Financiële impact van een nieuw staffelmodel

Wat was er aan de hand?

• Er lag een voorstel voor een nieuw staffelmodel waarbij reizigers kosteloos een product kunnen activeren en gedurende de maand steeds meer korting ontvangen naarmate hun totale reisbesteding stijgt.
• Na verschillende analyses en presentaties was nog onvoldoende duidelijk wat zo'n model financieel zou betekenen en welke positie daar als vervoerder bij paste. Een analyse op gemiddelde ritprijs bleek daarvoor niet voldoende.
• Bij een staffel is juist relevant hoeveel iedere individuele reiziger gedurende een volledige maand reist en besteedt: een lichte reiziger blijft in een lage staffel, terwijl een intensieve reiziger meerdere staffels doorloopt en uiteindelijk een groot deel van zijn reizen met hoge korting maakt.

Hoe heb ik het aangepakt?

• Samen met een businessanalist bepaald welke data nodig was, en op geanonimiseerd reizigersniveau een dataset opgebouwd van circa 1,6 miljoen regels uit ongeveer twaalf bronbestanden (gehasht kaart-ID, maand, leeftijdscategorie, product, datastroom, reizigerskilometers en huidige opbrengsten).
• In Excel, met AI als ontwikkelhulpmiddel, een model gebouwd dat per unieke reiziger per maand de huidige situatie vergelijkt met de theoretische nieuwe situatie: wat betaalt iemand nu, hoeveel besteding bouwt hij gedurende de maand op, wanneer wordt een nieuwe staffel bereikt, en wat zou hij onder het nieuwe model betalen.
• De belangrijkste aannames als parameters opgenomen, zodat varianten konden worden doorgerekend: andere staffelgrenzen en kortingspercentages, een aparte jeugdstaffel, prijsindexatie, een hoger kilometertarief, prijselasticiteit en vraaguitval, het wel of niet vervallen van bestaande leeftijdskortingen, en reizen bij andere vervoerders.
• Ook het effect meegenomen dat besteding bij een andere vervoerder kan meetellen voor het opbouwen van de staffel, terwijl de eerdere omzet elders is gerealiseerd — een effect dat financieel materieel bleek.
• De brondata is niet met AI gedeeld. AI is gebruikt voor de modelopzet, complexe Excel-formules, controles en het structureren van de presentatie; de financiële logica, aannames, controles en interpretatie bleven mijn eigen werk en dat van de betrokken teams.

Wat kwam eruit?

• Het model liet zien dat verschillende varianten een financiële impact van meerdere miljoenen euro's konden hebben — en, belangrijker, kon verklaren waar die impact vandaan kwam.
• Zichtbaar werd welke reizigersgroepen de impact veroorzaken, wat zij nu en onder het nieuwe model betalen, waarom intensieve reizigers relatief belangrijk zijn, en welke maatregelen een deel van de derving kunnen compenseren.
• De analyse is gebruikt als basis voor een uitgebreid Excel-scenariomodel, een formele schriftelijke onderbouwing, een PowerPointpresentatie en gesprekken met Finance, Marketing, Data en beleidsprofessionals.

Waarom gemiddelden misleiden

De staart van de verdeling bepaalt het effect

Een gemiddelde prijs kan het risico maskeren. De financiële impact ontstaat op individueel reizigersniveau.

Scenario's en maatregelen

Kilometerprijs als concrete maatregel

Als hetzelfde historische reisgedrag onder deze nieuwe tarieven zou plaatsvinden, wat gebeurt er dan met de betaling per reiziger en met de totale opbrengst?