Scribd Logo
Cargar

¡Te damos la bienvenida a Scribd!

  • 66 vistas

    Nirma: Universidad

    Cargado por

    ScribdTranslations
    El documento resume el lanzamiento del servicio Express Pool de Uber, que permite a los pasajeros caminar una corta distancia para ser recogidos. Analiza los datos de experimentos en varias ciudades entre 2017-2018 para diferentes tiempos de espera (2 vs 5 minutos). El análisis muestra más cancelaciones pero menores ingresos para 5 minutos. La recomendación es usar un modelo dinámico de tiempo de espera que considere la preferencia de cada cliente, y comenzar con 2 minutos para ganar cuota de mercado al ser un nuevo servicio.

    Copyright:

    © All Rights Reserved
    Descargue como DOCX, PDF, TXT o lea en línea desde Scribd

    Nirma: Universidad

    Cargado por

    ScribdTranslations
    66 vistas8 páginas
    El documento resume el lanzamiento del servicio Express Pool de Uber, que permite a los pasajeros caminar una corta distancia para ser recogidos. Analiza los datos de experimentos en varias ciudades entre 2017-2018 para diferentes tiempos de espera (2 vs 5 minutos). El análisis muestra más cancelaciones pero menores ingresos para 5 minutos. La recomendación es usar un modelo dinámico de tiempo de espera que considere la preferencia de cada cliente, y comenzar con 2 minutos para ganar cuota de mercado al ser un nuevo servicio.

    Título original

    Derechos de autor

    © © All Rights Reserved

    Formatos disponibles

    DOCX, PDF, TXT o lea en línea desde Scribd

    ¿Le pareció útil este documento?

    ¿Este contenido es inapropiado?

    El documento resume el lanzamiento del servicio Express Pool de Uber, que permite a los pasajeros caminar una corta distancia para ser recogidos. Analiza los datos de experimentos en varias ciudades entre 2017-2018 para diferentes tiempos de espera (2 vs 5 minutos). El análisis muestra más cancelaciones pero menores ingresos para 5 minutos. La recomendación es usar un modelo dinámico de tiempo de espera que considere la preferencia de cada cliente, y comenzar con 2 minutos para ganar cuota de mercado al ser un nuevo servicio.

    Copyright:

    © All Rights Reserved
    Descargue como DOCX, PDF, TXT o lea en línea desde Scribd
    Descargar como docx, pdf o txt
    66 vistas8 páginas

    Nirma: Universidad

    Cargado por

    ScribdTranslations
    El documento resume el lanzamiento del servicio Express Pool de Uber, que permite a los pasajeros caminar una corta distancia para ser recogidos. Analiza los datos de experimentos en varias ciudades entre 2017-2018 para diferentes tiempos de espera (2 vs 5 minutos). El análisis muestra más cancelaciones pero menores ingresos para 5 minutos. La recomendación es usar un modelo dinámico de tiempo de espera que considere la preferencia de cada cliente, y comenzar con 2 minutos para ganar cuota de mercado al ser un nuevo servicio.

    Copyright:

    © All Rights Reserved
    Descargue como DOCX, PDF, TXT o lea en línea desde Scribd
    Descargar como docx, pdf o txt
    de 8

    KI NIRMA

    G UNIVERSIDAD
    INSTITUTO DE GESTIÓN
    GRADO "A" ACREDITADO POR LA NAAC

    Asignación individual
    INTELIGENCIA EMPRESARIAL
    Innovación en Uber: lanzamiento de Express POOL

    Enviado por

    K Parikshith Nair
    191229
    MBA FT 19-21

    Enviado a
    Prof. Balakrishnan Unny

    Fecha de presentación
    21 de septiembre de 2020
    Resumen y puntos clave:

    • Elcaso trata de cómo se toman y prueban las decisiones sobre la innovación del servicio -
    el pool exprés-, junto con los retos a los que se enfrentaron al ponerlo en práctica.
    • Express Pool es básicamente Uber pool + caminar a un punto específico y dejar en un
    punto específico (como se expresa en su blog se puede considerar como un servicio de
    autobús bajo demanda)
    • Algunos de los principales competidores serían Lyft , Ola, Taxify etc...
    • La gama de servicios que ofrece son UberPool, UberX ,UberXL, UberSelect ,
    UberBLACK, UberSUV y UberLUX.
    • En la estructura organizativa del Consejero Delegado se pueden distinguir tres grandes
    categorías: el segmento tecnológico, el de operaciones y el de recursos humanos.
    • La división técnica se divide en tres verticales: los conductores (formación, contratación,
    etc. de los conductores), los pasajeros (servicio al cliente, etc.) y el mercado (modelos de
    sustitución, asistencia técnica, etc.).
    • En muchos casos es necesaria una integración interfuncional y ello influye en las
    decisiones que se toman.
    • Uber lleva a cabo muchos experimentos como a/b a nivel de usuario, pruebas de switch
    back y experimentos de control sintético para ayudar en su innovación para lograr una
    ventaja competitiva.
    • Uno de los puntos fuertes de Uber es su fuerte inversión en análisis de datos y su equipo
    de analistas.
    • 2014 Uber lanzó Uber pool (algoritmo utilizado: algoritmo Greedy) - clientes que van en
    la misma dirección en la que ya va un pasajero para que el viaje pueda ser compartido
    entre ellos aumentando los asientos ocupados - reduciendo el coste para los clientes y
    aumentando la eficiencia y el beneficio para Uber.
    • El tiempo extra que se tardaba en llegar a la ubicación de un cliente y el retraso de los
    viajes era un problema con esta versión. Para solucionarlo, se les ocurrió la idea de dejar
    que los clientes caminaran un poco para que pudieran ser recogidos en la ruta de la
    cabalgata. (proyecto de piscina exprés)
    • En 2017 empezaron a trabajar en ello y en 2018 iniciaron una prueba de 5 semanas en 2
    minutos de espera para una prueba de control sintético a través de 6 ciudades de forma
    controlada. Los resultados variaron de una región a otra.
    • Comenzaron los experimentos switchback 2018 en boston.
    • querían decidir qué tiempo de espera es mejor 2 min o 5 min . Cada opción tiene su
    contrapartida, como se explica en el análisis anterior basado en los datos del experimento
    de Boston.
    Planteamiento del problema:

    La decisión crucial aquí es decidir cuál debe ser el tiempo de espera: 2 minutos o 5 minutos,
    siendo esta última opción la que tiene algoritmos mejor optimizados y mejores beneficios, aunque
    la contrapartida es que puede haber un mayor número de cancelaciones. El problema consiste en
    decidir el tiempo de espera óptimo según la hora del día para los clientes, de forma que se pueda
    maximizar el beneficio analizando su prioridad de selección de uberpool o expresspool o
    cancelando el experimento de cambio en boston.

    Análisis:

    Los datos tienen diferentes variables y se clasifican en dos clusters: cluster de 2 minutos y cluster
    de 5 minutos, que a su vez se clasifican en hora punta y hora no punta. Analizando los datos
    vemos que, por término medio, las variables implicadas son las siguientes:

    viajes_express rider_cancell total_driver_ total_doble


    tiempo de aciones pago _parejas
    piscina
    espera viajes_pool total_parejas -

    2 1377.177419 2653.790323 168.016129 29763.67826 2675.677419 1307.919355

    5 1460.698413 2419.380952 190.1269841 27183.20239 2438.301587 1357.730159

    • Observamos que la reserva exprés sigue teniendo una demanda considerable en ambos
    casos.
    • Notamos que hay más cancelaciones como parte del grupo de 5 minutos, sin embargo el
    pago es considerablemente bajo.
    • El aumento de partidos dobles es casi igual al número de viajes perdidos.
    • Además, observamos las siguientes tendencias:
    Tendencia de 5 minutos en
    hora no punta viajes
    piscina

    En tiempo no punta vemos que hay muy poca diferencia entre la preferencia de los
    clientes.
    Tendencia de 2 min sin
    hora punta

    En el grupo de 2 minutos vemos que hay más diferencia que en el de 5 minutos.


    tiempo en la preferencia del cliente.
    43164.06944
    tendencia a la anulación

    inicio_periodo

    Las coincidencias dobles son menores en número y el pago aumenta cuando aumenta el
    número de viajes, sin embargo, la tendencia y el número de clientes son irregulares, por lo que
    sería mejor un modelo dinámico para predecir y aplicar el tiempo de espera. También hay que
    tener en cuenta que a más partidos, más clientes se pierden y cuando se pierden a manos de la
    competencia es algo negativo.

    Sugerencias y Recomendaciones / Solución:

    Uber debería idear un modelo dinámico de tiempo de espera que también incorporara el
    historial de tiempo de espera de los clientes como factor para ver que el algoritmo se optimiza
    al mismo tiempo que no se pierde al cliente debido al mismo. Por el momento, dado que la
    empresa aún se encuentra en la fase de crecimiento de este servicio basado en un producto
    concreto, tenemos que ver que reunir cuota de mercado y hacer que los clientes se sientan más
    cómodos al utilizarlo es una prioridad mayor centrarse en los beneficios y no hacer que se
    acostumbren a este paseo adicional daría lugar a una pérdida de cuota de mercado y a un
    aumento innecesario de la competencia. Por tanto, es preferible la ventana de 2 minutos.

    Sin embargo, en los casos en que el número de conductores disponibles es menor, la ventana
    de 5 minutos sería mejor, ya que el cliente sabe, debido a la interfaz de usuario de Uber, que
    hay menos conductores, por lo que estaría mentalmente preparado para esperar más.
    Desde el blog de Uber sabemos que es un proceso con mucho potencial y que en lugares
    geográficos concretos tiene más impacto como por ejemplo: aeropuertos .

    También podría gustarte