Los pedidos repetidos caen en ciudades medianas
Una app de delivery estilo Glovo (hipotético) opera en 40 ciudades de España. En los últimos tres meses, el porcentaje de clientes que repiten pedido en 30 días ha caído en las ciudades medianas (de 100.000 a 400.000 habitantes), mientras que en Madrid, Barcelona y Valencia se mantiene. Todos los datos del caso son hipotéticos.
Tu papel
Eres la PM de Growth de consumidor para las ciudades medianas. Tienes un equipo de cinco ingenieros, una diseñadora y un analista compartido con Operaciones.
Quién opina qué
| Quién | Su posición |
|---|---|
| Director de Operaciones de ciudades medianas | «Es un problema de oferta: faltan restaurantes buenos.» Pide presupuesto para captar 200 restaurantes más. |
| Marketing | «Hay que reactivar con un cupón del 20 % en el segundo pedido; en otras ciudades funcionó.» |
| Finanzas | «Los cupones ya se comen el margen en estas ciudades.» No aprueba más descuento sin ver su efecto incremental. |
| Tu analista | Ha visto que los tiempos de entrega empeoraron en esas ciudades desde que en junio cambió la lógica de asignación de repartidores. |
Datos disponibles
Repetición a 30 días por tipo de ciudad
| Tipo de ciudad | Mayo | Junio | Julio | Agosto | Septiembre |
|---|---|---|---|---|---|
| Grandes (3) | 46 % | 45 % | 45 % | 46 % | 45 % |
| Medianas (37) | 40 % | 39 % | 36 % | 35 % | 34 % |
Ciudades medianas: cómo fue el primer pedido y cuánto se repite después
| Primer pedido | Peso en mayo | Peso en septiembre | Repiten a 30 días |
|---|---|---|---|
| Entregado en plazo | 82 % | 60 % | 44 % |
| Más de 15 min de retraso | 12 % | 30 % | 22 % |
| Incidencia (incompleto o frío) | 6 % | 10 % | 15 % |
Las tasas de repetición de cada grupo son las mismas en mayo y en septiembre. Lo que ha cambiado es cuántos clientes caen en cada grupo.
Operación en ciudades medianas
| Métrica | Mayo | Septiembre |
|---|---|---|
| Tiempo medio de asignación de repartidor | 4 min | 11 min |
| Repartidores activos en hora punta | 310 | 300 |
| Restaurantes activos | 1.150 | 1.170 |
| Pedidos con cupón | 18 % | 26 % |
- La nueva lógica de asignación (junio) agrupa pedidos para que cada repartidor lleve dos a la vez. En las ciudades grandes ha bajado el coste por pedido.
- En los comentarios de las valoraciones de ciudades medianas, el motivo de queja más repetido desde julio es «tardó mucho más de lo que decía la app».
Restricciones
No puedes revertir la lógica de asignación en todo el país: en las grandes ciudades ha bajado el coste por pedido y Operaciones la defiende. Puedes proponer cambios por ciudad, cambios en el tiempo de entrega que promete la app y experimentos. El presupuesto de cupones está congelado.
Tu tarea
Decide qué recomiendas al comité: ¿el problema es de oferta, de precio o de experiencia de entrega? Propón qué harías en las próximas cuatro semanas y qué descartas.
Entregable: un memo de una página o cinco bullets: diagnóstico, decisión, qué descartas, métricas y cómo sabrás en cuatro semanas si te equivocaste.
Pistas (ábrelas solo si te atascas)
- Compara ciudades grandes y medianas: ¿qué cambió en unas y no en otras, y cuándo?
- En la segunda tabla, ¿la repetición cae dentro de cada grupo o cambia cuántos clientes hay en cada grupo? Haz la cuenta con los pesos de mayo y con los de septiembre.
- Antes de aceptar la propuesta de un stakeholder, pregúntate qué dato tendría que verse si tuviera razón. ¿Se ve?
Escribe al menos 50 caracteres antes de comparar (llevas 0). No hace falta que sea perfecto: intentarlo antes de ver nuestra respuesta es lo que hace que se te quede.
Análisis recomendado
Empieza por localizar. La caída es solo en ciudades medianas y arranca en julio, justo después del cambio de asignación de junio. Eso no prueba la causa, pero te da una hipótesis concreta que los datos pueden desmentir.
La tabla clave es la del primer pedido. Quien recibe en plazo repite igual que antes (44 %): para esa persona, ni el apetito ni la oferta han cambiado. Lo que cambia es el peso de cada grupo: los primeros pedidos con retraso pasan del 12 % al 30 %, y quien sufre un retraso repite la mitad. Haz la cuenta: con los pesos de mayo y las mismas tasas, la repetición es del 40 % (0,82 × 44 + 0,12 × 22 + 0,06 × 15); con los de septiembre, del 34 %. El cambio de mezcla explica toda la caída. Es un efecto de mezcla, no un deterioro general.
Ahora pon a prueba cada propuesta con lo que predice. Si fuera oferta, habría menos restaurantes o caería la repetición incluso con entregas en plazo: los restaurantes suben y la repetición en plazo es estable. Si fuera precio, los cupones tendrían que estar ayudando: su uso sube del 18 % al 26 % mientras la repetición baja, así que estamos pagando pedidos que ya no crean hábito. El dato que sí encaja es la asignación: de 4 a 11 minutos.
El mecanismo probable: agrupar dos pedidos es eficiente donde hay muchos pedidos cerca; en una ciudad mediana, el repartidor espera al segundo y el primero llega tarde. La app sigue prometiendo el tiempo de antes, así que el retraso se vive como un incumplimiento. Y el daño se concentra en el primer pedido, justo cuando el cliente decide si la app es fiable.
Decisión
Diagnóstico: la caída se explica por el aumento de primeros pedidos con retraso tras el cambio de asignación de junio; ni la oferta ni el precio encajan con los datos. Decisión: experimento de cuatro semanas en la mitad de las ciudades medianas, emparejadas por tamaño, que desagrupa pedidos cuando la espera del segundo supera un umbral; y en todas, ajustar el tiempo prometido al real de cada ciudad. Descarto este mes captar 200 restaurantes y el cupón de segundo pedido, y los reabro si el experimento no mueve la repetición. Métricas: como señal temprana, el % de primeros pedidos en plazo y la repetición a 7 días de clientes nuevos; como outcome, la repetición a 30 días; como guardrails, el coste por pedido y la ganancia por hora del repartidor. Me habré equivocado si el % en plazo sube y la repetición de los clientes nuevos no se mueve.
Trade-offs
- Desagrupar sube el coste por pedido en ciudades medianas; el experimento tiene que medir si el valor de los clientes que repiten lo compensa.
- Prometer tiempos realistas puede bajar la conversión en el momento de pedir. Mejor perder un pedido que un cliente, pero hay que medirlo.
- Congelar la captación de restaurantes retrasa una palanca que quizá haga falta después; por eso se fija la condición para reabrirla.
- Un experimento por ciudad tiene pocas unidades: los resultados serán ruidosos y conviene emparejar ciudades parecidas.
La misma respuesta en tres niveles
Ábrelas en orden. Lo que importa no es la respuesta senior en sí, sino qué la separa de las otras dos.
Respuesta débil
Recomiendo lanzar el cupón del 20 % en el segundo pedido en las ciudades medianas, porque Marketing dice que en otras ciudades funcionó y hay que recuperar a los clientes rápido. Además, captaría más restaurantes para que haya más variedad.
La métrica sería la repetición a 30 días.
- Adopta las soluciones de los stakeholders sin contrastarlas con los datos.
- No hay diagnóstico: no explica por qué cae la repetición ni por qué solo en ciudades medianas.
- Ignora a Finanzas y el dato de que los cupones ya suben sin efecto.
- No renuncia a nada: suma dos iniciativas caras.
Respuesta correcta
La caída es solo en ciudades medianas y empieza en julio, después del cambio de asignación de repartidores. El tiempo de asignación pasó de 4 a 11 minutos y hay más primeros pedidos con retraso, que repiten mucho menos.
Recomiendo revertir la agrupación de pedidos en las ciudades medianas y no lanzar más cupones, porque ya han subido sin mejorar la repetición.
Mediría la repetición a 30 días y el porcentaje de pedidos en plazo.
- Localiza bien el problema y encuentra el dato clave: el tiempo de asignación.
- Descarta los cupones con evidencia.
- Pero propone revertir sin experimento, y Operaciones tiene un argumento válido: en las grandes ciudades la agrupación ahorra coste.
- No cuantifica el efecto de mezcla ni dice cómo sabrá si se equivocó.
- Le falta un guardrail de coste: la decisión puede ser cara y no lo mide.
Respuesta senior
Diagnóstico. La repetición cae solo en ciudades medianas desde julio, y la causa más probable es el cambio de asignación de junio. Quien recibe su primer pedido en plazo repite igual que en mayo (44 %); lo que ha cambiado es que ahora el 30 % de los primeros pedidos llega tarde, frente al 12 %, y esos clientes repiten la mitad. Con los pesos de mayo, la repetición seguiría en el 40 %: el efecto de mezcla explica toda la caída.
Lo que descarto, con datos. Oferta: los restaurantes suben y la repetición en plazo no cae. Precio: los cupones suben del 18 % al 26 % mientras la repetición baja, así que pagamos pedidos que no crean hábito.
Decisión. Experimento de cuatro semanas en la mitad de las ciudades medianas, emparejadas por tamaño: desagrupar cuando la espera del segundo pedido supere un umbral, y en todas, ajustar el tiempo prometido al real. No toco las grandes ciudades.
Renuncias. Este mes, ni cupón ni captación de 200 restaurantes; los reabro si el experimento no mueve la repetición.
Métricas. Señal temprana: % de primeros pedidos en plazo y repetición a 7 días de clientes nuevos. Outcome: repetición a 30 días. Guardrails: coste por pedido y ganancia por hora del repartidor. Me habré equivocado si el % en plazo sube y la repetición de los clientes nuevos no se mueve.
- Cuantifica el efecto de mezcla: convierte una sospecha en un argumento que el comité puede comprobar.
- Contrasta cada propuesta de los stakeholders con lo que predeciría si fuera cierta.
- Respeta la restricción de Operaciones con un experimento acotado en vez de una reversión total.
- Deja escrito qué descarta, cuándo lo reabriría y qué resultado le haría cambiar de opinión.
- Cabe en el entregable pedido: cinco bloques que un director lee en dos minutos.
Lo que te preguntaría el entrevistador ahora
Contesta en voz alta o por escrito antes de abrir cada una.
El director de Operaciones dice que el retraso es culpa de los restaurantes, que ahora preparan más lento. ¿Cómo lo compruebas?
Qué busca con esta pregunta
Que separes en los datos el tiempo de preparación del tiempo de asignación antes de discutir, en vez de enfrentar opiniones.
Finanzas pregunta por qué no probar también el cupón, ya que es barato de lanzar. ¿Qué respondes?
Qué busca con esta pregunta
Si entiendes que dos cambios a la vez contaminan la lectura del experimento, y si sabes decir «sí, después» con una condición.
Si tuvieras que explicar el diagnóstico a la CEO en 30 segundos, ¿qué dirías?
Qué busca con esta pregunta
Capacidad de síntesis: una frase de causa, un número que la sostenga y la decisión.