De man die Uber leerde sorry te zeggen

De man die Uber leerde sorry te zeggen

Door David Edmonds
BBC World Service

Gepubliceerdduur24 minuten geledenafbeelding copyrightUniversity of Chicago

Toen de Uber die hij had ingehuurd naar de verkeerde bestemming ging, bracht een professor zijn klacht helemaal naar voren – en leerde toen iets waardevols over de wetenschap van zich verontschuldigen.

In januari 2017 zou John List een keynote speech houden op een prestigieuze bijeenkomst van economen. Hij pakte zijn telefoon en boekte via de Uber-app een taxi om hem de reis van 30 minuten van huis te brengen. Hij keek even op, terwijl de auto langs Lake Shore Drive, aan de oevers van Lake Michigan, reed en het uitzicht op de naderende stad in zich opnam, met zijn schitterende skyline van wolkenkrabbers. Daarna ging hij weer zitten om aan zijn lezing te werken.

Ongeveer 20 minuten later keek hij weer op. Hij moet er nu toch bijna zijn? “Oh nee!!” hij schreeuwde. Hij was terug waar hij was begonnen. Er was iets misgegaan met de Uber-app, die de chauffeur had opgedragen terug te keren naar het huis van de professor. Ze had hem niet willen storen, want hij was zo in beslag genomen door zijn werk.

List was begrijpelijkerwijs woedend. Maar wat hem nog meer maakte, was dat Uber hem nooit een verontschuldiging had gestuurd.

Niet iedereen die een klacht bij Uber heeft, heeft toegang tot de CEO, maar John List wel, en dus belde hij Trevor Kalanick die avond. (Dit duurde niet lang voordat Kalanick werd gedwongen af ​​te treden na beschuldigingen van seksuele intimidatie.)

Nadat List het verhaal had verteld en een beetje stoom had afgelaten, sprak Kalanick. ‘Wat ik wil weten’, zei hij, ‘is hoe Uber zich moet verontschuldigen als dit soort cock-up optreedt. Wat is de beste manier om Uber-klanten loyaal te houden, zelfs als ze een ellendige ervaring hebben gehad?’

Hoe u zich kunt verontschuldigen is een vraag waarvan elk bedrijf het antwoord wil weten. En John List bevond zich in een unieke positie om erachter te komen.

Niet veel mensen met de achtergrond van John List worden vooraanstaande academici. Hij groeide op in een arbeidersgezin in Sun Prairie, ten noordoosten van Madison, de hoofdstad van Wisconsin. Zijn vader was vrachtwagenchauffeur en verwachtte dat zijn zoon in het familiebedrijf zou komen. John had andere ideeën. Zijn droom was om een ​​professionele golfer te worden en hij won een golfbeurs voor de universiteit. Daar ontdekte hij twee dingen: ten eerste was hij niet zo goed in golf als hij ooit had gedacht, en ten tweede was hij gefascineerd door economie.

Hij zit nu op de economische faculteit van een van Amerika’s beste universiteiten, de University of Chicago. Maar sinds een paar jaar doet hij ook maanlicht, omdat Uber hem benaderde om hun hoofdeconoom te worden, en nadat hij was overgestapt van Uber, voegde hij zich bij een andere auto-app, Lyft, waar hij dezelfde functie bekleedt.

afbeelding copyright Reuters afbeelding onderschrift Travis Kalanick moest zelf een reeks excuses aanbieden voordat hij in 2017 aftrad

De baan wordt ongetwijfeld royaal beloond, maar voor John List heeft het een andere aantrekkingskracht; voor data-geeks zijn auto-apps als goudmijnen – alleen al in de VS waren er vóór de pandemie twee miljoen Uber-chauffeurs, die elke week tientallen miljoenen ritten maakten. John List heeft zijn carrière doorgebracht met het bestuderen van economisch gedrag in de echte wereld, dus werken met Uber “was een droom die uitkwam”. Met deze overvloed aan informatie kon hij allerlei soorten consumentenvoorkeuren analyseren: wat voor soort auto’s mensen leuk vinden, hoe ver ze doorgaans reizen en op welke tijden, hoe ze reageerden op een verandering in de prijs van de tarieven. Hij zou ook kunnen leren hoe hij zich het beste kan verontschuldigen.

Zijn eerste stap was om te kijken wat er met Uber-gebruikers gebeurde nadat ze een slechte rit hadden gehad – een rit die veel langer had geduurd dan de app aanvankelijk had voorspeld. De app kan bijvoorbeeld voorspellen dat een reis negen minuten duurt en uiteindelijk 23 minuten. Door de cijfers te analyseren, ontdekten hij en zijn medewerkers dat rijders die zo’n slechte rit hadden meegemaakt in de toekomst tot 10% minder zouden uitgeven aan Uber. Dat betekende een aanzienlijk verlies aan inkomsten voor de auto-app.

De volgende stap was om met verschillende verontschuldigingen te komen en ze willekeurig uit te proberen bij degenen die een slechte trip hadden meegemaakt.

Meer informatieLuister naar John List in Ubernomics, een aflevering van The Big Idea, op de BBC World Service Klik hier voor uitzendtijden of om online te luisteren Download de podcast

Het blijkt dat er een soort wetenschap is van sorry. Sociale wetenschappers – en psychologen in het bijzonder – hebben onderzocht welke soorten verontschuldigingen werken. Maar John List had een groot voordeel; hij kon de impact daadwerkelijk meten.

Hij noemt een soort sorry, de “basis verontschuldiging” – “We merken op dat uw reis langer duurde dan we hadden voorspeld en we bieden onze oprechte excuses aan.” Een meer verfijnde verontschuldiging houdt een bekentenis in dat het bedrijf het verprutst. Een ander soort verontschuldiging houdt een toezegging in: “We zullen proberen ervoor te zorgen dat dit niet nog een keer gebeurt.”

Namens Uber probeerde John List ze allemaal. Bovendien bood Uber met enkele van deze excuses een korting van $ 5 op de volgende reis. In het experiment was er ook een groep Uber-klanten die helemaal geen verontschuldigingen kregen.

Hoeveel mensen zijn er nodig om een ​​politieke leider te verdrijven Keuzeblindheid: Kent u uzelf zo goed als u denkt?

Het resultaat was verrassend. Op zichzelf bleken verontschuldigingen in welke vorm dan ook ondoeltreffend. Maar een verontschuldiging in combinatie met de coupon van $ 5 hield veel mensen loyaal. “Dus uiteindelijk brengen we miljoenen dollars terug door consumenten gerust te stellen met een verontschuldiging en een coupon.”

Wat consumenten willen, zo blijkt, is dat een bedrijf zijn wroeging toont door een materiële financiële klap te incasseren. Maar toen hij dieper in de statistieken keek, realiseerde List zich dat zelfs dit apparaat niet meer werkte als er een tweede of derde bad trip was. Inderdaad, een tweede of derde verontschuldiging leek klanten alleen maar verder te vervreemden.

Dit zijn onschatbare inzichten voor Uber, maar ook voor andere bedrijven.

Veel economen zitten aan hun bureau en doen op basis van hun modellen voorspellingen over de economische activiteit. Wat John List een beetje ongebruikelijk maakt voor een econoom, is dat hij graag theorieën test in de echte wereld. Hij heeft experimenten uitgevoerd van Tanzania tot Nieuw-Zeeland, van China tot Bangladesh.

De enorme digitale datasets van Uber en andere auto-apps hebben hem in staat gesteld om bepaalde eigenaardigheden in het menselijk gedrag te identificeren die economen in fauteuils misschien niet hebben ontdekt. Als je bijvoorbeeld een Uber boekt, weet je nooit of je een mannelijke of vrouwelijke chauffeur krijgt, dus je mag verwachten dat mannelijke en vrouwelijke chauffeurs hetzelfde verdienen. Maar in feite verdienen mannelijke chauffeurs ongeveer 7% meer per uur dan hun vrouwelijke tegenhangers. Geschokt door deze ongelijkheid, probeerde List de reden ervoor te achterhalen.

Hij ontdekte verschillende verklaringen. Een daarvan is dat vrouwen vaak meer verantwoordelijkheden voor de kinderopvang hebben, waardoor er minder vrouwelijke chauffeurs beschikbaar zijn op lucratieve tijden, zoals de ochtend- en middagspits. Maar verreweg de belangrijkste factor blijkt snelheid te zijn: Uber-rijdende mannen rijden gemiddeld zo’n 2,5% sneller dan Uber-rijdende vrouwen, dus geven ze meer ritten per uur.

afbeelding copyright Getty Images afbeelding onderschrift Mannelijke bestuurders krijgen kleinere tips (zelfs als ze wakker zijn)

Dat is niet de enige genderkloof. Omdat hij dacht dat het Uber-chauffeurs gelukkiger zou maken, haalde List het Uber-bestuur over om een ​​fooifunctie toe te voegen, waardoor Uber in lijn werd gebracht met andere auto-apps. Vervolgens bestudeerde hij het kantelgedrag. Voor elke $ 4 die vrouwen geven als fooi, zo bleek, geven mannen ongeveer $ 5. Bovendien krijgen vrouwelijke chauffeurs meer fooien dan mannelijke chauffeurs – behalve wanneer die vrouwelijke chauffeurs 65 jaar of ouder zijn. Ik denk dat we dit kunnen beschouwen als een verder bewijs van mannelijke oppervlakkigheid.

De studie van economisch gedrag door middel van auto-app-gegevens wordt Ubernomics genoemd – hoewel John List’s doos met dataspeelgoed hem nu wordt geleverd door Lyft, niet Uber – en hij blijft een reeks fascinerende resultaten produceren. Bij het analyseren van het gedrag van Lyft-gebruikers heeft hij onlangs de kracht berekend van wat hij “left-digit bias” noemt. Het verlagen van de prijs van een reis van $ 15 naar $ 14,99 heeft ongeveer dezelfde impact op de vraag van de consument als het verlagen van $ 15,99 naar $ 15.

Sommige ontdekkingen in Ubernomics zijn niet verrassend. Consumenten geven om de prijs: hoe lager de kosten, hoe groter de kans dat we een taxi boeken. Maar de analyse van hoe we auto-apps gebruiken, onthult ook enkele vooroordelen en eigenaardigheden van menselijk economisch gedrag.

Trouwens, als je ooit besluit om Uber-chauffeur te worden, en denkt dat aardig zijn tegen de klant een aanzienlijke impact zal hebben op je inkomen, dan is er slecht nieuws. Ik ben bang van niet. Zelfs als klanten de ene chauffeur 10% hoger beoordelen dan de andere voor aardigheid, zegt John List, krijgen ze allebei dezelfde fooi.

Mogelijk bent u ook geïnteresseerd in: copyright van afbeeldingenGetty Images

We zijn niet gewend aan het idee dat machines ethische beslissingen nemen, maar de dag dat ze dit routinematig zelf zullen doen, nadert snel. Dus hoe, vraagt ​​David Edmonds van de BBC, zullen we hen leren het juiste te doen?

Kunnen we robots ethiek leren?

.