La tasa de cancelación del pasajero es una de las métricas que casi todos los operadores de ride-hailing rastrean y muy pocos descomponen. En una operación con 1,200 viajes semanales y una tasa global del 19%, ese número puede contener tres problemas completamente distintos: cancelaciones antes de que se asigne un conductor —cuando el pasajero no ve oferta disponible o el tiempo de espera estimado es demasiado alto—, cancelaciones después de la asignación —cuando el conductor está en camino pero tarda más de lo que el pasajero está dispuesto a esperar—, y no-shows —cuando el conductor llega al punto de recogida y el pasajero no está—. Cada categoría tiene una causa operativa diferente, una respuesta diferente y una lectura distinta sobre qué parte del servicio está fallando. Tratar el número agregado como una sola señal lleva a intervenciones que no atacan la causa real y producen cambios cosméticos que no reducen la tasa de forma sostenida.

Este artículo está dirigido al operador con 20 a 80 conductores activos cuya tasa de cancelación del pasajero está por encima del 12 al 15% sin poder identificar en qué parte del proceso de servicio se concentra el problema. Cubre por qué los tres momentos de cancelación tienen causas que se mapean a partes distintas de la operación; qué revela la cancelación pre-asignación sobre la brecha entre lo que la plataforma promete y lo que el pasajero experimenta; qué revela la cancelación post-asignación sobre la distancia de asignación y los tiempos de llegada reales; qué segmentos de pasajero generan los no-shows y qué los causa; cómo el patrón de cancelaciones del pasajero revela fallos que los datos de conductor no muestran directamente; y qué consultas semanales al agente producen el diagnóstico por ventana. La tesis es práctica: una tasa de cancelación global por encima del 15% en una operación regional no es principalmente un problema de retención —es una falla de entrega de servicio que el pasajero comunica a través del único señal disponible para él: salir antes de que el viaje empiece.

Los tres momentos de cancelación y por qué cada uno revela un problema distinto

Para convertir la cancelación del pasajero en un diagnóstico útil, el primer paso es separar la tasa global en tres ventanas con timestamps medibles. El primer momento es la cancelación pre-asignación: el pasajero solicita un viaje pero cancela antes de que la plataforma asigne un conductor. La mayoría ocurren en los primeros 90 a 120 segundos. El segundo momento es la cancelación post-asignación: el conductor fue asignado y está en camino, pero el pasajero cancela antes de que llegue —típicamente entre el minuto 3 y el 10 después de la asignación—. El tercer momento es el no-show: el conductor llegó al punto de recogida pero el pasajero no está o no responde. Ninguna de estas tres ventanas requiere datos que no estén ya disponibles en la plataforma: el timestamp de la solicitud, el de la asignación, el de llegada del conductor y el de la cancelación identifican en cuál de las tres ventanas ocurrió cada evento.

Cancelación pre-asignación: cuando el pasajero no ve oferta antes de decidir irse

La cancelación pre-asignación es la ventana que más directamente refleja la relación entre la cobertura de la flota y la percepción de disponibilidad del pasajero. Un pasajero que solicita un viaje y ve un tiempo de espera de 11 minutos con el conductor más próximo a 4 km tiene dos datos: cuánto va a esperar y si hay alguien cerca. Si cualquiera de los dos supera su umbral de tolerancia, cancela en los primeros 90 segundos. En operaciones regionales donde la cobertura en zonas específicas durante franjas de transición entre picos es baja, la tasa de cancelación pre-asignación en esas zonas puede llegar al 28 al 45% —significativamente más alta que el promedio de la operación—. El dato que distingue si el problema es de cobertura estructural o puntual es la distribución del tiempo hasta la cancelación: si más del 65% de las cancelaciones pre-asignación en una zona y franja ocurren en menos de 90 segundos, el pasajero no está evaluando si vale la pena esperar —está saliendo de la app en cuanto confirma que no hay conductor disponible inmediatamente.

La implicación operativa es que la cancelación pre-asignación temprana —antes de los 90 segundos— no responde a cambios en el tiempo de espera estimado: responde a cambios en la disponibilidad de conductores en el radio próximo. Ampliar el radio de asignación mejora el número de asignaciones completadas, pero no reduce estas cancelaciones —solo desplaza el problema hacia la ventana post-asignación porque el conductor asignado llegará más tarde. El punto de intervención correcto es el posicionamiento preventivo antes del momento de la solicitud, no ajustar el radio en el momento de la asignación. La consulta al agente que produce el mapa de cancelaciones pre-asignación por zona y franja para las últimas tres semanas: «Muéstrame las cancelaciones del pasajero ocurridas antes de la asignación del conductor en los últimos 21 días, agrupadas por zona de solicitud y franja horaria de 90 minutos. Para cada combinación zona-franja, muéstrame el total de cancelaciones, la proporción que ocurrió en los primeros 90 segundos, y el porcentaje respecto al total de solicitudes. Identifica las tres zonas con mayor tasa de cancelación pre-asignación en franjas fuera del pico principal.»

Cancelación post-asignación: cuando la promesa de llegada no coincide con la realidad

La cancelación post-asignación tiene una dinámica distinta a la pre-asignación porque ocurre después de que la promesa ya se hizo: la plataforma le dijo al pasajero que un conductor estaba en camino y estimó un tiempo de llegada. El pasajero canceló porque el tiempo real de llegada superó esa estimación. En mercados regionales con tráfico variable y conductores asignados a distancias de 2 a 5 km del punto de recogida, la diferencia entre el tiempo estimado al momento de la asignación y el tiempo real de llegada puede ser de 3 a 7 minutos en franjas de tráfico congestionado. Si la plataforma mostró «4 minutos» y el conductor llegó en 10, ese pasajero tiene una probabilidad 2 a 3 veces mayor de cancelar que si la plataforma hubiera mostrado «8 minutos» desde el inicio. El problema no es el tiempo de espera: es la discrepancia entre lo que se prometió y lo que se está entregando. Un pasajero que espera con información correcta tiene más paciencia que uno que espera con información incorrecta.

Las cancelaciones post-asignación se concentran en dos patrones geográficos y temporales específicos: zonas con tráfico no modelado correctamente en el algoritmo de estimación de tiempos —corredores comerciales, cruces escolares y mercados de abastos en las franjas de las 7:30 a las 9:00 AM y de las 12:00 a las 2:00 PM— y asignaciones donde el conductor aceptó el viaje durante el tramo final de un viaje previo, lo que produce una posición de aceptación más lejana del punto de recogida de lo que el sistema registra al momento de la asignación. La consulta al agente que identifica estos nodos: «Para los últimos 21 días, muéstrame las cancelaciones del pasajero ocurridas entre la asignación del conductor y la llegada al punto de recogida. Para cada cancelación, incluye el tiempo estimado de llegada mostrado al pasajero en el momento de la asignación y el tiempo real transcurrido hasta la cancelación. Agrupa por zona de recogida y franja horaria de 90 minutos. Identifica las combinaciones zona-franja donde el tiempo real hasta la cancelación supera el tiempo estimado mostrado en más de 4 minutos en más del 30% de los casos.»

El patrón de no-show: qué segmentos de pasajero lo generan y cómo interpretarlo

El no-show del pasajero es la categoría con mayor heterogeneidad interna. Un conductor que llega al punto de recogida y espera 3 minutos sin que el pasajero aparezca puede estar frente a tres situaciones distintas: el pasajero nuevo que no logró fijar el punto de recogida con precisión y está a 200 metros del pin; el pasajero que consiguió un taxi en la calle mientras esperaba la asignación y olvidó cancelar la solicitud; o la solicitud realizada desde una dirección comercial en horario de cierre con una cuenta nueva, que responde a un patrón de demanda no consolidada. La tasa de no-show en operaciones regionales oscila entre el 2 y el 7% del total de solicitudes asignadas. Por encima del 4%, el impacto en el ingreso del conductor es medible: en una sesión de 4 horas con 10 viajes asignados, un conductor que experimenta 1 a 2 no-shows pierde 15 a 25 minutos de tiempo productivo —tiempo que viajó hacia el punto de recogida sin cobrar y sin compensación por parte de la plataforma—.

El diagnóstico útil del no-show no es la tasa global: es la segmentación por antigüedad del pasajero. Un no-show de un pasajero con más de 8 viajes anteriores tiene una interpretación completamente distinta a un no-show en el primer o segundo viaje del pasajero. Los no-shows de pasajeros nuevos —con 1 a 3 viajes anteriores— concentran el 45 al 65% del total en operaciones regionales. Una proporción alta de no-shows en este segmento señala un problema de onboarding del pasajero: el flujo de selección del punto de recogida genera confusión en zonas donde el pin no coincide con la dirección real, o el pasajero no recibió una notificación clara de que el conductor había llegado. La intervención en ese segmento no requiere penalizar al pasajero: requiere identificar las zonas donde la colocación del pin tiene mayor dispersión respecto al punto real de recogida y mejorar la instrucción de confirmación que el pasajero recibe en esos puntos específicos.

Cómo el patrón de cancelaciones revela fallos que los datos de conductor no muestran

La relación entre las tres ventanas de cancelación y los datos de conductor genera diagnósticos que ninguna métrica de conductor produce directamente. La tasa de rechazo del conductor mide cuántos viajes no se aceptaron, pero no revela cuántos pasajeros abandonaron antes de que hubiera un conductor disponible para rechazar. El radio de asignación mide la distancia entre el conductor asignado y el punto de recogida, pero no mide si el tiempo de llegada real coincidió con el estimado. El ingreso por hora del conductor mide la productividad de la sesión, pero no captura el tiempo perdido viajando hacia no-shows. Las tres ventanas de cancelación del pasajero llenan esos vacíos con datos que tienen una sola fuente: el comportamiento del pasajero en el momento en que la plataforma le falla.

Una operación donde la tasa de rechazo del conductor es normal —15 al 20%— pero la tasa global de cancelación del pasajero supera el 18% tiene un diagnóstico específico: el problema no está en el comportamiento del conductor sino en algún punto del proceso de servicio que el pasajero experimenta directamente. Si el desglose por ventana muestra que el 70% de las cancelaciones son pre-asignación y se concentran en una zona específica en franja de transición, la causa es ausencia de cobertura. Si el 65% son post-asignación y concentradas en la franja de las 7:30 a las 9:00 AM en zonas con tráfico escolar, la causa es discrepancia de tiempos estimados. Si el 40% son no-shows y se concentran en pasajeros nuevos de la primera semana, la causa es onboarding del pasajero. Esos tres diagnósticos son invisibles desde la perspectiva del conductor pero visibles desde la perspectiva del pasajero. El operador que rastrea solo métricas de conductor tiene la mitad del diagnóstico: la parte de la oferta. Las cancelaciones del pasajero son la métrica que mide si esa oferta llegó a tiempo, con la información correcta y en el lugar donde el pasajero la esperaba.

La consulta semanal al agente: diagnóstico de cancelaciones por ventana en 10 minutos

La consulta semanal que produce el diagnóstico completo de cancelaciones del pasajero para la semana anterior: «Para los últimos 7 días, muéstrame la tasa de cancelación del pasajero descompuesta en tres ventanas: pre-asignación —el pasajero canceló antes de la asignación de un conductor—, post-asignación —el pasajero canceló después de la asignación y antes de que el conductor llegara al punto de recogida—, y no-show —el conductor llegó al punto de recogida y el pasajero no estuvo presente o no respondió dentro de 3 minutos—. Para cada ventana, muéstrame: total de cancelaciones, porcentaje respecto al total de solicitudes, las tres zonas con mayor volumen de cancelaciones en esa ventana, y las tres franjas horarias con mayor concentración. Compara con los 7 días anteriores e indica si alguna ventana subió más de 2 puntos porcentuales semana sobre semana.» Ese resultado produce el cuadro de cancelaciones de la semana sin interpretación adicional: la ventana con mayor porcentaje es la que concentra el problema, y la zona y franja señalan dónde actuar.

La consulta complementaria que añade la segmentación de no-shows por antigüedad del pasajero: «Para las cancelaciones de tipo no-show de los últimos 21 días, muéstrame el número de viajes previos del pasajero en el momento del no-show y agrupa el resultado en: primer viaje, 2 a 5 viajes anteriores, 6 a 15 viajes anteriores, y más de 15 viajes anteriores. Para las zonas con mayor concentración de no-shows, muéstrame si la mayoría son de pasajeros nuevos o establecidos.» Esa segmentación define si la intervención es de onboarding del pasajero —zonas donde el pin no corresponde a la dirección real— o de gestión de demanda no consolidada en franjas horarias específicas. El operador que ejecuta ambas consultas cada lunes tiene el diagnóstico completo en 10 minutos, descompuesto en los tres tipos con respuestas operativas distintas. Esas respuestas no son las mismas: la pre-asignación pide posicionamiento preventivo, la post-asignación pide revisión de los tiempos estimados en zonas con tráfico variable, y el no-show pide mejorar la confirmación de llegada para el segmento correcto.

La tasa global de cancelación del pasajero registra todos los momentos en que la plataforma no completó la promesa que hizo al pasajero cuando abrió la app y solicitó un viaje. Esa promesa tiene tres etapas: asignar un conductor disponible, hacer que ese conductor llegue en el tiempo estimado, y completar la conexión física en el punto de recogida. Cada etapa puede fallar por razones distintas, y el momento en que el pasajero cancela identifica cuál está fallando. El operador que trata la cancelación como un número único pierde la información que contiene: en cuál punto del proceso de servicio el pasajero está tomando la decisión de irse. Sin ese desglose, las intervenciones son necesariamente genéricas: ajustar el precio, ampliar el radio, enviar recordatorios. Con el desglose, la intervención es específica al tipo de fallo.

Los datos para el diagnóstico por ventana están disponibles en cualquier operación que registre los timestamps de solicitud, asignación, llegada y cancelación. El desglose no requiere nueva instrumentación: requiere una consulta que organice las cancelaciones existentes por ventana en lugar de sumarlas. El operador que agrega ese diagnóstico a su revisión semanal convierte un 21% global en tres números con respuestas distintas: 14% pre-asignación que responde a posicionamiento preventivo, 5% post-asignación que responde a precisión de estimación en zonas específicas, y 2% no-show que responde al segmento de pasajero nuevo en zonas de pin impreciso. Ninguna de esas tres respuestas es bajar el precio, ampliar el radio o aumentar los incentivos. Son ajustes precisos a partes específicas del proceso que la tasa global nunca habría señalado.