En una operación de ride-hailing regional con 500 pasajeros activos en el mes, entre 80 y 120 de ellos generan entre el 60 y el 80% de los viajes totales. Ese grupo —el 15 al 20% de pasajeros por número de viajes completados en los últimos 30 días— no aparece con visibilidad propia en el dashboard estándar: el operador puede ver el total de viajes por día, el promedio de calificación, el ingreso por semana, pero rara vez tiene una vista directa de qué pasajeros específicos producen el grueso de su demanda, cuándo lo hacen, desde qué zonas y con qué patrón de regularidad. La consecuencia de esa invisibilidad es que cuando un pasajero frecuente deja de usar la plataforma —porque encontró una alternativa, porque tuvo una mala experiencia, porque la app dejó de funcionar en su teléfono— el operador no lo detecta hasta que el dato agregado de demanda ya acumula semanas de impacto.
Este artículo está dirigido al operador que tiene entre 300 y 1,500 pasajeros activos mensuales y quiere entender cómo identificar su cohorte de alta frecuencia, qué hace diferente ese segmento comparado con el pasajero promedio, por qué su pérdida silenciosa es más costosa que la cancelación de un conductor, y qué intervenciones concretas —sin programas de lealtad formales ni descuentos masivos— mejoran la retención de ese grupo sin incrementar el costo de adquisición. El punto de partida es reconocer que la demanda en ride-hailing regional no es una masa uniforme: tiene estructura, y esa estructura es manejable una vez que es visible.
La concentración de demanda en ride-hailing regional: el patrón del 20/80
En mercados con 200 a 1,500 pasajeros activos mensuales, la concentración de viajes en una minoría de usuarios sigue un patrón consistente: el 20% de pasajeros por volumen de viajes genera entre el 60 y el 80% de la demanda total del período. En operaciones más maduras, con mayor cantidad de pasajeros ocasionales que se suman y se van, el porcentaje de concentración puede bajar al 50-60%, pero la asimetría persiste en cualquier escala. Un pasajero en el cuartil superior de frecuencia realiza entre 8 y 20 viajes por mes; uno en el cuartil inferior puede hacer 1 o 2 en el mismo período. La diferencia en valor no es solo de volumen: el pasajero frecuente tiene mayor predictibilidad —viaja en patrones reconocibles, desde zonas conocidas, en horarios relativamente estables—, lo que lo convierte en la parte más valiosa de la demanda no solo por cuántos viajes genera sino por la regularidad con que los genera.
Esa concentración tiene una implicación operativa directa: la demanda de la operación no depende uniformemente de todos los pasajeros. Depende desproporcionadamente del comportamiento de un subconjunto pequeño. Cuando ese subconjunto está estable, la demanda es predecible. Cuando ese subconjunto tiene rotación —cuando los pasajeros frecuentes de este mes no son los mismos que los del mes anterior—, la demanda fluctúa de forma que el operador puede confundir con estacionalidad o con variaciones en la oferta, cuando en realidad es un problema de retención concentrado en un segmento específico.
Por qué los pasajeros frecuentes son invisibles en el dashboard estándar
El dashboard estándar de una plataforma de ride-hailing expone métricas agregadas: viajes completados por día, ingreso total, tasa de cancelación general, pasajeros únicos del período. Esas métricas no tienen granularidad de usuario: no distinguen si los 1,200 viajes de la semana los hicieron 1,200 pasajeros distintos —cada uno con un solo viaje— o 200 pasajeros de alta frecuencia más 1,000 pasajeros de viaje único. Ambos escenarios producen el mismo número en el dashboard, pero tienen implicaciones de gestión radicalmente distintas. En el primero, la demanda es amplia pero frágil —depende de la adquisición continua de pasajeros nuevos para mantener el volumen—. En el segundo, la demanda tiene una base concentrada y más estable, con un núcleo de alta frecuencia que si se retiene produce volumen consistente sin esfuerzo adicional de adquisición.
La ausencia de esta vista lleva al operador a tomar decisiones de adquisición —campañas de descuento, publicidad en redes sociales, programas de referidos— sin saber si su problema de demanda es de adquisición o de retención. En muchas operaciones, el pasajero frecuente que se fue el mes pasado es más costoso de reemplazar que cinco pasajeros ocasionales nuevos: el frecuente generaba 12 viajes al mes; los cinco nuevos, en conjunto, pueden no alcanzar ese volumen en los primeros 30 días. Invertir en traer nuevos pasajeros cuando el problema es retención de los existentes produce el doble del gasto para el mismo efecto en demanda.
Cómo identificar tu cohorte de alta frecuencia con los datos disponibles
Identificar la cohorte de alta frecuencia no requiere herramientas de análisis avanzadas: requiere la capacidad de consultar los viajes del último período por pasajero, ordenarlos por cantidad, y separar el cuartil superior del resto. La consulta básica al agente: «Muéstrame los 50 pasajeros con mayor número de viajes completados en los últimos 30 días. Para cada uno: número de viajes, zona de origen más frecuente, franja horaria predominante, método de pago, y calificación promedio que dieron al conductor.» Con esa lista, el operador tiene la cohorte de alta frecuencia concreta —no un promedio ni un porcentaje— y puede observar directamente cuál es el patrón de uso que los define.
Cuatro métricas secundarias que enriquecen el perfil de la cohorte de alta frecuencia:
- **Distribución por franja horaria**: los pasajeros frecuentes que viajan principalmente en la mañana tienen patrones de uso distintos a los que viajan de noche. Segmentar la cohorte por franja revela subgrupos —el trabajador recurrente del turno de mañana, el usuario nocturno de entretenimiento— que merecen intervenciones diferenciadas en disponibilidad y comunicación.
- **Zona de origen predominante**: la cohorte frecuente que origina desde dos o tres zonas define qué áreas son críticas para defender. Si el 40% de los pasajeros frecuentes empieza sus viajes desde una zona específica, la disponibilidad de conductores en esa zona tiene impacto desproporcionado sobre la experiencia del segmento más valioso.
- **Método de pago**: los pasajeros frecuentes que pagan en efectivo tienen mayor exposición al abandono cuando la competencia local ofrece efectivo con menor tiempo de espera. Los que pagan con billetera digital tienen menor fricción en la solicitud pero mayor sensibilidad a fallas de la app o problemas de recarga.
- **Calificaciones que otorgan al conductor**: la cohorte frecuente que da calificaciones consistentemente por debajo del promedio de la base es una señal de experiencia insatisfactoria acumulada que no se expresa como queja directa pero que precede el abandono en tres a cinco semanas.
Qué hace diferente a un pasajero frecuente (y por qué no es lo mismo que un pasajero leal)
La frecuencia de uso no es sinónimo de lealtad. El pasajero que hace 15 viajes al mes en tu plataforma puede estar haciéndolo por conveniencia —vive en una zona donde tu disponibilidad es buena, trabaja a una distancia conveniente en tu servicio, el costo encaja con su presupuesto regular—, no porque haya tomado una decisión explícita de preferirte sobre la competencia. Cuando esa conveniencia deja de existir —si la disponibilidad en su zona empeora, si la alternativa ofrece mejor precio en esa ruta, si tiene una mala experiencia en un momento crítico—, la frecuencia desaparece sin aviso previo.
Eso significa que la cohorte frecuente no se gestiona con argumentos de lealtad ni con programas de puntos: se gestiona mejorando las variables concretas que hacen que volver a solicitar sea conveniente. El tiempo de espera en sus zonas habituales es el factor con mayor impacto. Si el pasajero frecuente que origina desde la zona norte a las 7:30 de la mañana empieza a esperar 12 minutos en lugar de 5, el abandono puede producirse en dos o tres semanas aunque no haya precio dinámico activo ni ningún cambio explícito de política. La disponibilidad en la zona y franja del pasajero frecuente es la primera variable a defender, antes que cualquier promoción o campaña de retención.
Tenía un operador de reparto que usaba la app para sus traslados personales —oficina, reuniones, aeropuerto— tres o cuatro veces a la semana. No era una cuenta corporativa, era un pasajero individual. Cuando empezó a esperar más de diez minutos en la salida de su edificio me di cuenta por accidente, porque me escribió directo. Revisé los datos y ese pasajero solo había generado 42 viajes en los últimos tres meses. Cuarenta y dos viajes de un solo usuario. No lo tenía identificado como nadie especial en el dashboard. A partir de ahí empecé a revisar semanalmente los 30 pasajeros de mayor frecuencia. Dos de ellos me habían dejado de solicitar sin ninguna queja. Cuando los contacté por WhatsApp, ambos habían migrado a la competencia en los últimos 15 días.
El riesgo de pérdida silenciosa: cómo la salida de un pasajero frecuente afecta la demanda agregada
La pérdida de un pasajero frecuente no produce una señal inmediata en el dashboard. El pasajero que hacía 15 viajes al mes y deja de solicitar no genera una baja, una queja ni ningún evento detectable: simplemente deja de aparecer en el registro de viajes. Si el dashboard muestra los viajes totales del mes, esa pérdida aparece diluida en el total agregado. Si el mes tiene estacionalidad descendente o algún evento que afecta la demanda general, la pérdida del pasajero frecuente queda enmascarada por esa variación y el operador no la identifica hasta que acumula varias semanas de impacto.
El costo concreto de perder un pasajero de alta frecuencia: en una operación donde el pasajero frecuente promedio realiza 12 viajes al mes a una tarifa de $65 MXN, su salida produce una pérdida mensual de $780 MXN de ingreso bruto. Reemplazar ese volumen con pasajeros nuevos requiere adquirir entre 6 y 12 pasajeros ocasionales —si el pasajero nuevo hace 1 o 2 viajes en su primer mes—, cada uno con un costo de adquisición de $40 a $120 MXN según el canal. La retención de un pasajero frecuente tiene una relación costo-beneficio radicalmente mejor que su reemplazo, pero esa ventaja solo se puede aprovechar si la pérdida se detecta antes de que se consolide en un cambio de hábito.
Cómo el agente identifica la cohorte frecuente y detecta señales de abandono temprano
La consulta de monitoreo de la cohorte frecuente: «Para los 40 pasajeros con mayor número de viajes en los últimos 60 días, muéstrame cuántos viajes hicieron esta semana versus su promedio semanal de las últimas ocho semanas. ¿Hay pasajeros en ese grupo cuya actividad esta semana esté más de un 50% por debajo de su promedio histórico?» Esa consulta semanal identifica los pasajeros frecuentes que están reduciendo su actividad antes de que abandonen completamente. El margen de intervención entre «reducción de actividad» y «abandono definitivo» puede ser de dos a cuatro semanas —tiempo suficiente para una intervención directa que recupere la relación.
Los tres niveles de segmentación que simplifican el monitoreo en operaciones con más de 800 pasajeros activos mensuales:
- **Alta frecuencia (8 o más viajes en el último mes)**: monitoreo semanal de variación de actividad. Intervención directa si la actividad cae más del 40% durante dos semanas consecutivas. La intervención es un mensaje personalizado por WhatsApp —no un cupón automático— que reconozca el historial del pasajero y pregunte por su experiencia reciente.
- **Frecuencia media (4 a 7 viajes en el último mes)**: monitoreo mensual. Intervención si no hay actividad en 21 días consecutivos. Esta cohorte responde mejor a reactivación con un motivo concreto —un evento próximo, una zona nueva de cobertura— que a descuentos genéricos.
- **Frecuencia baja o pasajero ocasional (1 a 3 viajes en el último mes)**: sin monitoreo individual. Gestión por campañas de reactivación masiva o experimentación de canal de adquisición. El costo de atención individual no justifica el retorno para este segmento.
La intervención directa para pasajeros de alta frecuencia con señales de reducción no requiere un descuento automático. Un mensaje simple —«Notamos que no has solicitado viajes en los últimos diez días. ¿Hay algo que podamos mejorar en tu zona?»— tiene mayor probabilidad de recuperar la relación que un cupón sin contexto. Reconocer que ese pasajero tiene historial y que su zona importa produce más efecto que la oferta económica en pasajeros cuyo alejamiento no fue por precio sino por experiencia de servicio. El agente puede redactar ese mensaje y activar la lista de contacto cuando la condición de reducción del 40% se cumple, sin que el operador tenga que generar la consulta cada semana de forma manual.
La segmentación de pasajeros frecuentes no es un proceso de análisis complejo que requiere un especialista: es la decisión de ver la demanda con granularidad de usuario en lugar de como un total agregado. El operador que identifica su cohorte de alta frecuencia —los 30 a 80 pasajeros que generan el grueso de su demanda— tiene acceso a una palanca de retención que ningún bono de conductor o campaña de adquisición puede replicar: saber exactamente quién está en riesgo, cuándo empezó a reducir su actividad y qué experiencia concreta podría estar detrás de ese cambio. Esa visibilidad convierte un problema de demanda difuso en un problema de retención manejable con intervenciones específicas y de bajo costo.
El paso de «entender el total de viajes del mes» a «conocer los 50 pasajeros que generan el 70% de esos viajes» requiere una sola consulta al agente y la decisión de revisar esa lista semanalmente. El dato que el dashboard estándar no muestra espontáneamente está disponible en la plataforma: la diferencia está en si el operador lo revisa con la frecuencia suficiente para actuar cuando hay señales de abandono, antes de que la pérdida se consolide en el agregado de demanda del mes.
