Google Maps
#69
¡Hola! ¿Cómo estás? Sí, hoy es domingo y te llegó tu News preferido. ¿Por qué? No sé, para ver qué pasa.
A todo esto, ¿viste que en Navidad y en Januca regalamos cosas lindas y útiles? ¿Sabés qué regalo la rompe toda? Un libro, pero no cualquier libro. Esto También es Economía es EL regalo ideal para este Festivus. Compralo en tu librería amiga (vale también para algunos otros países a América Latina).
Volviendo a lo nuestro. ¿Alguna vez dejaste un review en Google Maps? ¿No es medio rara la gente que deja reviews en Google Maps? Pero ojo, contribuyen a un bien público. Todos usamos estos ratings para decidir adonde ir a comer, ¿no?
¿No?
Me dio intriga así que busqué un paper. Hoy escribí sobre el efecto Google Maps en nuestra elección de restaurant (y en el profit de ellos, claro).
Espero que te guste. Gracias por leer.
Las preguntas de hoy
¿Cómo influye el rating de las apps en nuestra elección de restaurantes?
¿Y en las ganancias de los comercios?
The easiest way to find authentic Chinese food, assuming you’re living in a major metropolitan area, is to go on Yelp and look for restaurants with 3.5 stars. Exactly three and a half, not 3, not 4. P.F. Changs – two and a half stars. Bad. Obviously, obviously bad. Four stars. Too many stars, too many white people like it, the service is too good, the food’s not as good as it could be.
Shanghai Dumpling House – the dumplings here are better. I’ve been here. The waiters are not going to pay attention to you. They’re going to be rude, but it’s going to taste better. This is what I’m talking about – three and a half stars. That orange 3.5, that’s exactly what you want.
They’re not going to just proactively give you refills. You need to flag down the waiters. People on Yelp are insufferable. They’re downgrading all these restaurants because the service is bad. However, the food balances it out, so you end up with three and a half stars. It’s the sweet spot, trust me.
El tiktokero Freddie Wong tiene razón: los mejores restaurantes asiáticos en América del Norte no pueden tener cinco estrellas en Yelp. Si tienen cinco estrellas es porque no te trataron lo suficientemente mal y el lugar no era lo suficientemente feucho. O sea: no era auténtico y la comida no va a ser todo lo buena que puede ser. Vale para otro tipo de restaurants en donde que te traten mal es una señal positiva. Un buen ejemplo es Sarkis, el mejor restaurant medio-oriental de la ciudad de Buenos Aires, en donde los mozos no te dan bola y hasta te tratan un poquito mal cuando saben que estás pidiendo algo equivocado. Te cuidan.
En qué estaba. Ah, sí, Yelp. Bueno, en América Latina no se usa tanto me parece, pero Yelp es un sitio para ponerle ratings a cosas. Creo que nosotros usamos más Google Maps. Cambiá Yelp por Google Maps, el concepto se mantiene. ¿Vos mirás el rating de Google Maps antes de elegir adónde ir a comer? Yo sí, pero cada vez menos. Porque Freddie Wong tiene razón: la gente que deja puntajes es, en promedio, gente muy densa (sin ofender) y no sé si quiero hacerle caso a esa gente. Alguna vez he dejado yo también, no voy a mentir. Pero bueno, gente densa.
Me entró la curiosidad. ¿Quién mira los reviews? ¿Sirven para algo? ¿Es relevante el puntaje que tiene un restaurant en Google Maps (o Yelp o lo que sea) en cuanto a su éxito o fracaso?
Siempre hay un paper. En este caso un oldie, pero que me resolvió las dudas y se los vengo a contar.
Parece una boludez, pero ojo que la pregunta no es tan fácil de responder. Por supuesto que a los restaurantes con mayor puntaje les va mejor que a los que tienen menor puntaje. ¿Y qué hacemos con esa correlación? Posiblemente un restaurant que vende mucho es porque gusta y si gusta es probable que se refleje en el puntaje que aparece en Google Maps o Yelp; pero a mí me importa la dirección contraria: cómo el puntaje afecta al negocio. Ya sabés cómo nos gustaría responder a la pregunta, ¿no?
SEEE. Le pedimos a Google Maps que nos deje aleatorizar puntajes a restaurantes y después les pedimos los balances a ver a quién le fue mejor. No can do. Por obvios motivos. La cosa es que a un par de economistas más vivos que nosotros (Michael Anderson y Jeremy Magruder) se les ocurrió una forma que no implica hacer experimentos raros.
Resulta que hasta hace no tanto tiempo, Yelp mostraba los resultados así.
Bean Bag Coffee House tenía 4 estrellitas, Mojo Bicycle Café también. 21st Amendment Brewery tenía 3.5, igual que Salt House. 1081 reviews tiene 21st Amendment y JUSTO le da 3.5 estrellas. Bean Bag tiene casi 500 y también, JUSTO 4 estrellas, no 4.1, ni 4.2, exactamente 4. ¿Casualidad? Not really. La cosa es que Yelp, quién sabe por qué, redondeaba en 0.5’s. O sea: si sos un 4.24 según Yelp sos un 4 y si sos 4.25 según Yelp sos un 4.5. Imagino que ya te diste cuenta a qué voy con esto.
Si te digo que los ratings sirven porque los restaurantes que tienen 4.5 estrellas tienen más demanda que los que tienen 4 vos me vas a decir con razón que soy medio boludo, que obvio que tienen más demanda. No porque su rating sea mayor (y por eso generan más interés) sino porque es un restaurant mejor y la gente suele demandar más restaurantes mejores que restaurantes peores. Ahí esta el catch: es cierto que uno de 4.5 estrellas es mejor que uno de 4, pero, ¿uno de 4.25 es realmente TANTO mejor que uno de 4.24? Como Yelp redondea en 0.5’s, puedo tranquilamente enfocarme en la discontinuidad y comparar cómo le va a un restaurant que tuvo la mala suerte de quedar una décima abajo del umbral (y entonces en la app aparece que es 4 estrellas) con otro que tuvo la buena suerte de quedar una décima arriba (y entonces en la app aparece que es 4.5 estrellas). El método ya lo explicamos varias veces y se llama regresión discontinua (mirá acá para más detalle, o no seas rata y comprame el libro que ahí se explica aún mejor).
Bien, ya tenemos una forma de identificar causalmente el efecto de que te den un rating mayor en qué tan bien le va al restaurante en cuestión. Falta otro paso importante: ¿a qué llamamos que a un restaurant le vaya bien? Paso a paso.
Resultado #1: entrás en la app de reservas que te guste, buscás tu día y horario preferido (digamos, viernes que viene 9 PM, o 6 PM si sos canadiense) y te fijás cuál es la chance de encontrar lugar. Comparás la probabilidad de tener mesa disponible de los justo-a-la-derecha del umbral con los de justo-a-la-izquierda del umbral y te da que la probabilidad de que NO haya lugar (o sea, que esté todo lleno) es 20 puntos porcentuales mayor para los que, por buena suerte, cayeron del lado correcto del redondeo. El efecto es promedio, o sea, vale en promedio para los 3 versus 3.5; para los 4 versus 4.5 y así.
Lo que a mí me pasa y te debe pasar a vos también es que recurrimos a Google Maps o Yelp para establecimientos que no conocemos lo suficiente. No me fijo cuántos puntos tiene la pizza de Guerrín antes de comerme una porción de parado antes de ir al teatro (para los no porteños: la pizza que comés en el mostrador de Guerrín es la mejor pizza de Buenos Aires, lo fue siempre y lo seguirá siendo). Los ratings te dan información de cosas sobre las que tenés un conocimiento más difuso, no de lo que conocés desde que naciste.
Resultado #2: Y sí. El efecto Google Maps, muestra el paper, se da básicamente para restaurantes poco conocidos (o sea, los que tienen relativamente pocas reviews, los más nuevos). Los que son megaconocidos pueden olvidarse de Google Maps o Yelp porque su demanda no viene por ahí. Algo parecido pasa con los restaurantes que tienen alguna validación externa: los Michelin, por ejemplo, son menos sensibles a los ratings.
Te morís de ganas de llorar que no le creés a estos resultados porque obviamente los restaurantes saben que los ratings tienen efecto en su demanda entonces los manipulan. Seguro que los manipulan, pero eso no es un problema en este caso, salvo que la manipulación se de JUSTO en el umbral en el que estamos midiendo el efecto. O sea: si el tipo que tiene 4.4 sabe que tiene que llegar a 4.5 para caer del otro lado del redondeo y le pide a todos los amigos que voten hasta llegar al 4.51, entonces estamos en problemas. Si ese fuera el caso, lo que esperaríamos ver es lo que llamamos bunching. Una desproporción de ratings acumulados en la cercanía del umbral.
Cada puntito que ves arriba es un rating. Están todos normalizados para que “X=0” sea el umbral (1; 1.5; 2; 2.5; 3; 3.5, …5). El eje Y tiene la densidad, o sea, la proporción de ratings que corresponde a cada valor de X sobre el total. Fijate que no hay ninguna acumulación anormal de ratings cerca del umbral, más bien todo lo contrario, es bastante suave. Si hubiera manipulación esperaríamos todo lo contrario.
Sigamos.
Hasta ahora el resultado es que es más difícil conseguir reserva si te ratean mejor. Pero eso puede significar varias cosas. Una de ellas es que el restaurant no recibe más visitas sino que la gente, pensando que se va a llenar, reemplazar walk-ins por reservas. Un efecto puramente de sustitución. O sea: no cambia tanto la demanda, sino cómo llega el cliente. A los amigos Michael y Jeremy se les ocurrió un test bastante convincente. Se pusieron a llamar a los restaurantes cerca de los umbrales y les hicieron una pregunta básica: ¿si llego en 15’ cuánto tiempo de espera decís que tengo?
Resultado #3: Si tu restaurant está del lado correcto del umbral tenés VEINTISIETE MINUTOS MÁS DE ESPERA. Con la oferta más o menos fija, la interpretación de este resultado no tiene mucha vuelta: indiscutiblemente el rating aumenta la demanda.
Hablemos de guita, plata, biyuya, morlacos, billete, teca, tarasca, lana, varo, lucas, bufunfa. ¿Cuánto vale medio puntito más de rating en Google Maps o en Yelp? Michael y Jeremy llamaron a varios restaurantes y tomaron una muestra de la capacidad promedio de cada uno (o sea, la cantidad de gente necesaria para llenar el local). Con eso, estimaron la diferencia en el flujo de clientes promedio correspondiente a 20 puntos de diferencia en la probabilidad de que el restaurant esté lleno en una cena típica (acordate del resultado #1). Resulta que la diferencia de medio puntito de rating se traduce en un flujo de clientes entre 6 y 9 puntos.
Un restaurant promedio vendía en ese entonces 20K por semana y tenía un margen de 68%. Un aumento del 6% en el revenue implica una ganancia de 816 mangos dólar moneda americana de curso legal por semana pre-tax (20K X 6% X 68%). Mutiplicá esos 816 mangos por 52 semanas y te da la ganancia anual extra que te da medio estrellita de rating. Nada mal.
¿Funcionará igual para todo tipo de rating? ¿O solo para restaurantes? No sé. Pero no queremos correr riesgos, así que por las dudas seguime los siguientes pasos:
Paso 1: Comprar #EstoTambiénEsEconomía.
Paso 2: Leerlo.
Paso 3: Entrar en el goodreads correspondiente.
Paso 4: Dejar 5 estrellitas (para dejar menos ni te gastes sabés).
Paso 5:
Mientras tanto te dejo otras cosas que podés hacer para bancar este proyecto popular sin gastar ni un peso fuerte.
Apretá el botoncito que dice “me gusta”.
Compartir este post por Twitter, Instagram, Facebook. Mandalo por Whatsapp, TikTok, corré la voz.
Ah y dejame tu mail si aún no lo hiciste y querés recibir grandes envíos como este una vez cada algunas semanas:
Te puede interesar
El paper de hoy lo encontrás acá.
Ojo que la gente deja reviews falsos e inútiles. Acá hay una taxonomía muy buena de los reviews de yelp.
Nada que ver, pero…
Tremendo efecto de las cámaras de velocidad en la probabilidad de choques en NY. Bajan mucho. Y acá lo documentan.
El impuesto a la congestión de NYC parece ser un gran éxito: no solo reduce la congestión, también mejora la calidad del aire. No vi paper aún, alguna data acá.
Lo que viene, lo que viene
“Fentanilo”. ¿Qué tiene que ver la crisis de opioides con el voto? Ahí te cuento.