El hombre que le enseñó a Uber a decir “perdóname” (y obtuvo un conocimiento empresarial invaluable)
Cuando el Uber contratado lo llevó al destino equivocado, un profesor planteó sus quejas al frente de la empresa y aprendió algo valioso sobre la ciencia detrás del acto de perdonar.
En enero de 2017, John List pronunciaría un importante discurso en una prestigiosa reunión de economistas.
Cogió su teléfono y reservó un viaje con Uber que lo llevó 30 minutos de la casa. Después de observar brevemente el giro del automóvil en Lake Shore Drive, una carretera que rodea el lago Michigan en Chicago, EE. UU., Se reclinó en el asiento trasero para preparar su discurso.
Unos 20 minutos después, el profesor volvió a mirar por la ventana pensando que estaba cerca de llegar a su destino, pero estaba justo donde había comenzado el viaje.
Algo había salido mal con la aplicación y le indicó al conductor que llevara al maestro a casa.
Esa misma tarde, llamé a Kalanick, poco antes de que el fundador de la empresa renunciara después de una serie de controversias y presiones de los accionistas.
Después de que List le contó su experiencia a Kalanick, Kalanick dijo: “Lo que quiero saber es cómo debería disculparse Uber cuando ocurre este tipo de situación. ¿Cuál es la mejor manera de fidelizar a sus clientes? incluso cuando tienen una mala experiencia? ”
Cómo disculparse es una pregunta que todas las empresas quieren saber. Y John List estaba en una posición única para responder esa pregunta.
No muchas personas de ascendencia John List ingresan a destacados académicos.
La lista creció en una familia de clase trabajadora al noreste de Madison, la capital del estado estadounidense de Wisconsin.
Su padre era camionero y esperaba que su hijo se uniera al negocio familiar. Pero John tenía otras ideas.
Su sueño era convertirse en golfista profesional y ganó una beca universitaria en este deporte. Allí descubrí que no era tan bueno en el golf como pensaba y que cashinaba fascinaba.
Ahora, la lista pertenece a la facultad de economía de la Universidad de Chicago, una de las mejores del país norteamericano.
Pero durante varios años también ha estado bajo la luz de la luna porque Uber se acercó a él para que fuera su economista jefe y, después de dejar la empresa, se unió a otra aplicación de viajes en automóvil, Lyft, donde tiene la misma posición.
Claro, trabajar en Uber paga bien, pero la Lista se elaboró por una variedad de razones.
Para los investigadores de datos, las aplicaciones de automóviles son la minería de oro. Solo en Estados Unidos, antes de la pandemia, había dos millones de conductores de Uber que realizaban decenas de millones de viajes a la semana.
List ha pasado su carrera estudiando el comportamiento económico en el mundo real, por lo que trabajar para Uber fue “un sueño hecho realidad”.
Tener acceso a tanta información podría analizar todo tipo de preferencias de los consumidores: tipo de automóvil preferido, qué tan lejos viajan, a qué hora o cómo reaccionan ante un cambio de tarifas. También podría aprender la mejor manera de disculparse.
Su primer paso fue analizar qué sucedía con los usuarios de Uber luego de vivir una mala experiencia, algo que duró mucho más de lo esperado.
La aplicación puede predecir, por ejemplo, que un viaje durará nueve minutos y terminará en 23 minutos. Analizando los números, él y sus asociados descubrieron que pasajeros que habían experimentado un hora los pasajeros gastarán hasta un 10% menos en Uber en el futuro.
Esto representó una pérdida de beneficios significativa para la aplicación.
El siguiente paso fue presentar una serie de disculpas y probarlas casualmente con usuarios que tuvieron una mala experiencia.
Resulta que hay una especie de ciencia detrás del perdón, y los científicos sociales y los psicólogos en particular han estudiado los tipos de perdón que funcionan mejor.
La lista también tenía la ventaja de poder medir su impacto.
El académico define una especie de disculpa: “básica”, que contendrá un mensaje similar a este: “Hemos visto que su viaje ha tardado más de lo esperado y lo sentimos mucho”.
Una excusa más sofisticada implica admitir que la empresa tuvo la culpa.
Y otro tipo de perdón implicaría un mayor compromiso por parte de la empresa. Por ejemplo: “Intentaremos asegurarnos de que esto no vuelva a suceder”.
En nombre de Uber, John List probó a todas estas personas. Además, con algunos de estos mensajes, Uber ofreció un descuento de $ 5 en el próximo viaje.
En el experimento también hubo un grupo de usuarios que no recibió una disculpa.
El resultado fue asombroso, ya que todo tipo de perdón era ineficaz en sí mismo. Sin embargo, si va acompañado de un cupón de $ 5, mantenan aumenta la lealtad por usuarios.
“De esa manera obtenemos millones de dólares, tranquilizando a los clientes con una disculpa y un cupón”.
Pero al observar de cerca las estadísticas, List se dio cuenta de que esta estrategia dejaba de funcionar si ocurría una segunda o tercera mala experiencia. De hecho, se demostró que la repetición de disculpas solo alejaba más a los clientes.
Esto es conocimiento invaluable sobre Uber y otras empresas.
Muchos economistas se sientan en sus escritorios y desde allí formulan modelos para hacer predicciones. Lo inusual de John List es que le gusta probar sus teorías en el mundo real.
El investigador ha realizado experimentos en diferentes partes del mundo, desde Tanzania hasta Nueva Zelanda y desde China hasta Bangladesh.
La gran cantidad de datos que acumulan Uber y otras aplicaciones de viajes le ha permitido identificar algunas características del comportamiento humano.
Por ejemplo, antes de reservar un viaje a Uber, nunca se sabe si tendrá un conductor un hombre o una mujer. Por lo tanto, es probable que asuma que hombres y mujeres ganan lo mismo.
Sin embargo, resulta que los hombres ganan alrededor de un 7% más que las mujeres. Esto llamó la atención de List y descubrió por qué.
Una es que las mujeres tienen más responsabilidades en lo que respecta al cuidado de los niños y, por lo tanto, están menos disponibles durante las horas más lucrativas, como el desayuno y después del trabajo.
Pero el factor más importante fue la velocidad. De media, Los conductores hombres conducen un 2,5% más rápido que las mujeres en Uber, lo que les permite realizar más viajes por hora.
Esta no es la única brecha de género.
La lista persuadió a la junta de Uber para habilitar la función de proporcionar información, pensando que esto hará más felices a los conductores.
Después de analizar el efecto de esta función, encontró que por cada 4 dólares estadounidenses que dan las mujeres, los hombres dan 5 dólares estadounidenses.
También descubrió que las mujeres conductoras reciben más consejos que los hombres, excepto cuando esas mujeres tienen 65 años o más.
El estudio del comportamiento humano a través de datos recopilados de aplicaciones de viajes en automóvil se ha llamado Ubernomics, aunque la Lista ahora ha funcionado para Lyft y continúa produciendo resultados interesantes.
Al analizar el comportamiento de los usuarios de Lyft, recientemente midió el impacto de lo que él llama “sesgo de figura izquierda”. En otras palabras, reducir una tarifa de $ 15 a $ 14,99 tiene el mismo efecto en la demanda del consumidor que reducirla de $ 15,99 a $ 15.
Otros descubrimientos en Ubernomics no son sorprendentes. Por ejemplo, cuanto más se preocupan los consumidores por el precio y cuanto más bajo es, más probabilidades hay de que reserven un viaje.
Sin embargo, Los análisis de cómo usamos estas aplicaciones también revelan las preferencias e idiosincrasias del comportamiento económico humano.
Por ejemplo, si alguna vez decide convertirse en un conductor de Uber y cree que ser amigable con el cliente tendrá un impacto significativo en sus ingresos, hay malas noticias.
Incluso cuando los clientes califican a un conductor un 10% mejor que otro por su amabilidad, ambos reciben el mismo consejo, Termina la lista.
“Aficionado a la televisión. Pionero de Internet. Amigo de los animales en todas partes. Escritor ávido”.
:quality(85)//cloudfront-us-east-1.images.arcpublishing.com/infobae/HJNQI2V4JRHHNMFOADE4GA3U5E.jpg)
:quality(85)//cloudfront-us-east-1.images.arcpublishing.com/infobae/EABCH6EFMZBFMV2U6QQGK7MEDU.jpg)
