石油和天然气 利用分析和AI塑造移动零售的未来 为了为低燃料销售做好准备,前院零售商可以利用先进的分析和人工智能来增加电动汽车充电和便利性的收入。 本文是AlvaroBau,MladenFruk和SwarnaRamanathan与ArjunChopra,EwoutEelkmanRooda,MartonBekes和YuchuLiu 的共同努力,代表了麦肯锡《石油与天然气实践》的观点。 ©GettyImages 2024年6 月 移动零售市场随着世界从传统燃料转移,石油需求增长显示出放缓的迹象,预计到2030年需求将开始下降。1燃料焦点的这种转变为成熟的移动零售商和市场进入者提供了一个机会,可以使用AI和高级分析(AA)定义新产品。 随着电动汽车(EV)变得更加突出,服务站的定制可能对未来的成功至关重要。2智能地利用AA或AI可以帮助移动性零售商为每个站点定制他们的价值主张,并解锁各种用例,这些用例可以帮助提高回报,实现成本节约并推动客户参与。3其中一些用例包括客户忠诚度计划中的个性化、燃料价格优化、劳动活动改进 、车站网络优化和便利零售优化。4 本文深入研究了后两个用例-站网络优化和便利零售优化 -探索移动零售商如何使用AA和AI根据客户的喜好定制每个服务站,并在不断变化的环境中抓住机会。 便利革命如何推动业务发展 消费者今天要求更多的便利。他们正在寻找新鲜和 频繁的 消费,交付商品,在旅途中满足他们的需求,以及无摩擦的客户体验。如果他们在正确的地点,正确的时间和公平的价格提供正确的产品,这种趋势可能会对移动零售商有利。5 能源转型和便利革命的交集为增长提供了几个机会-现在的根本问题是如何有效地利用这两个趋势来定位最能满足客户需求的移动零售业务。 通过更低的成本或更精细的价值主张来实现自己的差异化,可能是成功的选择。 能源转型带来的新移动零售机会显示出具有吸引力的价值增长机会,特别是在电动汽车充电基础设施(EVCI )和非燃料零售(NFR)方面。6这些领域的快速增长为新进入者创造了空间,并可能促使传统的前院零售商重新考虑他们的方法和商业模式(图1 )。 1《2023年全球能源展望:石油展望》,麦肯锡,2024年1月24日。 2麦肯锡未来移动中心。 3有关高级分析如何增强跨行业客户体验的更多信息,请参阅“公用事业公司如何使用高级分析来提升客户体验”,麦肯锡,2022年8月25日。 4麦肯锡分析 5“新出行时代的燃油零售”,麦肯锡,2021年4月1日。 关于QuantumBlack,AI麦肯锡 QuantumBlack,麦肯锡的人工智能部门帮助公司利用技术、技术专长和行业专家的力量进行转型。QatmBlac(数据工程师,数据科学家,产品经理,设计师和软件工程师)和麦肯锡(行业和领域专家)的数千名从业者,我们正在努力解决世界上最重要的AI挑战。QatmBlacLabs是我们的技术开发和客户创新中心,一直在全球各地推动人工智能的前沿进步和发展。 6非燃料零售是指服务站的商店或便利零售。“燃料零售”,2021年4月1日。 2利用分析和AI塑造移动零售的未来 附件1 新的移动零售在全球范围内创造了超过1000亿美元的新价值池。 新兴价值池 新燃料 EV 充电 便利零售 前院零售 核心 CRT®和 车队 汽车护 共享移 动性 New燃料 •氢气 •合成燃料 •NCFü偏移 •生物燃料 •液化石油气/ 液化天然气² 便利零售 •Food-for-nowoffer •以后提供的食物 •非食品报价(药品等) •接送服务 •最后一英里送货中心 •深色厨房 •黑暗仓库 •快速服务餐厅 汽车护理 •创新和自动化洗车概念 •维护/维修服务 •汽车护理作为一项服务 •高级洗车接送服务 共享移动性CRT®和车队电动汽车充电 •微移动解决方案 •乘车共享/欢呼 •汽车共享 •移动即服务 •车队管理 •车队解决方案 •混合报价 •作为服务的舰队中心 •车辆作为服务 •脱碳作为一种服务 •On-the-gocharging •家庭、工作和目的地充电 •网格服务 •电池交换 •公共电子移动中心 •能源管理 •计费聚合 1净碳足迹。 2液化石油气、液化天然气。 3商业公路运输。 麦肯锡公司 总之,新的移动机会代表了全球超过1000亿美元的价值 。7这种价值增长在地理上有所不同,这是由GDP增长预测和能源转型对不同地区的影响驱动的。到2030年,欧洲可能持有320亿美元的这一价值,并看到零售EBITDA价值池每年增长2.1%。8 麦肯锡的分析显示,特定市场的许多大型全球零售商已经看到NFR变得比燃料更有利可图。这导致并购交易的EBITDA倍数增加,新的燃料零售商进入该行业。 However,evenwithinaregion,newvaluepoolwillnotbethesameacrossallstations.Theperformanceofaquick-servicerestaurant,forthestation,willstronglydependsonthelocationofthestation,thespeciesofitscustomers,ortheexistingrestaurant. 例如。确定在哪里部署每个服务和价值主张以最大化每平方米的回报可能是燃料零售商的关键成功因素。 因此,了解客户行为并在每个站点建立正确的报价将是关键-AA可以应用于三个领域,以获取零售业务的价值:建立网络 未来,通过利用交易数据优化便利零售,并从燃料定价 、忠诚度和运营中推动价值。 构建未来的网络 大多数移动零售网络都针对燃料及其相关产品进行 了设计和优化 服务。然而,随着运输电气化的增加,机动性零售商正在从只出售化石燃料过渡到为乘用车提供动力的各种不同类型的能源, 7麦肯锡分析 8麦肯锡能源解决方案全球零售洞察数据库。 利用分析和AI塑造未来的移动性零售3 轻型商用车和卡车。9与今天相比,尤其是重型市场将看到所需能源的增加。 在脱碳流动性时代,设计 未来的网络可能具有挑战性。考虑到各个服务站提供此类服务的不同潜力,利用电动汽车的机会并不像安装充电器和插头那么简单。1一些车站非常适合作为旗舰机动性。 集线器,而其他集线器可能仍然更适合传统的燃料和便利店(图表2)。 交易数据可以帮助移动零售商深入了解消费者行为,如果可以翻译,则可以深入了解电动汽车驾驶员的偏好 。这两个维度相结合,提供了关于燃料,电动汽车和 NFR的车站级经济前景的综合图片。 确定何时何地建立电动汽车充电基础设施 通过使用精心选择的机器学习(ML)模型进行流量预 测和消费者行为建模,移动性零售商可以使 数据知情的投资决策,并为电气化的未来做好网络准备 (参见侧栏“如何建立未来的网络”)。我们已经看到,在资本支出(资本支出)支出方面,数据驱动的决策使ROI提高了10%至20%。 一些零售商领先于AA和AI曲线,并基于ML算法构建了EVCI的内部功能,这些算法可以使用三步方法对电动汽车充电位置进行超粒度预测(请参见侧栏“零售商如何使用机器学习:案例研究”)。 9“燃料零售”,2021年4月1日。 10LauritzFischer,FelixRupalla,ShivikaSahdev和AliTanweer,“探索消费者对电动汽车充电的看法”,麦肯锡,2024年1月9日。 附件2 未来的网络预计将有五个站点原型。 五个网站原型 前院2035网站原型 当前未来燃料推广/规划的重点 Description 1 城市电动汽车充电和替代燃料车队中心 2 移动枢纽 54 危险燃料的无人站 站 3 传统燃料和便利 高 电动汽车充电和替代燃料的潜力 Low 城市电动汽车充电和替代燃料车队中心 1 2 移动枢纽 3 传统燃料和便利 5 4无人加油站有风险的车站 电动汽车充电枢纽专注于家庭充电不足的密集城市地区 旗舰高速公路/通行枢纽,提供全面的机动性服务、大量充电器和广泛的便利性/QSR NFR/便利驱动的地点,能源需求最终下降能源需求下降且NFR/便利性潜力有限 的站点,其中一些最终将转向无人驾驶/低成本或退役 LowNFR电位高 1快速服务餐厅。 麦肯锡公司 4利用分析和AI塑造移动零售的未来 如何构建未来的网络 Fuelretailerscanusetransactionanalysiscombinedwithcustomers'possibleEVchargingbehaviortodesignthenetworkofthefuture.EVuptakewillimpacttheprofitandlossofindividualstationsdifferent,mainlydrivedbythreefactors: 1.位置,这决定了电动汽车的普及率、整体车流量,以及上路充电的市场份额。 2.消费者行为,这决定了车站在人们生活中的作用。 3.站属性,从电力和停车位可用性的角度确定电动汽车充电基础设施(EVCI)安装的潜力。 可以进行三步,车站级机会评估,以查看哪些车站准备完善其产品。评估首先定义了车站级的盈利能力;第二,重新利用后的燃料和NFR潜力;第三,优化的未来网络,使电动汽车充电等新价值机制最大化。 这种类型的分析可以帮助移动性零售商定量地了解不同的站点原型,以及如何将投资集中在其网络中的正确位置(展览) 。 Exhibit 站级EV影响分析可以帮助移动性零售商了解他们在网络中的投资重点。 EV吸收对车站原型的影响 带负的电台 带负的电台 total 的3E影B响ITDA变阳更性 对NFR 5NegativeEB4ITDA 2 有正面的电台总息税折旧及摊销前利润变更 1 利润变更 利润变更 NFR息税折旧及摊销前 阳性 对能源 EBITDA的 影响 Negative 有正面的电台 NFR息税折旧及摊销前 有正面的电台能源息税折旧及摊销前利润 变更 带负的电台能源息税折旧及摊销前利润 变更 1 电动汽车充电点:然而,在用电力取代燃料销售方面潜力巨大的加油站,NFR的潜力较低 2 移动集线器:具有高潜力的能源和NFR站,通常由其位置的高流量性质驱动 3 NFR聚焦:这种类型的站将看到能源贸易的减少,但是 ,将有可能成为NFR重点站点 4 无人加油站:能源转型潜力低但仍能从燃料零售中产生价值的加油站 5 有风险的站点:燃料、EV和NFR潜力低的加油站提供了机会 为网络中其他地方的电动汽车投资释放资本 来源:麦肯锡能源解决方案移动零售 麦肯锡公司 利用分析和AI塑造未来的移动性零售5 零售商如何使用机器学习:案例研究 机器学习(ML)已经被用于改善不同服务站的移动零售服务。在这里,两个案例研究强调了燃料零售商在不断变化的环境中取得成功的努力。 一家零售商采取了明确的行动来引领能源转型并获取价值。在分析了来自销售点系统的超过2亿笔交易后,一个无监督的机器学习模型建议根据这些站点在人们日常生活中的作用将站点聚类成原型。这使得零售商能够绘制未来的网络足迹,并释放大量的资本支出(capex)。 Exhibit 交易分析可以帮助确定商店的缺货趋势。 运营评估模块(说明性仪表板) 每天出售一种苏打水 可能缺货3天平均日销售额 75 70 65 60 55 50 45 40 35 30 25 20 15 10 5 0 一年中的一天 1天出2天出4天出5天缺货 10天缺货 麦肯锡公司 6利用分析和AI塑造移动零售的未来 第一步是确定影响EV充电的本地数据,例如本地EV注册量和流量,社会经济因素,竞争数据,兴趣点(POI)以及市场上可用的充电器数量。 第二个是预测模式将如何转变 在未来,通过预测相关的驱动因素——包括社会经济因素、汽车销售和电动汽车普及率——来产生关于竞争如何演变的