Cuando el Uber que contrató le llevó al destino equivocado, un profesor elevó sus quejas a lo más alto de la compañía y aprendió algo valioso sobre la ciencia que existe detrás del acto de disculparse.
BBC NEWS MUNDO
El hombre que le enseñó a Uber a decir “lo siento” (y obtuvo un invaluable conocimiento sobre negocios)
Para los estudiosos de los datos, las aplicaciones de automóviles son minas de oro. Solo en EE. UU., antes de la pandemia, había dos millones de conductores de Uber realizando decenas de millones de viajes por semana.
John List descubrió la mejor forma de pedir disculpas para Uber y a la vez adquirió un conocimiento muy útil para el negocio. (Foto Prensa Libre: Universidad de Chicago)
En enero de 2017, John List iba a ofrecer un discurso importante en un prestigioso encuentro de economistas.
Agarró su teléfono y reservó un viaje con Uber que le tomaba 30 minutos desde su casa. Tras mirar brevemente cómo el carro avanzaba por Lake Shore Drive, una calle que circunda el lago Michigan en Chicago, Estados Unidos, se recostó en el asiento trasero para preparar su charla.
Alrededor de 20 minutos más tarde, el profesor volvió a mirar por la ventana pensando que estaría cerca de llegar a su destino, pero se encontraba justo donde había comenzado el viaje.
Algo había ido mal con la aplicación e instruyó a la conductora a devolver al profesor a su casa.
List estaba comprensiblemente furioso, pero lo que más le enojó fue que Uber jamás le pidió disculpas.
No todos los que se han quejado formalmente a Uber han tenido acceso a Travis Kalanick, el entonces director ejecutivo de la compañía, pero John List lo hizo.
Esa misma tarde telefoneó a Kalanick, poco antes de que el también fundador de la empresa renunciara a su cargo tras una serie de controversias y presiones por parte de los accionistas.
Después de que List relató su experiencia a Kalanick, este le dijo: “Lo que quiero saber es cómo Uber debería disculparse cuando este tipo de situación ocurre. ¿Cuál es la mejor forma de mantener leales a los clientes incluso cuando tienen una mala experiencia?”.
Cómo disculparse es una cuestión que cada compañía quiere saber. Y John List se encontraba en una posición única para responder esa pregunta.
No muchas personas con el origen de John List se vuelven académicos de referencia.
List creció en una familia de clase trabajadora al noreste de Madison, la capital del estado de Wisconsin en Estados Unidos.
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 se ganó una beca universitaria con ese deporte. Allí descubrió que no era tan bueno al golf como pensaba y que la economía le fascinaba.
Ahora, List pertenece a la facultad de economía de la Universidad de Chicago, una de las mejores del país norteamericano.
Pero durante algunos años también ha estado pluriempleado, porque Uber se acercó a él para que fuera su economista jefe y, tras abandonar esta compañía, se unió a otra aplicación de viajes en auto, Lyft, donde ocupa el mismo puesto.
Sin dudas, el trabajo en Uber está bien remunerado, pero List estaba atraído por motivos distintos.
Para los estudiosos de los datos, las aplicaciones de automóviles son minas de oro. Solo en EE.UU., antes de la pandemia, había dos millones de conductores de Uber realizando decenas de millones de viajes por semana.
List ha pasado su carrera estudiando el comportamiento económico en el mundo real, así que trabajar para Uber era “un sueño hecho realidad”.
Al tener acceso a tanta información, podía analizar todo tipo de preferencias del consumidor: el tipo de carro preferido, qué tan lejos viajan, a qué hora o cómo reaccionan ante un cambio de tarifas. También podía aprender cuál era la mejor forma de pedir disculpas.
Su primer paso era analizar qué pasaba con los usuarios de Uber después de experimentar una mala experiencia, algo que le tomó bastante más de lo previsto.
La aplicación podría predecir, por ejemplo, que un viaje tomaría nueve minutos y terminaría durando 23 minutos. Al analizar los números, él y sus colaboradores descubrieron que los pasajeros que habían experimentado un mal viaje gastarían hasta un 10% menos en Uber en el futuro.
Eso representaba una pérdida significativa de ganancias para la aplicación.
El siguiente paso era idear una serie de disculpas y probarlas aleatoriamente con usuarios que hubieran tenido una mala experiencia.
Resulta que existe una especie de ciencia detrás de pedir perdón y científicos sociales y psicólogos en particular han estudiado el tipo de disculpas que funcionan mejor.
List, además, tenía la ventaja de poder medir el impacto de las mismas.
El académico define un tipo de disculpas: la “básica”, que contendría un mensaje similar a este: “Hemos visto que tu viaje tomó más tiempo del esperado y lo sentimos profundamente”.
Una justificación más sofisticada implica admitir que la compañía tuvo la culpa.
Y otro tipo de disculpas involucraría más compromiso por parte de la empresa. Por ejemplo: “Trataremos de asegurarnos de que esto no vuelva a suceder”.
En nombre de Uber, John List intentó todos estos tipos. Además, con algunos de estos mensajes, Uber ofreció cinco dólares de descuento en el siguiente viaje.
En el experimento también hubo un grupo de usuarios que no recibió disculpa alguna.
El resultado fue sorprendente, ya que todos los tipos de disculpa fueron inefectivos por sí mismos. Sin embargo, si iban acompañadas por un cupón de US$5, mantenían una mayor lealtad por parte de los usuarios.
“De esa forma recuperamos millones de dólares, calmando a los clientes con una disculpa y un cupón” de descuento.
Pero al mirar a fondo las estadísticas, List se dio cuenta de que esta estrategia dejó de funcionar si ocurría una segunda o tercera mala experiencia. De hecho, se demostró que repetir las disculpas solo alejaba aún más a los consumidores.
Este es un conocimiento invaluable para Uber y otros negocios.
Muchos economistas se sientan en sus escritorios y desde allí formulan modelos para establecer predicciones. Lo que es inusual en John List es que le gusta probar sus teorías en el mundo real.
El académico ha realizado experimentos en varias partes del mundo, desde Tanzania hasta Nueva Zelanda y desde China hasta Bangladesh.
La gran cantidad de datos que Uber y otras aplicaciones de viajes acumulan le han permitido identificar ciertas peculiaridades del comportamiento humano.
Por ejemplo, antes de reservar un viaje en Uber nunca sabes si te tocará un hombre o mujer como conductor. Por ello, es probable que supongas que hombres y mujeres ganan lo mismo.
Sin embargo, resulta que los hombres ganan en torno a un 7% más que las mujeres. Esto llamó la atención de List y averiguó las razones.
Una es que la mujer tiene más responsabilidades a la hora de cuidar niños y por ello están menos disponibles en los horarios más lucrativos, como la mañana y después del trabajo.
Pero el factor más importante era la velocidad. En promedio, los conductores hombres viajan un 2,5% más rápido que las mujeres en Uber, lo que les permite realizar más viajes por hora.
Esa no es la única brecha de género.
List persuadió a la junta de Uber para habilitar la función de ofrecer una propina, pensando que esto haría más felices a los conductores.
Tras analizar el efecto de esta función, descubrió que por cada US$4 que dan las mujeres, los hombres dan US$5.
También halló que las mujeres conductoras reciben más propinas que los hombres, excepto cuando esas mujeres tienen 65 años o más.
El estudio del comportamiento humano a través de datos recogidos por aplicaciones de viajes en autos ha sido llamado Ubernomics, aunque List ahora trabajaba para Lyft y continúa produciendo resultados fascinantes.
Analizando el comportamiento de los usuarios de Lyft, recientemente ha medido el impacto de lo que él llama “el sesgo del dígito izquierdo”. Es decir, que reducir una tarifa de US$15 a US$14,99 tiene el mismo efecto en la demanda del consumidor que rebajarla de US$15,99 a US$15.
Otros de los descubrimientos en Ubernomics no son sorprendentes. Por ejemplo, que a los consumidores les importa el precio y mientras más bajo sea, más probabilidades de que reserven un viaje.
Sin embargo, los análisis de cómo usamos estas aplicaciones también revelan preferencias e idiosincrasias del comportamiento económico humano.
Por ejemplo, si alguna vez decides convertirte en conductor de Uber y piensas que ser amable con el cliente tendrá un impacto significativo en tus ingresos, hay malas noticias.
Incluso cuando los clientes califican a un conductor un 10% mejor que a otro por su amabilidad, ambos reciben la misma propina, concluye List.
