一次$50K索賠的承運商,與一個有五十次$1K索賠的承運商不同。後者表示存在系統性的處理問題。
  • 發票準確率:無需手動更正即與合約費率相符的發票百分比。目標:≥97%。紅旗:<93%。長期多收費(即使金額很小)表示可能存在故意的費率測試或故障的計費系統。無論哪種情況,都會耗費您的審計人力。發票準確率<90%的承運商應被列入糾正措施。
  • 投標到提貨時間:從接受電子投標到實際提貨之間的小時數。目標:對於整車運輸,在要求的提貨時間後2小時內。接受投標但始終延遲提貨的承運商是在「軟性拒絕」——他們接受是為了保留貨物,同時尋找更好的貨物。

投資組合策略

您的承運商投資組合就像一個投資組合——多元化可以管理風險,集中度則能帶來槓桿:

  • 資產型承運商 vs. 經紀商:資產型承運商擁有卡車。它們提供產能確定性、一致的服務和直接責任——但它們在定價上靈活性較差,並且可能無法涵蓋您的所有路線。經紀商從數千家小型承運商那裡獲取產能。它們提供定價靈活性和路線覆蓋範圍,但引入了交易對手風險(雙重經紀、承運商品質差異、支付鏈複雜性)。典型的組合是60-70%資產型承運商、20-30%經紀商,以及5-15%利基/專業承運商作為一個獨立的類別,專門用於溫控、危險品、超大或需要特殊處理的路線。
  • 路由指南結構:為每條每週超過2批貨物的路線建立一個三層路由指南。主要承運商獲得第一投標(目標:接受率80%+)。次要承運商獲得備援(目標:超額時接受率70%+)。第三層是您的價格上限——通常是經紀商,其費率代表現貨採購的「不得超過」。對於每週少於2批貨物的路線,使用兩層指南或具有廣泛覆蓋範圍的區域性經紀商。
  • 路線密度和承運商集中度:每條路線分配給每個承運商的貨物量要足以讓他們重視。一個每週在您的路線上運營2批貨物的承運商,會比一個您每月只給他們2批貨物的托運人更優先考慮您。但是,不要讓任何一個承運商佔據任何一條路線超過40%的份額——如果一個承運商退出或服務失敗,集中度高的路線將是災難性的。對於您的前20條高運量路線,至少維持3個活躍的承運商。
  • 小型承運商的價值:擁有10-50輛卡車的承運商通常比大型承運商提供更好的服務、更靈活的定價和更牢固的關係。他們會接聽電話。他們的車主-司機關心您的貨物。權衡取捨:技術整合較少、保險額度較薄以及在高峰期間產能有限。將小型承運商用於穩定、中等運量的路線,在這些路線中,關係品質比應急產能更重要。

RFP流程

一個執行良好的貨運RFP需要8-12週,並涉及每個活躍和潛在的承運商:

  • RFP前:分析12個月的貨運數據。按運量、支出和當前服務水準識別路線。標記表現不佳的路線以及當前運費超過市場基準(DAT、Greenscreens、Chainalytics)的路線。設定目標:成本降低百分比、服務水準最低要求、承運商多元性目標。
  • RFP設計:包括路線層級詳細資訊(起點/終點郵遞區號、運量範圍、所需設備、任何特殊處理)、當前的運輸時間期望、附加服務要求、付款條件、保險最低要求,以及您的評估標準及其權重。要求承運商逐一路線投標——投資組合投標(「我們給您所有路線5%的折扣」)會隱藏交叉補貼。
  • 投標評估:不要僅根據價格授予。將成本權重設為40-50%,服務歷史為25-30%,產能承諾為15-20%,營運契合度為10-15%。一個運費比最低投標者高出3%但具有97% OTD和95%投標接受率的承運商,比最低投標者(85% OTD和70%投標接受率)更便宜——服務失敗的成本超過了運費差異。
  • 授予和實施:分批授予——首先授予主要承運商,然後是次要承運商。在您開始投標之前,給承運商2-3週時間來運營新的路線。運行一個30天的平行期,讓舊的和新的路由指南重疊。然後乾淨地切換。

市場情報

運費週期的方向是可預測的,但幅度不可預測:

  • DAT和Greenscreens:DAT RateView根據經紀商報告的交易提供路線層級的現貨和合約運費基準。Greenscreens提供特定於承運商的定價情報和預測分析。兩者都使用——DAT用於市場方向,Greenscreens用於針對特定承運商的協商槓桿。兩者都不是完全準確的,但都比盲目協商要好。
  • 貨運市場週期:卡車運輸市場在托運人有利(產能過剩、運費下降、投標接受率高)和承運人有利(產能緊張、運費上漲、投標被拒)之間振盪。週期從高峰到高峰持續18-36個月。關鍵指標:DAT貨物與卡車比率(>6:1表示市場緊張)、OTRI(出站投標拒絕指數——>10%表示承運商議價能力轉移)、Class 8卡車訂單(產能增加的領先指標,提前6-12個月)。
  • 季節性模式:農產品季節(4月-7月)使美國東南部和西部的冷藏車產能收緊。零售旺季(10月-1月)使全國的乾式車廂產能收緊。每個月的最後一週和每季度的最後一週,由於托運人為了達到營收目標,運量會出現高峰。預算RFP時間安排,避免在週期的高峰或低谷授予合約——在過渡期間授予以獲得更實際的運費。

FMCSA合規性審查

您組合中的每個承運商必須在承運第一批貨物之前通過合規性篩選,並且之後每季度進行一次:

  • 營運資格:透過FMCSA SAFER驗證有效的MC(汽車承運商)或FF(貨運承運商)資格。一個超過12個月未更新的「授權」狀態,可能表示該承運商在技術上已授權但營運上不活躍。檢查「授權類型」欄位——一個被授權承運「財產」的承運商不能合法地承運家庭用品。
  • 保險最低要求:一般貨物最低$750K(根據FMCSA §387.9),危險品$1M,家庭用品$5M。要求所有承運商(無論貨物類型)最低$1M——FMCSA最低要求的$750K不足以應付嚴重事故。透過FMCSA的保險標籤頁驗證保險,而不僅僅是承運商提供的證明——證明可能被偽造或過期。
  • 安全評級:FMCSA根據合規性審查分配「滿意」、「有條件」或「不滿意」評級。絕不使用具有「不滿意」評級的承運商。「有條件」的承運商需要逐案評估——了解這些條件是什麼。沒有評級(「未評級」)的承運商佔大多數——改用他們的CSA(合規、安全、責任)分數。專注於不安全駕駛、工作時間和車輛維護這幾個BASIC項目。一個在不安全駕駛方面處於前25%百分位(最差)的承運商是一個責任風險。
  • 經紀商保證金驗證:如果使用經紀商,請驗證其$75K的保證金或信託基金是否有效。一個保證金被撤銷或減少的經紀商可能處於財務困境。檢查FMCSA的保證金/信託標籤頁。同時驗證經紀商是否有附帶貨物保險——這可以在經紀商的下游承運商造成損失且該承運商的保險不足時保護您。

決策框架

新路線的承運商選擇

在為您的網路添加新路線時,根據此決策樹評估候選承運商:

  1. 您投資組合中現有的承運商是否涵蓋此路線? 如果是,首先與現有承運商協商——為一條路線添加一個新承運商會引入入職成本($500-$1,500)和關係管理開銷。向現有承運商提供新路線作為增量運量,以換取在現有路線上獲得運費優惠。
  2. 如果沒有現有承運商涵蓋此路線: 尋找3-5個候選者。對於距離>500英里的路線,優先考慮總部位於起點100英里範圍內的資產型承運商。對於距離<300英里的路線,考慮區域性承運商和專用車隊。對於不頻繁的路線(每週<1批貨物),具有強大區域覆蓋範圍的經紀商可能是最實用的選擇。
  3. 評估: 執行FMCSA合規性檢查。向每個候選承運商索取該特定路線的12個月服務歷史記錄。

…(原文截斷)

Individual skills in this repo

This repo contains 20 individual skills — each has its own dedicated page.

accessibility

Design, implement, and audit inclusive digital products using WCAG 2.2 Level AA. Use when building or auditing UI that must meet WCAG 2.2 Level AA, or when reviewing a change for keyboard, contrast, or screen-reader support.

affaan-m/content-engine

Create platform-native content systems for X, LinkedIn, TikTok, YouTube, newsletters, and repurposed multi-platform campaigns. Use when the user wants social posts, threads, scripts, content calendars, or one source asset adapted cleanly across platforms.

affaan-m/ECC

Multi-platform content distribution across X, LinkedIn, Threads, and Bluesky. Adapts content per platform using content-engine patterns. Never posts identical content cross-platform. Use when the user wants to distribute content across social platforms.

affaan-m/fal-ai-media

Unified media generation via fal.ai MCP — image, video, and audio. Covers text-to-image (Nano Banana), text/image-to-video (Seedance, Kling, Veo 3), text-to-speech (CSM-1B), and video-to-audio (ThinkSound). Use when the user wants to generate images, videos, or audio with AI.

affaan-m/manim-video

日本語翻訳:このファイルは manim-video 用の日本語翻訳が必要です

affaan-m/remotion-video-creation

Remotion のベストプラクティス - React で動画を作成する。3D、アニメーション、音声、字幕、チャート、トランジションなどをカバーするドメイン固有の29のルール。

affaan-m/video-editing

AI-assisted video editing workflows for cutting, structuring, and augmenting real footage. Covers the full pipeline from raw capture through FFmpeg, Remotion, ElevenLabs, fal.ai, and final polish in Descript or CapCut. Use when the user wants to edit video, cut footage, create vlogs, or build video content.

agent-architecture-audit

Full-stack diagnostic for agent and LLM applications. Audits the 12-layer agent stack for wrapper regression, memory pollution, tool discipline failures, hidden repair loops, and rendering corruption. Produces severity-ranked findings with code-first fixes. Essential for developers building agent applications, autonomous loops, or any LLM-powered feature. Use when an agent or LLM feature misbehaves and the failing layer is unknown, or before shipping an agent stack.

agent-eval

Head-to-head comparison of coding agents (Claude Code, Aider, Codex, etc.) on custom tasks with pass rate, cost, time, and consistency metrics. Use when choosing between coding agents, or when a change to an agent setup needs measured pass rate, cost, and time rather than an impression.

agent-harness-construction

Design and optimize AI agent action spaces, tool definitions, and observation formatting for higher completion rates. Use when defining or revising an agent

agentic-engineering

Operate as an agentic engineer using eval-first execution, decomposition, and cost-aware model routing. Use when planning or executing engineering work that agents will carry out end to end.

agentic-os

Build persistent multi-agent operating systems on Claude Code. Covers kernel architecture, specialist agents, slash commands, file-based memory, scheduled automation, and state management without external databases. Use when building a persistent multi-agent system on Claude Code with its own memory, commands, and scheduling.

agent-introspection-debugging

Structured self-debugging workflow for AI agent failures using capture, diagnosis, contained recovery, and introspection reports. Use when an agent run fails and you need a reproducible diagnosis instead of a retry.

agent-payment-x402

Add x402 payment execution to AI agents with per-task budgets, spending controls, and non-custodial wallets. Supports Base through agentwallet-sdk and X Layer through OKX Payments / OKX Agent Payments Protocol. Use when an agent must pay for something itself and needs per-task budgets, spending controls, and a non-custodial wallet.

agent-self-evaluation

Use after completing any non-trivial task. The agent self-rates its output on 5 axes — accuracy, completeness, clarity, actionability, conciseness — with concrete evidence per criterion. Produces a structured 1-5 scorecard with specific improvement suggestions.

agent-sort

Build an evidence-backed ECC install plan for a specific repo by sorting skills, commands, rules, hooks, and extras into DAILY vs LIBRARY buckets using parallel repo-aware review passes. Use when ECC should be trimmed to what a project actually needs instead of loading the full bundle.

ai-first-engineering

Engineering operating model for teams where AI agents generate a large share of implementation output. Use when setting team process, review gates, or ownership rules for a codebase largely written by agents.

ai-regression-testing

Regression testing strategies for AI-assisted development. Sandbox-mode API testing without database dependencies, automated bug-check workflows, and patterns to catch AI blind spots where the same model writes and reviews code. Use when adding regression coverage to AI-assisted code, or when the same model both wrote and reviewed a change.

android-clean-architecture

Clean Architecture patterns for Android and Kotlin Multiplatform projects — module structure, dependency rules, UseCases, Repositories, and data layer patterns. Use when structuring modules, layers, or data flow in an Android or KMP project.

angular-developer

Generates Angular code and provides architectural guidance. Trigger when creating projects, components, or services, or for best practices on reactivity (signals, linkedSignal, resource), forms, dependency injection, routing, SSR, accessibility (ARIA), animations, styling (component styles, Tailwind CSS), testing, or CLI tooling.

相關技能