Embed Size (px)
Citation preview
CENTRO UNIVERSITÁRIO UNIFBV | WYDEN
CENTRO DE PESQUISA E PÓS-GRADUAÇÃO EM ADMINISTRAÇÃO - CPPA
MESTRADO PROFISSIONAL EM GESTÃO EMPRESARIAL - MPGE
Luiz Augusto Amorim Silva Filho
GERENCIAMENTO DE RECLAMAÇÕES EM MÍDIAS SOCIAIS:
O SAC DA ERA DIGITAL COMO FERRAMENTA DE CONTROLE DE
RECLAMAÇÕES eWOM (BOCA A BOCA ELETRÔNICA).
Recife, 2018
Luiz Augusto Amorim Silva Filho
GERENCIAMENTO DE RECLAMAÇÕES EM MÍDIAS SOCIAIS:
O SAC DA ERA DIGITAL COMO FERRAMENTA DE CONTROLE DE
RECLAMAÇÕES eWOM (BOCA A BOCA ELETRÔNICA).
Dissertação apresentada ao Programa de
Mestrado Profissional em Gestão Empresarial
do Centro de Pesquisa e Pós-Graduação em
Administração da Faculdade Boa Viagem –
Wyden, como requisito parcial à obtenção do
grau de Mestre em Administração.
Orientador: Prof. Marcus Augusto Vasconcelos
Araújo, Ph.D.
Recife, 2018
Catalogação na fonte -
Biblioteca do Centro Universitário UniFBV | Wyden, Recife/PE
S586g Silva Filho, Luiz Augusto Amorim.
Gerenciamento de reclamações em mídias sociais: o SAC da era
digital como ferramenta de controle de reclamações eWOM (boca
a boca eletrônica) / Luiz Augusto Amorim Silva Filho. – Recife :
UniFBV | Wyden, 2018.
116 f. : il.
Orientador(a): Marcus Augusto Vasconcelos Araújo.
Dissertação (Mestrado) Gestão Empresarial -- Centro
Universitário UniFBV | Wyden.
1. Serviço de atendimento ao consumidor (SAC). 2. Marketing
boca a boca eletrônico (eWOM). 3. Modelo de aceitação à
tecnologia (TAM). 4. Gerenciamento de reclamações. 5.
Recuperação de serviços. 6. Satisfação. 7. Lealdade. 8. Redes
sociais. I. Título. DISS 658[18.2]
Ficha catalográfica elaborada pelo setor de processamento técnico da Biblioteca.
CENTRO UNIVERSITÁRIO UNIFBV – WYDEN
MESTRADO PROFISSIONAL EM GESTÃO EMPRESARIAL - MPGE
CLASSIFICAÇÃO DE ACESSO A DISSERTAÇÕES
Considerando a natureza das informações e compromissos assumidos com suas
fontes, o acesso à dissertação do Mestrado Profissional em Gestão Empresarial do
Centro Universitário UniFBV é definido em três graus:
• Grau 1: livre (sem prejuízo das referências ordinárias em citações diretas e
indiretas);
• Grau 2: com vedação a cópias, no todo ou em parte, sendo, em conseqüência,
restrita a consulta em ambientes de bibliotecas com saída controlada;
• Grau 3: apenas com autorização expressa do autor, por escrito, devendo, por
isso, o texto, se confiado a bibliotecas que assegurem a restrição, ser mantido
em local sob chave ou custódia;
A classificação desta dissertação se encontra, abaixo, definida por seu autor.
Solicita-se aos depositários e usuários sua fiel observância, afim de que se preservem
as condições éticas e operacionais da pesquisa científica na área de administração.
Título da Dissertação: “GERENCIAMENTO DE RECLAMAÇÕES EM MÍDIAS
SOCIAIS: O SAC DA ERA DIGITAL COMO FERRAMENTA DE CONTROLE DE
RECLAMAÇÕES eWOM (BOCA A BOCA ELETRÔNICA)”
Nome do(a) autor(a): LUIZ AUGUSTO AMORIM SILVA FILHO
Data da Aprovação: 10 DE SETEMBRO DE 2018
Classificação conforme especificação acima:
Grau 1
Grau 2
Grau 3
Recife, 08 de fevereiro de 2019
____________________________
Luiz Augusto Amorim Silva Filho
X
CENTRO UNIVERSITÁRIO UNIFBV | WYDEN
Curso de Mestrado Profissional em Gestão Empresarial - MPGE
GERENCIAMENTO DE RECLAMAÇÕES EM MÍDIAS SOCIAIS: O SAC DA
ERA DIGITAL COMO FERRAMENTA DE CONTROLE DE RECLAMAÇÕES
EWOM (BOCA A BOCA ELETRÔNICA).
LUIZ AUGUSTO AMORIM SILVA FILHO
Dissertação submetida ao corpo docente do
Mestrado Profissional em Gestão Empresarial (MPGE) do
Centro Universitário (UNIFBV) e aprovada em 10 setembro de 2018
Banca Examinadora:
Marcus Augusto Vasconcelos Araújo, Doutor (Orientador – UNIFBV)
Cristiane Salomé Ribeiro Costa, Doutora (Examinadora Externa – UFPE)
Amanda Aires Vieira, Doutora (Examinadora Interna — UNIFBV)
AGRADECIMENTOS
Agradeço primeiramente a minha esposa Karinne, porque mesmo enquanto cursava medicina e tendo
que vivenciar uma gravidez e o nascimento do nosso filho Theo, jamais deixou de me incentivar e
sempre esteve ao meu lado nesta jornada.
Agradeço aos meus pais Luiz Augusto e Palmira Amorim, pelo exemplo de honestidade, pelo amor,
dedicação e doação que tiveram durante toda a vida para a minha formação.
Agradeço aos colegas do mestrado que compartilharam sabedorias e apoio. Ao meu orientador Marcus
Araújo, pelo equilíbrio, objetividade e precisão.
Terminar um mestrado não é algo que se consegue fazer sozinho. É preciso muita contribuição das
pessoas de nosso convívio, da família, dos amigos e dos colegas de trabalho. Durante esse tempo eu
abdiquei de muitas coisas e estas pessoas souberam entender, incentivar e suportar a minha ausência.
Todos estes têm o meu respeito e a minha gratidão.
Meu agradecimento especial para aquele que me dá a vida, a paz e a saúde. Que me dá oportunidades e
me abre caminhos. Que me deu as condições que eu precisei para concluir esta etapa. Obrigado.
“Se, a princípio, a ideia não é absurda, então não há esperança para ela.”
Albert Einstein
RESUMO
Este trabalho objetiva-se a encontrar as características determinantes do serviço de atendimento ao
consumidor, suas associações com o perfil de aceitação à tecnologia das pessoas que reclamam de
serviços ou produtos e o que os influencia a expor as reclamações nas redes sociais sob o formato de
boca a boca eletrônico (eWOM). Para tanto foi realizada uma pesquisa quantitativa, utilizando
questionários já validados pela literatura, para avaliar construtos sobre gerenciamento de reclamações e
suas relações com a propensão à realização de eWOM. Para enriquecer a análise, utilizou-se o Modelo
de Aceitação de Tecnologia (TAM) para mensurar e classificar a influência do perfil TAM em relação
à Satisfação, Lealdade e propagação de eWOM. Os construtos utilizados foram Percepções de Justiça
(composto por Justiça Processual; Justiça Distributiva; Justiça Interpessoal); Marketing eWOM;
Modelo TAM (composto por Utilidade percebida; Atitude; Intenção de uso); Satisfação com o
gerenciamento da reclamação e Lealdade do consumidor. A pesquisa foi realizada com 435
respondentes, dos quais apenas 271 fizeram alguma reclamação nos últimos 12 meses. De acordo com
as análises da amostra, dos 271 reclamantes, 91 fizeram algum tipo de divulgação boca a boca eletrônica
(eWOM) e 180 não fizeram qualquer tipo de eWOM. Para analisar e validar os dados foram utilizadas
as análises de componentes principais (Principal Component Analysis - PCA), análise por mínimos
quadrados parciais conjugado com uma análise discriminante (Partial Least Squares – Discriminant
Analysis – PLS-DA), análise de consistência interna por Alfa de Cronbach e validação cruzada através
de análise de variância dos grupos (CV-ANOVA). Finalmente, as variáveis de importância foram
utilizadas em um modelo de Regressão Logística para se determinar a associação e a chance de pertencer
ao grupo realizador de “eWOM”. O resultado aponta algumas relações significativas entre os construtos
de Satisfação, Lealdade, do perfil TAM e realização de eWOM. A análise ressalta que o aumento da
Satisfação com o gerenciamento da reclamação diminui a probabilidade de realização de eWOM, que
as chances de realizar eWOM são 3 vezes maiores quando o cliente está insatisfeito (eWOM negativo)
e 2 vezes maiores caso o cliente possua alta aceitação à tecnologia (perfil TAM alto). A amostra
probabilística rende mais informações sobre quantos e quais perfis de consumidores detém tendência
natural de fazer eWOM e se há relação com o tipo de empresa ou o meio escolhido para reclamar. Por
fim o entendimento subsequente destes perfis é recomendado como desmembramento desta pesquisa.
Palavras-chave: Serviço de atendimento ao consumidor (SAC), marketing boca a boca eletrônico
(eWOM), modelo de aceitação à tecnologia (TAM), gerenciamento de reclamações, recuperação de
serviços, satisfação, lealdade, redes sociais.
ABSTRACT
This work aims to find the determining characteristics of the customer service, its associations with the
technology acceptance profile of people who complain about services or products and what influences
them to expose complaints in social networks in the format of electronic mouth-to-mouth (eWOM). For
this, a quantitative research was carried out using questionnaires already validated by the literature, to
evaluate constructs about the management of complaints and their relation with the propensity to
perform eWOM. In order to enrich the analysis, the Technology Acceptance Model (TAM) was used
to measure and classify the influence of the TAM profile in relation to the Satisfaction, Loyalty and
propagation of eWOM. The constructs used were Perceptions of Justice (composed of Procedural
Justice, Distributive Justice, Interpersonal Justice); EWOM Marketing; Model TAM (composed of
Perceived utility; Attitude; Intention to use); Satisfaction with complaint management and consumer
loyalty. The survey was conducted with 435 respondents, of whom only 271 made any complaints in
the last 12 months. Of these 271 claimants, 91 made some kind of electronic word of mouth (eWOM)
and 180 did not do any kind of eWOM. In order to analyze and validate the data, we used Principal
Component Analysis (PCA), Partial Least Squares (PLS-DA) analysis, Alfa internal consistency
analysis of Cronbach and cross-validation through analysis of variance of the groups (CV-ANOVA).
Finally, the importance variables were used in a Logistic Regression model to determine the association
and the chance to belong to the "eWOM" group. The result points out some significant relationships
between the Satisfaction, Loyalty, TAM profile and eWOM constructs. The analysis points out that the
increase in satisfaction with complaints management decreases the probability of eWOM, that the
chances of doing eWOM are 3 times higher when the customer is dissatisfied (eWOM negative) and 2
times higher if the client has high acceptance technology (high TAM profile). Conclusions and results
do not stop there, since a probabilistic sample yields more information on how many and which
consumer profiles has a natural tendency to make eWOM and whether there is any relationship to the
type of company or the means chosen to complain. Finally, the subsequent understanding of these
profiles is recommended as a breakdown of this research.
Key words: Consumer service (SAC), electronic word of mouth (eWOM), technology acceptance
model (TAM), complaint management, service recovery, satisfaction, loyalty, social networks.
LISTA DE FIGURAS
Figura 1 - Framework para Examinar as Relações da Gestão de Reclamações ...................... 28
Figura 2 - Proporção de clientes, leitores, respondidos nas mídias sociais nos EUA ............. 34
Figura 3 - Relações do modelo teórico testado ....................................................................... 42
Figura 4 - Desenho metodológico da pesquisa ....................................................................... 46
LISTA DE TABELAS
Tabela 1 - Busca de artigos nas plataformas científicas ......................................................... 20
Tabela 2 - Fatores relevantes na gestão de reclamações ......................................................... 27
Tabela 3 - Fatores relevantes na gestão de reclamações nas redes sociais ............................. 33
Tabela 4 - Relação das questões, escalas e referências ........................................................... 49
Tabela 5 - Relação das medianas dos construtos e das variáveis do estudo ........................... 52
Tabela 6 - Homogeneidade das variáveis ................................................................................ 61
Tabela 7 - Distribuição das cargas fatoriais através dos fatores criados na predição da realização
de eWOM ................................................................................................................................. 63
Tabela 8 - Análise de consistência interna do modelo através do Alfa de Cronbach ............. 70
Tabela 9 - Análise de consistência interna dos construtos isolados através do Alfa de Cronbach
.................................................................................................................................................. 71
Tabela 10 - Variáveis totais de construtos na Regressão Logística de predição na realização de
eWOM após 11 iterações ........................................................................................................ 72
Tabela 11 - Variáveis totais de construtos com TAM na Regressão Logística de predição na
realização de eWOM após 9 iterações .................................................................................... 73
Tabela 12 - Variáveis totais de construtos na Regressão Logística de predição na não realização
de eWOM após 11 iterações ................................................................................................. 73
Tabela 13 - Variáveis totais de construtos com TAM na Regressão Logística de predição na não
realização de eWOM após 9 iterações ..................................................................................... 74
Tabela 14 - Variáveis dicotômicas na Regressão Logística de predição na realização de eWOM
após 10 iterações ..................................................................................................................... 74
Tabela 15 - Variáveis na equação do modelo de Regressão Logística na predição da realização
de eWOM Negativo (EwN.d) após 6 iterações ....................................................................... 80
Tabela 16 - Variáveis na equação do modelo de Regressão Logística na predição da não
realização de eWOM Negativo (EwN.d) após 6 iterações ...................................................... 81
Tabela 17 - Variáveis na equação Regressão Logística para Formas de Contato com a Empresa
na predição da não realização de eWOM após 4 iterações ................................................. 85
Tabela 18 - Valores de -2LL, e pseudo R2 das Regressões Logísticas nos construtos isolados
na predição da realização de eWOM ...................................................................................... 85
Tabela 19 - Valores dos testes de Hosmer e Lemeshow das Regressões Logísticas nos construtos
isolados na predição da realização de eWOM ....................................................................... 86
Tabela 20 - Variáveis na equação das Regressões Logísticas nos construtos isolados na predição
da realização de eWOM ........................................................................................................... 86
Tabela 21 - Hipóteses testadas ................................................................................................ 87
LISTA DE QUADROS
Quadro 1 - Ranking do IBRC – Top 10 empresas versus atendimento no Facebook ............ 35
Quadro 2 - Canais disponibilizados pelos SACs das empresas estudadas .............................. 36
Quadro 3 - Hipóteses e Referências ........................................................................................ 40
LISTA DE GRÁFICOS
Gráfico 1 - Proporções sociodemográficas da amostra de reclamantes – Gênero .................. 58
Gráfico 2 - Proporções sociodemográficas da amostra de reclamantes – Idade ..................... 58
Gráfico 3 - Proporções sociodemográficas da amostra de reclamantes – Renda familiar ...... 59
Gráfico 4 - Proporções sociodemográficas da amostra de reclamantes – Grau de estudo ...... 59
Gráfico 5 - Proporções da amostra de reclamantes que efetuaram eWOM (sim/não) ............ 60
Gráfico 6 - Cargas fatoriais da Análise de Componentes Principais ...................................... 62
Gráfico 7 - Gráfico de escores (Score Plot) ............................................................................ 63
Gráfico 8 - Gráfico de cargas (Loading Plot) .......................................................................... 65
Gráfico 9 - Detalhamento do Gráfico de cargas (Loading Plot) ............................................. 65
Gráfico 10 - Detalhamento do Gráfico de cargas (Loading Plot) ........................................... 66
Gráfico 11 - Detalhamento do Gráfico de cargas (Loading Plot) ........................................... 66
Gráfico 12 - Gráfico de contribuição das variáveis (Variable Contribution Plot) .................. 67
Gráfico 12b - Detalhamento do Gráfico de contribuição das variáveis dos Construtos Totais
Variable Contribution Plot) ................................................................................................... 67
Gráfico 13 - Gráfico de escores (Score Plot) .......................................................................... 68
Gráfico 14 - Gráfico de cargas (Loading Plot) ........................................................................ 69
Gráfico 15 - Detalhamento do Gráfico de cargas (Loading Plot) ........................................... 69
Gráfico 16 - Detalhamento do Gráfico de cargas (Loading Plot) ........................................... 69
Gráfico 17 - Gráfico de barras de Gênero em relação à realização de eWOM ....................... 75
Gráfico 18 - Gráfico de barras de Idade em relação à realização de eWOM .......................... 75
Gráfico 19 - Gráfico de barras de Renda em relação à realização de eWOM ........................ 76
Gráfico 20 - Gráfico de barras de Escolaridade em relação à realização de eWOM .............. 76
Gráfico 21 - Gráfico de Preferência SAC ou WOM ............................................................... 77
Gráfico 22 - Gráfico de Avaliação de eWOM .......................................................................... 78
Gráfico 23 - Gráfico de Avaliação de eWOM Negativo ......................................................... 78
Gráfico 24 - Gráfico de Avaliação de eWOM Positivo .......................................................... 79
Gráfico 25 - Gráfico frequência realizadores eWOM negativo - Intenção de Uso (TAM) .... 81
Gráfico 26 - Gráfico frequência realizadores eWOM negativo - Util. Percebida (TAM) ...... 82
Gráfico 27 - Gráfico frequência realizadores eWOM negativo - Atitude (TAM) .................. 82
Gráfico 28 - Gráfico frequência realizadores eWOM negativo - Construto TAM ................. 83
Gráfico 29 - Gráfico frequência realizadores eWOM negativo - Satisfação .......................... 83
Gráfico 30 - Gráfico frequência realizadores eWOM negativo - Lealdade ............................ 84
Gráfico 31 - Gráfico frequência realizadores eWOM negativo - Renda ................................ 84
LISTA DE ABREVIATURAS E SIGLAS
AVI Assistente virtual inteligente
CRM Customer relationship management
eWOM Eletronic Word-of-Mouth (divulgação boca a boca eletrônica)
IBM International Business Machines
IBRC O Instituto Brasileiro de Relacionamento com o Cliente
IM Instant Messaging
JD Justiça Distributiva (Percepção de justiças)
JI Justiça interpessoal (Percepção de justiças)
JP Justiça Processual (Percepção de justiças)
LEAL Lealdade do cliente
MBA Master in Business Administration
PC Credibilidade percebida
PCA Principal Component Analysis (Análise de componentes principais)
PEOU Facilidade de uso percebida
PLS-DA Partial Least Squares – Discriminant Analysis
PU Utilidade percebida
RS Redes Sociais
RSO Redes Sociais On-line
RSS Really Simple Syndication
SAC Serviços de Atendimento ao Cliente
SAC-Social Serviço de Atendimento ao consumidor nas redes sociais
SAT Satisfação de cliente
SLA Service Level Agreement
SM Social Media (Redes Sociais)
TAM Tecnology Aceptance Model (Modelo de Aceitação de Tecnologia)
TAT Atitude (modelo TAM)
TDIC Tecnologias Digitais da Informação e Comunicação
TIU Intenção de Uso (modelo TAM)
TUP Utilidade Percebida (modelo TAM)
TUP Utilidade Percebida (modelo TAM)
UGC User-Generated Content
WOM Word-of-Mouth (divulgação boca a boca)
SUMÁRIO
1 INTRODUÇÃO ....................................................................................................................................... 16
1.1 CONTEXTUALIZAÇÃO DO PROBLEMA ................................................................................... 16
1.2 OBJETIVOS ......................................................................................................................................... 18
1.2.1 Objetivo geral ..................................................................................................................................... 18
1.2.2 Objetivos específicos ......................................................................................................................... 18
1.3 JUSTIFICATIVAS ............................................................................................................................... 19
1.3.1 Justificativa teórica ............................................................................................................................. 19
1.3.2 Justificativa prática ............................................................................................................................. 20
2 FUNDAMENTAÇÃO TEÓRICA ........................................................................................................ 22
2.1 SATISFAÇÃO COM O GERENCIAMENTO DE RECLAMAÇÕES......................................... 22
2.1.1 Serviço de Atendimento ao Consumidor - SAC ............................................................................. 22
2.1.2 A Recuperação de Serviços ............................................................................................................... 24
2.2 PERCEPÇÕES DE JUSTIÇA E FATORES RELEVANTES DA GESTÃO DE
RECLAMAÇÕES ...................................................................................................................................... 26
2.2.1 Fatores relevantes da gestão de reclamações ................................................................................... 26
2.2.2 Percepções de Justiça e o modelo de TAX ...................................................................................... 27
2.3 MARKETING BOCA A BOCA ELETRÔNICO (EWOM)........................................................... 29
2.3.1 Marketing boca a boca - WOM ........................................................................................................ 29
2.3.2 Redes Sociais e eWOM ..................................................................................................................... 30
2.4 GESTÃO DE RECLAMAÇÕES NAS REDES SOCIAIS ............................................................. 32
2.5 O MODELO DE ACEITAÇÃO TECNOLÓGICA – TAM ........................................................... 36
2.6 HIPÓTESES E MODELO TEÓRICO PROPOSTO ........................................................................ 38
2.6.1 Hipóteses ............................................................................................................................................ 38
2.6.2 Modelo teórico ................................................................................................................................... 42
3 PROCEDIMENTOS METODOLÓGICOS ......................................................................................... 43
3.1 DELINEAMENTO DA PESQUISA ................................................................................................. 43
3.1.1 Quanto à natureza e objetivo ............................................................................................................. 43
3.1.2 Quanto aos procedimentos técnicos utilizados ................................................................................ 44
3.1.3 Quanto à abordagem do problema .................................................................................................... 45
3.1.4 Variáveis pesquisadas ........................................................................................................................ 45
3.2 POPULAÇÃO E AMOSTRA ............................................................................................................ 46
3.3 INSTRUMENTO DE COLETA DE DADOS .................................................................................. 47
3.3.1 Coleta de dados .................................................................................................................................. 51
3.4 MÉTODOS DE ANÁLISE ................................................................................................................. 52
3.4.1 Análise fatorial exploratória .............................................................................................................. 53
3.4.2 Análise de Variância Cruzada (CV-ANOVA) ................................................................................ 54
3.4.3 Análise de regressão logística ........................................................................................................... 55
4 RESULTADOS E DISCUSSÃO ........................................................................................................... 57
4.1 ANÁLISE DESCRITIVA DA AMOSTRA E VARIÁVEIS .......................................................... 57
4.2 DEFINIÇÃO DO GRUPO DE ESTUDO: REALIZADORES DE EWOM ................................. 60
4.3 ANÁLISE FATORIAL EXPLORATÓRIA E ANÁLISE DE COMPONENTES PRINCIPAIS –
PCA .............................................................................................................................................................. 62
4.3 VALIDAÇÃO E CONFIABILIDADE DO MODELO ................................................................... 70
4.4 REGRESSÃO LOGÍSTICA DO MODELO..................................................................................... 71
4.4.1 Regressão Logística do modelo de construtos totais para a realização de eWOM. ...................... 72
4.4.2 Regressão Logística do Modelo com as variáveis dicotômicas para a realização de eWOM. ..... 74
4.4.3 Análise descritiva e de associação (χ2) dos realizadores de eWOM. ............................................. 74
4.4.4 Regressão Logística para realização de eWOM do tipo negativo (EwN.d). ................................. 79
4.4.5 Análise descritiva e de associação (χ2) do perfil realizador de eWOM negativo. ......................... 81
4.4.6 Regressão Logística das Formas de Contato com a Empresa para a não realização de eWOM.. 85
4.4.7 Regressões de controle individual de cada Construto na predição de realização de eWOM. ...... 85
4.4.8 Interpretações das regressões realizadas e hipóteses estudadas. ..................................................... 86
5 CONCLUSÃO ......................................................................................................................................... 88
5.1 Sobre o primeiro Objetivo Específico: Levantar na literatura, construtos que representam as
características do atendimento ao consumidor (SAC) e a associação destes construtos com a
propagação de boca a boca nas redes sociais (eWOM). ........................................................................... 88
5.2 Sobre o segundo Objetivo Específico: Levantar a associação ou efeito entre o tipo de atendimento
do SAC (atendimento pessoal, por e-mail, por chat, por telefone, pelas redes sociais, etc.) e a
propagação de boca a boca nas redes sociais (eWOM). ........................................................................... 88
5.3 Sobre o terceiro Objetivo Específico e confirmação das hipóteses: Levantar o perfil dos clientes
reclamantes quanto à aversão ou propensão à tecnologia (TAM) e sua associação à propagação de
boca a boca nas redes sociais (eWOM). .................................................................................................... 88
5.4 Limitações do trabalho.......................................................................................................................... 91
5.5 Sugestões para pesquisas futuras ......................................................................................................... 92
REFERÊNCIAS ......................................................................................................................................... 93
APÊNDICE A – INSTRUMENTO DE COLETA DE DADOS......................................................... 106
ANEXO 1 – TABELAS DE HOMOGENEIDADE DE VARIÂNCIAS .......................................... 110
ANEXO 2 – REGRESSÕES LOGÍSTICAS ISOLADAS. .................................................................. 111
1 INTRODUÇÃO
1.1 CONTEXTUALIZAÇÃO DO PROBLEMA
A satisfação dos clientes é crucial para a sobrevivência de qualquer organização. No entanto, as
operações de serviços são usualmente complexas, baseadas nas relações humanas entre o consumidor e
o funcionário da linha de frente (JOHNSTON, 2001; BOSCH; ENRIQUEZ, 2006). Consequentemente,
em serviços, erros, enganos e falhas são inevitáveis, requerendo das organizações ações relativas à
recuperação do serviço (JOHNSTON; MICHEL, 2008) e análises das reclamações. Johnston e Michel
(2008) observam que poucas organizações adotam políticas eficazes que permitam ouvir as reclamações
dos seus clientes e identificar possíveis insatisfações.
Mccollough (2000) e Oh (2003) constataram que a gestão eficiente e eficaz de reclamações dos
consumidores gera mais satisfação e lealdade dos clientes do que se o processo tivesse ocorrido
inicialmente com sucesso. Para Fitzsimmons e Fitzsimmons (2005), cerca de 4% dos clientes
insatisfeitos com o serviço são ouvidos pelas empresas e, dos 96% restantes, 25% têm problemas graves
ou sérios com o produto ou serviço ofertado. Estas informações sugerem que um dos problemas
enfrentados pelas organizações se relaciona com a captação de informações, a fim de recuperar
eficientemente a satisfação com um determinado serviço. Tax et al. (1998) argumentam que uma
recuperação de serviços de alta qualidade pode gerar maior percepção de comprometimento e confiança
do cliente no fornecedor. Uma vez 80% dos reclamantes tem intenções de, plenamente satisfeitos com
o retorno de uma reclamação, voltarem a utilizar um determinado serviço (LOVELOCK; WRIGHT;
2004).
Nesse contexto, o crescimento do uso da internet por parte das empresas, bem como o surgimento da
WEB 2.0 - plataforma onde as pessoas conectadas criam e partilham conteúdo como texto, imagens,
vídeos (BOULOS; WHEELERT, 2007; O’REILLY, 2007; CONSTATINIDES; FOUNTAIN, 2008;
LEVY, 2009) – faz com que as empresas deixem de ser protagonistas passando a observadoras e
perdendo parte do controle da informação que circula no ambiente on-line (KAPLAN; HAENLEIN,
2010). Este se torna, então, o novo desafio da gestão de reclamações: as redes sociais (CULNAN,
McHUGH; ZUBILLAGA, 2010). A utilização das redes sociais como um mecanismo de comunicação
está cada vez mais difundida em nossa sociedade. As pessoas estão se acostumando com os avanços
tecnológicos e cada vez mais à vontade para expor suas opiniões, críticas e informações nas redes
sociais. O surgimento de sites de redes sociais permitiu aos consumidores discutir assuntos de interesse
17
comum, pesquisar e partilhar opiniões e experiências, assim como registrar e divulgar comentários e
insatisfações sobre produtos, serviços ou empresas (LEE; SONG, 2010).
As redes sociais mudaram a forma como as pessoas se relacionam com o mundo. Foram as interações
sociais que proporcionaram a evolução de nossa espécie e, consequentemente, de seu modelo de
comunicação. A rede social é uma representação das relações e interações entre indivíduos de um grupo
e possui um papel importante como meio de propagação de informação, ideias e influências (KIMURA,
2008, apud KEMPE et al., 2005). Exemplos claros destas redes é o Facebook, Twitter, LinkedIn,
Google Plus e outras que já foram extintas, como o Orkut, que formaram a vanguarda que alterou
conceitos enraizados, entre eles a separação abismal entre emissor e receptor de informações, como
eram os modelos tradicionais de comunicação, não vindo mais exclusivamente de veículos de
comunicação (ROCHA, 2014).
Considerando essa perspectiva, o estudo do marketing boca a boca ou word-of-mouth marketing, que
envolve as interações dentro da rede social, tem gerado crescente interesse, principalmente pelas
possibilidades trazidas pela internet (GOLDBERG et al., 2001). De acordo com Kimura (2008, apud
WALKER, 1995), 40% dos norte-americanos procuram conselhos de amigos e familiares para obter
serviços de médicos, advogados e mecânicos, demonstrando a relevância do conceito do marketing boca
a boca no processo decisório.
A partir desse interesse comum em compartilhar e difundir informações nas redes sociais surgiu a
comunicação boca a boca eletrônica (eWOM), definida como qualquer declaração via internet, positiva
ou negativa, feita pelos clientes ou outras partes interessadas sobre uma organização, produtos ou
serviços (HENNIG-THURAU et al., 2004). Esta eWOM pode ser vista por milhares de pessoas e ter
um grande impacto nas suas decisões de compra (KING et al., 2014; SEM; LERMAN, 2007).
Os leitores de informações eletrônicas e os que avaliam a opinião de outros consumidores tendem a
acreditar que as opiniões dos outros (consumidores) são mais úteis e melhor atendem suas preferências
para encontrar um produto apropriado do que o de um especialista ou da própria marca (LI et al., 2013).
Além disso, pesquisas mostram que esses leitores são mais propensos a confiar nas informações
negativas do que positivas de outros consumidores (JABR; ZHENG, 2014; CUI et al., 2012). Desta
forma, a difusão de reclamações nas redes sociais no formato de boca a boca eletrônica (eWOM),
representa um grande desafio no gerenciamento de reclamações para as empresas (CULNAN,
MCHUGH, ZUBILLAGA, 2010), uma vez que a disponibilidade da boca a boca eletrônica é universal,
altamente descritiva, persuasiva e disponível a qualquer hora (SPARKS; BROWNING, 2010).
18
Vários estudos também têm explorado os motivos para que as pessoas utilizem as redes sociais virtuais.
Brandtzaeg e Heim (2009) sugerem a informação, o entretenimento, a interação social e a identidade
pessoal como motivadores. Raacke e Bonds-Raacke (2008) destacam que encontrar amigos e buscar de
informações são as principais motivações. Jung, Youn e McClung (2007) identificaram seis razões:
entretenimento, auto expressão, avanço profissional, passar o tempo, comunicação com a família e
amigos, e tendências.
Nesta pesquisa utilizou-se o modelo de ARENAS-GAITAN et al (2013) para estudo do eWOM através
da utilização de um questionário estruturado com perguntas quantitativas e análises estatísticas. Shin
(2010) adaptou o Modelo de Aceitação da Tecnologia – TAM, desenvolvido por Davis (1989), para
investigar as motivações dos usuários em relação ao envolvimento nas redes sociais virtuais comparadas
aos seus comportamentos. Os estudos de Shin (2010) levantam a diversão influenciada pelo
envolvimento percebido e a utilidade percebida influenciada pela conectividade.
Entender o perfil dos reclamantes, seus fatores influenciadores da utilização das redes sociais virtuais e
a divulgação do eWOM são, portanto, ação de extrema importância para que as empresas e agentes
envolvidos mantenham a valorização de sua marca e uma boa imagem no mercado em sua rede de
influência. Sendo assim, identificar com antecedência e tratar a insatisfação do cliente, antes da
reclamação se propagar passou a ser uma das mais importantes tarefas dos serviços de atendimento ao
consumidor - SAC (GOLDBERG, 2001).
Com este embasamento contextual levantou-se a seguinte pergunta de pesquisa:
Quais determinantes do SAC e do perfil do cliente, estão associados de forma significativa com a
satisfação e com a divulgação de eWOM?
1.2 OBJETIVOS
1.2.1 Objetivo geral
Identificar características determinantes no serviço de atendimento ao consumidor (SAC) e no perfil dos
clientes, que se relacionam de forma significativa com a divulgação boca a boca nas redes sociais
(eWOM).
1.2.2 Objetivos específicos
a) Levantar na literatura, construtos que representam as características do atendimento ao consumidor
(SAC) e a associação destes construtos com a propagação de boca a boca nas redes sociais (eWOM);
19
b) Levantar a associação ou efeito entre o tipo de atendimento do SAC (atendimento pessoal, por e-
mail, por chat, por telefone, pelas redes sociais, etc.) e a propagação de boca a boca nas redes sociais
(eWOM) através das hipóteses levantadas e avaliadas pelos constructos levantados;
c) Levantar o perfil dos clientes reclamantes quanto à aversão ou propensão à tecnologia (TAM) e sua
associação à propagação de boca a boca nas redes sociais (eWOM).
1.3 JUSTIFICATIVAS
1.3.1 Justificativa teórica
O tema do gerenciamento de reclamação dos clientes nas mídias sociais é de importância primordial
para empresas contemporâneas devido às mudanças de relação com o ciente nas últimas décadas. Eles
compram consideravelmente mais e se tornaram muito mais exigentes quanto à qualidade, inovações e
funções de suas compras.
No mundo moderno, conceitos como tecnologia, globalização e internet se tornaram parte da vida
cotidiana das pessoas. Eles afetam a maioria das pessoas mudando o comportamento dos consumidores
constantemente, incluindo seus valores, atitudes, motivações, tomada de decisão, comportamento de
compra, estilo de vida e muitas outras coisas.
Com a ajuda da Internet, os clientes podem ler opiniões, comparar preços na Internet em diferentes lojas
em todo o mundo e escolher as melhores opções para eles. Nesse contexto, o acesso à informação ou
particularmente a adoção de determinada tecnologia, considerando não somente os aspectos de
marketing tradicionais, disponibilizados por meio de meios convencionais, como também a influência
da estrutura das redes sociais que servem de base para o marketing boca a boca eletrônico (eWOM).
Alguns autores desenvolveram modelos para a compreensão do eWOM como, por exemplo, CHEUNG
et al. (2009), CHU et al. (2011), GRUEN et al. (2006), HUNG e LI (2007), ARENAS-GAITAN et al
(2013). Nesta pesquisa foi utilizado o modelo de ARENAS-GAITAN et al (2013) para estudo do
eWOM. Estes e outros estudos estão sendo continuamente aplicados em diversos países, porém, no
Brasil, ainda existe uma grande lacuna sobre este contexto, e poucos trabalhos contemplam
simultaneamente os temas envolvendo gerenciamento de reclamações, o estudo do perfil do cliente e a
divulgação boca a boca nas redes sociais (eWOM), sendo esta uma grande oportunidade para
desenvolver respostas e entender melhor a relação entre o perfil dos clientes, os fatores do atendimento
ao consumidor e a divulgação nas redes sociais.
20
As plataformas SCIELO, EBSCO, GOOGLE ACADÊMICO e CAPES foram utilizadas para busca
das palavras chaves associadas diretamente ao tema (ver tabela 1) como “Recuperação de serviços”
(Recovery service), “Serviço de atendimento ao consumidor” (Customer service), “Gerenciamento de
Reclamações” (Complaint management), “eWOM” (word-of-mouth), “Redes Sociais” (social media)
e “Modelo de aceitação de tecnologia” (Technology Acceptance Model – TAM).
TABELA 1 - Busca de artigos nas plataformas científicas.
BUSCA DE ARTIGOS SCIELO EBSCO EBSCO
BR
BR
CAPES
A) Recuperação de serviços (Recovery service) 87 258 95 587 29
B) Serviço de atendimento ao consumidor – SAC
(Customer service)
6 69.711 94 2.310 33
C) Gerenciamento de reclamações (Complaint
management)
15 5.083 65 695 16
D) eWOM (boca a boca eletrônica, eletronic word
of mouth)
6 33.473 73 500 156
E) Redes Sociais (social media) 875 77.772 4.253 345.000 5.393
F) Modelo de Aceitação Tecnológica – TAM
(Technology Acceptance Model)
95 35.920 175 1.380 70
Todos os temas juntos 0 2 1 3 1
Fonte: O autor (realizada em 12/08/2018)
1.3.2 Justificativa prática
A quantidade de informação que trafega nas redes já é grande o suficiente e já tem importância para ser
imprescindível e influenciar pessoas, em maior ou menor grau, para tomarem decisões importantes em
suas vidas. A interdependência da sociedade em relação à informação digital já é significativa o
suficiente para que as grandes empresas e importantes agentes públicos direcionem suas ações pensando
na repercussão que haverá nas redes sociais (ROCHA, 2014).
Neste contexto, a figura do cliente insatisfeito, ao registrar sua inconformidade nas redes sociais, pode
gerar uma divulgação descontrolada com alcance e velocidade superior ao que se esperaria em qualquer
outro meio tradicional de comunicação. Pequenas e simples reclamações ou queixas dos clientes podem
tomar proporções gigantescas e, rapidamente, atingir milhões de usuários, modificando
consideravelmente a percepção da sociedade a respeito da qualidade de serviços e produtos. Estes relatos
de insatisfações nas redes sociais têm se tornado frequente e podem causar grande estrago à imagem e
reputação das marcas, empresas e agentes reclamados (VELOSO, 2014).
21
Segundo Velloso (2014), a opinião dos consumidores em plataformas como Facebook e Twitter são
cada vez mais monitoradas por setores de tecnologia, marketing e comunicação das companhias para
evitar crise de imagem. As redes sociais se tornaram uma espécie de parlatório virtual dos internautas
não apenas para questões políticas, mas também quando o assunto é a relação de consumo com as
empresas. Segundo o Globo (2017), a rede social Facebook, por exemplo, atingiu a marca de 2,13
bilhões de pessoas em janeiro/2018. Como a exposição pode ser muito maior do que nas mídias
tradicionais, quem não estiver preparado pode ver uma campanha publicitária, um lançamento de
produto ou um comentário de um executivo se transformar no estopim para uma campanha de boicote
à marca ou uma grave crise de imagem (CORREIO BRASILIENSE, 2018).
Segundo uma publicação do site Correio Brasiliense (2018), os exemplos de crise de imagem são
variados e cotidianos como da rede sueca de varejo H;M, que foi acusada de racismo em uma campanha
de moda infantil e das denúncias de trabalho escravo feitas pelo Ministério Público do Trabalho às redes
de varejo M.Officer, Marisa e Zara, que fomentaram uma insatisfação que se proliferou nas redes sociais
motivando campanhas de boicote pelo Facebook. Para conter a insatisfação do consumidor, algumas
empresas estão se unindo e estruturam áreas que misturam tecnologia, marketing e comunicação.
Softwares, por exemplo, ajudam a identificar como anda a imagem da companhia nas redes sociais. Ao
sinal de queixas crescentes, dá-se uma operação para conter o foco de reclamações e resolver a vida do
cliente insatisfeito (CORREIO BRASILIENSE, 2018).
A revista EXAME (2017), destaca que as grandes empresas já tratam as mídias sociais como a principal
prioridade para o marketing digital e se preparam para atuar de forma mais significativa e absorver as
novidades e tendências nos campos do marketing de conteúdo. A compreensão da influência das redes
sociais sobre a posição dos consumidores passou a ser um novo desafio para as organizações. Tais
mudanças exigem que os profissionais de marketing se ajustem de acordo e pensem em maneiras
inovadoras em como se aproximar dos clientes e conseguir de forma eficiente, atuar sobre as
informações que propagam nas redes.
Diante desse contexto, este trabalho representa um estudo de importância, pois objetiva identificar
características dos serviços de atendimento ao consumidor, que, associadas ao perfil e aceitação
tecnológica dos clientes, estão relacionadas à propagação de reclamações públicas. Esta pesquisa então
levanta dados e informações úteis para que as empresas possam gerenciar melhor as informações que
trafegam na rede, prever e evitar a propagação de eWOM negativo, melhorando a avaliação da imagem
da marca, evitando custos e prevenindo crises institucionais.
22
2 FUNDAMENTAÇÃO TEÓRICA
Nesta seção serão discutidos os conceitos referentes ao processo de gestão de reclamações e seus fatores
relevantes, recuperação de falha, as redes sociais, propagação de reclamação boca a boca eletrônica
(eWOM), o SAC e seus tipos de atendimentos (e-mail, chat, telefone, call center, etc.) e o modelo TAM
de aceitação à tecnologia para os reclamantes. Em seguida, será debatida a influência destes atributos
sobre a propensão para indicação nas redes sociais.
2.1 SATISFAÇÃO COM O GERENCIAMENTO DE RECLAMAÇÕES
2.1.1 Serviço de Atendimento ao Consumidor - SAC
As empresas, sejam elas de produtos ou de serviços, defrontam-se diariamente com o desafio de
satisfazer os seus clientes. Em meados do século XX, após o advento da telefonia e criação de uma
engenharia para seu uso na distribuição de ligações nos anos 60, a simplória ideia de comunicação se
transformou em uma central de atendimento (o call center), com suas primeiras experiências na
Inglaterra (JUNIOR, 2016). Nos anos 70 uma maior competição entre as empresas mostrou a
importância da qualidade, surgindo também o telemarketing ativo (também conhecido como call
center), cujo objetivo era oferecer e vender produtos pelo telefone (OMNIZE, 2017). O empreendedor
mais famoso do mundo, Henry Ford criou uma campanha através de telefonia que atingiu milhões de
norte-americanos, sendo a primeira grande inserção da história do call center em nível profissional
(CALL CENTRE HELPER, 2018).
Foram pequenas as relações feitas nas primeiras décadas entre empresas e consumidores (CALL
CENTRE HELPER, 2018). Nessa época, o relacionamento entre a marca e seus clientes era unilateral.
Embora houvesse o foco em qualidade, as empresas não se preocupavam com a opinião do consumidor.
O que importava era o produto e, por isso, a opinião individual do cliente era ignorada pelas
organizações (OMNIZE, 2017). O interesse do retorno aos clientes chegou aos anos 90, quando as
empresas passaram a dar brindes por fidelidade: pontos no cartão de crédito, dinheiro para abrir contas
em bancos, milhas para viajantes fiéis e outros para aumentar suas vendas. Tudo isso mudou muito a
forma como as empresas lidavam com seus públicos, expandindo a voz do consumidor com o
surgimento dos Serviços de Atendimento ao Cliente (SACs) e Ouvidorias. O telemarketing, padrão da
década de 1980, deu espaço a novas tecnologias, mas ainda estava relegado a segundo plano nos
orçamentos, pois este departamento era sinônimo de dor de cabeça e falta de prestígio entre executivos
(MENDES, 2017).
23
No final da década de 70 e início de 80, surgem as primeiras iniciativas de instalação dos SAC no Brasil,
porém a pretensão era ser apenas mais um canal de diálogo com seus consumidores (OMNIZE, 2017).
O conceito de gestão de qualidade no atendimento é relativamente novo, pois somente em 1992 que foi
sancionado o Código do Consumidor, um avanço no aspecto jurídico brasileiro e, a partir dele, com o
número enorme de dúvidas sobre essa nova lei, o SAC foi criado em praticamente todo call center que
existisse no país. Sua criação, então, não foi somente uma questão de exigência legal, pois era essencial
para evitar denúncias e processos no Programa de Proteção e Defesa do Consumidor (PROCON) e na
justiça (JUNIOR, 2016). Neste âmbito ainda, a ISO 10002 - Satisfação do Cliente, que lista diretrizes
para o tratamento de reclamações em organizações, foi desenvolvida apenas em 2004 e somente em
julho de 2008, o Decreto 6523/08 também conhecido popularmente como Lei do Call Center, fixa
normas gerais sobre o Serviço de Atendimento ao Consumidor - SAC por telefone, no âmbito dos
fornecedores de serviços regulados pelo Poder Público Federal – como Telefonia (ANATEL), Planos
de Saúde (ANS), Energia Elétrica (ANEEL), empresas aéreas (ANAC), entre outros, com observância
aos direitos básicos do consumidor de obter informação adequada e clara sobre os serviços que contratar
e de manter-se protegido contra práticas abusivas ou ilegais impostas no fornecimento desses serviços
(OMNIZE, 2017).
Basta e Alcântara (2003), então, separa a relação entre o SAC e controle de qualidade em quatro fases:
A primeira fase até o início dos anos 1960, quando os olhares das empresas estavam voltados para os
produtos; a segunda fase, quando a área de marketing ganha organização e a comunicação ressaltava
um valor para a marca como diferencial competitivo; A terceira fase então foi desencadeada pela
chegada da Internet, sendo apelidado de SAC 2.0, onde o avanço da tecnologia abriu novos caminhos
para a conquista de clientes, ao mesmo tempo em que estes passaram a ter um amplo acesso às
informações disponíveis no espaço on-line e, portanto, passaram a ser mais exigentes em requisitos de
qualidade e funcionalidade dos produtos/serviços. A quarta fase chega com o foco no cliente
diretamente impactada pelas redes sociais on-line, chamada por Mendes (2017) como SAC 3.0, quando
o cliente passa a ter maior “poder” de persuasão/influência sobre outros clientes e sobre a qualidade dos
produtos e serviços oferecidos pelas empresas. É bem expresso por Argenti quando comenta que:
24
[...] muitas tecnologias digitais têm aplicações embutidas que permitem o acompanhamento de
conversações que seguem à disseminação de uma mensagem por canais online. Redes sociais,
comunidades virtuais, blogs são plataformas que podem ser monitoradas quanto à menção de uma
empresa ou de uma marca. O único problema é que nenhuma organização tem o pessoal necessário para
fazê-lo em um ambiente infinito como a internet. É justamente aí que entra a tecnologia, que foi moldada
para ser ao mesmo tempo protagonista e antagonista no palco empresarial moderno. (ARGENTI;
BARNES, 2011, p. 88)
Esta aceleração nas transformações, inclusive com o aparecimento das Startups, está promovendo uma
verdadeira revolução nos antigos SACs com investimento em tecnologia, atração de gente qualificada,
treinamento e humanização dos atendimentos, se tornando centro da estratégia corporativa e ganhando
um prestígio que nunca tiveram (MENDES, 2017). Uma vertente deste modelo são os FAQs
inteligentes, onde o usuário que necessita de auxílio abre a janela do chat e conversa com um robô que,
a partir das palavras que são contidas na pergunta, identifica qual a resposta mais adequada dentro de
uma lista previamente montada. Quando os novos Chatbots podem resolver um problema, não há
necessidade de se acessar o time do SAC, diminuindo custos com equipe e aprimorando o
relacionamento com esta comunicação multicanal que inclui telefone, e-mail, chat, vídeo, redes sociais,
mensageiros e outros (OMNIZE, 2017).
2.1.2 A Recuperação de Serviços
No momento da compra de um produto ou serviço, os clientes avaliam as suas expectativas em relação
ao produto/serviço com o desempenho real deste (OLIVER, 1980). Quando este desempenho
corresponde ao esperado (confirmação), um sentimento neutro é tido por parte dos clientes; quando este
desempenho quando o desempenho é superior ao esperado (refutação positiva), um sentimento de
satisfação é despertado, agregando valor à empresa; porém quando o desempenho é inferior ao desejado
(refutação negativa), um sentimento de insatisfação é gerado e por vezes, este é tão forte que leva ao
cliente gerar uma reclamação (OLIVER, 1980; DAY, GRABICKE, SCHAETZLE ; STAUBACH,
1981).
Após surgir o sentimento de insatisfação, o processo de reestabelecimento da satisfação pode ser
iniciado por qualquer uma das partes, o cliente ou o provedor de serviços (ou produtos): no momento
da falha, proativamente pela própria empresa, chamada de “recuperação de serviço”, ou no momento
da reclamação por parte do cliente, geralmente chamada de “gerenciamento de reclamação” (DOS
SANTOS; VON DER HEYDE FERNANDES, 2008).
25
Quando ocorre uma falha da empresa, a resposta oferecida ao cliente tem o potencial de restaurar a sua
confiança e reforçar a sua fidelização, ou de piorar a insatisfação do cliente e conduzi-lo à concorrência
(Smith et al, 1999). Nesta perspectiva são cada vez mais empresas veem as reclamações como uma
oportunidade de aumentar a fidelidade e os lucros.
Como as falhas são inevitáveis, é necessário que se criem procedimentos e controles de forma a
identificar quão frequentes são estas falhas e como se recuperar após estas ocorrerem (WANG et al.,
2011). Neste contexto, Blodgett, Wakefield e Barnes (1995), afirmam que varejistas e prestadores de
serviço devem entender as respostas aos reclamantes como uma oportunidade de solidificar e fortalecer
o relacionamento com seus clientes. Além disso a “recuperação de serviço” são todas as atividades
associadas à intenção ou esforços que a empresa realiza no sentido de identificar e corrigir as eventuais
falhas de serviço (TAX; BROWN, 1998; WANG; CHANG, 2013).
Em pesquisa realizada, Bateson e Hoffman (2001) constataram que 86% dos clientes tiveram pelo
menos um relato de incidente ocorrido há mais de cinco anos que os deixaram tão aborrecidos a ponto
de nunca mais “entrar naquela loja ou comprar aquela marca”. Na mesma pesquisa, observou-se
também que mais de três quartos dos informantes indicaram que haviam se envolvido em comunicações
boca a boca (“word of mouth” - WOM) negativas sobre o incidente e apenas 53% dos clientes fizeram
reclamações à loja, além do que 100% procuraram outras empresas.
De maneira geral, quando dedicam tempo e esforços para procurar a empresa para reclamar, os clientes
esperam ser ajudados rapidamente, serem recompensados por seu infortúnio, além de esperar serem
tratados de forma gentil durante o processo. Tais aspectos reforçam a importância de se estabelecer um
processo de reclamação eficiente (ZEITHAML; BITNER, 2003). Segundo Lovelock e Wirtz (2010),
existe um aumento na satisfação do cliente e na sua retenção, no momento que a empresa impulsiona
os seus clientes a fornecerem feedback. Ao reclamar, os clientes indicam que algo está errado e que
esperam que a empresa corrija o problema em questão, mas, ao mesmo tempo, também indicam que
querem manter o relacionamento com a empresa. Já Fornell e Wernerfelt (1988) e Andreassen (2001)
constataram que os clientes insatisfeitos, após reclamarem, detêm um maior nível de lealdade para com
a marca/empresa do que os que não reclamam, concluindo assim que, deter clientes que reclamam é
mais benéfico do que os que não se expressam diretamente à empresa (LA, KANDAMPULLY, 2004).
Diante do que foi apresentado acima, esta pesquisa avalia os construtos “Satisfação com o
Gerenciamento da Reclamação” e “Lealdade”, através de questionário validado por Dos Santos e
Fernandes (2008).
26
2.2 PERCEPÇÕES DE JUSTIÇA E FATORES RELEVANTES DA GESTÃO DE
RECLAMAÇÕES
2.2.1 Fatores relevantes da gestão de reclamações
Johnston e Mehra (2002) mostram que a informação obtida ao longo do processo de gestão de
reclamações deve ser registrada e utilizada para reduzir as causas que levaram à reclamação, sendo esse
seu foco e não reduzir o número de reclamações em si. Uma boa gestão de reclamações não deveria
somente ser desenhada para resolver problemas, mas também para identificar as potenciais causas que
levam à insatisfação do cliente (NYER, 2000; JOHNSTON, MEHRA, 2002). É visto que o que
distingue empresas de sucesso das outras consiste nesta cultura e atitude de “não procurar culpados”
(“no-blame”) e preocupar-se com a resolução dos problemas das reclamações (JOHNSTON; MEHRA,
2002).
Johnston e Mehra (2002) também revelam vários fatores relevantes para uma boa gestão de
reclamações. Um deles consiste em processos simples, claros, fáceis de entender tanto para os clientes
como para os colaboradores, ou seja, o cliente deve perceber e registrar facilmente a reclamação, como
também deve a empresa responder a reclamação (TAX; BROWN, 1998). A fim de conseguir
simplificar os processos de gestão de reclamação e dar uma resposta rápida e apropriada, deve existir
apenas um ponto de contato e a pessoa em questão deve estar apta para resolver o problema e o mais
rápido possível (ECCLES, DURAND 1998; JOHNSTON; MEHRA, 2002). Tax e Brown (1998),
assim como Eccles e Durand (1998), afirmam que um funcionário é responsável por uma reclamação a
partir do momento que a recebe até esta ser resolvida e o cliente ficar satisfeito. Portanto, as empresas
precisam ter práticas que motivem e permitam aos colaboradores agir rapidamente de forma autônoma
e eficaz para resolver as reclamações (TAX, BROWN, 1998; JOHNSTON, MEHRA, 2002).
Contudo estas práticas só são bem-sucedidas caso os colaboradores sejam treinados de modo a
possuírem o conhecimento sobre a estrutura, os processos e os procedimentos da empresa (BOSHOFF,
1997; ECCLES, DURAND, 1998; LA, KANDAMPULLY, 2004). Logo, o treinamento dos
colaboradores se torna um ponto fundamental para que estes estejam aptos a resolver as reclamações
(TAX, BROWN, 1998; JOHNSTON, MEHRA, 2002). Cabe à empresa explicar ao cliente a falha
ocorrida (TAX, BROWN, 1998) e mantê-lo continuamente informado sobre o processo de resolução
da sua reclamação, assim como também deve entrar em contato com este no final do processo a fim de
obter feedback do cliente e saber se este se encontra satisfeito com a resolução oferecida (processos de
follow-up) (JOHNSTON ; MEHRA, 2002; LA ; KANDAMPULLY, 2004).
27
Magnini, Ford, Markowski e Honeycutt (2007) chegaram à conclusão de que a resposta imediata da
empresa aos reclamantes oferece uma oportunidade única para modelar a Satisfação do cliente e que a
mesma pode aumentar, contanto que o cliente perceba esse esforço de recuperação como uma ação
legítima e sincera de correção da falha, em vez de um simples esforço de relações públicas.
O trabalho de Claudio (2013), apresenta, conforme Tabela 2, um conjunto de fatores relevantes da
gestão de reclamações e que devem ser levados em consideração pelas empresas.
TABELA 2 - Fatores relevantes na gestão de reclamações.
Fatores - Gestão de Reclamações Autores
Ter processos simples, claros, fáceis de aceder e entender
tanto para os clientes como para os colaboradores.
Johnston e Mehra (2002)
Facilitar o acesso e uso do processo de reclamação aos
clientes.
Tax e Brown (1998);
Johnston e Mehra (2002)
Deter um só ponto de contato para registrar a reclamação. Eccles e Durand (1998); Tax e Brown
(1998); Johnston e Mehra (2002)
Treinar colaboradores para estarem aptos para resolverem
as reclamações.
Boshoff (1997); Eccles e Durand (1998);
Tax e Brown (1998); Johnston e Mehra
(2002); La e Kandampully (2004)
Motivar colaboradores a fim de incentivá-los a satisfazer os
reclamantes.
Tax e Brown (1998);
Johnston e Mehra (2002)
Fornecer uma resposta rápida. Johnston e Mehra (2002)
Manter o reclamante informado durante todo o processo de
resolução da reclamação.
Tax e Brown (1998);
Johnston e Mehra (2002)
Recompensar o cliente pela falha ocorrida e obter
conhecimento da sua compreensão.
Tax e Brown (1998);
Estelami (2000)
Pedir desculpa. Tax e Brown (1998);
Estelami (2000); Davidow (2003)
Deter uma cultura de “no-blame”. Johnston e Mehra (2002)
Deter processos de follow-up para verificar junto do cliente
após a resolução.
Johnston e Mehra (2002);
La e Kandampully (2004)
Focar na redução das causas das reclamações, ao contrário
da redução do volume de reclamações.
Nyer (2000);
Johnston e Mehra (2002)
Coletar dados durante o processo para evitar/corrigir os
problemas ocorridos.
Johnston e Mehra (2002)
Fonte: Claudio (2013).
2.2.2 Percepções de Justiça e o modelo de TAX
Segundo Lin et al. (2011), se uma empresa trata das reclamações imediatamente, além de reduzir a
incidência da comunicação boca a boca negativa e de recomendações negativas a terceiros, aumenta a
probabilidade de recompra desses queixosos, que, de forma significante, podem passar a emitir uma
28
comunicação boca a boca (WOM) positiva, podendo se tornar mais leais, caso tenham a percepção de
atenção e elevado grau de Justiça na solução proposta (BLODGETT, WAKEFIELD, BARNES, 1995).
No estudo de Tax et al. (1998) sobre insatisfação e os consequentes de uma recuperação de serviços, os
autores avaliam as considerações feitas por clientes em situações de reclamação de serviço. Os autores
propõem que sejam utilizadas três dimensões de justiça, a distributiva, a processual (processual) e a
interacional (interpessoal), de forma que o cliente perceba que cada aspecto da resolução de uma falha,
gera um episódio de justiça. Cada tipo de justiça aplicada na recuperação da falha tende a suprir um tipo
de sentimento de perda que o cliente tem em relação ao serviço prestado. Além disso, a satisfação com
o processo de recuperação afetará positivamente o comprometimento e a confiança do cliente,
resultando em situações nas quais a satisfação do cliente com o provedor de serviços é maior pós a falha
que antes da falha (TAX et al., 1998; WANG et al., 2011; WANG; CHANG, 2013). O modelo adaptado
de Tax et al. (1998) e proposto por Silva, Araújo e Primo (2015) está abaixo na Figura 1.
FIGURA 1 - Framework para Examinar as Relações da Gestão de Reclamações
Fonte: SILVA, ARAÚJO e PRIMO (2015) - Adaptado de Tax et al. (1998)
De acordo com a Figura 1, adaptada de Tax et al. (1998), o tratamento das reclamações pode ser visto
como uma sequência de manipulações de processos que são iniciados a partir da comunicação da
reclamação, e abrange os elementos da interação organizacional que resultam na decisão do tratamento
e na apresentação dos resultados ao reclamante. Esta visão veio também de Bies e Shapiro (1987) que
ressaltavam que cada parte da iteração está sujeita a considerações de equidade por parte dos
denunciantes e cada resolução proposta pela organização cria um diferente aspecto de Justiça aos
consumidores reclamantes. Martinez-tur, Peiró, Ramos e Moliner (2006) corroboram esse pensamento,
citando o aspecto distributivo como uma teoria de capital percebida pelos consumidores e que ignora o
fator social presente nos conceitos relacionados aos processos e nas interações entre as pessoas.
29
Dos Santos (2001) investigou o impacto do gerenciamento de reclamações na confiança e lealdade do
consumidor e mostra que as percepções de justiça distributiva, interpessoal e processual, afetam
significativamente a percepção global de justiça e o nível de satisfação com o gerenciamento da
reclamação, impactando na confiança e lealdade do consumidor. Dos Santos (2001) também levanta na
literatura os fatores relevantes da gestão de reclamações e relaciona-os com valores para cada uma das
três justiças. Segundo Dos Santos (2001), a Justiça processual está relacionada com o processo da
reclamação, ou seja: controle da decisão, controle do processo, acessibilidade, facilidade, flexibilidade,
velocidade e aceitação de responsabilidade; a Justiça interpessoal com o relacionamento interpessoal,
ou seja, honestidade, cortesia, explicação, esforço, empatia e pedido de desculpas; a Justiça distributiva
com a recompensa e distribuição, ou seja, equidade, necessidade, igualdade, ressarcimento do valor,
desconto, compensações tangíveis (DOS SANTOS, 2001).
Diante do que foi apresentado acima, esta pesquisa utiliza o construto Justiça através de suas três
dimensões: a distributiva (JD), a processual (JP) e a interpessoal (JI), para avaliar os fatores relevantes
da gestão de reclamações apontados por Dos Santos (2001). O questionário para avaliação destes
construtos será adaptado do estudo de Dos Santos e Fernandes (2008) e baseado no modelo de Tax et
al. (1998).
2.3 MARKETING BOCA A BOCA ELETRÔNICO (EWOM)
2.3.1 Marketing boca a boca - WOM
A literatura revela a existência de vários tipos de clientes quando se trata de reclamações. Zeithaml,
Bitner e Gremler (2006) os agruparam em quatro categorias: passivos, ativos, irados e ativistas. Os
passivos são clientes que não tomam qualquer ação, pois têm dúvidas sobre a eficácia da reclamação,
na medida em que não se justifica o esforço e tempo investido. Os ativos são os clientes que apresentam
a sua reclamação à empresa e não investem tanto na divulgação boca a boca (WOM) negativa, nem
mudam de empresa ou vão ao encontro de terceiros. Quanto aos irados, sentem-se chateados com a
empresa e, espalham pela boca a boca (WOM) propaganda negativa, incentivando a troca de empresa.
Finalmente, os ativistas caracterizam-se pela reclamação em todas as suas formas: à empresa, a terceiros
e por boca a boca (WOM) negativa.
Uma pesquisa realizada pela Nielsen (2015) com 30.000 respostas on-line em 60 países aponta que as
propagandas mais eficazes vêm de pessoas conhecidas: 83% dos respondentes disseram confiar
completamente ou confiar em recomendações de amigos e familiares. Namkung et al. (2011) ressalta
que mais de 70% dos consumidores insatisfeitos decidem por não reclamar diretamente à empresa. A
30
propensão dos consumidores a reclamar é associada a vários fatores, tais como personalidade, emoção,
demografia, atitudes em relação à reclamação, força do vínculo com a empresa, e local de atribuição da
falha (GURSOY et al., 2007; KIM, WANG, MATTILA, 2010; MATTILA, RO, 2008; MITTAL,
HUPPERTZ, KHARE, 2008).
Segundo Huppert et al. (2013), os principais fatores que desencorajam consumidores a reclamarem são
o tempo e o esforço percebidos no processo de reclamação. Huppertz et al. (2003) constataram que ao
reduzir o esforço do processo de reclamação do consumidor, o número de reclamações diretamente às
empresas aumenta significativamente. Os consumidores são mais propensos a perceber o processo de
recuperação da falha como favorável quando investem pouco tempo e esforço no processo de
reclamação.
Em processos de reclamações trabalhosos, os consumidores preferem compartilhar suas insatisfações
com amigos, parentes ou terceiros (MATTILA; RO, 2008). No entanto, consumidores que reclamam
tendem a ser mais leais do que aqueles que não reclamam, e a lealdade aumenta após a gestão eficiente
das reclamações dos consumidores (OH, 2003). Lu et al. (2015) constataram que, quando os
consumidores gastam uma quantidade significativa de esforço físico, cognitivo, afetivo e de tempo, que
são considerados custos no processo de reclamação, eles são menos propensos a comportamentos
positivos futuros, como recomendar a empresa para a família e amigos, espalhar uma avaliação boca a
boca (WOM) positiva, voltar a efetuar a compra do produto ou serviço, encorajar outros a comprar,
manter um bom relacionamento com a empresa e não buscar alternativas.
2.3.2 Redes Sociais e eWOM
A internet sofreu alterações ao longo das décadas e o perfil de apenas consumo de conteúdo (Web 1.0),
deu lugar a também produção de conteúdo (Web 2.0) onde os indivíduos, a partir de qualquer local e
em qualquer momento criam e compartilham conteúdos e opiniões através de aplicações simples de
usar e compreender (O’REILLY, 2007; CONSTANTINIDES, FOUNTAIN, 2008; ANDRIOLE,
2010; CLICK, PETITl, 2010; McHANEY, 2012). Assim uma mudança de paradigma se instaurou para
os profissionais do Marketing e Relações Públicas acerca das comunidades digitais (KIETZMANN,
HERMKENS, McCARTHY; SILVESTRE, 2011) abrindo caminho para o surgimento das redes
sociais, permitindo aos indivíduos construir perfis de identidade digitais ampliando o poder do
compartilhamento de informações com outros indivíduos (BOYD; ELLISON, 2007). A expansão das
redes sociais traz consigo uma nova era de informação, onde antes, as experiências negativas eram
31
compartilhadas apenas com um grupo pequeno de pessoas, mas hoje o conteúdo de uma reclamação
alcança milhares de usuários, espalhando a visão negativa sobre a empresa (OMNIZE, 2017).
Segundo Lee e Song (2010), o surgimento das redes sociais permitiu aos consumidores discutirem
assuntos de interesse comum, pesquisarem opiniões de outros consumidores sobre produtos/serviços e
partilharem opiniões e experiências com estes, assim como também permitiu aos consumidores
insatisfeitos articular facilmente as suas opiniões e comentários sobre os produtos, os serviços ou as
próprias empresas fornecedoras. Jiang e Srinivasan (2015) defendem que as avaliações online se
tornaram uma das principais fontes para o consumidor consultar informações do produto e reduzir
incertezas relacionadas a preço, qualidade e frete. Com a Web 2.0 nasceram três grupos de clientes no
ambiente on-line: os reclamantes (complainers), que publicam a mensagem de reclamação, os
respondentes (repliers), que referem a sua opinião relativamente à mensagem e os observadores
(observers), que apenas leem a mensagem de reclamação e opiniões. Ainda segundo Lee e Song (2010),
os reclamantes se envolvem ativamente no, agora, boca a boca eletrônica (eWOM), enquanto que os
respondentes (repliers) dão “voz”, expondo as suas experiências com as empresas, produtos e serviços.
Os observadores são passivos, mas podem passar a comunicadores ativos aquando reconhecem um
problema como sendo deles.
O novo consumidor é bem informado, opina sobre as marcas, exige seus direitos publicamente,
comunica-se com as empresas, pesquisa sobre os produtos, questiona e age consciente de sua
importância para os negócios das companhias. Esse poder individual é mais relevante do que nunca.
Essa possibilidade de opinar publicamente sobre qualquer coisa (e a facilidade de se informar) cresceu
muito e mudaram muito a relação da empresa com seu público final: o cliente passou a ter participação
efetiva nos processos de decisões estratégicas nas organizações (OMNIZE, 2017).
A intenção ou benefício de alguém ao realizar eWOM podem variar. Ryu e Feick (2007) apresentam
algumas possibilidades: pode-se ter a intenção de aliviar a ansiedade pós-compra ou compartilhar a
divergência de expectativas com a aquisição; pode-se usar com a finalidade de manter ou melhorar a
imagem pessoal perante o grupo; ou então pode ser uma maneira de mostrar preocupação com o grupo
os ajudando a fazer escolhas melhores. No entanto, as reclamações on-line alcançam fácil e rapidamente
um grande número de potenciais consumidores, pondo a reputação da empresa em risco caso não exista
um bom processo de gestão de reclamações (HENNIG-THURAU, GWINNER, WALSH ;
GREMLER, 2004).
32
Segundo pesquisa de Arenas-Gaitan et al. (2013), o uso de redes sociais é influenciado por inúmeras
variáveis, tais qual a usabilidade, a familiaridade entre os membros e a capacidade de interação por meio
de tecnologias sociais. No Facebook, por exemplo, o uso tem uma forte relação com o marketing online
através da boca a boca eletrônica (eWOM), em que a frequência de uso e o tempo de conexão do usuário
podem gerar uma melhor predisposição.
Diante Do contexto apresentado, a avaliação dos precedentes das reclamações online eWOM e das
variáveis que levam uma pessoa a compartilhar nas redes sociais a indicação ou contraindicação de um
produto ou serviço, é fundamental para a boa gestão da reclamação e recuperação de serviço. Arenas-
Gaitan et al. (2013) desenvolveram um modelo para essa avaliação baseado em quatro construtos:
identidade social, uso de redes sociais, realização de boca a boca eletrônico (eWOM) e referências.
Nesta pesquisa será utilizado apenas o construto “realização de boca a boca eletrônico (eWOM)”. Em
relação à avaliação da variável eWOM, nesta pesquisa é utilizado o instrumento de medida do estudo
de Tagliari (2015), composto por 6 indicadores e adaptado por Roldan Cataluña e Ramírez (2013) do
modelo de Arenas-Gaitan et al. (2013). Este modelo foi traduzido para a língua portuguesa e validado
por Mariano e Paiva (2014).
2.4 GESTÃO DE RECLAMAÇÕES NAS REDES SOCIAIS
Wilson Bueno (2015) chama a atenção sobre a forma com que as organizações estão operando na
internet, sem muito se preocuparem de fato em interagir e cultivar relacionamentos. O que se observa
comumente é a reação das empresas às iniciativas de diálogos dos consumidores, em especial quando
acontece uma crise, com o objetivo maior de contê-la, com mais reação do que interação. O próprio
Bueno (2015) aponta que as organizações, por não gerirem as interações neste ambiente, colaboram
para o aparecimento destas crises, por exemplo, quando: apagam comentários desfavoráveis, ignoram
questionamentos ou críticas, criam mensagens falsas e contratam pessoas de prestígio para fazer
campanhas de influência. Costa (2009) diz que a imagem é o principal ativo da empresa e deve convergir
no sentido da excelência operacional de atendimento, na qual a voz do consumidor é considerada um
fator relevante. A formação de confiança e lealdade do consumidor é afetada pela forma como as
reclamações são resolvidas.
Segundo Einwiller e Steilen (2015), a maioria dos reclamantes nas mídias sociais transfere a
responsabilidade do problema para a empresa e respostas defensivas elevam a insatisfação do
reclamante. Os autores destacam que as empresas não estão aproveitando as oportunidades da mídia
social para demonstrar suas vontades em interagir, ajudar e assistir a seus stakeholders. Eles sugerem às
33
empresas que estas perguntem menos e assistam mais o reclamante para reconquistá-lo e,
potencialmente, àqueles que observam a interação entre o reclamante e a empresa. Claudio (2013)
afirma que, com o surgimento das redes sociais, torna-se necessária a criação de equipes de marketing
especializadas e, em pesquisa na literatura, levantou fatores importantes a serem considerados para a
gestão de reclamações nas redes sociais, listados na Tabela 3.
TABELA 3 - Fatores relevantes na gestão de reclamações nas redes sociais
Fatores - Gestão de Reclamações nas redes sociais
Ter processos simples, claros, fáceis de ceder e entender tanto para os clientes como para os
colaboradores;
Fornecer uma resposta rápida, devido à grande visibilidade do canal;
Dar sempre resposta ao cliente;
Pedir dados do cliente por mensagem privada, e-mail ou telefone, devido à confidencialidade;
Treinar colaboradores para estarem aptos para resolverem as reclamações e motivá-los a fim de
incentivá-los a satisfazer os reclamantes;
Dar autonomia aos colaboradores para resolver determinadas reclamações;
Manter o reclamante informado durante todo o processo de resolução da reclamação e pedir desculpa
pela situação do problema;
Recompensar o cliente pela falha ocorrida e obter conhecimento da sua compreensão;
Deter processos de follow-up nas redes para verificar junto do cliente após a resolução;
Focar na redução das causas das reclamações, ao invés da redução do volume, ou seja, recolher dados
durante o processo para evitar/corrigir os problemas e poder melhorar o próprio processo;
Deter uma atuação preventiva, atenta e coerente;
Monitorizar a web/redes sociais à procura de situações problemáticas relativas à empresa de modo a
resolvê-las e evitar que se propague (atuação proativa);
Fonte: Adaptado de Claudio (2013).
Apesar destas orientações já estarem presentes na literatura, uma pesquisa do Call Center Helper (Figura
2), mostra que apenas 43% dos centros de contato das empresas respondem a reclamações de mídia
social, igualando a porcentagem daqueles que não o fazem. Infelizmente, 14% dos participantes não
sabiam se o centro de contato da empresa reclamada respondia ou não às críticas online.
34
FIGURA 2 - Proporção de clientes, leitores do site, respondidos nas mídias sociais nos EUA.
Fonte: adaptado de CALL CENTER HELPER (2011).
Neste contexto, Lahoz (2016), realizou uma pesquisa com a área de comunicação de grandes empresas
e solicitou aos especialistas que citassem quais os benefícios vislumbrados com a recuperação de
serviços e uma boa gestão do SAC 2.0, e chegou-se à lista a seguir:
• Diminuição de custos com pesquisa, recamadas.
• Saber o que falam sobre a marca.
• Reforço da marca (Visibilidade)
• Traçar perfil do consumidor/segmentação da base de dados.
• Comunicação com transparência.
• Transmitir a imagem de empresa moderna.
• Oferecer atendimento em tempo real.
• Monitorar concorrência.
• Resolução rápida de problemas.
• Aumento da fidelização.
Para ilustrar a dinâmica, Lahoz (2016) elaborou o quadro abaixo incluindo a observação realizada com
10 empresas que estiveram entre as 25 primeiras posições e que se mantiveram por três anos no ranking
das melhores empresas do Instituto Brasileiro de Relacionamento com o Cliente – IBRC. O Instituto
Brasileiro de Relacionamento com o Cliente – IBRC é um instituto que tem como meta educar empresas
e executivos para desenvolver o relacionamento das empresas com seus clientes, abrangendo todos os
stakeholders, ou seja, clientes internos (funcionários), externos, fornecedores, parceiros, acionistas,
governo, sociedade, etc. Desde 2010, em parceria com revista de negócios EXAME, formularam o
primeiro estudo nacional que ranqueia anualmente as melhores e piores empresas em atendimento, o
Ranking EXAME / IBRC de Atendimento ao Cliente (IBRC, 2018).
35
Os dados de Lahoz (2016) foram coletados seguindo alguns critérios: observando se as empresas
respondiam ou não aos questionamentos de dúvidas dos consumidores de um modo geral, de dúvidas
sobre pós-venda; se existia alguma forma de diálogo com esses consumidores e se os diálogos eram
realizados abertamente na página do Facebook ou por meio de mensagem privada (Quadro 1). Esta
observação aconteceu do mês de janeiro a agosto de 2015, em que se analisaram as postagens nas
páginas de cada uma dessas dez empresas.
QUADRO 1 – Ranking do IBRC – Top 10 empresas versus atendimento no Facebook
Fonte: IBRC (2012, 2013, 2014) adaptado por LAHOZ (2016).
Além de análise realizada no Facebook, Lahoz (2016) também elaborou um levantamento dos canais
disponibilizados pelas empresas. Na grande maioria das empresas o SAC prevalece ainda com
atendimento telefônico, atingindo em média 66% do volume total dos atendimentos, em segundo lugar
o site, com 29% das citações, e empatados em terceiro lugar os canais: chat, e-mail, carta/fax com 28%.
As redes sociais on-line ocupam uma parcela relativamente baixa de atendimento se comparado aos
canais tradicionais, no entanto, crescendo nos últimos anos em número, relevância e, a cada dia com
maior exposição pública das marcas e produtos de empresas. Em consulta aos seus respectivos sites
corporativos, foi possível a elaboração do próximo quadro:
36
QUADRO 2 – Canais disponibilizados pelos SACs das empresas estudadas.
Fonte: LAHOZ (2016) – Levantamento dos canais utilizados pelos SACs das empresas.
A grande maioria das empresas (Quadro 2), possui atendimento via chat-online e disponibiliza um local
de perguntas e respostas pré-formuladas e respondidas (FAQs), incentivando o consumidor ao
autoatendimento. É mencionado que algumas se demonstram preocupadas com a inclusão do
consumidor que apresenta algum tipo de deficiência auditiva, como são os casos das empresas,
Americam Express, Citibank e Bradesco, que disponibilizam um telefone exclusivo para deficientes
auditivos. Estes cuidados maiores demonstram a preocupação com o processo de atendimento e o
sentimento final que se assegurará no pós-reclamação, podendo assegurar a manutenção do cliente.
2.5 O MODELO DE ACEITAÇÃO TECNOLÓGICA – TAM
As Tecnologias Digitais da Informação e Comunicação (TDIC) estão cada vez mais presentes no
cotidiano pessoal e público de nossa sociedade. Nesse contexto, é possível identificar diversas teorias
que tentam prever o impacto das tecnologias digitais no comportamento humano, e uma delas é:
Technology Acceptance Model (TAM).
O Technology Acceptance Model, mais conhecido como modelo de aceitação de tecnologia (TAM), foi
proposto por Davis (1989), sendo uma adaptação do modelo da Teoria da Ação Raciocinada (TRA).
Porém segundo Davis (1989), por ser tão universal, o TRA foi modificado especificamente, para criar
modelos de aceitação em tecnologia da informação, como no caso específico do TAM. A intenção de
37
desenvolvimento do modelo TAM se originou de um contrato da IBM (International Business
Machines) Canadá com o MIT, nos meados dos anos 1980 para avaliar o potencial de mercado para
novos produtos da marca e possibilitar uma explicação dos determinantes da utilização de computadores
(DAVIS; BAGOZZI; WARSHAW, 1989). O modelo TAM foi projetado para compreender a relação
causal entre variáveis externas de aceitação dos usuários e o uso real do computador, buscando entender
o comportamento destes usuários através do conhecimento da utilidade e da facilidade de utilização
percebida por eles (DAVIS, 1989).
Para Davis (1989) as pessoas tendem a usar ou não uma tecnologia por acreditarem que este uso
fornecerá resultados positivos. Davis (1989) propôs o TAM para focar no porquê de os usuários
aceitarem ou rejeitarem a tecnologia da informação e como melhorar a aceitação, oferecendo, desse
modo, um suporte para prever e explicar a aceitação. Davis (1989) conduziu um survey em um grupo
de 112 usuários na IBM do Canadá e em 40 estudantes do Master in Business Administration (MBA)
da Universidade de Boston. A validação do modelo TAM foi baseada na aceitação de um software
editor de texto (DAVIS, 1989; SÁ, 2006). Silva (2006) também acrescenta que Davis (1989), nesta
amostra, constatou que a utilidade percebida teve maior impacto no comportamento que a facilidade
percebida.
Como o modelo é comportamental, só pode se referir às questões diretamente relacionadas com o
usuário e suas percepções sobre o uso do sistema. Por isso os construtos devem ser desenvolvidos de
modo a captar opiniões pessoais e tratar suposições a respeito de terceiros (pessoas ou instituições)
(SALEH, 2004).
O TAM mostrou resultados coerentes, mantendo a sua eficácia na explicação da aceitação de tecnologia
pelos utilizadores de sistemas de informação, sendo aplicado em diferentes tecnologias, como por
exemplo, processadores de texto, correio eletrônico, Internet, sistemas bancários, entre outros, bem
como em diferentes situações (ao longo do tempo e culturas), com diferentes fatores de controle (gênero,
tipo e dimensão empresarial) e diferentes indivíduos (estudantes e profissionais), o que leva a crer na
sua solidez e eficácia (SÁ, 2006).
Mulero (2012) utilizando o TAM (com algumas adaptações), realizou um estudo como referencial
teórico para avaliar os efeitos da ‘auto eficácia no computador’ - nível de confiança que uma pessoa tem
em utilizar um sistema - na aceitação de redes sociais por parte dos utilizadores, através de quatro
construtos: Utilidade percebida (PU); Facilidade de uso percebida (PEOU); Credibilidade percebida
(PC) - grau em que um utilizador percebe a credibilidade de usar um determinado sistema de informação
e; Conhecimento (AWN) - ampla informação sobre as redes sociais fornecida a partir dos próprios sites
38
das redes sociais que explicam aos utilizadores o uso das mesmas. Segundo Mulero (2012), os
utilizadores da Internet se preocupam mais com o nível de segurança disponível para divulgar
informações confidenciais sobre si mesmos, e apenas realizam transações quando desenvolvem certo
nível de confiança com os sites de redes sociais.
A partir do modelo TAM (Davis, 1989), Shin (2010) adaptou o modelo TAM e inseriu novos construtos
levando em conta também fatores intrínsecos, totalizando sete construtos: Utilidade Percebida, Diversão
Percebida, Atitude, Intenção, Fluxo, Envolvimento e Conectividade Percebida. O objetivo dessa nova
escala de Shin (2010) foi de buscar investigar as motivações dos usuários envolvidos nas redes sociais
virtuais comparadas com seus comportamentos. Stefanan et al. (2014) adaptou os modelos de Shin
(2010) e Davis (1989) e aplicou e validou a escala ao público brasileiro, no Rio Grande do Sul. Stefanan
et al. (2014) adaptou as escalas e utilizou os construtos: Atitude, intenção de uso, utilidade percebida,
diversão percebida, envolvimento percebido, conectividade percebida e fluxo.
Nesta pesquisa, para avaliar e mapear o perfil do respondente em relação à Aceitação da Tecnologia,
são utilizados três construtos retirados do trabalho de Stefanan et al. (2014) que foram adaptados dos
trabalhos de Shin (2010) e de Davis (1989) sobre o TAM: a “Utilidade Percebida”, extensão em que
uma pessoa acredita que as redes sociais virtuais são capazes de ser utilizadas de forma vantajosa e
fornecer resultados positivos, a “Atitude” em relação às redes sociais virtuais e a “Intenção de Usar”,
característica desenvolvida pela atitude que influencia a decisão de utilizar a rede social virtual
(STEFANAN et al. 2014). Foram escolhidas estas três dimensões devido às outras não representarem
adequadamente o escopo alvo que são as redes sociais.
2.6 HIPÓTESES E MODELO TEÓRICO PROPOSTO
Com base no que foi apresentado no referencial teórico e para atender os objetivos específicos, foram
levantadas 7 hipóteses relacionando os temas discutidos e formulando o modelo teórico apresentado
abaixo.
2.6.1 Hipóteses
Visto que Dos Santos (2001) destacou que: a Justiça processual está relacionada com o processo da
reclamação, ou seja, controle da decisão, controle do processo, acessibilidade, facilidade, flexibilidade,
velocidade e aceitação de responsabilidade; a Justiça interpessoal está relacionada ao relacionamento
interpessoal, ou seja, honestidade, cortesia, explicação, esforço, empatia e pedido de desculpas; a Justiça
39
distributiva está relacionada com a recompensa e distribuição, ou seja, equidade, necessidade, igualdade,
ressarcimento do valor, desconto e compensações tangíveis.
Este estudo então tenta responder algumas hipóteses levantadas acerca da percepção positiva do
consumidor a respeito do sentimento das justiças e sua influência na redução da propagação de
reclamações eWOM (H1), da influência do perfil de Aceitação Tecnológica (TAM) em relação às
percepções de justiça (H2), da influência da satisfação (H3) e da lealdade (H6) do cliente durante a
gestão do atendimento às reclamações e recuperação de falhas (serviços), para reduzir propagação de
reclamações eWOM e também a influência desses construtos (H4, H5 e H7) no perfil de Aceitação à
tecnologia (TAM).
H1: As Percepções de Justiça no gerenciamento de reclamações estão negativamente relacionadas à
divulgação de reclamações eWOM;
H2: A alta aceitação à tecnologia (TAM) pelos consumidores está positivamente relacionada às
Percepções de Justiça no gerenciamento de reclamações;
H3: A satisfação do consumidor com o gerenciamento de reclamação está negativamente relacionada à
divulgação de reclamações eWOM;
H4: A alta aceitação à tecnologia (TAM) pelos consumidores está positivamente relacionada à
satisfação do consumidor com o gerenciamento da reclamação;
H5: A alta aceitação à tecnologia (TAM) pelos consumidores está positivamente relacionada à Lealdade
do consumidor;
H6: A Lealdade do consumidor está negativamente relacionada à divulgação de reclamações eWOM;
H7: A alta aceitação à tecnologia (TAM) pelos consumidores está positivamente relacionada à
divulgação de reclamações eWOM;
Em resumo, segue abaixo um quadro resumo com as hipóteses e seus respectivos construtos e
referências:
40
QUADRO 3 – Hipóteses e Referências
Hipóteses Propostas Construtos Referências do Tema
H1: As Percepções de Justiça
no gerenciamento de
reclamações estão
negativamente relacionadas à
divulgação de reclamações
eWOM;
Justiça Processual;
Justiça Distributiva;
Justiça Interpessoal;
Tax et al. (1998);
Tax e Brown (1998);
Eccles e Durand (1998);
Estelami (2000);
Johnston e Mehra (2002);
Davidow (2003);
La & Kandampully (2004);
Dos Santos e Fernandes (2008);
Marketing boca a boca on-
line - eWOM.
Arenas-Gaitan et al. (2013);
Ramirez-Correa et al. (2015);
Tagliari (2015);
H2: A alta aceitação à
tecnologia (TAM) pelos
consumidores está
positivamente relacionada às
Percepções de Justiça no
gerenciamento de reclamações;
Justiça Processual;
Justiça Distributiva;
Justiça Interpessoal;
Tax et al. (1998);
Tax e Brown (1998);
Eccles e Durand (1998);
Estelami (2000);
Johnston e Mehra (2002);
Davidow (2003);
La & Kandampully (2004);
Dos Santos e Fernandes (2008);
Utilidade percebida;
Atitude;
Intenção;
Davis (1989);
Shin (2010);
Mulero (2012)
Stefanan et al. (2014)
H3: A satisfação do consumidor
com o gerenciamento de
reclamação está negativamente
relacionada à divulgação de
reclamações eWOM;
Satisfação com o
gerenciamento da
reclamação;
Eccles e Durand (1998);
Tax et al. (1998);
Tax e Brown (1998);
Dos Santos (2001);
Johnston e Mehra (2002);
La e Kandampully (2004);
Dos Santos e Fernandes (2008);
Marketing boca a boca on-
line - eWOM.
Arenas-Gaitan et al. (2013);
Ramirez-Correa et al. (2015);
Tagliari (2015);
H4: A alta aceitação à
tecnologia (TAM) pelos
consumidores está
positivamente relacionada à
satisfação do consumidor com o
gerenciamento da reclamação.
Satisfação com o
gerenciamento da
reclamação;
Eccles e Durand (1998);
Tax et al. (1998);
Dos Santos (2001);
Johnston e Mehra (2002);
La e Kandampully (2004);
Quartieri (2007);
Dos Santos e Fernandes (2008);
Utilidade percebida;
Atitude;
Intenção;
Davis (1989);
Shin (2010);
Mulero (2012)
Stefanan et al. (2014)
41
Hipóteses Propostas Construtos Referências do Tema
H5: A alta aceitação à
tecnologia (TAM) pelos
consumidores está
positivamente relacionada à
Lealdade do consumidor.
Lealdade do consumidor.
Fornell e Wernerfelt (1988);
Zeithaml at al.(1996);
Bpshoff (1997);
Tax e Brown (1998);
Sirdeshmukh et al. (2002);
OH (2003);
Dos Santos e Fernandes (2008);
Utilidade percebida;
Atitude;
Intenção;
Davis (1989);
Shin (2010);
Mulero (2012)
Stefanan et al. (2014)
H6: A Lealdade do consumidor
está negativamente relacionada
à divulgação de reclamações
eWOM;
Lealdade do consumidor.
Fornell e Wernerfelt (1988);
Zeithaml at al.(1996);
Bpshoff (1997);
Tax e Brown (1998);
Andreassen (2001);
Sirdeshmukh et al. (2002);
OH (2003);
Dos Santos e Fernandes (2008);
Marketing boca a boca on-
line - eWOM.
Arenas-Gaitan et al. (2013);
Ramirez-Correa et al. (2015);
Tagliari (2015);
H7: A alta aceitação à
tecnologia (TAM) pelos
consumidores está
positivamente relacionada à
divulgação de reclamações
eWOM;
Utilidade percebida;
Atitude;
Intenção;
Davis (1989);
Shin (2010);
Mulero (2012)
Stefanan et al. (2014)
Marketing boca a boca on-
line - eWOM.
Arenas-Gaitan et al. (2013);
Ramirez-Correa et al. (2015);
Tagliari (2015);
Fonte: O autor (2018).
42
2.6.2 Modelo teórico
A figura 3 representa graficamente as relações que o modelo teórico que será testado.
FIGURA 3 - Relações do modelo teórico testado.
Fonte: O autor (2018).
43
3 PROCEDIMENTOS METODOLÓGICOS
Este capítulo apresenta uma visão geral dos procedimentos metodológicos que serão utilizados nas
investigações da pesquisa. Primeiramente será apresentado o delineamento da pesquisa, incluindo os
procedimentos utilizados, variáveis, população e amostra, e, posteriormente, os instrumentos de coletas
de dados e tipos de análises a serem utilizadas.
3.1 DELINEAMENTO DA PESQUISA
Esta pesquisa utilizou os pressupostos sugeridos por Hair et al (2009) e Malhotra, Birks e Wills (2012)
para estudos de natureza quantitativa, caracterizando esta pesquisa como descritiva, com a utilização de
um levantamento (survey), com corte transversal único.
A pesquisa descritiva tem como objetivo entender características de determinada população ou
fenômeno ou verificar a relação entre variáveis (GIL, 2010). A pesquisa descritiva de natureza
quantitativa utiliza a coleta estruturada de dados de um número representativo de respondentes, a
tabulação e à verificação das frequências e das interações das variáveis pesquisadas entre si (HAIR Jr.
et al., 2009; MALHOTRA; BIRKS; WILLS, 2012).
Segundo Churchill Jr. (1999), as pesquisas descritivas possuem uma formalidade e são estruturadas,
normalmente, através de hipóteses, descritas em um modelo teórico. O autor destaca que a utilização do
método de levantamento (survey) com corte transversal é amplamente utilizado. O método survey é
aplicado a uma amostra da população em um questionário estruturado com perguntas padronizadas, de
forma a obter informações dos respondentes sobre seus comportamentos, intenções, percepções,
motivações e características (HAIR Jr. et al., 2009; MALHOTRA; BIRKS; WILLS, 2012).
Com base na classificação apresentada por Prodanov e Freitas (2013), a pesquisa foi delineada quanto
a sua natureza e objetivos, procedimentos técnicos utilizados e forma de abordagem do problema.
3.1.1 Quanto à natureza e objetivo
Pesquisa de natureza quantitativa, descritiva, com a utilização de um levantamento (survey), com corte
transversal único. Na fase da pesquisa descritiva será aplicado um questionário para o levantamento de
dados, que serão registrados, analisados e interpretados sem a interferência do pesquisador, conforme
definição de Prodanov e Feitas (2013).
O desenho do questionário difere da forma como vai ser realizado e do contato com o respondente.
Assim existem dois tipos de questionário, que por sua vez são constituídos por subtipos: auto
44
administrado (online, correio e entrega e recolha) e através de entrevistador (por telefone ou presencial)
(SAUNDERS et al, 2003). No presente estudo será utilizado um questionário online (por e-mail ou
colocado na internet), o que permite abranger pessoas geograficamente dispersas (SAUNDERS et al,
2003).
Será construído através da plataforma Google Forms, gerando um link para que os respondentes possam
preencher diretamente ao questionário e as suas respostas ficam automaticamente gravadas. O
questionário realizado neste estudo é curto, objetivo e contém apenas as questões necessárias à
investigação, uma vez que perguntas desnecessárias vão alongar o questionário, fazendo o respondente
perder o interesse em responder corretamente (SAUNDERS et al, 2003; MALHOTRA, 2006).
Segundo Malhotra (2006), os respondentes podem ainda sentir pouca vontade para responder se lhes
for exigido demasiado esforço, assim o investigador deve tentar minimizar ao máximo essa percepção
de esforço por parte do respondente, ordenando as questões em série de opções, em que o respondente
deverá apenas assinalar as que correspondem às suas respostas.
A ordem das questões é também bastante relevante. Para melhorar o sentido e entendimento do
respondente, o questionário está construído baseado numa ordem que seguiu a lógica do modelo de
investigação formulado e agrupando as questões de um mesmo assunto ou conteúdo (SAUNDERS ET
AL, 2003).
Por outro lado, as questões mais sensíveis devem ser colocadas no final, uma vez que a desconfiança já
foi ultrapassada e a legitimidade da investigação estabelecida, o que fará com que o respondente tenha
maior vontade em responder tais questões (MALHOTRA, 2004).
3.1.2 Quanto aos procedimentos técnicos utilizados
Pesquisa bibliográfica com base em livros, artigos científicos e dissertações. As afirmações realizadas
ao longo do texto foram suportadas por citações, respeitando a metodologia de apresentação de trabalhos
científicos.
Através da aplicação de questionário estruturado (APÊNDICE A), uma amostra representativa da
população, os dados foram coletados, quantitativamente analisados e dão suporte às conclusões e a
apresentação dos resultados.
45
3.1.3 Quanto à abordagem do problema
Pesquisa quantitativa fundamentada em análise estatística para a validação das hipóteses levantadas
através das relações entre as variáveis apresentadas na seção 2.6.2 “Modelo Teórico”.
3.1.4 Variáveis pesquisadas
As avaliações das escalas utilizadas seguem o modelo proposto por Churchill (1979). Segundo o autor,
uma boa pesquisa deve começar com a definição clara daquilo que se pretende investigar, seguindo-se
da escolha dos itens que irão compor o instrumento. No caso de um estudo exploratório, a medida deverá
ser purificada, sugerindo-se uma nova coleta de dados e, então, a avaliação da validade e confiabilidade
das medidas. No caso desta pesquisa, serão utilizadas escalas já conhecidas e amplamente testadas em
trabalhos realizados na área da administração de empresas e marketing, sendo assim, a validação terá
um caráter confirmatório. Ainda assim, devido a modificações feitas pelo autor e por conta da utilização
isolada de fatores componentes de medidas maiores, faz-se necessário o cumprimento de uma rotina
exploratória.
Portanto, o agrupamento teórico dos itens nos fatores, conforme descrito pela teoria, será inicialmente
submetido a uma análise confirmatória e, posteriormente, com o objetivo aperfeiçoar a utilização do
instrumento, os dados serão submetidos à análise exploratória para identificação de um melhor
agrupamento das variáveis (HAIR et al., 2009).
As variáveis são as respostas às perguntas em escala LIKERT dos construtos pesquisados: Justiça
Processual, Justiça Interpessoal, Justiça Distributiva, TAM (Utilidade percebida, Atitude e Intenção de
uso), Satisfação, Lealdade e eWOM, descritas em detalhe no Quadro 3.
Abaixo a figura 4 destaca o passo a passo dos procedimentos metodológicos utilizados nesta pesquisa:
46
FIGURA 4 - Desenho metodológico da pesquisa.
Fonte: adaptado de Churchill (1979)
3.2 POPULAÇÃO E AMOSTRA
Foi escolhida uma amostragem por conveniência, não probabilística de consumidores ativos ou em
potencial indagados a responderem ao questionário e com idade superior a 18 anos. Oliveira (2001)
define amostragem não probabilística como “aquela em que a seleção dos elementos da população para
compor a amostra depende ao menos em parte do julgamento do pesquisador ou do entrevistador no
campo”, e amostra por conveniência como “A seleção de membros da população mais acessíveis”.
O tamanho da amostra ainda é um assunto que gera discussões, pois esta depende do tipo de análise
estatística a ser realizada no estudo, e existem, ainda, autores que discordam sobre o número de
respondentes a ser utilizando dentro de uma mesma análise estatística (DAMÁSIO, 2012).
Para análises de regressão logística, Hair et al. (2005) sugerem que o tamanho da amostra deve respeitar
a relação de nove casos para cada variável independente presente na equação. Neste sentido, se, por
exemplo, como resultado de uma regressão logística for obtida uma equação com 5 variáveis
independentes, sugere-se que haja uma amostra de, no mínimo, 45 respondentes para que a mesma se
mostre significativa.
Cattell (1978), por sua vez indica um número N de, pelo menos, 250 respondentes, existindo uma razão
de 3 a 6 respondentes por item. Já Everitt (1975) sugere que existam, pelo menos, 10 respondentes para
47
cada item do questionário. O consenso é de que quanto maior a amostragem, mais preciso será o
resultado da análise (DAMÁSIO, 2012).
No presente estudo, foi obtida 271 respondentes que passaram no critério de inclusão (ter realizado
alguma reclamação no último ano), através de formulário online, adequado para a utilização da
regressão logística e demais análises propostas na pesquisa.
3.3 INSTRUMENTO DE COLETA DE DADOS
O instrumento de coleta de dados é um questionário estruturado com 46 questões de múltipla escolha.
Estas questões foram formuladas com perguntas próprias e de análises adaptadas para esta pesquisa
seguindo os construtos formulados pelos seus autores, cujas respectivas escalas e referências foram
tabeladas na Tabela 4.
A pergunta 01, dicotômica (sim/não), será considerada um filtro como critério de inclusão, onde é
requerido que tenha havido uma reclamação para a empresa ou terceiros nos últimos 12 meses com a
compra ou utilização de produtos/serviços. A negativa para esta pergunta leva o entrevistado à pergunta
condicional Impedimentos para Reclamação:
Por que você não registrou ou divulgou a reclamação?
1. Não achei meios de entrar em contato com a empresa/responsável;
2. A empresa não respondeu meu contato
3. Desisti por ser muito trabalhoso;
4. Desisti por saber que não irá ajudar em nada;
5. Apenas decidi não comprar mais desta empresa, produto ou serviço;
6. Não me lembro de ter ficado insatisfeito com qualquer produto ou serviço.
A pergunta 02 requer que o entrevistado selecione qual o meio de comunicação que o cliente utilizou
para registrar a reclamação:
1. Não procurei a empresa
2. Procurei a empresa pessoalmente através do SAC (Serviço de Atendimento ao Consumidor)
3. Procurei a empresa por telefone ou e-mail
4. Por Chat ou Mensagem privada através do site da empresa na internet ou nas redes sociais
5. Outro meio
A pergunta 03 e 04 avalia se o usuário chegou fazer eWOM por uma pergunta dicotômica (sim/não) na
internet, nas redes sociais ou por aplicativos de mensagens (Whatsapp, Telegram etc.) e quais meios
foram utilizados de livre escolha:
48
1. Divulguei por Whatsapp ou outros aplicativos de mensagens (Telegram, etc.)
2. Publiquei nas redes sociais (Facebook, Instagram, etc.)
3. Publiquei em site de reclamações (como o "Reclame Aqui")
4. Outros meios não listados
5. Eu não divulguei ou publiquei minha insatisfação.
A última pré-análise também acerca de eWOM, pergunta 05, questiona se, quando insatisfeito com
algum produto ou serviço, o entrevistado procura o Serviço de atendimento ao Consumidor (SAC), ou
prefere publicar diretamente na internet, redes sociais ou aplicativos de mensagens (Whatsapp).
As questões 06 a 17 avaliam a percepção do cliente em relação ao gerenciamento da reclamação, através
dos construtos de Percepção de Justiça, como apresentados na Tabela 4. Neste tema, é utilizada a escala
Tipo LIKERT, que reflete não apenas se os respondentes concordam ou não concordam com as
afirmações, mas também seu grau de concordância (MALHOTRA, 2006; LUCIAN; DORNELAS,
2014), em uma escala de mensuração com 05 categorias de respostas, variando de “discordo totalmente”
a “concordo totalmente”.
As questões 18 a 25 avaliam a percepção do cliente em relação ao gerenciamento da reclamação, através
da avaliação do construto Para isto é utilizada a escala Tipo LIKERT de 5 pontos, variando de “discordo
totalmente” a “concordo totalmente”. As questões 21 a 25 avaliam a o construto Lealdade do cliente à
empresa reclamada. Para isto será utilizada escala LIKERT de 5 pontos de diferencial semântico com a
seguinte variação: “Muito improvável” à “Muito provável”.
As questões 26 a 36 são referentes à escala TAM e seus construtos referidos na Tabela 4. Ela avalia a
relação cliente à utilidade percebida, sua atitude e intenção de uso frente às redes sociais. Para tal, foi
utilizada a escala Tipo LIKERT de 5 pontos, variando de “Discordo totalmente” a “Concordo
totalmente”.
As questões 37 a 42 avaliam o último construto, a propensão à realização de boca a boca eletrônico
(eWOM) nas redes sociais. Para isto é utilizada a escala Tipo LIKERT de 5 pontos, variando de
“Discordo totalmente” a “Concordo totalmente”. As questões 37, 39 e 41 avaliam a propensão em
realizar boca a boca POSITIVA, ou seja, falar positivamente da empresa (eWOM positivo), enquanto
que as questões 38, 40 e 42 avaliam a propensão em realizar boca a boca NEGATIVA, ou seja, falar
negativamente da empresa (eWOM negativo).
Por fim, as questões 43 a 46 se referem aos dados sociodemográficos pessoais dos entrevistados, de
múltipla escolha, colocadas por último uma vez que estando familiarizado com o assunto da pesquisa,
apresenta menos relutância em responder a questões desse tipo (MALHOTRA, 2006).
49
TABELA 4 – Relação das questões, escalas e referências
Construto Sigla Questões adaptadas Tipo de escala Referência
Justiça
Interpessoal
(Questões 6 a
10)
JI1
JI2
JI3
JI4
JI5
1. Eles foram honestos comigo.
2. Eles pareceram interessados no meu problema.
3. Eles tentaram arduamente resolver o problema.
4. Eles me deram uma explicação razoável sobre
a causa do problema.
5. Eu recebi um pedido de desculpas sincero.
LIKERT
de 5 pontos.
1 = Discordo
Totalmente
à
5 = Concordo
totalmente
Retiradas de:
Dos Santos e
Fernandes
(2008);
Tax et al.
(1998).
Justiça
Processual
(Questões 11 a
14)
JP1
JP2
JP3
JP4
1. Eles responderam rapidamente minha
reclamação.
2. A empresa assumiu a responsabilidade pela
ocorrência do problema.
3. O acesso à empresa para fazer a reclamação foi
fácil.
4. Eu tive a chance de contar a eles detalhes sobre
o meu problema.
Justiça
Distributiva
(Questões 15 a
17)
JD1
JD2
JD3
1. A empresa me deu o que eu necessitava.
2. Eu recebi o que eu pedi.
3. O resultado final da reclamação foi o esperado
Satisfação
com o
gerenciamento
da reclamação
(Questões 18 a
20)
Sat1
Sat2
Sat3
1. Eu fiquei feliz com a maneira como a empresa
lidou com minha reclamação.
2. Eu estou satisfeito com a maneira como minha
reclamação foi resolvida
3. No geral, eu fiquei satisfeito com a maneira
que a reclamação foi tratada
LIKERT
de 5 pontos.
1 = Discordo
Totalmente
à
5 = Concordo
totalmente
Retiradas de:
Dos Santos e
Fernandes
(2008);
Tax et al.
(1998).
Lealdade do
cliente
(Questões 21 a
25)
Lea1
Lea2
Lea3
Lea4
Lea5
1. Com que probabilidade você recomendará a
empresa para amigos, vizinhos e parentes.
2. Com que probabilidade você dirá coisas
positivas sobre a empresa para outras pessoas.
3. Com que probabilidade você fará negócios
com a empresa na próxima vez que precisar do
mesmo serviço ou produto?
4. Com que probabilidade você considerará a
empresa como a primeira escolha na aquisição
do mesmo tipo de serviço ou produto?
5. Com que probabilidade você continuará
fazendo negócios com essa empresa no futuro?
LIKERT
de 5 pontos.
1 = Discordo
Totalmente
à
5 = Concordo
totalmente
Retiradas de:
Dos Santos e
Fernandes
(2008);
Tax et al.
(1998).
50
Construto Sigla Questões adaptadas Tipo de escala Referência
(TAM)
Utilidade
Percebida
(Questões 26 a
29)
Tup1
Tup2
Tup3
Tup4
1. Eu penso que os serviços das redes sociais e
aplicativos de mensagens são muito úteis
para a minha vida em geral.
2. Eu penso que os serviços das redes sociais e
aplicativos de mensagens ajudam a melhorar
meu desempenho em geral.
3. Eu penso que os serviços das redes sociais e
aplicativos de mensagens ajudam a melhorar
a eficácia da minha vida em geral.
4. Eu penso que os serviços das redes sociais e
aplicativos de mensagens fornecem serviços
úteis e informações para mim.
LIKERT
de 5 pontos.
1 = Discordo
Totalmente
à
5 = Concordo
totalmente
Retiradas de:
Stefanan et al.
(2014);
Davis (1989).
(TAM)
Atitude
(Questões 30 a
32)
Tat1
Tat2
Tat3
1. Eu penso que o uso dos serviços das redes
sociais e aplicativos de mensagens é uma boa
ideia.
2. Eu penso que o uso dos serviços das redes
sociais e aplicativos de mensagens é benéfico
para mim.
3. Eu tenho percepções positivas sobre o uso
dos serviços das redes sociais e aplicativos
de mensagens.
(TAM)
Intenção de
Uso
(Questões 33 a
36)
Tiu1
Tiu2
Tiu3
Tiu4
1. Eu pretendo usar os serviços redes sociais e
aplicativos de mensagens no futuro.
2. Eu pretendo usar os serviços das redes sociais e
aplicativos de mensagens, tanto quanto
possível.
3. Eu recomendo que outras pessoas usem os
serviços das redes sociais e aplicativos de
mensagens.
4. Eu pretendo continuar usando os serviços das
redes sociais e aplicativos de mensagens no
futuro
Propensão a
fazer eWOM
(Questões 37 a
42)
EWOM1
EWOM2
EWOM3
EWOM4
EWOM5
EWOM6
1. Quando tenho BOA experiência com uma
empresa, manifesto em minhas redes sociais
ou aplicativos de mensagens.
2. Quando tenho uma experiência RUIM com
uma empresa, manifesto em minhas redes
sociais ou aplicativos de mensagens.
3. Sou propenso a dizer coisas BOAS pelas
redes sociais ou aplicativos de mensagens,
sobre uma empresa ou produto que atendeu
ou superou minhas expectativas.
4. Sou propenso a dizer coisas RUINS pelas
redes sociais ou aplicativos de mensagens,
sobre uma empresa ou produto que não
atendeu adequadamente minhas expectativas.
5. Eu recomendaria o uso de um serviço ou
produto, que atendeu ou superou minhas
expectativas, a meus amigos e familiares
através das redes sociais ou aplicativos de
mensagens.
6. Eu desestimularia o uso de um serviço ou
produto, que não atendeu minhas
expectativas, a meus amigos e familiares
através das redes sociais ou aplicativos de
mensagens.
LIKERT
de 5 pontos.
1 = Discordo
Totalmente
à
5 = Concordo
totalmente
Retiradas de:
Tagliari (2015);
Ramìrez-Correa
et al. (2015);
Arenas-Gaitan
et al. (2013);
Walsh e Beatty
(2007).
Fonte: O autor (2018).
51
Uma modificação realizada foi a uniformização do número de pontos das escalas utilizadas, já que
algumas das escalas originais tinham 7 pontos. Esta modificação tem a finalidade de facilitar o
entendimento das escalas. As questões sobre redes sociais retiradas de Tagliari (2015) foram revalidadas
na língua portuguesa com (α=0,756) no trabalho de Mariano e Paiva (2014), sendo adaptadas do
trabalho de Roldan Cataluña e Ramírez (2013). Todas as medidas utilizadas foram retiradas de outras
pesquisas, traduzidas e validadas para a língua portuguesa pelos autores destacados ou referências
utilizadas por eles conforme mostrado na Tabela 4.
3.3.1 Coleta de dados
Na coleta de dados estruturada, elaborou-se um questionário formal e as perguntas organizadas numa
ordem predeterminada. O questionário foi o instrumento de coleta de dados empregado nessa pesquisa.
Para Malhotra (2006), o método de levantamento apresenta diversas vantagens: é de simples aplicação,
os dados obtidos são confiáveis porque as respostas se restringem às alternativas mencionadas e a
codificação, a análise e a interpretação dos dados são relativamente simples. As desvantagens, segundo
o autor, são: o entrevistado fica relutante em responder, principalmente se as informações forem
pessoais, e existe a dificuldade em formular, adequadamente, as perguntas. Os respondentes receberão
o questionário definitivo através do aplicativo Whatsapp e diretamente por e-mail, e suas respostas
foram automaticamente endereçadas ao Google Forms.
Para a construção do instrumento de coleta de dados, levou-se em consideração o critério que deve ser
observado na elaboração de um bom questionário. Assim, as informações pesquisadas devem estar
atreladas aos objetivos, geral e específicos. Também se considerou o público-alvo que responderá ao
questionário, observando seus níveis educacionais e sua experiência. Assim, as perguntas foram
elaboradas com propósitos legítimos e buscar superar a falta de capacidade e disposição dos
entrevistados em responder (MALHOTRA, 2006).
Dessa forma, construiu-se um questionário composto de perguntas fechadas ou estruturadas, que
diminuem o esforço exigido dos entrevistados, e que estavam ligadas ao objetivo da pesquisa. Segundo
Malhotra (2006), as perguntas estruturadas especificam o conjunto de respostas alternativas, assim como
seus formatos. Podem ser perguntas de múltipla escolha, perguntas dicotômicas, que exigem respostas
do tipo sim e não, ou escalas. O questionário da pesquisa é composto praticamente de perguntas de
múltipla escolha e escalas (APÊNDICE A).
Para avaliar o entendimento dos entrevistados em relação ao questionário, foi realizado pré-teste no
ambiente de espera proposto, envolvendo a aplicação de 15 questionários.
52
3.4 MÉTODOS DE ANÁLISE
Neste estudo optou-se pela utilização das seguintes análises estatísticas: Análise Exploratória de Fatores
através de uma Análise de Componentes Principais (Principal Component Analysis - PCA) e Análise
por Mínimos Quadrados Parciais conjugado com uma Análise Discriminante (Partial Least Squares –
Discriminant Analysis – PLS-DA); sua validação feita através da Análise de Consistência Interna através
do cálculo do Alfa de Cronbach e validação cruzada através de análise de variância dos grupos (CV-
ANOVA); finalmente as variáveis de importância são utilizadas em um modelo de Regressão Logística
para achar sua associação com a chance de pertencer ou não ao grupo realizador de “eWOM”.
A utilização de variáveis dependentes e independentes binárias, permite uma melhor visualização do
efeito da presença de uma variável independente em relação à uma variável independente
(TABACHNICK; FIDELL, 2013). Dessa forma, as escalas do tipo Likert de 5 pontos foram
transformadas em escalas binárias, tendo as respostas valores de 0 ou 1. O ponto de corte de cada uma
das escalas se deu através da utilização de sua mediana. Valores iguais ou inferiores à mediana foram
codificados como 0 (baixo) e os valores superiores à mediana foram codificados como 1 (alto) (VAN
DOORN et al., 2013).
TABELA 5 – Relação das medianas dos construtos e das variáveis do estudo
Construtos Mediana Variáveis Mediana Variáveis Mediana Variáveis Mediana
JI 3 JI.1 3 Sat.1 3 Tat.1 5
JP 3 JI.2 3 Sat.2 3 Tat.2 4
JD 3 JI.3 3 Sat.3 2 Tat.3 4
Sat 3 JI.4 2 Lea.1 2 Tiu.1 4
Lea 2 JI.5 1 Lea.2 2 Tiu.2 4
TAM 4 JP.1 2 Lea.3 2 Tiu.3 4
Tup 4 JP.2 3 Lea.4 2 Tiu.4 4
Tat 4 JP.3 3 Lea.5 2 Ewom1 3
Tiu 4,5 JP.4 4 Tup.1 4 Ewom2 3
Ewom 3 JD.1 3 Tup.2 4 Ewom3 3
EwN 4 JD.2 3 Tup.3 4 Ewom4 3
EwP 3 JD.3 3 Tup.4 4 Ewom5 4
Ewom6 4
Fonte: O autor (2018).
Para facilitar a análise, foram criadas duas classes para o construto eWOM: o eWOM Positivo (EwP)
para avaliar a resposta das perguntas benéficas, com propensão em falar bem da empresa, e o eWOM
Negativo (EwN) para avaliar a resposta às perguntas maléficas com propensão em falar mal da empresa.
53
Os construtos de Justiça (JI, JD, JP) e os construtos do modelo TAM (Tat, Tiu, Tup) também foram
analisados de forma agrupada, respectivamente como sendo a avaliação geral da Percepção de Justiça e
a avaliação geral do Perfil TAM.
3.4.1 Análise fatorial exploratória
A análise fatorial é uma técnica de resumo ou redução de dados que não possui variáveis dependentes
e independentes. É, portanto, uma técnica de interdependência, em que todas as variáveis são
consideradas simultaneamente. De acordo com Hair et al (2009), a AFE é capaz de reduzir um grande
número de dados em grupos menores chamados dimensões ou fatores. O procedimento se dá através da
medição do efeito de duas ou mais variáveis independentes em vários níveis, gerando uma medida desta
interação para todas as variáveis em cada fator (agrupamento) com valores maiores indicando uma
maior força de interação (MALHOTRA, 2006). De maneira geral, é uma técnica estatística que utiliza
uma transformação ortogonal para converter um conjunto de observações de variáveis possivelmente
correlacionadas em um conjunto de valores de variáveis lineares não correlacionadas, chamadas
componentes principais (ABDI; WILLIAMS, 2000). Os vetores resultantes são um conjunto de bases
ortogonais não correlacionadas, sendo esta Análise de Componentes Principais (PCA) sensível ao
dimensionamento relativo das variáveis originais. Os valores destas componentes variam entre 0 e 1,
sendo que valores maiores representam uma maior força de relação com um determinado fator (HAIR
et al., 2009). O primeiro componente principal então terá a maior variância possível (ou seja, será
responsável pela maior variabilidade possível dos dados), e cada componente sucessor, por sua vez, tem
a variância mais alta possível sob a restrição que é ortogonal aos componentes precedentes (HAIR et.
al. 2009).
O PCA é uma ferramenta estatística análoga ao teorema do eixo principal na mecânica originalmente
desenvolvido por Pearson e mais tarde nomeado por Harold Hotelling. O PCA é usado principalmente
como uma ferramenta na análise exploratória de dados e na criação de modelos preditivos. O PCA pode
ser feito por decomposição de autovalor de uma matriz de covariância de dados (ou correlação) ou
decomposição de valor singular de uma matriz de dados, geralmente após centralizar a mediana de
dados para cada atributo. Os resultados de um PCA são geralmente discutidos em termos de escores de
componentes, às vezes chamados de escores de fatores ou Score Ploting, onde os valores das variáveis
são correlacionados a um ponto de dados específico e Score Loadings, que se refere ao peso pelo qual
cada variável original padronizada deve ser multiplicada para obter a pontuação do componente (ABDI;
WILLIAMS, 2000).
54
PCA é a mais simples das análises multivariadas baseadas em autovetores verdadeiros. Em outras
palavras, a PCA é capaz de revelar a estrutura interna dos dados da melhor maneira a explicar suas
variações. Se um conjunto de dados multivariado é visualizado como um conjunto de coordenadas em
um espaço de dados de alta dimensão (1 eixo por variável), o PCA pode fornecer ao usuário uma
imagem com quantidades limitadas de dimensões com a menor perda de dados possível, utilizando-se
apenas os primeiros componentes principais (ABDI; WILLIAMS, 2000).
3.4.2 Análise de Variância Cruzada (CV-ANOVA)
A análise de variância (CV-ANOVA) é uma coleção de modelos estatísticos e seus procedimentos
associados (como "variação" entre grupos) usados para analisar as diferenças entre as médias dos
grupos. Na configuração da CV-ANOVA, a variação observada em uma determinada variável é
particionada em componentes atribuíveis a diferentes fontes de variação. Em sua forma mais simples, a
CV-ANOVA fornece um teste estatístico para determinar se as médias de vários grupos são iguais ou
não e, portanto, generaliza o teste t para mais de dois grupos. A CV-ANOVA é útil para comparar
(testar) três ou mais médias (grupos ou variáveis) para significância estatística (HAIR, 2009).
CV-ANOVA é uma forma particular de teste de hipóteses estatísticas, muito utilizada em análise de
dados experimentais. Um resultado de teste (calculado a partir da hipótese nula e da amostra) é chamado
estatisticamente significativo se for considerado improvável que tenha ocorrido por acaso, assumindo a
verdade da hipótese nula. Um resultado estatisticamente significativo, quando uma probabilidade
(valor-p) é menor do que um limiar (nível de significância), justifica a rejeição da hipótese nula, mas
apenas se a probabilidade a priori da hipótese nula não for alta (ERIKSSON et al., 2008). Na aplicação
típica da CV-ANOVA, a hipótese nula é que todos os grupos são simplesmente amostras aleatórias da
mesma população. Rejeitar a hipótese nula significa que as diferenças nos efeitos observados entre os
grupos observados não se devem ao acaso (ERIKSSON et al., 2008).
Como análise exploratória de dados, uma CV-ANOVA é uma organização de uma decomposição de
dados aditivos e suas somas de quadrados indicam a variação de cada componente da decomposição
(ou, equivalentemente, cada conjunto de termos de um modelo linear). Em suma, a CV-ANOVA é uma
ferramenta estatística utilizada de várias maneiras para desenvolver e confirmar uma explicação para os
dados observados (HAIR, 2009).
Apesar da CV-ANOVA também possibilitar a análise da confiabilidade do modelo com base na
variância extraída e dos testes de confiabilidade, para esta pesquisa optou-se por utilizar adicionalmente
55
o coeficiente Alfa de Cronbach, por ser medida diagnóstica mais amplamente utilizada em pesquisas
científicas (HAIR et al., 2005).
É esperada uma elevada proporção de validade convergente, com cargas padronizadas idealmente
acima de 0,7 e uma variância extraída superior a 0,5. O alfa de Cronbach será utilizado como coeficiente
de confiabilidade com uma expectativa superior a 0,7.
3.4.3 Análise de regressão logística
A análise de regressão logística é um tipo de análise de regressão múltipla que “utiliza as variáveis
independentes cujos valores são conhecidos para prever os valores da variável dependente selecionada
pelo pesquisador” (HAIR et al., 2009, p.154). A regressão logística é uma técnica especial de regressão,
na qual a variável dependente é do tipo binária (HAIR Jr. et al., 2009). O objetivo final, ao se utilizar
este modelo de análise, é o mesmo que outro tipo de regressão, como a regressão linear, que é o de
encontrar o modelo que melhor descreve a relação entre variáveis dependentes e independentes
(HOSMER; LEMESHOW; STURDIVANT, 2013).
Segundo Tabachnick e Fidell (2013) a regressão logística é apontada como sendo a melhor técnica
multivariada nas situações em que a variável dependente não é paramétrica. Ainda segundo Tabachnick
e Fidell (2013) a regressão logística é relativamente livre de restrições e capaz de analisar uma complexa
variedade de preditores. Adicionalmente, Hair Jr. et al. (2009) acrescentam que a regressão logística não
depende da suposição de normalidade das variáveis, fazendo com que a regressão logística seja uma
técnica de maior aplicabilidade.
A Regressão Logística permite, ainda, a análise de dados quando estes não apresentam características
paramétricas das variáveis (HAIR Jr. et al., 2009; HOSMER; LEMESHOW; STURDIVANT, 2013).
Sob a ótica da regressão logística, são consideradas duas possibilidades de resultados, sim ou não,
representados respectivamente por “0” e “1”. Da mesma forma, um valor provável entre “0” e “1” é
obtido e associado a cada uma das variáveis independentes, para a identificação dos fatores com maior
influência sobre a variável dependente. Alguns softwares estatísticos são utilizados na operacionalização
da regressão logística objetivando a projeção de cenários desenhados a partir da inserção ou exclusão
de variáveis do modelo.
Por fim, a razão de chances (Odds Ratio) foi calculada a partir da função exponencial do coeficiente de
cada variável. Este coeficiente expressa o número de vezes em que a presença do valor 1 da variável
independente aumenta a chance de ocorrência do resultado 1 para a variável dependente, quando
comparado com a ausência deste fator. Assim, “um Odds Ratio de valor 5 para determinada variável
56
independente, significa que a presença desta variável, operacionalizada pelo valor 1, aumenta em 5
vezes as chances de ocorrência da variável dependente” (ARAÚJO, 2006). Será, portanto, utilizada
nesta pesquisa para que seja possível identificar a força das relações entre as variáveis pesquisadas,
possibilitando a identificação de cada variável independente em relação às variáveis dependentes
existentes no estudo.
57
4 RESULTADOS E DISCUSSÃO
A apresentação dos resultados seguirá a seguinte ordem de apresentação:
Será apresentada a análise descritiva das variáveis da amostra e o comportamento da normalidade obtida
través do teste de Shapiro-Wilk e Kolgomorov-Smirnov e do teste de homogeneidade de Levene.
Por meio da Análise de Componentes Principais (PCA) foram identificados os principais vetores de
consolidação das variáveis visualizadas através do Gráfico Score Plot. Em seguida foi realizada a análise
de regressão por mínimos quadrados ou Partial Least Square (PLS) apresentados através dos Gráficos
Score plot e Loading plot.
Após a Análise dos Componentes Principais (PCA) o modelo foi submetido à análise de variância
cruzada (CV-ANOVA). Adicionalmente, o modelo foi submetido à validação de consistência interna
através do Alfa de Cronbach.
Após a validação e ajustes necessários ao modelo, foi realizada e Regressão Logística para obtenção do
Odds Ratio, calculado a partir da função exponencial do coeficiente de cada variável, considerando-se
também os dados demográficos e os valores pessoais para o melhor entendimento das relações entre as
variáveis analisadas e a variável dependente.
4.1 ANÁLISE DESCRITIVA DA AMOSTRA E VARIÁVEIS
Esta pesquisa conseguiu coletar, ao todo, 435 respondentes válidos através do Google Forms.
Destes 164 pessoas (37%) não fizeram nenhum tipo de reclamação, sendo então impedidas de
serem contabilizadas pelo critério de inclusão definido. A amostra detém 271 respondentes
válidos que serão chamados de “Reclamantes”, sendo o “n” total. As análises da amostra
mostram que não houve viés na distribuição de gênero, sendo esta igualitária, e na idade (sendo
esta uma distribuição normal), apesar de haver uma tendência (viés) dos respondentes em um
maior poder aquisitivo e escolaridade. Destes reclamantes 92 (33%) fizeram alguma reclamação
nas redes sociais (eWOM), se tornando o grupo de estudo em comparação a quem não o fez
(66%). A seguir os quadros apresentam o perfil sócio demográfico dos respondentes sendo estes
a prevalência de gênero que se apresenta proporcional (Gráfico 1), de Idade mostrando
prevalência de 26 a 45 anos (Gráfico 2), de Renda mostrando prevalência de R$3.152,00 a
acima de R$15.000,00 (Gráfico 3) e escolaridade prevalente sendo Pós-graduação (Gráfico 4).
58
GRÁFICO 1 – Proporções sociodemográficas da amostra de reclamantes - Gênero.
Fonte: IBM SPSS 20– Statistical Package for the Social Sciences
GRÁFICO 2 – Proporções sociodemográficas da amostra de reclamantes - Idade.
Fonte: IBM SPSS 20– Statistical Package for the Social Sciences
59
GRÁFICO 3 – Proporções sociodemográficas da amostra de reclamantes – Renda familiar.
Fonte: IBM SPSS 20– Statistical Package for the Social Sciences
GRÁFICO 4 – Proporções sociodemográficas da amostra de reclamantes – Grau de estudo.
Fonte: IBM SPSS 20– Statistical Package for the Social Sciences
60
GRÁFICO 5 – Proporções da amostra de reclamantes que efetuaram eWOM (sim/não).
Fonte: IBM SPSS 20– Statistical Package for the Social Sciences
4.2 DEFINIÇÃO DO GRUPO DE ESTUDO: REALIZADORES DE EWOM
Assim que foi definido o grupo de estudo de realizadores de eWOM, foi realizada uma análise
exploratória nas médias das respostas, permitindo verificar a homogeneidade. Conforme tabela
6, os construtos apresentaram homogeneidade. De todas as variáveis estudadas, apenas três das
Justiças Interpessoais (questões JI.3, JI.4, JI.5), uma Justiça Processual (questão JP.2) e uma
Avaliativa de eWOM (questão Ewom5) apresentaram-se não homogêneas (por formarem
subgrupos de respondentes entre a classificação principal) apesar dos seus construtos não
demonstrarem tal característica (ANEXO 1). Sua homogeneidade não influenciará nas análises
posteriores pois não se realizarão análises que necessitem deste pressuposto.
61
TABELA 6 – Homogeneidade das variáveis
Test of Homogeneity of Variances
Variance Levene Statistic df1 df2 Sig.
JI.1 1,211 1 269 ,272
JI.2 ,027 1 269 ,871
JI.3 5,339 1 269 ,022
JI.4 5,423 1 269 ,021
JI.5 4,351 1 269 ,038
JP.1 1,357 1 269 ,245
JP.2 4,960 1 269 ,027
JP.3 ,254 1 269 ,615
JP.4 ,309 1 269 ,579
JD.1 ,235 1 269 ,628
JD.2 ,037 1 269 ,848
JD.3 ,038 1 269 ,846
Sat.1 1,246 1 269 ,265
Sat.2 ,011 1 269 ,918
Sat.3 2,026 1 269 ,156
Lea.1 1,311 1 269 ,253
Lea.2 ,010 1 269 ,922
Lea.3 ,000 1 269 ,997
Lea.4 2,820 1 269 ,094
Lea.5 ,632 1 269 ,427
Tup.1 ,748 1 269 ,388
Tup.2 ,702 1 269 ,403
Tup.3 2,117 1 269 ,147
Tup.4 ,131 1 269 ,718
Tat.1 1,978 1 269 ,161
Tat.2 ,227 1 269 ,634
Tat.3 ,023 1 269 ,879
Tiu.1 ,047 1 269 ,829
Tiu.2 ,159 1 269 ,690
Tiu.3 ,005 1 269 ,941
Tiu.4 ,000 1 269 ,989
Ewom1 ,332 1 269 ,565
Ewom2 ,319 1 269 ,573
Ewom3 ,438 1 269 ,508
Ewom4 ,349 1 269 ,555
Ewom5 5,276 1 269 ,022
Ewom6 1,937 1 269 ,165
JI 3,405 1 269 ,066
JP 1,082 1 269 ,299
JD ,006 1 269 ,937
Sat 1,107 1 269 ,294
Lea ,075 1 269 ,785
TAM ,073 1 269 ,787
Ewom 1,908 1 269 ,168
EwN ,328 1 269 ,567
EwP ,224 1 269 ,637
Fonte: IBM SPSS 20– Statistical Package for the Social Sciences
62
4.3 ANÁLISE FATORIAL EXPLORATÓRIA E ANÁLISE DE COMPONENTES
PRINCIPAIS – PCA
Através da análise de fatores realizada pelo programa SPSS 20®, surgem 4 fatores que permitem a
convergência de influências através da separação das cargas fatoriais em cada um destes fatores. Este
teste também foi realizado em um programa mais especializado neste tipo de análise, o SIMCA 14.1®.
Apesar do aparecimento de mais que 4 fatores na análise fatorial do SPSS 20®, é possível observar que
as cargas nos últimos fatores são pequenas ou dispersas, não ajudando na separação do grupo de estudo.
Este pensamento é corroborado pela Análise de Componentes Principais do SIMCA 14.1®, também
sendo uma análise de fatores, que sinaliza apenas quatro componentes como significativas para a
identificação dos grupos, com uma variância explicada máxima de R2=0,60 e uma previsibilidade
explicada de Q2=0,51.
GRÁFICO 6 – Cargas fatoriais da Análise de Componentes Principais
Fonte: SIMCA 14.1® – Soft Independent Modeling of Class Analogy
Com as cargas fatoriais de cada variável descritas em cada fator criado, foi possível estabelecer quais
variáveis e construtos estão mais associadas para sua formação. O primeiro fator contém uma coesão de
cargas associadas com os construtos de Satisfação (SAT), Lealdade (Leal) e os de Percepção de justiça
Distributiva, Interpessoal e Processual (JD, JI e JP). Esta covariância entre Satisfação e Lealdade já é
bem estudada e conhecida na literatura além de sua associação com o gerenciamento de reclamações e
suas características de Justiça percebida pelo reclamante (DOS SANTOS E FERNANDES, 2008 ; TAX
et al., 1998). O segundo fator é composto por altas cargas fatoriais do construto TAM (TAM) e
medianamente pelos relacionados ao construto Avaliação de eWOM (Ewom) e seus tipos Positivo
(EwP) e Negativo (EwN), que relacionam o tipo de eWOM em eWOM positivo (benéfico / falar
positivamente) ou eWOM negativo (degradante / falar negativamente / reclamar). Esta característica
63
fortalece a ideia hipotética de que pessoas com maior aceitação tecnológica (TAM alto) tem maior
possibilidade de fazer eWOM. O terceiro fator é composto por altas cargas do construto relacionado à
Avaliação de eWOM.
TABELA 7 – Distribuição das cargas fatoriais através dos fatores criados na predição de eWOM.
Component Matrixa
Component
1 2 3 4 5 6
JI ,898 ,121 -,118
JP ,829 ,415
JD ,847 -,164 ,117 -,384 -,178
Sat ,924 -,134 ,102 -,156
Lea ,876 -,163 ,340 -,228
JI.1 ,834 -,107 ,146
JI.2 ,826 ,203
JI.3 ,846 ,115 ,110 -,122
JI.4 ,676 -,222
JI.5 ,749 -,106 ,163 -,148
JP.1 ,759 ,313
JP.2 ,813 -,124 ,127
JP.3 ,623 ,488 ,128
JP.4 ,529 ,499 ,185
JD.1 ,853 -,169 ,117 -,288 -,182
JD.2 ,823 -,164 ,118 -,395 -,190
JD.3 ,844 -,135 ,120 -,327 -,161
Sat.1 ,914 -,141 ,115 -,124
Sat.2 ,881 -,123 ,123 -,260 -,140
Sat.3 ,916 -,150 -,178
Lea.1 ,872 -,158 ,254 -,206
Lea.2 ,869 -,165 ,297 -,186
Lea.3 ,866 -,164 ,323 -,215
Lea.4 ,818 -,196 ,385 -,173
Lea.5 ,805 -,202 ,373 -,249
TAM ,261 ,896 -,238
Tup ,261 ,871 -,161
Tat ,272 ,831 -,246
Tiu ,220 ,871 -,198 ,111
Tup.1 ,249 ,783 -,165
Tup.2 ,225 ,801 -,149 -,113
Tup.3 ,239 ,779 -,122
Tup.4 ,215 ,774 -,105
Tat.1 ,249 ,777 -,244
Tat.2 ,257 ,806 -,268
Tat.3 ,237 ,759 -,223
Tiu.1 ,225 ,799 -,224
Tiu.2 ,235 ,804 -,188
Tiu.3 ,211 ,846 -,170
Tiu.4 ,198 ,848 -,191 ,112
Ewom ,472 ,834
EwN -,106 ,473 ,740 -,373
EwP ,394 ,772 ,372
Ewom1 -,104 ,335 ,664 -,137 -,418
Ewom2 ,308 ,751 ,294
Ewom3 ,463 ,698 -,373
64
Ewom4 -,112 ,396 ,723 ,339
Ewom5 -,124 ,502 ,486 ,210 -,146
Ewom6 ,301 ,578 ,156 ,305
Extraction Method: Principal Component Analysis.
a. 6 components extracted.
Fonte: IBM SPSS 20– Statistical Package for the Social Sciences
A análise de fatores foi realizada com todas as variáveis a fim de confirmar a coesão de cargas de cada
variável em relação às variáveis totais em cada fator, a fim de evitar perda de informação e variância
pela transformação em variável Total.
Através do SIMCA 14.1®, foi possível fazer a análise multivariada exploratória, permitindo definir perfis
discerníveis de reclamantes através do Gráfico de escores (Score Plot) do modelo, que sumariza em um
Gráfico do tipo espalhamento (Scatter Plot) a relação entre cada observação com seus posicionamentos
em relação às medianas. Portanto é obtido em 2 vetores de escores (Score Vectors), chamados de
componentes principais, onde apresenta uma concentração dos realizadores de eWOM na parte inferior
da elipse de Hotelling (que representa uma análise de variâncias multivariada) e uma maior quantidade
no quadrante esquerdo. Considera-se “realizadores de eWOM” aqueles identificados em vermelho
(dicotômica “1”) e os que não realizaram foram identificados em azul (dicotômica “0”). A separação
por PCA não é supervisionada, ou seja, não se dá informação ao programa das classes de cada um e são
somente coloridas as classes para visualização do autor. Portanto é verificado conforme o gráfico que
há uma separação natural entre os dois tipos de reclamantes apesar da pulverização e mistura, que já é
esperada.
GRÁFICO 7 – Gráfico de escores (Score Plot)
Fonte: SIMCA 14.1® – Soft Independent Modeling of Class Analogy
65
GRÁFICO 8 – Gráfico de cargas (Loading Plot)
Fonte: SIMCA 14.1® – Soft Independent Modeling of Class Analogy
O posicionamento de cada reclamante neste Gráfico de escores (score plot) é dado pela carga
de influência que as variáveis têm nos seus posicionamentos e estes são exibidos no Gráfico de
cargas (Loading plot). Estes pontos atuam como vetores que mostram, a partir da origem, o
sentido e a força de influência neste aspecto (Gráfico 8). Seguindo a componente primária na
vertical (relacionada ao primeiro fator), tem-se as variáveis de Satisfação, Lealdade e
Percepções de justiça com alta influência à direita do quadro, com influências menores das
Justiças Processuais e Interpessoais para o mesmo sentido. O Gráfico 9 mostra o detalhamento
do quadrante direito do Gráfico 8.
GRÁFICO 9 – Detalhamento do Gráfico de cargas (Loading Plot)
Fonte: SIMCA 14.1® – Soft Independent Modeling of Class Analogy
66
A componente secundária, relacionada mais ao segundo fator, mostra que o construto TAM
detém uma grande influência na classificação do modelo para a parte superior, que juntamente
com o construto eWOM que também influencia para tal quadrante (Gráfico 10), porém
dominando o setor esquerdo, mostra uma correlação positiva entre os dois. Em posição, o
quadrante inferior é associado a não realização de eWOM, mostrando assim uma correlação
negativa para esta característica (Gráfico 11).
GRÁFICO 10 – Detalhamento do Gráfico de cargas (Loading Plot)
Fonte: SIMCA 14.1® – Soft Independent Modeling of Class Analogy
GRÁFICO 11 – Detalhamento do Gráfico de cargas (Loading Plot)
Fonte: SIMCA 14.1® – Soft Independent Modeling of Class Analogy
Através destas análises é possível criar um Gráfico de contribuição de cada variável na
classificação do modelo e seus intervalos de confiança (Gráfico 12). No Gráfico 12b, foram
67
evidenciados às variáveis dos construtos totais demonstrando que as Percepções de Justiça,
Satisfação e Lealdade são os melhores construtos para identificar os perfis de reclamantes,
enquanto a realização de eWOM e sociodemográfico possuem um intervalo de confiança muito
amplo, requerendo uma amostra muito maior para melhorar sua classificação.
GRÁFICO 12 – Gráfico de contribuição das variáveis (Variable Contribution Plot)
Fonte: SIMCA 14.1® – Soft Independent Modeling of Class Analogy
GRÁFICO 12b – Detalhe de contribuição das variáveis Totais (Variable Contribution Plot)
Fonte: SIMCA 14.1® – Soft Independent Modeling of Class Analogy
68
Durante a análise da correlação entre o tipo de eWOM e os perfis, verificou-se através do Gráfico de
escores entre a segunda e quarta componente, uma melhor separação e observação destas influências
(Gráfico 14). O Gráfico a seguir mostra aqueles reclamantes que tem uma maior tendência a realizar
eWOM negativo (em vermelho, codificado como -1), os de eWOM positivo (em azul, codificado como
1), aqueles que realizam ambos os tipos indiferentemente (em amarelo, codificado como 2) e aqueles
que não mostram tendência a realiza-los (em cinza, codificado como 0).
GRÁFICO 13 – Gráfico de escores (Score Plot)
Fonte: SIMCA 14.1® – Soft Independent Modeling of Class Analogy
O Gráfico de cargas (Loading plot) mostra que a segunda componente, na horizontal, separa os que
não realizam eWOM para o setor inferior e à direita (Gráfico 14). Como visto no detalhe (Gráfico
15), a Lealdade também está associada a esta característica influenciando também para o setor
inferior, porém levando para a esquerda. Novamente, o construto TAM e de realização de eWOM
estão relacionados, levando os escores, particularmente os que fazem ambos os tipos, para o setor
superior com alta carga. E à esquerda, estão aqueles que realizam eWOM, particularmente os que
utilizam os Sites como “Reclame Aqui”, e em menor grau o Facebook e Whatsapp, se associando aos
realizadores de eWOM negativo. Os possíveis realizadores de eWOM negativo (EwN) detém uma
maior influência para o setor superior e também à direita enquanto os positivos (EwP) só influencia
para o setor superior (Gráfico 16).
69
GRÁFICO 14 – Gráfico de cargas (Loading Plot)
GRÁFICO 15 – Detalhamento do Gráfico de cargas (Loading Plot)
GRÁFICO 16 – Detalhamento do Gráfico de cargas (Loading Plot)
Fonte: SIMCA 14.1® – Soft Independent Modeling of Class Analogy
70
4.3 VALIDAÇÃO E CONFIABILIDADE DO MODELO
Após a Análise dos Componentes Principais (PCA) o modelo foi submetido à análise de variância
cruzada (CV-ANOVA), mostrando que este modelo prevê corretamente os perfis com significância
estatística (CV-ANOVA(6)=8,7404; p<0,0001). Para corroborar esta afirmação, a confiabilidade do
instrumento foi também avaliada através da média de sua consistência interna demonstrada pelo
coeficiente Alfa de Cronbach (que deve ser maior que 0,7) para o modelo como um todo. Ele apresenta
uma correlação média entre as perguntas através do cálculo da variância de cada questão individual,
bem como da variância da soma de cada um dos entrevistados. Ao analisar a consistência interna,
obteve-se um Alfa de Cronbach de 0,947 para o modelo como um todo e alteração no alfa total resultante
da exclusão de alguma questão no modelo realizado também foi apresentada (Tabela 8). Por segurança
e para corroborar as escolhas pela literatura, também foi realizado esta análise em cada construto isolado
para avaliar suas consistências internas (Tabela 9).
TABELA 8 – Análise de consistência interna do modelo através do Alfa de Cronbach.
Item-Total Statistics
Scale Mean if
Item Deleted
Scale Variance if
Item Deleted
Corrected Item-
Total Correlation
Cronbach's Alpha
if Item Deleted
JI.1 167,8778 1192,061 ,709 ,945
JI.2 167,9481 1189,702 ,739 ,945
JI.3 168,1852 1190,804 ,739 ,945
JI.4 168,2926 1209,146 ,575 ,946
JI.5 168,6222 1202,108 ,619 ,946
JP.1 168,1074 1194,139 ,658 ,946
JP.2 168,1444 1187,776 ,699 ,945
JP.3 167,7407 1205,072 ,547 ,946
JP.4 167,0222 1216,697 ,482 ,947
JD.1 168,0037 1182,184 ,719 ,945
JD.2 168,0111 1182,225 ,691 ,945
JD.3 167,9815 1179,392 ,725 ,945
Sat.1 168,2556 1181,397 ,790 ,945
Sat.2 168,0370 1182,666 ,766 ,945
Sat.3 168,1519 1182,350 ,780 ,945
Lea.1 168,3185 1192,413 ,725 ,945
Lea.2 168,3074 1195,342 ,716 ,945
Lea.3 168,2667 1193,945 ,708 ,945
Lea.4 168,5148 1200,624 ,644 ,946
Lea.5 168,2926 1198,905 ,633 ,946
Tup.1 166,7185 1229,480 ,442 ,947
Tup.2 167,0037 1230,727 ,427 ,947
Tup.3 166,9778 1229,596 ,440 ,947
Tup.4 166,7000 1233,923 ,421 ,947
Tat.1 166,4333 1237,665 ,423 ,947
Tat.2 166,7519 1232,468 ,433 ,947
Tat.3 166,7926 1234,182 ,408 ,947
Tiu.1 166,5148 1235,937 ,411 ,947
Tiu.2 166,6481 1232,536 ,434 ,947
Tiu.3 166,6519 1231,627 ,425 ,947
Tiu.4 166,5111 1235,721 ,410 ,947
71
Item-Total Statistics
Scale Mean if
Item Deleted
Scale Variance if
Item Deleted
Corrected Item-
Total Correlation
Cronbach's Alpha
if Item Deleted
+Ewom1 167,6741 1248,984 ,133 ,949
Ewom2 167,8333 1245,424 ,171 ,948
Ewom3 167,3556 1242,492 ,205 ,948
Ewom4 167,7630 1246,648 ,158 ,949
Ewom5 166,8333 1251,074 ,147 ,948
Ewom6 167,1667 1251,926 ,109 ,949
Gen 169,2222 1265,926 -,054 ,948
Age 166,7074 1266,834 -,046 ,949
Escol 165,3370 1266,724 -,052 ,949
Rend 167,0444 1265,368 -,030 ,949
JI 168,1222 1188,611 ,783 ,945
JP 167,7630 1192,035 ,727 ,945
JD 168,0148 1180,998 ,715 ,945
Sat 168,1741 1180,299 ,802 ,945
Lea 168,3407 1193,774 ,721 ,945
TAM 166,6444 1230,418 ,476 ,947
Tup 166,8593 1228,738 ,485 ,947
Tat 166,6778 1232,671 ,462 ,947
Tiu 166,5667 1233,590 ,439 ,947
Ewom 167,4407 1242,703 ,223 ,948
EwN 167,2926 1244,284 ,197 ,948
EwP 167,7074 1244,381 ,188 ,948
Fonte: IBM SPSS 20– Statistical Package for the Social Sciences
TABELA 9 – Análise de consistência interna dos construtos isolados através do Alfa de Cronbach.
Reliability Statistics
CONSTRUTOS Cronbach's Alpha Cronbach's Alpha Based on Standardized Items N of Items
PERCEPÇÕES DE JUSTIÇA ,946 ,946 12
SATISFAÇÃO ,965 ,965 3
LEALDADE ,975 ,975 5
TAM ,962 ,962 11
E-WON ,862 ,863 6
Fonte: IBM SPSS 20– Statistical Package for the Social Sciences
4.4 REGRESSÃO LOGÍSTICA DO MODELO
Depois de comprovar as correlações e associações apresentadas nas análises multivariadas, foi possível
validar a relação através da técnica de Regressão Logística. Hair et al. (2005) afirma que este método
possibilita através da razão de chances (odds ratio) uma relação direta do quanto uma característica
independente aumenta o risco de a variável dependente ser de um grupo ou outro. Este tipo de regressão
é aconselhado também por não requerer uma normalidade nas variáveis estudadas (HAIR et al., 2005).
O método de regressão utilizado foi o Stepwise Backward LR, que interativamente possibilita que a
partir do modelo original em que se considera todas as variáveis independentes, um modelo mais preciso
seja identificado, no qual permanecem no modelo proposto apenas as variáveis que se mostrem
72
significantes em a relação à variável dependente (HAIR et al., 2005), que é a realização de eWOM neste
estudo.
4.4.1 Regressão Logística do modelo de construtos totais para a realização de eWOM.
O primeiro modelo a ser utilizado foi o que dispunha apenas as variáveis totais dos construtos (JI, JP,
JD, Sat, Lea, Tup, Tat, Tiu, Ewom, EwN, EwP) e as sociodemográficas (Gen, Age, Escol, Rend.), sendo
computado até 11 iterações onde se conseguiu um aumento da verossimilhança de Log -2 (-2LL) que
indica um melhor ajuste no modelo de regressão, com uma taxa de explicação Nagelkerke de R2=0,252
e com o teste de Hosmer and Lemeshow não dando significativo (χ2(8)=3,048; p=0,384), indicando que
este é um modelo adequado (HAIR et al., 2009).
Conseguindo identificar corretamente 72,7% dos casos, o modelo finaliza demonstrando as variáveis
com predição significativa descritas na Tabela 10. Este modelo demonstra, pelo valor de Exp(B), que
nenhum construto com apenas seus valores totais detém força de predição para a realização de eWOM.
Apenas uma variável mostrou significância, mas para evitar sua realização, pois possui Exp(B) abaixo
de 1, foi a variável do eWOM do tipo Positivo mostrando que quando os valores de suas variáveis
aumentam, diminuem as chances da pessoa fazer eWOM (Tabela 10).
TABELA 10 – Variáveis totais de construtos na Regressão Logística de predição na realização de
eWOM após 11 iterações.
B S.E. Wald df Sig. Exp(B) 95% C.I.for EXP(B)
Lower Upper
Step 11a EwP -,779 ,118 43,544 1 ,000 ,459 ,364 ,578
Constant 3,179 ,429 54,927 1 ,000 24,012
a. Variable(s) entered on step 1: JI, JP, JD, Sat, Lea, Tup, Tat, Tiu, Ewom, EwN, and EwP.
Fonte: IBM SPSS 20– Statistical Package for the Social Sciences
Também se realizou a mesma regressão incluindo a variável do TAM como construto Total (TAM)
para avaliar se haveria mudança em sua importância. Ao final de 9 iterações onde se conseguiu um
aumento da verossimilhança de Log -2 (-2LL) que indica um melhor ajuste no modelo de regressão,
com uma taxa de explicação Nagelkerke de R2=0,288 e com o teste de Hosmer and Lemeshow não
dando significativo (χ2(8)=8,344; p=0,401), indicando o modelo adequado (HAIR et al., 2009).
Conseguindo identificar corretamente 74,9% dos casos, o modelo finaliza demonstrando as variáveis
com predição significativa descritos na Tabela 11. Este modelo demonstra, pelo valor de Exp(B), que
73
apenas o valor total do construto TAM teve força preditiva para a realização de eWOM, apresentando
um aumento de risco de 4 vezes as chances de fazê-lo. Os construtos de Intenção de Uso do TAM e o
eWOM do tipo Positivo possuem Exp(B) abaixo de 1, mostrando que quando os valores de suas
variáveis aumentam, diminuem as chances da pessoa fazer eWOM. Este resultado confirma então a
hipótese 7 em que o perfil TAM influencia positivamente na realização de eWOM. Para uma melhor
visualização das reações entre as variáveis com os construtos e suas respostas, decidiu-se fazer um
modelo com todas as variáveis.
TABELA 11 – Variáveis totais de construtos do modelo TAM (TAM) na Regressão Logística de
predição na realização de eWOM após 9 iterações.
B S.E. Wald df Sig. Exp(B) 95% C.I.for EXP(B)
Lower Upper
Step 9a
TAM 1,415 ,505 7,846 1 ,005 4,118 1,530 11,086
EwP -,793 ,122 41,997 1 ,000 ,452 ,356 ,575
Tiu -,948 ,414 5,255 1 ,022 ,387 ,172 ,872
Constant 3,522 ,791 19,834 1 ,000 33,861
a. Variable(s) entered on step 1: JI, JP, JD, Sat, Lea, Tup, Tat, Tiu, Ewom, EwN, EwP, TAM.
Fonte: IBM SPSS 20– Statistical Package for the Social Sciences
Na tabela 12, a regressão foi realizada novamente apenas modificando categoria de referência, para que
o valor da razão de chances, representado pelo valor de Exp(B), fique melhor interpretável ao apresentar
um valor maior que 1, mostrando que as chances de se não fazer eWOM aumentam em 2 vezes caso
este seja do tipo Positivo.
TABELA 12 – Variáveis totais de construtos na Regressão Logística de predição na não realização de
eWOM após 11 iterações.
B S.E. Wald df Sig. Exp(B) 95% C.I.for EXP(B)
Lower Upper
Step 11a EwP ,779 ,118 43,544 1 ,000 2,180 1,729 2,747
Constant -3,179 ,429 54,927 1 ,000 ,042
a. Variable(s) entered on step 1: JI, JP, JD, Sat, Lea, Tup, Tat, Tiu, Ewom, EwN, EwP.
Fonte: IBM SPSS 20– Statistical Package for the Social Sciences
O mesmo foi feito com o segundo modelo, adicionando o construto TAM para tentar prever a não
realização do eWOM. Com apenas as variáveis totais dos construtos e as sociodemográficas como o
primeiro modelo, a regressão foi realizada apenas modificando categoria de referência. Assim o valor
da razão de chances, representado pelo valor de Exp(B), fica melhor interpretável ao apresentar um valor
74
maior que 1, mostrando que as chances de se não fazer eWOM aumentam em 2,5 vezes com alto valor
do construto de Intenção de Uso e caso este seja do tipo Positivo (Tabela 13).
TABELA 13 – Variáveis totais de construtos com TAM na Regressão Logística de predição na não
realização de eWOM após 9 iterações.
B S.E. Wald df Sig. Exp(B) 95% C.I.for EXP(B)
Lower Upper
Step 9a
Tiu ,948 ,414 5,255 1 ,022 2,582 1,147 5,808
EwP ,793 ,122 41,997 1 ,000 2,210 1,739 2,809
TAM -1,415 ,505 7,846 1 ,005 ,243 ,090 ,654
Constant -3,522 ,791 19,834 1 ,000 ,030
a. Variable(s) entered on step 1: JI, JP, JD, Sat, Lea, Tup, Tat, Tiu, Ewom, EwN, EwP, TAM.
Fonte: IBM SPSS 20– Statistical Package for the Social Sciences
4.4.2 Regressão Logística do Modelo com as variáveis dicotômicas para a realização de eWOM.
Ao realizar a análise de regressão logística com as variáveis dicotômicas dos construtos (JI.d, JP.d, JD.d,
Sat.d, Lea.d, TAM.d, Tup.d, Tat.d, Tiu.d, Ewom.d, EwN.d, EwP.d) e sociodemográficas para a previsão
da realização de eWOM, não foi possível achar nenhuma variável significante para sua realização.
Apenas a variável do tipo de eWOM Positivo (EwP.d) mostrou-se significativa para sua não realização,
apresentando um risco relativo de 7,2 com uma taxa de explicação Nagelkerke de R2=0,258 e com o
teste de Hosmer and Lemeshow não dando significativo (χ2(8)=1,736; p=0,420), indicando um modelo
adequado (HAIR et al., 2009).
TABELA 14 – Variáveis dicotômicas na Regressão Logística de predição na realização de eWOM
após 10 iterações.
B S.E. Wald df Sig. Exp(B) 95% C.I.for EXP(B)
Lower Upper
Step 10a EwP.d 1,984 ,289 47,209 1 ,000 7,271 4,129 12,804
Constant -1,354 ,214 39,872 1 ,000 ,258
a. Variable(s) entered on step 1: JI.d, JP.d, JD.d, Sat.d, Lea.d, TAM.d, Tup.d, Tat.d, Tiu.d, Ewom.d,
EwN.d, EwP.d.
Fonte: IBM SPSS 20– Statistical Package for the Social Sciences
4.4.3 Análise descritiva e de associação (χ2) dos realizadores de eWOM.
Para finalmente se definir então o perfil dos realizadores de eWOM, foi utilizado uma análise
frequencial com o advento de uma tabela cruzada para gerar os Gráficos que permitam associar os
75
parâmetros sociodemográficos com a realização de eWOM. Como descrito nas análises anteriores, o
Gênero, Escolaridade e Renda não mostram nenhuma distinção proporcional entre os realizadores de
eWOM (Gráficos 17, 19 e 20). Com a Idade (Gráfico 18) foi identificado que 38,7% dos realizadores
de eWOM estão entre 26 a 35 anos e 34,4% estão entre 36 a 45 anos. Juntos, estes agregam 73,1% dos
realizadores de eWOM nesta faixa de 26 a 45 anos (χ2(6)=. 12,854 ; p=0045).
GRÁFICO 17 – Gráficos de barras de Gênero em relação a realização de eWOM.
Fonte: IBM SPSS 20® – Statistical Package for the Social Sciences
GRÁFICO 18 – Gráficos de barras de Idade em relação a realização de eWOM.
Fonte: IBM SPSS 20® – Statistical Package for the Social Sciences
76
GRÁFICO 19 – Gráficos de barras de Renda em relação a realização de eWOM.
Fonte: IBM SPSS 20® – Statistical Package for the Social Sciences
GRÁFICO 20 – Gráficos de barras de Escolaridade em relação a realização de eWOM.
Fonte: IBM SPSS 20® – Statistical Package for the Social Sciences
77
É possível observar no Gráfico 21 que ao preferir procurar o SAC, os reclamantes geralmente não fazem
eWOM e que, além de poucas pessoas terem afirmado que prefeririam divulgar nas redes sociais e
aplicativos de mensagens, não existe diferença entre a quantidade que realmente o faria.
Com relação ao construto de avaliação de eWOM, é possível ver que apenas aqueles com “total
concordância” (Nível “5” da escala Likert) em querer fazê-lo realmente superam os que não o fazem
(Gráfico 22). E finalmente, entre as pessoas com capacidade de fazer eWOM Negativo (Gráfico 23) ou
eWOM Positivo (Gráfico 24), vê-se que existe uma maior quantidade de realizadores do eWOM
Positivo, podendo concordar parcialmente ou totalmente (Níveis “4” e “5” da escala Likert). Além disso,
o eWOM Negativo aumenta de proporção apenas para os que concordam totalmente (Nível “5” da
escala Likert) em fazê-lo. Porém, esta quantidade pode advir de um viés de moral, uma vez que os
usuários podem querer demonstrar que, se bem tratados, falariam mais facilmente da empresa para
outros.
GRÁFICO 21 – Gráficos de Preferência SAC ou WOM em relação à realização de eWOM.
Fonte: IBM SPSS 20® – Statistical Package for the Social Sciences
78
GRÁFICO 22 – Gráficos de Avaliação de eWOM em relação à realização de eWOM.
Fonte: IBM SPSS 20® – Statistical Package for the Social Sciences
GRÁFICO 23 – Gráficos de Avaliação de eWOM Negativo em relação à realização de eWOM.
Fonte: IBM SPSS 20® – Statistical Package for the Social Sciences
Ewom
EwN
79
GRÁFICO 24 – Gráficos de Avaliação de eWOM Positivo em relação à realização de eWOM.
Fonte: IBM SPSS 20® – Statistical Package for the Social Sciences
4.4.4 Regressão Logística para realização de eWOM do tipo negativo (EwN.d).
Visto que o eWOM mais danoso e com maiores chances de propagação é o do tipo negativo, que trata
da comunicação de características não benéficas para a Empresa, foi realizado uma regressão para
avaliar quais construtos podem prever a realização deste tipo específico.
Ao realizar esta análise, foi preferida a utilização das variáveis dicotômicas dos construtos que se
mostraram mais proveitosas para este modelo. Assim, sendo computada até 6 iterações, onde se
conseguiu um aumento da verossimilhança de Log -2 (-2LL), com uma taxa de explicação Nagelkerke
de R2=0,175 e com o teste de Hosmer and Lemeshow não dando significativo (χ2(5)=4,272; p=0,511) e
identificando corretamente 64,4% dos casos, o modelo finaliza (Tabela 15) demonstrando que o alto
valor no construto de Atitude do TAM (Tat.d) aumenta em 10 vezes as chances de realizar este tipo e a
baixa Lealdade (Leal.d) aumenta em quase 3 vezes.
Ao mudar a categoria de referência para sua não realização, é possível interpretar melhor o risco relativo,
mostrando que um baixo valor no construto TAM (TAM.d) aumenta significativamente em 8,2 vezes
das chances de não realizar este tipo. Seu Construto sobre Utilidade Percebida (Tup.d) baixo também é
EwP
80
significante e mostra um aumento de 4,1 vezes de chances de não ocorrer. Além destes, o alto valor de
Percepção de Justiça Distributiva (JD.d) também é preditora com uma razão de chances de 1,9 vezes
maior de não se realizar este tipo de eWOM.
TABELA 15 – Variáveis na equação do modelo de Regressão Logística na predição da realização de
eWOM Negativo (EwN.d) após 6 iterações.
B S.E. Wald df Sig. Exp(B) 95% C.I.for EXP(B)
Lower Upper
Step 6a
Tat.d 2,301 0,825 7,785 1 0,005 9,986 1,983 50,282
Lea.d 1,037 0,402 6,669 1 0,01 2,822 1,284 6,201
JD.d -0,67 0,342 3,843 1 0,05 0,512 0,262 1
Tup.d -1,416 0,423 11,2 1 0,001 0,243 0,106 0,556
TAM.d -2,105 0,832 6,397 1 0,011 0,122 0,024 0,623
Constant ,786 ,297 7,023 1 ,008 2,195
a. Variable(s) entered on step 1: JI.d, JP.d, JD.d, Sat.d, Lea.d, TAM.d, Tup.d, Tat.d, Tiu.d, Ewom.d,
EwN.d.
Fonte: IBM SPSS 20® – Statistical Package for the Social Sciences
TABELA 16 – Variáveis na equação do modelo de Regressão Logística na predição da não realização
de eWOM Negativo (EwN.d) após 6 iterações.
B S.E. Wald df Sig. Exp(B) 95% C.I.for EXP(B)
Lower Upper
Step 6a
TAM.d 2,105 0,832 6,397 1 0,011 8,209 1,606 41,958
Tup.d 1,416 0,423 11,2 1 0,001 4,119 1,798 9,438
JD.d 0,67 0,342 3,843 1 0,05 1,954 1 3,817
Lea.d -1,037 0,402 6,669 1 0,01 0,354 0,161 0,779
Tat.d -2,301 0,825 7,785 1 0,005 0,1 0,02 0,504
Constant -,786 ,297 7,023 1 ,008 ,456
a. Variable(s) entered on step 1: JI.d, JP.d, JD.d, Sat.d, Lea.d, TAM.d, Tup.d, Tat.d, Tiu.d, Ewom.d,
EwN.d.
Fonte: IBM SPSS 20® – Statistical Package for the Social Sciences
Esta análise demonstrou claramente que o construto do modelo TAM como um todo e dois de seus
construtos internos, utilidade percebida (Tup) e atitude (Tat) detém uma clara influência na prevenção
da realização deste tipo de reclamação negativa nas redes sociais, além da percepção de justiça do tipo
distributiva (JD).
81
4.4.5 Análise descritiva e de associação (χ2) do perfil realizador de eWOM negativo.
Para se definir o perfil dos realizadores de eWOM do tipo Negativo, com o advento de uma tabela
cruzada, foram associadas as características deste grupo acerca das variáveis dicotômicas dos
Construtos. Foi possível perceber que ser positivo no Construto TAM (TAM.d) tem associação
(χ2(1)=13,717; p<0,000) com a realização de eWOM Negativo (EwN.d) assim como os seu Construto
de Utilidade Percebida (Tup.d) (χ2(1)=20,135; p<0,000) e o de Intenção de Uso (Tiu.d) (χ2
(1)=10,999;
p<0,001). Este último, apesar de associado não teve significância estatística na sua regressão logística.
Não existem associações significativas das variáveis sociodemográficas com a realização de eWOM
Negativo, apesar de haver uma frequência maior de realizadores com baixa Lealdade (Leal.d), com alta
Satisfação (Sat.d) e entre as rendas de $3.152,00 à R$15.759,00 (classes 3 e 4 da escala).
GRÁFICO 25 – Gráficos de frequência nos possíveis realizadores de eWOM negativo – Intenção de
Uso (TAM).
Fonte: IBM SPSS 20® – Statistical Package for the Social Sciences
82
GRÁFICO 26 – Gráficos de frequência nos possíveis realizadores de eWOM negativo – Utilidade
Percebida (TAM).
Fonte: IBM SPSS 20® – Statistical Package for the Social Sciences
GRÁFICO 27 – Gráficos de frequência nos possíveis realizadores de eWOM negativo – Atitude
(TAM).
Fonte: IBM SPSS 20® – Statistical Package for the Social Sciences
83
GRÁFICO 28 – Gráficos de frequência nos possíveis realizadores de eWOM negativo – Construto
TAM.
Fonte: IBM SPSS 20® – Statistical Package for the Social Sciences
GRÁFICO 29 – Gráficos de frequência nos possíveis realizadores de eWOM negativo – Satisfação.
Fonte: IBM SPSS 20® – Statistical Package for the Social Sciences
84
GRÁFICO 30 – Gráficos de frequência nos possíveis realizadores de eWOM negativo – Lealdade.
Fonte: IBM SPSS 20® – Statistical Package for the Social Sciences
GRÁFICO 31 – Gráficos de frequência nos possíveis realizadores de eWOM negativo – Renda.
Fonte: IBM SPSS 20® – Statistical Package for the Social Sciences
85
4.4.6 Regressão Logística das Formas de Contato com a Empresa para a não realização de
eWOM.
Em uma avaliação específica nos preditores para se não fazer eWOM em relação ao tipo de contato
com a empresa isoladamente, foi constatado que quando o contato se dá pessoalmente no SAC (E.pess)
ou através de Chat ou mensagem privada em site ou redes sociais (E.chat), o reclamante tem, em média
2,5 vezes mais chances de não fazer eWOM com 68,6% de acertos pela regressão logística (Tabela 17).
TABELA 17 – Variáveis na equação Regressão Logística para Formas de Contato com a Empresa na
predição da não realização de eWOM após 4 iterações.
B S.E. Wald df Sig. Exp(B) 95% C.I.for EXP(B)
Lower Upper
Step 4a E.pess ,728 ,271 7,193 1 ,007 2,071 1,217 3,526
E.chat ,907 ,274 10,971 1 ,001 2,476 1,448 4,234
Constant -1,258 ,208 36,416 1 ,000 ,284
a. Variable(s) entered on step 1: E.nao, E.pess, E.tel, E.chat, E.out.
Fonte: IBM SPSS 20® – Statistical Package for the Social Sciences
4.4.7 Regressões de controle individual de cada Construto na predição de realização de eWOM.
Foram realizadas regressões individuais para cada construto a fim de observar sua força de
previsibilidade individual na realização de eWOM. Suas informações relevantes foram agrupadas nas
tabelas abaixo com seus -2LL, pseudo R2 (Tabela 18), testes de Hosmer e Lemeshow (Tabela 19) e as
variáveis com significância em cada predição (Tabela 20). Foi percebido que as Percepções de Justiça
não detém capacidade preditiva para eWOM, mostrando ao final apenas a constante de seu modelo
isolado (Tabela 20).
TABELA 18 – Valores de -2LL, e pseudo R2 das Regressões Logísticas nos construtos isolados na
predição da realização de eWOM.
Model Summary
Step -2 Log likelihood Cox & Snell R Square Nagelkerke R Square
Procura do SAC 4 331,341a ,062 ,085
Tipo de WOM 1 ,000a ,722 1,000
Percepções de Justiça 13 348,570a ,000 ,000
Satisfação 2 339,667a ,032 ,045
Lealdade 5 344,194b ,016 ,022
TAM 10 338,637a ,036 ,050
Realização de eWOM 3 286,067a ,206 ,285
Sociodemográfico 4 332,041a ,052 ,072
EWOM (+ ou -) 2 294,103a ,182 ,252
Fonte: O Autor, modificado do IBM SPSS 20® – Statistical Package for the Social Sciences
86
TABELA 19 – Valores dos testes de Hosmer e Lemeshow das Regressões Logísticas nos construtos
isolados. na predição da realização de eWOM.
Hosmer and Lemeshow Test
Step Chi-square df Sig.
Procura do SAC 4 ,465 2 ,793
Tipo de WOM 1 ,000 2 1,000
Percepções de Justiça 13 ,000 0 .
Satisfação 2 6,952 6 ,325
Lealdade 5 5,498 3 ,139
TAM 10 1,844 5 ,870
Realização de eWOM 3 6,664 8 ,573
Sociodemográfico 4 ,000 5 1,000
EWOM (+ ou -) 2 3,048 3 ,384
Fonte: O Autor, modificado do IBM SPSS 20® – Statistical Package for the Social Sciences
TABELA 20 – Variáveis na equação das Regressões Logísticas nos construtos isolados na predição
da realização de eWOM.
B S.E. Wald df Sig. Exp(B)
95% C.I.for EXP(B)
Lower Upper
Procura do SAC Step 4a E.pess -0,728 0,271 7,193 1 0,007 0,483 0,284 0,822
E.chat -0,907 0,274 10,971 1 0,001 0,404 0,236 0,691
Percepções de Justiça Step 13a Constant 0,649 0,128 25,744 1 0 1,914
Satisfação Step 2a Sat.2 -0,443 0,206 4,612 1 0,032 0,642 0,429 0,962
Sat.3 0,581 0,211 7,578 1 0,006 1,788 1,182 2,704
Lealdade Step 5a Lea.4 0,2 0,098 4,192 1 0,041 1,222 1,009 1,48
TAM Step 10a Tat.1 0,565 0,229 6,104 1 0,013 1,759 1,124 2,755
Tiu.3 -0,574 0,198 8,442 1 0,004 0,563 0,382 0,83
Realização de eWOM
Step 3a Ewom2 -0,603 0,162 13,839 1 0 0,547 0,398 0,752 Ewom3 0,328 0,16 4,179 1 0,041 1,388 1,014 1,901 Ewom4 -0,304 0,17 3,185 1 0,074 0,738 0,528 1,03
Ewom5 -0,319 0,173 3,381 1 0,066 0,727 0,517 1,021
Sociodemográfico
Step 4a Age(3) -1,638 0,655 6,249 1 0,012 0,194 0,054 0,702 Age(4) -1,221 0,655 3,477 1 0,062 0,295 0,082 1,064 Age(5) -1,54 0,721 4,565 1 0,033 0,214 0,052 0,88
Age(6) -1,435 0,805 3,18 1 0,075 0,238 0,049 1,153
EWOM (+ ou -) Step 2a EwP -0,779 0,118 43,544 1 0 0,459 0,364 0,578
Fonte: O Autor, modificado do IBM SPSS 20® – Statistical Package for the Social Sciences (2018)
4.4.8 Interpretações das regressões realizadas e hipóteses estudadas.
Com estes resultados dados pelas Regressões Logísticas, pode-se afirmar que as Percepções de Justiça
não mostraram correlação ou associação com a realização de eWOM (H1), ou para os valores do
construto TAM (H2). Também é visto, corroborando o que a literatura fala, que as Percepções de Justiça
87
detêm uma alta associação com os construtos de Satisfação e Lealdade (DOS SANTOS E
FERNANDES, 2008; TAX et al., 1998).
Com relação ao construto de Satisfação foi possível evidenciar que existe uma correlação negativa com
a realização de eWOM, ou seja, quanto maior a Satisfação menor a possibilidade de fazer eWOM,
porém não detém capacidade preditiva na regressão para a sua realização (H3).
Os construtos de Satisfação e Lealdade não detém correlação com o construto TAM (H4; H5)
mostrando que estas características comportamentais não derivam de uma aceitação tecnológica. O
construto de Lealdade também não mostrou ter força de predição para o modelo de regressão na
realização de eWOM, porém quando classificado como o negativo, mais danoso e com maiores chances
de propagação, por se tratar de características não benéficas para a Empresa, a baixa Lealdade (Leal.d)
aumenta em quase 3 vezes as chances de realização deste (H6).
O construto TAM tem capacidade preditiva para a realização de eWOM, como mostrado nas regressões,
inclusive quando o reclamante tem maior predisposição de fazer eWOM negativo. Ao realizar uma
previsão para o tipo negativo de eWOM, é possível verificar que o construto de Atitude do TAM (Tat.d)
aumenta em 10 vezes as chances de realizar este tipo (H7).
TABELA 21 – Hipóteses testadas.
Hipóteses VAR VAR Resumo dos Resultados
H1 Percepções
de Justiça eWOM
Não mostraram correlação ou associação com o eWOM, no
entanto, a percepção de Justiça Distributiva demonstrou
força preditora para NÃO realizar eWOM negativo.
H2 TAM Percepções
de Justiça Não mostraram correlação ou associação
H3 Satisfação eWOM
Uma correlação negativa com a realização de eWOM porém
não tem força preditora para sua realização na regressão
logística.
H4 TAM Satisfação Não mostraram correlação ou associação
H5 TAM Lealdade Não mostraram correlação ou associação
H6 Lealdade eWOM
Não mostrou ter força de predição para o modelo de
regressão na realização de eWOM porém tem associação
preditiva com seu baixo valor na realização de eWOM
negativo
H7 TAM eWOM Detém alta correlação com a realização de eWOM, e é
preditivo na realização de eWOM negativo.
Fonte: O Autor (2018).
88
5 CONCLUSÃO
5.1 Sobre o primeiro Objetivo Específico: Levantar na literatura, construtos que representam
as características do atendimento ao consumidor (SAC) e a associação destes construtos com a
propagação de boca a boca nas redes sociais (eWOM).
Ao pesquisar na literatura, foi possível identificar quais construtos influenciam as características do
atendimento ao consumidor (BOSHOFF, 1997; TAX; BROWN, 1998; ECCLES, DURAND, 1998;
NYER, 2000; JOHNSTON; MEHRA, 2002; LA, KANDAMPULLY, 2004) que permitiu obter base
comparativa nestes construtos com a propagação de boca a boca nas redes sociais (eWOM), que era o
primeiro objetivo desta pesquisa.
5.2 Sobre o segundo Objetivo Específico: Levantar a associação ou efeito entre o tipo de
atendimento do SAC (atendimento pessoal, por e-mail, por chat, por telefone, pelas redes
sociais, etc.) e a propagação de boca a boca nas redes sociais (eWOM).
Ao ser avaliada a associação ou efeito entre o tipo de atendimento do SAC (atendimento pessoal, por e-
mail, por chat, por telefone, pelas redes sociais, etc.) e a propagação de boca a boca nas redes sociais
(eWOM), foi demonstrado pela regressão logística do modelo completo que os reclamantes que tenham
entrado em contato com a empresa através de Chat ou mensagem privada em site ou redes sociais
(E.chat) ele tem 4 vezes mais chances de não realizar eWOM.
Foi possível também ver através de uma avaliação específica destes preditores para quais influenciavam
a não realização de eWOM, encontrando-se que além do contato através de Chat ou mensagem privada
em site ou redes sociais (E.chat), quando o contato se dá pessoalmente no SAC (E.pess), o reclamante
tem, em média 2,5 vezes mais chances de não fazer eWOM em ambos os casos com 68,6% de acertos
pela regressão logística.
5.3 Sobre o terceiro Objetivo Específico e confirmação das hipóteses: Levantar o perfil dos
clientes reclamantes quanto à aversão ou propensão à tecnologia (TAM) e sua associação à
propagação de boca a boca nas redes sociais (eWOM).
Finalmente em busca de levantar o perfil dos clientes reclamantes quanto à aversão ou propensão à
tecnologia (TAM) e sua associação à propagação de boca a boca nas redes sociais (eWOM). No
primeiro modelo que dispunha apenas as variáveis totais dos construtos (JI, JP, JD, Sat, Lea, Tup, Tat,
Tiu, Ewom, EwN, EwP) e as sociodemográficas (Gen, Age, Escol, Rend.), demonstra que nenhum
construto, desta forma, com apenas seus valores totais, detém força de predição para a realização de
89
eWOM. Porém ao se colocar o valor total do construto TAM (TAM), foi possível mostrar que esta
variável teve força preditiva para a realização de eWOM, apresentando um aumento de risco de 4 vezes
as chances de fazê-lo. Os construtos de Intenção de Uso do TAM e o eWOM do tipo Positivo possuem
Exp(B) abaixo de 1, mostrando que quando os valores de suas variáveis aumentam, diminuem as
chances de realizar eWOM. Este resultado confirma então a hipótese 7 em que o perfil TAM influencia
positivamente na realização de eWOM. Modificando categoria de referência para a não realização de
eWOM, o valor da razão de chances, representado pelo valor de Exp(B), fica melhor interpretável ao
apresentar um valor maior que 1, mostrando que as chances de se não fazer eWOM aumentam em 2,5
vezes com alto valor do construto de Intenção de Uso do TAM e 2 vezes mais chances caso este eWOM
seja do tipo Positivo. A regressão logística com as variáveis dicotômicas dos construtos (JI.d, JP.d, JD.d,
Sat.d, Lea.d, TAM.d, Tup.d, Tat.d, Tiu.d, Ewom.d, EwN.d, EwP.d) e sociodemográficas, não foi capaz
de achar nenhuma variável com capacidade preditiva significante para sua realização. Apenas a variável
do tipo de eWOM Positivo (EwP.d) mostrou-se significativa para sua não realização, mostrando que
conteúdos benéficos para as Empresas tem 7 vezes menos chances de serem propagadas por eWOM.
Visto que o eWOM mais danoso e com maior chance de propagação é o do tipo negativo, que trata da
comunicação de características não benéficas para a Empresa, foi realizado uma regressão para avaliar
quais construtos podem prever a realização deste tipo específico. Ao realizar esta análise, com as
variáveis dicotômicas por mostrarem um melhor modelo preditivo, demonstrou-se que o alto valor no
construto Atitude do TAM (Tat.d) aumenta em 10 vezes as chances de realizar eWOM negativo e a
baixa Lealdade (Leal.d) aumenta em quase 3 vezes confirmando a hipótese (H6).
Ao mudar a categoria de referência para sua não realização, é possível interpretar melhor o risco relativo,
mostrando que um baixo valor no construto TAM (TAM.d) aumenta significativamente em 8,2 vezes
das chances de não realizar eWOM negativo. O construto Utilidade Percebida (Tup.d), quando baixo,
também é significante e mostra um aumento de 4,1 vezes de chances de não ocorrer eWOM negativo.
Além destes, o alto valor de Percepção de Justiça Distributiva (JD.d) também é preditora com uma razão
de chances de 1,9 vezes maior de não se realizar eWOM negativo.
Conseguindo identificar corretamente 72,7% dos casos, o modelo finaliza demonstrando as variáveis
com predição significativa descritas na Tabela 10. Este modelo demonstra, pelo valor de Exp(B), que
nenhum construto com apenas seus valores totais, possui força de predição para a realização de eWOM.
Apenas uma variável mostrou significância, mas para evitar sua realização, pois possui Exp(B) abaixo
de 1, foi a variável do eWOM do tipo Positivo mostrando que quando os valores de suas variáveis
aumentam, diminuem as chances de realizar eWOM (Tabela 10).
90
Também se realizou a mesma regressão incluindo a variável do TAM como construto Total (TAM)
para avaliar se haveria mudança em sua importância. Ao final de 9 iterações onde se conseguiu um
aumento da verossimilhança de Log -2 (-2LL) que indica um melhor ajuste no modelo de regressão,
com uma taxa de explicação Nagelkerke de R2=0,288 e com o teste de Hosmer and Lemeshow não
dando significativo (χ2(8)=8,344; p=0,401), indicando que este é um modelo adequado (HAIR et al.,
2009).
Conseguindo identificar corretamente 74,9% dos casos, o modelo finaliza demonstrando as variáveis
com predição significativa descritos na Tabela 11. Este modelo demonstra, pelo valor de Exp(B), que
apenas o valor total do construto TAM teve força preditiva para a realização de eWOM, apresentando
um aumento de risco de 4 vezes as chances de fazê-lo. Os construtos de Intenção de Uso do TAM e o
eWOM do tipo Positivo possuem Exp(B) abaixo de 1, mostrando que quando os valores de suas
variáveis aumentam, diminuem as chances de realizar eWOM (Tabela 11). Este resultado confirma
então a hipótese 7 em que o perfil TAM influencia positivamente na realização de eWOM. Para uma
melhor visualização das reações entre as variáveis com os construtos e suas respostas, decidiu-se fazer
um modelo com todas as variáveis.
A regressão foi realizada novamente apenas modificando categoria de referência, para que o valor da
razão de chances, representado pelo valor de Exp(B), fique melhor interpretável ao apresentar um valor
maior que 1, mostrando que as chances de se não fazer eWOM aumentam em 2 vezes caso este seja do
tipo Positivo (Tabela 12).
O mesmo foi feito com o segundo modelo, adicionando o construto TAM para tentar prever a não
realização do eWOM. Com apenas as variáveis totais dos construtos e as sociodemográficas como o
primeiro modelo, a regressão foi realizada apenas modificando categoria de referência. Assim o valor
da razão de chances, representado pelo valor de Exp(B), fica melhor interpretável ao apresentar um valor
maior que 1, mostrando que as chances de se não fazer eWOM aumentam em 2,5 vezes com alto valor
do construto de Intenção de Uso e caso este seja do tipo Positivo (Tabela 13).
Estes resultados demonstram então que em nossas hipóteses que as Percepções de Justiça não
mostraram correlação ou associação com a realização de eWOM (H1), ou para os valores do construto
TAM (H2), refutando ambas as hipóteses.
Com relação ao construto de Satisfação foi possível evidenciar que existe uma correlação negativa com
a realização de eWOM, ou seja, quanto maior a Satisfação menor a possibilidade de fazer eWOM,
porém não detém capacidade preditiva na regressão para a sua realização (H3).
91
Os construtos de Satisfação e Lealdade não detém correlação com o construto TAM (H4; H5)
mostrando que estas características comportamentais não derivam de uma aceitação tecnológica. O
construto de Lealdade também não mostrou ter força de predição para o modelo de regressão na
realização de eWOM, porém quando classificado como o negativo, mais danoso e com maior chances
de propagação, por se tratar de características não benéficas para a Empresa, a baixa Lealdade (Leal.d)
aumenta em quase 3 vezes as chances de realização deste (H6).
O construto TAM tem capacidade preditiva para a realização de eWOM, como mostrado nas regressões,
inclusive quando o reclamante tem maior predisposição de fazer eWOM negativo. Ao realizar uma
previsão para o tipo negativo de eWOM, é possível verificar que o construto de Atitude do TAM (Tat.d)
aumenta em 10 vezes as chances de realizar este tipo (H7).
Como descrito nas análises anteriores, o Gênero, Escolaridade e Renda não mostram nenhuma distinção
proporcional entre os realizadores de eWOM, porém foi percebido que 38,7% dos realizadores de
eWOM estão entre 26 a 35 anos e 34,4% estão entre 36 a 45 anos. Juntos, estes agregam 73,1% dos
realizadores de eWOM nesta faixa de 26 a 45 anos. Dos reclamantes, em quase totalidade (93%),
preferem procurar o SAC, e preferem não fazer eWOM. Dos poucos reclamantes que afirmaram que
prefeririam divulgar nas redes sociais e aplicativos de mensagens, não existe diferença entre a
quantidade que realmente o faria. Com relação ao construto de avaliação de eWOM, é possível ver que
apenas aqueles com “total concordância” (Nível “5” da escala Likert) em querer faze-lo realmente
superam os que não o fazem. Por fim os reclamantes que detém capacidade de fazer eWOM tem maior
possibilidade de fazê-lo, podendo concordar parcialmente ou totalmente (Níveis “4” e “5” da escala
Likert) caso este conteúdo seja positivo e caso seja negativo, a quantidade aumenta em proporção apenas
quando concordam totalmente em fazê-lo (Nível “5” da escala Likert). Porém, esta quantidade pode
advir de um viés de moral, uma vez que os usuários podem querer demonstrar que, se bem tratados,
falariam mais facilmente da empresa para outros.
Por fim, não existem associações significativas das variáveis sociodemográficas com a realização de
eWOM Negativo, apesar de haver uma frequência maior de realizadores com baixa Lealdade (Leal.d),
com alta Satisfação (Sat.d) e entre as rendas de $3.152,00 à R$15.759,00 (classes 3 e 4 da escala).
5.4 Limitações do trabalho
Este estudo permitiu reavaliar as ideias bem fundamentadas acerca da gestão de reclamação, desde a
criação do SAC até sua reforma em Centros de Atendimento, que pela interferência mercadológica da
92
tecnologia os fizeram deixar de ser passivos, à espera do contato de reclamação, para um aspecto mais
ativo, na procura de alcançar aqueles usuários que fazem o marketing boca a boca eletrônico (eWOM).
Uma das limitações identificadas durante a aplicação do instrumento de pesquisa refere-se à
confusão ao conceito de reclamação nas redes sociais, demonstrada pela confusão ao indicar
que nunca fez eWOM, mas afirmar ter utilizado os sites de reclamação ou algum aplicativo de
mensagens instantâneas. A Análise de frequências mostrou que a maior parte de nossa amostra
de reclamantes detém um maior poder aquisitivo (ganhando acima de R$3.000,00) e com curso
superior ou pós-graduação, considerada renda alta de acordo com as estatísticas do IBGE.
Dados de 2010 apontam para uma renda familiar média de R$ 1.109,01 para a Região
Metropolitana do Recife.
5.5 Sugestões para pesquisas futuras
Esta pesquisa traz significativa contribuição aos profissionais do segmento de relação com o cliente,
pois mostra que a gestão de reclamações passiva não se correlaciona com a realização de eWOM,
necessitando de um grupo de analistas de redes sociais para perceber estas realizações e trazê-las para o
gerenciamento de reclamações. Assim os Gestores com uma equipe melhor informada com quais
fatores devem focar ao lidar com este cliente pode sanar o potencial dano na imagem das marcas em
atuação no mercado brasileiro frente a este novo mundo eletrônico do boca a boca.
Estas questões não se findam nestes resultados uma vez que uma amostra probabilística poderia render
mais informações sobre quantos são e quais perfis de consumidores detém tendência a fazer
reclamações sejam diretamente à empresa ou às redes sociais. Por fim o entendimento subsequente
destes perfis é recomendado como desmembramento desta pesquisa.
Estudos futuros relacionados aos realizadores de eWOM dentre os segmentos de atuação das empresas
pode dar um melhor entendimento dos usuários reclamantes e seria um perfil pertinente para o seu
gerenciamento de reclamações através de uma análise de Cluster os quais são extremamente
recomendados nos aprofundamentos das análises, objetivando a identificação das principais variáveis
responsáveis pelas aglutinações e dispersões.
93
REFERÊNCIAS
ABDI, Hervé; WILLIAMS, Lynne. Principal component analysis. John Wiley & Son s, Inc., v. 2, p.
433-459, 2010.
ANDREASSEN, T. W. From Disgust to Delight: Do Customers Hold a Grudge? Journal of Service
Research, 4(1), 39-49. 2001.
ANDRIOLE, S. J. (2010). Business impact of Web 2.0 tecnologies. Communications of the ACM,
53(12), 67-79.
ARENAS-GAITAN, J; ROLDAN-CATALUÑA, FJ; RAMÍREZ-CORREA, PE. Social identity,
electronic word-of-mouth and referrals in social network services. Kybernetes, v. 42, n. 8, p. 1149-
1165, 2013.
ARGENTI, P. A.; BARNES, C. M. Sobrevivendo na Selva da Internet. Como fazer uma comunicação
poderosa na web e proteger a reputação de sua empresa. Tradução de Bete Torii. Rio de Janeiro:
Elsevier, 2011.
BAPTISTA, M. N.; CAMPOS. D. C. de. Metodologias de pesquisa em ciências: análises quantitativa
e qualitativa. – Rio de Janeiro: LTC, 2007.
BASTA, C.; ALCÂNTARA, D. O. Da improvisação ao SAC – a origem do CRM. Gestão da
Organização - Organizacional e Tecnológica: Caderno do programa Mestrado Uninove. v. 2, p.117-
125, São Paulo: Uninove, 2003. Disponível em: <
http://www4.uninove.br/ojs/index.php/cadernosdepos/article/viewFile/1751/1359>. Acesso em: 23
ago. 2017
BATESON, J.; HOFFMAN, K. Marketing de serviços. Porto Alegre: Bookman, 2001
BIES, R., & SHAPIRO, D. (1987). Interactional fairness judgments: the influence of causal
Accounts. Social Justice Research, 1(2), 199-218. doi: 10.1007/BF01048016
BLODGETT, J. G., WAKEFIELD, K. L., & BARNES, J. H. (1995). The effects of customer service
on consumer complaining behavior. The Journal of Services Marketing, 9(4), 31-42. doi:
10.1108/08876049510094487
BOSCH, V.; ENRÍQUEZ, F. TQM and QFD: exploit a customer complaint management system.
International Journal of Quality & Reliability Management, v. 22, n. 1, p. 30-37, 2006.
94
BOSHOFF, C. An experimental study of service recovery options. International Journal of Service
Industry Management, 8(2), 110-130. 1997.
BOULOS, N. K. & WHEELERT, S. The emerging Web 2.0 social software: an enabling suite of
sociable technologies in health and health care education. Health Information and Libraries Journal,
24(1), 2-23. 2007.
BOYD, D. M. & ELLISON, N. B. Social Network Sites: Definition, History, and Scholarship.
Journal of Computer-Mediated Communication, 13(1), 210-230. 2007.
BRANDTZAEG, P. B., & HEIM, J. Why people use social networking sites. Lecture Notes in
Computer Science, 5621, 143–152. 2009.
BUENO, W. C. Estratégias de comunicação nas mídias sociais. Barueri: Editora Manole, 2015.
CALL CENTRE HELPER. The History of the Call Centre. 2018. Disponível em:
<https://www.callcentrehelper.com/the-history-of-the-call-centre-15085.htm>. Acesso em: Agosto de
2018.
CATTELL, R. B. The scientific use of factor analysis. New York: Plenum, 1978.
CHEUNG, MY et al. Credibility of electronic word-of-mouth: informational and normative
determinants of on-line consumer recommendations. International Journal of Electronic Commerce, v.
13, n. 4, p. 9-38, 2009.
CHU, SC; KIM, Y. Determinants of consumer engagement in electronic word-of-mouth (eWOM) in
social networking sites. International journal of Advertising, v. 30, n. 1, p. 47-75, 2011.
CHURCHILL JR, GILBERT A. A paradigm for developing better measures of marketing
constructs. Journal of marketing research, p. 64-73, 1979.
CHURCHILL Jr., G. A. Marketing research: methodological foundations. Fort Laudardale:
Harcourt College Publishers, 1999
CLÁUDIO, A. R. A. (2013). O Novo Desafio da Gestão de Reclamações: As Redes Sociais. 2013.
55 f. Dissertação (Mestrado em Marketing) - Instituto Superior de economia e Gestão, Universidade
Técnica de Lisboa, Lisboa. 2013.
CLICK, A. ; PETIT, J. (2010). Social networking and Web 2.0 in information literacy. The
International Information , Library Review, 42(2), 137-142.
95
COBRA, M. Administração de Marketing. São Paulo: Atlas, 2011.
CONSTANTINIDES, E. ; FOUNTAIN, S. J. (2008). Web 2.0: Conceptual foundations and
marketing issues. Journal of Direct, Data and Digital Marketing Practice, 9(3), 231-244.
COOMBS, W. T; HOLLADAY, S J. The Handbook of Crisis Communication. Florida, John Wiley
and Sons, 2012
CORREIO BRASILIENSE. As empresas estão se unindo para monitorar e evitar ataques nas
redes sociais. 2018. Disponível em:
<https://www.correiobraziliense.com.br/app/noticia/economia/2018/01/25/internas_economia,655605
/empresas-se-armam-contra-ataques-em-redes-sociais.shtml>. Visto em: 19 de Ago 2018.
COSTA, J. Imagen Corporativa en El Siglo XXI. 2. ed., p.40, Buenos Aires: La Crujía, 2009.
CUI, G.; LUI, H.-K.; GUO, X. The effect of online consumer reviews on new product sales.
International Journal of Electronic Commerce, v. 17(1), 2012, p. 39-58.
CULNAN, M. J., MCHUGH, P. J.; ZUBILLAGA, J. I. (2010). How Large US Companies Can Use
Twitter and Other Social Media to Gain Business Value. MIS Quarterly Executive, 9(4), 243- 259.
DAMÁSIO, B. F. Uso da análise fatorial exploratória em psicologia. Avaliação psicológica, v. 11,
n. 2, p. 213-228, 2012.
DAVIDOW, M. (2003). Organizational Responses to Customer Complaints: What Works and What
Doesn’t. Journal of Service Research 5 (3), pp.225-250. 2003.
DAVIS, F. D. Perceived usufulness, perceived ease of use, and user acceptance of information
technology. Mis. q, Minneapolis, v. 13, n. 3, p. 319-339, 1989.
DAVIS, F. D.; BAGOZZI, R. P.; WARSHAW, P. R. User Acceptance of computer technology: a
comparison of two theoretical models. Manage sci., New York, v. 35, n. 8, p. 982-1003, 1989.
DAY, R. L., GRABICKE, K., SCHAETZLE, T. ; STAUBACH, F. (1981). The Hidden Agenda of
Consumer Complaining. Jornal of Retailing, 57(3), 86-106.
DOH, S.J.; HWANG, J.S. How consumers evaluate eWOM (electronic word-of-mouth) messages.
CyberPsychology , Behavior, v. 12(2), 2009, p. 193-197.
96
DOS SANTOS, C.P. Impacto do gerenciamento de reclamações na confiança e lealdade do
consumidor, no contexto de trocas relacionais de serviços: construção e teste de um modelo teórico.
2001. 252f. Tese (Doutorado em Administração) – Escola de Administração, Universidade Federal do
Rio Grande do Sul, 2001. Disponível em: < http://www.lume.ufrgs.br/handle/10183/1758 >. Acesso
em 02 fev. 2018.
DOS SANTOS, C.P.; VON DER HEYDE FERNANDES, D. A recuperação de serviços como
ferramenta de relacionamento e seu impacto na confiança e lealdade dos clientes. RAE: Revista
de Administração de Empresas. 48, 1, 10-24, jan. 2008. ISSN: 00347590.
ECCLES, G. ; DURAND, P. (1998). Complaining customers, service recovery and continuous
improvement. Managing Service Quality, 8(1), 68-71.
EINWILLER, S. A.; STEILEN, S. Handling complaints on social network sites: an analysis of
complaints and complaint responses on Facebook and Twitter pages of large US companies. Public
Relations Review, v. 41, 195-204, 2015.
ESTELAMI, H. (2000). Competitive and processual determinants of delight and disappointment in
consumer complaint outcomes. Journal of Service Research 2 (3), pp.285-300. 2000.
EVERITT, B. S. Multivariate analysis: The need for data, and other problems. British Journal of
Psychiatry, 126 (1), 237-240, 1975.
EXAME, 2018. Empresas já veem as mídias sociais como a principal prioridade de marketing
DIGITAL PARA 2018. 2017. Visto em: <https://exame.abril.com.br/negocios/dino/empresas-ja-
veem-as-midias-sociais-como-a-principal-prioridade-de-marketing-digital-para-2018>. Acessado em:
Novembro de 2017.
FITZSIMMONS, J.; FITZSIMMONS, M. Administração de serviços: operações, estratégia e
tecnologia de Informação. Porto Alegre: Bookman, 2005.
FORNELL, C. ; WERNERFELT, B. (1988). A model for customer complaint management.
Marketing Science, 7(3), 287-298.
GIL, A.C. Métodos e técnicas de pesquisa social. In: Métodos e técnicas de pesquisa social. Atlas,
2010.
97
GLOBO. Facebook, e 2017, atingiu a marca de 2,13 bilhões de pessoas. 2017. Visto em:
<https://g1.globo.com/economia/noticia/receita-do-Facebook-salta-47-com-impulso-da-venda-de-
anuncios-em-dispositivos-moveis.ghtml>. Acessado em: Novembro de 2017.
GOLDENBERG, J. L., B.; MULLER, E. Talk of the network: a complex system look at the
underlying process of word-of-mouth. Marketing Letters, v. 12, n. 3. p. 211-223, 2001.
GRUEN, Thomas W.; OSMONBEKOV, Talai; CZAPLEWSKI, Andrew J. eWOM: The impact of
customer-to-customer online know-how exchange on customer value and loyalty. Journal of
Business research, v. 59, n. 4, p. 449-456, 2006.
GU, Bin; JARVENPAA, S. Online discussion boards for technical support: the effect of token
recognition on customer contributions. ICIS 2003 Proceedings, p. 10, 2003.
GURSOY, D.; MCCLEARY, K. W.; LEPSITO, L. R. Propensity to complain: Effects of personality
and behavioral factors. Journal of Hospitality , Tourism Research, v. 31, 358-386, 2007.
HAIR, J; BLACK, W; BABIN, B; ANDERSON, R; TATHAM, R. Análise Multivariada de Dados.
Porto Alegre: Bookman, 2009.
HAVERILA, M.; NAUMANN, E. Customer complaint behavior and satisfaction in a B2B context: a
longitudinal analysis. Journal of Services Research, v. 10, n. 2, p. 45, 2010.
HENNIG-THURAU, T., GWINNER, K. P., WALSH, G. ; GREMLER, D. D. Electronic word-of
mouth via consumer-opinion platforms: What motivates consumers to articulate themselves on the
Internet? Journal of Interactive Marketing, 18(1), 38-52. 2004.
HOGG, M A.; TERRY, D I. Social identity and self-categorization processes in organizational
contexts. Academy of management review, v. 25, n. 1, p. 121-140, 2000.
HOMBURG, C.; FURST, A. How organizational complaint handling drives customer loyalty: An
analysis of the mechanistic and organic approach. Journal of Marketing, v. 69, July, 95–114, 2005.
HUNG, K H.; LI, S Y. The influence of eWOM on virtual consumer communities: Social capital,
consumer learning, and behavioral outcomes. Journal of Advertising Research, v. 47, n. 4, p. 485, 2007.
HUPPERTZ, J. W.; MOWER, E.; Associates. An effort model of first-stage complaining behavior.
Journal of Consumer Satisfaction, Dissatisfaction , Complaining Behavior, v. 16, 132-144, 2013.
IBRC. Quem somos. 2018. Disponível em: < https://www.ibrc.com.br/ >. Acesso em: Agosto de 2018.
98
JABR, W.; ZHENG, Z. E. Know yourself and know your enemy: an analysis of firm recommendations
and consumer reviews in a competitive environment. MIS Quarterly, v. 38(3), 2014, p. 635-654.
JIANG, B. J.; SRINIVASAN, K. Pricing and Persuasive Advertising in a Differentiated Market.
Marketing Letters, May 2015.
JOHNSTON, R. ; MEHRA, S. Best-practice complaint management. Academy of Management
Executive, 16(4), 145-154. 2002.
JOHNSTON, R. Linking complaint management to profit. International Journal of Service Industry
Management, v. 12, n. 1, p. 60-69, 2001.
JOHNSTON, R.; MICHEL, S. Three outcomes of service recovery: customer recovery, process
recovery and employee recovery. International Journal of Operations ; Production Management, v.
28, n. 1, p. 79-99, 2008.
JUNIOR, RC. O início da história do call center. 2016. https://blog.neoassist.com/historia-do-call-
center/
JUNG, T., YOUN, H., & MCCLUNG, S. (2007). Motivations and self-presentation strategies on
Korean-based ‘‘Cyworld” weblog format personal homepages. CyberPsychology and Behavior, 10(1),
24–31.
KAPLAN, A. M. ; HAENLEIN, M., (2010). Users of the world, unite! The challenges and opportunities
of Social Media. Business Horizons, 53(1), 59-68.
KAU, A.-K.; LOH, E. W.-Y. The effects of service recovery on consumer satisfaction: A comparison
between complainants and non-complainants. Journal of Service Marketing, v. 20(2), 101–111, 2006.
KEMPE, D.; KLEINBERG, J.; TARDOS, E. Influential nodes in a diffusion model for social
networks. Proceedings... Lisboa, 2005.
KIETZMANN, J. H., HERMKENS, K., MCCARTHY, I. P. ; SILVESTRE, B. S. Social media? Get
serious! Understanding the functional building blocks of social media. Business Horizons, 54, 241-
251. 2011.
KIM, M. G.; WANG, C.; MATTILA, A. S. The relationship between consumer complaining
behavior and service recovery: An integrative review. International Journal of Contemporary
Hospitality Management, v. 22, 975-991, 2010.
99
KIMURA, H. Redes sociais e o marketing de inovações. RAM – REVISTA DE
ADMINISTRAÇÃO MACKENZIE Volume 9, n. 1, 2008, p. 157-181
KING, R.A.; RACHERLA, P.; BUSH, V.D. What we know and don‟t know about online word-
of-mouth: a review and synthesis of the literature. Journal of Interactive Marketing, v. 28(3), 2014,
p. 167-183.
LA, K. V. ; KANDAMPULLY, J. Market oriented learning and customer value enhancement through
service recovery management. Managing Service Quality, 14(5), 390- 401. 2004.
LAHOZ, DB. As práticas comunicacionais do pós-venda: o SAC na era das redes sociais on-line.
2016. 144 f. Dissertação de Mestrado em Comunicação Social - Faculdade de Comunicação,
Universidade Metodista de São Paulo – SP, São Bernardo do Campo. 2016.
LEE, Y.L. E SONG, S. An empirical investigation of electronic word-of-mouth: Informational motive
and corporate response strategy. Computers in Human Behavior 26 (5), pp.1073-1080. 2010.
LEVY, M. WEB 2.0 implications on knowledge management. Journal of Knowledge Management,
13(1), 120-134. 2009.
LI, M.; HUANG, L.; TAN, C.-H.; WEI, K.-K. Helpfulness of online product reviews as seen by
consumers: source and content features. International Journal of Electronic Commerce, v. 17(4),
2013, p. 101-136.
LIN, H.-H., WANG, Y.-S., ; CHANG, L.-K. Consumer responses to online retailer's service recovery
after a service failure: a perspective of justice theory. Managing Service Quality, 21(5), 511-534. 2011.
LOVELOCK, C. ; WIRTZ, J. (2010). Services Marketing People. Technology, Strategy, 7a Ed.
United States of America: Perason.
LOVELOCK, C.; WRIGHT, L. Serviços: marketing e gestão. São Paulo: Saraiva, 2004
LU, L.; GURSOY, D.; CHI, C.G.Q.; XIAO, G. Developing a consumer complaining and recovery
effort scale. Journal of Hospitality , Tourism Research, v.26, July, 1-30, 2015.
LUCIAN, R; DORNELAS, J S. Mensuração de Atitudes: A Proposição de um Protocolo para
Elaboração de Escalas. Paco Editorial: 2014.
100
MAGNINI, V. P., FORD, J. B., MARKOWSKI, E. P., ; HONEYCUTT, E. D., JR. The service
recovery paradox: justifiable theory or smoldering myth? Journal Service Marketing, 21(3), 213–
225. 2007.
MALHOTRA, N K. Pesquisa de Marketing: uma orientação aplicada. Porto Alegre: Bookman, 2006.
MALHOTRA, N. K.; BIRKS, D.; WILLS, P. Marketing research: applied approach. 4th edition.
New York: Pearson, 2012.
MARKEY, R; REICHHELD, F. Developing a root cause capability. 2012. Disponível em: <
http://www.bain.com/publications/articles/developing-a-root-cause-capability.aspx >. Acesso em 20
set. 2017.
MARTINEZ-TUR, V., PEIRÓ, J. M., RAMOS, J., ; MOLINER, C. (2006). Justice perceptions as
predictors of customer satisfaction: the impact of distributive, processual, and interactional
justice. Journal of Applied Social Psychology, 36(1), 100-119. doi: 10.1111/j.0021-9029.2006.00005.x
MATTILA, A. S.; RO, H. Discrete negative emotions and customer dissatisfaction responses in a casual
restaurant setting. Journal of Hospitality , Tourism Research, v. 32, 89-107, 2008.
MCCOLLOUGH, M. A. The effect of perceived justice and attributions regarding service failure and
recovery on post-recovery customer satisfaction and service quality attitudes. Journal of Hospitality ,
Tourism Research, v. 24, 2000, p. 423-447.
MCHANEY, R. W. Web 2.0 and Social Media: Business in a Connected World. (2016). 3ª Ed.
Disponível em: http://bookboon.com/en/web-2-0-and-social-media-for-business-ebook [Acesso em:
2017/06/10].
MENDES, R. O SAC nunca foi tão pop. 2017. Disponível em:
<https://epocanegocios.globo.com/colunas/Cabeca-de-startup/noticia/2017/05/o-sac-nunca-
foi-tao-pop.html>. Acesso em: Agosto de 2018.
MITTAL, V.; HUPPERTZ, J. W.; KHARE, A. Customer complaining: The role of tie strength and
information control. Journal of Retailing, v. 84, 195-204, 2008.
MULERO, S. O. Acceptance and impact of social networks marketing using extended technology
acceptance model. Dissertação de Mestrado. Cape Peninsula University of Technology, África do Sul.
2012. Disponível em:
<http://etd.cput.ac.za/bitstream/handle/20.500.11838/1385/Mulero_so_MTech_IT_2012?sequence=1
&isAllowed=y >. Acesso em: 07. mar. 2018.
101
NAMKUNG, Y.; JANG, S. S.; CHOI, S. K. Customer complaints in restaurants: Do they differ by
service stages and loyalty levels? International Journal of Hospitality Management, v. 30, 495-502,
2011.
NIELSEN. Global Trust In Advertising: Winning Strategies For An Evolving Media. Landscape. 2015.
NYER, P. U. An investigation into whether complaining can cause increased consumer satisfaction.
Journal of Consumer Marketing, 17(1), 9-19. 2000.
O’REILLY, T. (2007). What Is Web 2.0: Design Patterns and Business Models for the Next Generation
of Software. Communications. Strategy, 65(1), 17-37.
OH, H. Reexamining recovery paradox effects and impact ranges of service failure and recovery.
Journal of Hospitality , Tourism Research, v. 27, 2003, p. 402-418.
OLIVEIRA, E. F. T.; GRÁCIO, M. C. C. Análise a respeito do tamanho de amostras aleatórias
simples: uma aplicação na área de Ciência da Informação. DataGramaZero - Revista de Ciência da
Informação, v. 6, n. 3, jun., 2005. Disponível em:
<http://www.brapci.ufpr.br/brapci/_repositorio/2010/08/pdf_e12cd1e212_0011612.pdf >. Acesso em:
15. out. 2017.
OLIVEIRA, TMV de. Amostragem não probabilística: adequação de situações para uso e limitações
de amostras por conveniência, julgamento e quotas. Administração on line, v. 2, n. 3, 2001.
OLIVER, L. R. A Cognitive Model of the Antecedents and Consequences of Satisfaction Decisions.
Journal of Marketing Research, 17(4), 460-469. 1980.
OMNIZE. Atendimento ao Cliente: Uma História. 2017. Disponível em:
<https://www.omnize.com.br/blog/atendimento-ao-cliente-uma-historia >. Acesso em: Agosto
de 2018.
PARK, D.-H.; KIM, S. The effects of consumer knowledge on message processing of electronic word-
of-mouth via online consumer reviews. Electronic Commerce Research and Applications, v. 7(4), 2009,
p. 399-410.
PRODANOV, Cleber; FREITAS, Ernani. Metodologia do trabalho científico. Novo Hamburgo:
Feevale 2013.
QUARTIERI, G. M.. O gerenciamento de reclamações de consumidores e seu impacto no
relacionamento cliente-empresa. 2007. 85 f. Dissertação (Mestrado em Marketing) - Escola de
102
Administração. Programa de Pós-Graduação em Administração. Universidade Federal do Rio Grande
do Sul. Porto Alegre. 2007. Disponível em: <http://www.lume.ufrgs.br/handle/10183/76846 >. Acesso
em: 15. mar. 2018.
RAACKE, J., & BONDS-RAACKE, J. (2008). MySpace and Facebook: applying the uses and
gratifications theory to exploring friend-networking sites. CyberPsychology and Behavior, 11(2),169–
174.
RAMÍREZ-CORREA, P; MARIANO, AM; ALFARO-PERÉZ, J; PAIVA, CP. Marketing boca a
boca digital no Facebook: Uma Pesquisa descritiva através das equações estruturais. Espacios, v. 36, n.
14, 2015.
REICHHELD, F; A pergunta definitiva 2.0: Como as empresas que implementam o Net Promoter
Score prosperam em um mundo voltado aos clientes. Rio de Janeiro: Elsevier, 2011.
RICHARDSON, R. J. et al. Pesquisa Social: métodos e técnicas. 2.ed. São Paulo: Atlas, 1989.
ROCHA, M. Importância das redes sociais em estratégias de marketing digital. 2014. Disponível
em:
<http://www2.sidneyrezende.com/noticia/228524+importancia+das+redes+sociais+em+estrategias+d
e+marketing+digital>. Acesso em: Agosto de 2018.
RYU, G; FEICK, Lawrence. A penny for your thoughts: Referral reward programs and referral
likelihood. Journal of Marketing, v. 71, n. 1, p. 84-94, 2007.
SÁ, L. F. J. Barreiras de adoção de internet banda larga em pequenas empresas. 2006. 155f.
Dissertação (Mestrado em Administração) - Faculdade de economia, administração e contabilidade,
Universidade de São Paulo, São Paulo.
SALEH, A. M. Adoção de tecnologia: um estudo sobre a adoção de software livre nas empresas.
2004. 149 f. Dissertação (Mestrado em Administração) - Faculdade de economia, administração e
contabilidade, Universidade de São Paulo, São Paulo. 2004.
SAUNDERS, M; LEWIS, P; THORNHILL, A. Research Methods for Business Students. Prentice
Hall, 3rd. 2003,
SEN, S.; LERMAN, D. Why are you telling me this? An examination into negative consumer reviews
on the web. Journal of Interactive Marketing, v. 21(4), 2007, p. 76-94.
103
SHIN, D. (2007). User acceptance of mobile internet: implication for convergence technologies.
Interacting with Computers, 19(4), 472-83.
SHIN, D. (2009). Virtual gratifications of wireless internet: is wireless portable internet reinforced by
unrealized gratifications? Telematics and Informatics, 26(1), 44-56.
SHIN, D. (2010). Analysis of Online Social Networks: a cross-national study. Online Information
Review. 34(3), 473-495.
SILVA, H. C. C.; ARAÚJO, M. A. V.; PRIMO, M. A. M. Antecedentes da Retenção de Clientes Pós-
Falha e Recuperação de Serviços de Tecnologia da Informação em Ambientes Business-To-Business .
Revista de Gestão e Projetos, v. 6, n. 3, p. 60-70, 2015.
SILVA, M. F. Fatores Humanos e sua Influência na Intenção de Uso de Sistemas de Informação.
2006. 144f. Tese (Doutorado em Administração) – Instituto COPPEAD de Administração,
Universidade Federal do Rio de Janeiro, 2006.
SILVA, MA; LOPES, EL. A influência da justiça nos processos de recuperação de falhas no
varejo. Rev. adm. contemp., Curitiba, v. 18, n. 1, p. 37-58, Feb. 2014. Disponível em <
http://www.scielo.br/scielo.php?script=sci_arttext&pid=S1415-
65552014000100004&lng=en&nrm=iso >. Acesso em 24/02/2018
SIRDESHMUKH, D.; SINGH, J.; SABOL, B. Consumer Trust, Value and Loyalty in Relational
Exchanges. Journal of Marketing, v. 66 (January), p.15-37, 2002.
SPARKS, B. A.; BROWNING, V. Complaining in cyberspace: The motives and forms of hotel
guests‟ complaints online. Journal of Hospitality Marketing & Management, v. 19(7), 2010, p. 797–
818.
SPARKS, B.A.; BROWNING, V. The impact of online reviews on hotel booking intentions and
perception of trust. Tourism Management, v. 32(6), 2011, p. 1310-1323.
STEFANAN, A. A.; ALMEIDA, D. M.; LOPES, L. F. D.. Motivações de estudantes acerca de Redes
Sociais Virtuais. In: XXXVIII Encontro da ANPAD 2014, 2014. Rio de Janeiro. Anais do XXXVIII
Encontro da ANPAD. 2014.
TAGLIARI, H. Fatores influenciadores do marketing boca a boca on-line (eWOM): um estudo
por meio das equações estruturais. 2015. 61 f. Dissertação (Dissertação em administração) -
Faculdade de Economia, Administração e Contabilidade, Universidade de Brasília, Brasília. 2015
104
TAX, S. S. ; BROWN, S. W. (1998). Recovering and Learning from Service Failure. Sloan
Management Review, 40(1), 75-88.
TAX, S. S.; BROWN, S. W.; CHANDRASHEKARAN, M. Customer evaluations of service
complaint experiences: implications for relationship marketing. Journal of Marketing, v. 62, n. 2,
p. 60-76, 1998.
TERRY, D.; CAREY, C.; CALLAN, V. Employee responses to an organizational merger: group status,
group permeability and identification. Australian Journal of Psychology, v. 49, n. 48, 1997.
VAINIO, H-M. Factors influencing corporate customers acceptance of Internet banking: Case of
Scandinavian Trade Finance Customers. Dissertação de Mestrado. The Swedish School of
Economics and Business Administration. 2006. Disponível em: < http://ce.sharif.ir/courses/86-
87/1/ce428/resources/root/service_quality_control/1.factors%20influencing%20corporate%20custom
ers%e2%80%99%20acceptance%20of.pdf >. Acesso em: 08. mar. 2018.
VELLOSO, VF; YANAZE, MH. O consumidor insatisfeito em tempo de redes sociais. ECCOM,
v. 5, n. 9, jan./jun. 2014.
VENKATESH, V. et al. User acceptance of information technology: toward a unified view. Mis
Quarterly, v. 27, n. 3, p. 425-478, 2003.
VENKATESH, V., DAVIS, F. D. A theoretical extension of the technology acceptance model: four
longitudinal field studies. Management Science, v. 46, n. 2, p. 186-204, 2000.
WANG, E. S.; CHANG, S. Creating Positive Word-of-Mouth Promotion Through Service
Recovery Strategies. Services Marketing Quarterly, v. 34, n. 2, p. 103-114,
WANG, Y. S.; WU, S. C.; LIN, H. H.; WANG, Y. Y. The relationship of service failure severity, service
recovery justice and perceived switching costs with customer loyalty in the context of e-tailing.
International Journal of Information Management, v. 31, n. 4, p. 350-359, 2011.
WHITE, L.; YANAMANDRAM, V. A model of customer retention of dissatisfied business
services customers. Managing Service Quality: An International Journal,
YE, Q.; LAW, R.; GU, B.; CHEN, W. The influence of user-generated content on traveler behavior: an
empirical investigation on the effects of e-word-of-mouth to hotel online bookings. Computers in
Human Behavior, v. 27(2), 2011, p. 634-639.
105
YILMAZ, CENGIZ; VARNALI, KAAN; KASNAKOGLU, Berna Tari. How do firms benefit from
customer complaints?. Journal of Business Research, v. 69, n. 2, p. 944-955, 2016.
ZEITHAML, V. A., BERRY, L. L., ; PARASURAMANHAML, V. A., (1996). The behavioral
consequences of service quality. Journal of Marketing, 60(2), 31-46. 1996.
ZEITHAML, V., BITNER, M. J. ; GREMLER, D. (2006). Services Marketing: Integrating
Customer Focus Across The Firm, 4a Ed. New York: McGraw-Hill/Irwin. 2006.
ZEITHAML, V.; BITNER, M. Marketing de serviços: a empresa com foco no cliente. Porto Alegre:
Bookman, 2003.
106
APÊNDICE A – INSTRUMENTO DE COLETA DE DADOS
Esta pesquisa faz parte de uma dissertação do mestrado em Administração da Faculdade Boa
Viagem/Wyden Brasil. Gostaríamos de contar com a sua participação, respondendo ao questionário abaixo
sobre reclamações dos consumidores nas redes sociais.
Lembramos que os dados coletados terão caráter estritamente acadêmico. Responda os itens com base em
sua experiência pessoal. Não há itens certos ou errados, apenas gostaríamos de conhecer sua opinião
relacionada às questões apresentadas.
(Perguntas sobre critério para inclusão no universo pesquisado)
Nos últimos 12 meses você teve problemas com a compra ou utilização de produtos/serviços e reclamou
do ocorrido para a empresa ou terceiros (sites de reclamação, Procon, internet, WhatsApp, etc.)?
1. Sim
2. Não
(Pergunta sobre os motivos impeditivos para a realização da reclamação)
Por que você não registrou ou divulgou a reclamação?
1. Não achei meios de entrar em contato com a empresa/responsável;
2. A empresa não respondeu meu contato
3. Desisti por ser muito trabalhoso;
4. Desisti por saber que não irá ajudar em nada;
5. Apenas decidi não comprar mais desta empresa, produto ou serviço;
6. Não lembro de ter ficado insatisfeito com qualquer produto ou serviço.
(Perguntas sobre o tipo de comunicação com a empresa e propagação da reclamação)
Relembre da reclamação que você fez. Quais meios você utilizou para informar à empresa sobre a sua
reclamação? Marque quantas opções desejar.
1. Não procurei a empresa
2. Procurei a empresa pessoalmente através do SAC (Serviço de Atendimento ao Consumidor)
3. Procurei a empresa por telefone ou e-mail
4. Por Chat ou Mensagem privada através do site da empresa na internet ou nas redes sociais
5. Outro meio
Durante ou após o processo de reclamação, você divulgou ou publicou a sua insatisfação na internet, nas
redes sociais ou por aplicativos de mensagens (Whatsapp, telegram etc.)?
6. Sim
7. Não
107
Quais meios você utilizou para divulgar ou publicar a sua insatisfação ou reclamação? Marque quantas
opções desejar.
1. Divulguei por Whatsapp ou outros aplicativos de mensagens (Telegram, etc.)
2. Publiquei nas redes sociais (Facebook, Instagram, etc.)
3. Publiquei em site de reclamações (como o "Reclame Aqui")
4. Outros meios não listados
5. Eu não divulguei ou publiquei minha insatisfação.
Quando você está insatisfeito com algum produto ou serviço, você procura o Serviço de atendimento ao
Consumidor (SAC), ou prefere publicar diretamente na internet, redes sociais ou aplicativos de mensagens
(Whatsapp)?
1. Procuro o atendimento da empresa via SAC
2. Divulgo nas redes sociais ou por aplicativos de mensagens
(Perguntas sobre a percepção de justiça no atendimento)
Numa escala de 1 a 5, onde 1 representa "discordo totalmente" e 5 representa "concordo totalmente",
responda as questões abaixo com o item que mais expressa a sua opinião.
(Perguntas sobre Justiça Interpessoal)
1. Eles foram honestos comigo.
2. Eles pareceram interessados no meu problema.
3. Eles tentaram arduamente resolver o problema.
4. Eles me deram uma explicação razoável sobre sobre a causa do problema.
5. Eu recebi um pedido de desculpas sincero.
(Perguntas sobre Justiça Processual)
1. Eles responderam rapidamente minha reclamação.
2. A empresa assumiu a responsabilidade pela ocorrência do problema.
3. O acesso à empresa para fazer a reclamação foi fácil.
4. Eu tive a chance de contar a eles detalhes sobre o meu problema.
(Perguntas sobre Justiça Distributiva)
1. A empresa me deu o que eu necessitava.
2. Eu recebi o que eu pedi.
3. O resultado final da reclamação foi o esperado.
(Perguntas sobre Satisfação)
Para as questões abaixo, utilize a escala de 1 a 5 e marque o item que mais expressa a sua opinião. Considere
que 1 representa "discordo totalmente" e 5 representa "concordo totalmente".
1. Eu fiquei feliz com a maneira como a empresa lidou com minha reclamação.
2. Eu estou satisfeito com a maneira como minha reclamação foi resolvida
108
3. No geral, eu fiquei satisfeito com a maneira que a reclamação foi tratada
(Perguntas sobre Lealdade)
Para as questões abaixo, utilize a escala de 1 a 5 e marque o item que mais expressa a sua opinião. Considere
que 1 representa "muito improvável" e 5 representa "muito provável".
1. Com que probabilidade você recomendará a empresa para amigos, vizinhos e parentes.
2. Com que probabilidade você dirá coisas positivas sobre a empresa para outras pessoas.
3. Com que probabilidade você fará negócios com a empresa na próxima vez que precisar do mesmo
serviço ou produto?
4. Com que probabilidade você considerará a empresa como a primeira escolha na aquisição do mesmo
tipo de serviço ou produto?
5. Com que probabilidade você continuará fazendo negócios com essa empresa no futuro?
(Perguntas sobre o Modelo de Aceitação de Tecnologia – TAM)
Considerando as REDES SOCIAIS (Facebook, Twitter, Instagram, etc.) e os APLICATIVOS DE
MENSAGENS (Whatsapp, Telegram, etc.), responda as questões abaixo utilizando a escala de 1 a 5, onde
1 representa "discordo totalmente" e 5 representa "concordo totalmente".
(Perguntas sobre a Utilidade Percebida)
1. Eu penso que os serviços das redes sociais e aplicativos de mensagens são muito úteis para a minha vida
em geral.
2. Eu penso que os serviços das redes sociais e aplicativos de mensagens ajudam a melhorar meu
desempenho em geral.
3. Eu penso que os serviços das redes sociais e aplicativos de mensagens ajudam a melhorar a eficácia da
minha vida em geral.
4. Eu penso que os serviços das redes sociais e aplicativos de mensagens fornecem serviços úteis e
informações para mim.
(Perguntas sobre a Atitude)
1. Eu penso que o uso dos serviços das redes sociais e aplicativos de mensagens é uma boa ideia.
2. Eu penso que o uso dos serviços das redes sociais e aplicativos de mensagens é benéfico para mim.
3. Eu tenho percepções positivas sobre o uso dos serviços das redes sociais e aplicativos de mensagens.
(Perguntas sobre a Intenção de Uso)
1. Eu pretendo usar os serviços redes sociais e aplicativos de mensagens no futuro.
2. Eu pretendo usar os serviços das redes sociais e aplicativos de mensagens, tanto quanto possível.
3. Eu recomendo que outras pessoas usem os serviços das redes sociais e aplicativos de mensagens.
4. Eu pretendo continuar usando os serviços das redes sociais e aplicativos de mensagens no futuro.
(Perguntas sobre realização de eWOM)
109
Considerando as REDES SOCIAIS (Facebook, Twitter, Instagram, etc.) e os APLICATIVOS DE
MENSAGENS (Whatsapp, Telegram, Snapchat, etc.), responda as questões abaixo utilizando a escala de
1 a 5, onde 1 representa "discordo totalmente" e 5 representa "concordo totalmente".
1. Quando tenho BOA experiência com uma empresa, manifesto em minhas redes sociais ou aplicativos de
mensagens.
2. Quando tenho uma experiência RUIM com uma empresa, manifesto em minhas redes sociais ou
aplicativos de mensagens.
3. Sou propenso a dizer coisas BOAS pelas redes sociais ou aplicativos de mensagens, sobre uma empresa
ou produto que atendeu ou superou minhas expectativas.
4. Sou propenso a dizer coisas RUINS pelas redes sociais ou aplicativos de mensagens, sobre uma empresa
ou produto que não atendeu adequadamente minhas expectativas.
5. Eu recomendaria o uso de um serviço ou produto, que atendeu ou superou minhas expectativas, a meus
amigos e familiares através das redes sociais ou aplicativos de mensagens.
6. Eu desestimularia o uso de um serviço ou produto, que não atendeu minhas expectativas, a meus amigos
e familiares através das redes sociais ou aplicativos de mensagens.
(Perguntas sobre dados sociodemográficos)
Gênero
1. Masculino / 2. Feminino
Qual a sua idade?
1. Menor de 18 anos
2. De 18 a 25 anos
3. De 26 a 35 anos
4. De 36 a 45 anos
5. De 46 a 55 anos
6. De 56 a 65 anos
7. 65 anos ou mais
Qual seu nível de escolaridade?
1. Ensino fundamental incompleto
2. Ensino fundamental completo
3. Ensino médio completo
4. Graduação superior em andamento
5. Graduação superior completa
6. Pós-graduação - Especialização, Mestrado, Doutorado
Qual é a sua renda familiar?
1. Até R$ 1.575,99
2. De R$ 1.576,00 a R$ 3.151,99
3. De R$ 3.152,00 a R$ 7.879,99
4. De R$ 7.880,00 a R$ 15.759,99
5. Acima de R$ 15.759,99
110
ANEXO 1 – TABELAS DE HOMOGENEIDADE DE VARIÂNCIAS
Test of Homogeneity of Variances
Levene Statistic df1 df2 Sig.
JI.1 1,211 1 269 ,272
JI.2 ,027 1 269 ,871
JI.3 5,339 1 269 ,022
JI.4 5,423 1 269 ,021
JI.5 4,351 1 269 ,038
JP.1 1,357 1 269 ,245
JP.2 4,960 1 269 ,027
JP.3 ,254 1 269 ,615
JP.4 ,309 1 269 ,579
JD.1 ,235 1 269 ,628
JD.2 ,037 1 269 ,848
JD.3 ,038 1 269 ,846
Sat.1 1,246 1 269 ,265
Sat.2 ,011 1 269 ,918
Sat.3 2,026 1 269 ,156
Lea.1 1,311 1 269 ,253
Lea.2 ,010 1 269 ,922
Lea.3 ,000 1 269 ,997
Lea.4 2,820 1 269 ,094
Lea.5 ,632 1 269 ,427
Tup.1 ,748 1 269 ,388
Tup.2 ,702 1 269 ,403
Tup.3 2,117 1 269 ,147
Tup.4 ,131 1 269 ,718
Tat.1 1,978 1 269 ,161
Tat.2 ,227 1 269 ,634
Tat.3 ,023 1 269 ,879
Tiu.1 ,047 1 269 ,829
Tiu.2 ,159 1 269 ,690
Tiu.3 ,005 1 269 ,941
Tiu.4 ,000 1 269 ,989
Ewom1 ,332 1 269 ,565
Ewom2 ,319 1 269 ,573
Ewom3 ,438 1 269 ,508
Ewom4 ,349 1 269 ,555
Ewom5 5,276 1 269 ,022
Ewom6 1,937 1 269 ,165
JI 3,405 1 269 ,066
JP 1,082 1 269 ,299
JD ,006 1 269 ,937
Sat 1,107 1 269 ,294
Lea ,075 1 269 ,785
TAM ,073 1 269 ,787
Ewom 1,908 1 269 ,168
EwN ,328 1 269 ,567
EwP ,224 1 269 ,637
111
ANEXO 2 – REGRESSÕES LOGÍSTICAS ISOLADAS.
TIPO DE CONTATO COM A EMPRESA NA PREDIÇÃO DE eWOM
Model Summary
Step -2 Log likelihood Cox & Snell R Square Nagelkerke R Square
1 328,231a ,072 ,100
4 331,341a ,062 ,085
a. Estimation terminated at iteration number 4 because parameter estimates changed by less than ,001.
Hosmer and Lemeshow Test
Step Chi-square df Sig.
1 1,099 6 ,982
4 ,465 2 ,793
Variables in the Equation
B S.E. Wald df Sig. Exp(B) 95% C.I.for EXP(B)
Lower Upper
Step 1a E.nao -,603 ,895 ,454 1 ,500 ,547 ,095 3,160
E.pess -,815 ,285 8,168 1 ,004 ,443 ,253 ,774
E.tel -,182 ,286 ,403 1 ,525 ,834 ,476 1,461
E.chat -1,027 ,290 12,568 1 ,000 ,358 ,203 ,632
E.out -,836 ,501 2,790 1 ,095 ,433 ,162 1,156
Constant 1,519 ,317 22,921 1 ,000 4,570
Step 4a E.pess -,728 ,271 7,193 1 ,007 ,483 ,284 ,822
E.chat -,907 ,274 10,971 1 ,001 ,404 ,236 ,691
Constant 1,258 ,208 36,416 1 ,000 3,517
a. Variable(s) entered on step 1: E.nao, E.pess, E.tel, E.chat, E.out.
112
PERCEPÇÃO DE JUSTIÇAS NA PREDIÇÃO DE eWOM
Model Summary
Step -2 Log likelihood Cox & Snell R Square Nagelkerke R Square
1 ,000a ,722 1,000
a. Estimation terminated at iteration number 18 because a perfect fit is detected. This solution is not unique.
Hosmer and Lemeshow Test
Step Chi-square df Sig.
1 ,000 2 1,000
JUSTIÇA
Model Summary
Step -2 Log likelihood Cox & Snell R Square Nagelkerke R Square
1 341,192a ,027 ,037
13 348,570a ,000 ,000
a. Estimation terminated at iteration number 3 because parameter estimates changed by less than ,001.
Hosmer and Lemeshow Test
Step Chi-square df Sig.
1 10,577 8 ,227
13 ,000 0 .
Variables in the Equation
B S.E. Wald df Sig. Exp(B) 95% C.I.for EXP(B)
Lower Upper
Step 1a
JI.1 ,241 ,184 1,711 1 ,191 1,272 ,887 1,825
JI.2 -,071 ,183 ,150 1 ,699 ,932 ,651 1,333
JI.3 -,108 ,190 ,322 1 ,571 ,898 ,619 1,303
JI.4 ,148 ,138 1,155 1 ,282 1,159 ,885 1,518
JI.5 -,018 ,148 ,015 1 ,901 ,982 ,734 1,313
JP.1 ,155 ,137 1,284 1 ,257 1,168 ,893 1,526
JP.2 ,015 ,155 ,009 1 ,925 1,015 ,749 1,375
JP.3 -,154 ,116 1,771 1 ,183 ,857 ,683 1,076
JP.4 -,053 ,118 ,203 1 ,652 ,948 ,753 1,195
JD.1 -,012 ,239 ,003 1 ,960 ,988 ,618 1,579
JD.2 ,049 ,253 ,037 1 ,847 1,050 ,639 1,725
JD.3 -,088 ,214 ,167 1 ,683 ,916 ,602 1,394
Constant ,488 ,407 1,437 1 ,231 1,629
Step 13a Constant ,649 ,128 25,744 1 ,000 1,914
a. Variable(s) entered on step 1: JI.1, JI.2, JI.3, JI.4, JI.5, JP.1, JP.2, JP.3, JP.4, JD.1, JD.2, JD.3.
113
SATISFAÇÃO NA PREDIÇÃO DE eWOM
Model Summary
Step -2 Log likelihood Cox & Snell R Square Nagelkerke R Square
1 338,663a ,036 ,050
2 339,667a ,032 ,045
a. Estimation terminated at iteration number 4 because parameter estimates changed by less than ,001.
Hosmer and Lemeshow Test
Step Chi-square df Sig.
1 5,482 6 ,484
2 6,952 6 ,325
Variables in the Equation
B S.E. Wald df Sig. Exp(B) 95% C.I.for EXP(B)
Lower Upper
Step 1a
Sat.1 -,251 ,254 ,978 1 ,323 ,778 ,473 1,279
Sat.2 -,407 ,210 3,756 1 ,053 ,666 ,441 1,005
Sat.3 ,783 ,297 6,934 1 ,008 2,188 1,222 3,918
Constant ,374 ,265 1,996 1 ,158 1,454
Step 2a
Sat.2 -,443 ,206 4,612 1 ,032 ,642 ,429 ,962
Sat.3 ,581 ,211 7,578 1 ,006 1,788 1,182 2,704
Constant ,365 ,265 1,902 1 ,168 1,441
a. Variable(s) entered on step 1: Sat.1, Sat.2, Sat.3.
114
LEALDADE NA PREDIÇÃO DE eWOM
Model Summary
Step -2 Log likelihood Cox & Snell R Square Nagelkerke R Square
1 342,981a ,020 ,028
5 344,194b ,016 ,022
a. Estimation terminated at iteration number 4 because parameter estimates changed by less than ,001.
b. Estimation terminated at iteration number 3 because parameter estimates changed by less than ,001.
Hosmer and Lemeshow Test
Step Chi-square df Sig.
1 7,739 7 ,356
5 5,498 3 ,139
Variables in the Equation
B S.E. Wald df Sig. Exp(B) 95% C.I.for EXP(B)
Lower Upper
Step 1a
Lea.1 -,045 ,297 ,023 1 ,880 ,956 ,534 1,711
Lea.2 ,024 ,317 ,006 1 ,939 1,024 ,550 1,907
Lea.3 -,240 ,302 ,632 1 ,427 ,786 ,435 1,422
Lea.4 ,389 ,258 2,276 1 ,131 1,476 ,890 2,448
Lea.5 ,053 ,273 ,037 1 ,847 1,054 ,618 1,799
Constant ,316 ,268 1,392 1 ,238 1,371
Step 5a Lea.4 ,200 ,098 4,192 1 ,041 1,222 1,009 1,480
Constant ,218 ,241 ,814 1 ,367 1,243
a. Variable(s) entered on step 1: Lea.1, Lea.2, Lea.3, Lea.4, Lea.5.
115
TAM NA PREDIÇÃO DE eWOM
Model Summary
Step -2 Log likelihood Cox & Snell R Square Nagelkerke R Square
1 336,242a ,044 ,061
10 338,637a ,036 ,050
a. Estimation terminated at iteration number 4 because parameter estimates changed by less than ,001.
Hosmer and Lemeshow Test
Step Chi-square df Sig.
1 9,235 8 ,323
10 1,844 5 ,870
Variables in the Equation
B S.E. Wald df Sig. Exp(B) 95% C.I.for EXP(B)
Lower Upper
Step 1a
Tup.1 -,053 ,220 ,059 1 ,809 ,948 ,617 1,458
Tup.2 ,103 ,248 ,173 1 ,678 1,109 ,682 1,803
Tup.3 -,175 ,238 ,540 1 ,462 ,839 ,526 1,339
Tup.4 ,229 ,235 ,951 1 ,330 1,258 ,793 1,994
Tat.1 ,597 ,297 4,047 1 ,044 1,818 1,016 3,253
Tat.2 -,031 ,291 ,011 1 ,917 ,970 ,548 1,717
Tat.3 -,208 ,255 ,670 1 ,413 ,812 ,493 1,337
Tiu.1 ,045 ,294 ,024 1 ,878 1,046 ,588 1,860
Tiu.2 ,159 ,297 ,285 1 ,593 1,172 ,655 2,097
Tiu.3 -,607 ,324 3,521 1 ,061 ,545 ,289 1,027
Tiu.4 -,068 ,373 ,033 1 ,856 ,934 ,450 1,940
Constant ,548 ,715 ,589 1 ,443 1,730
Step 10a
Tat.1 ,565 ,229 6,104 1 ,013 1,759 1,124 2,755
Tiu.3 -,574 ,198 8,442 1 ,004 ,563 ,382 ,830
Constant ,590 ,672 ,772 1 ,380 1,804
a. Variable(s) entered on step 1: Tup.1, Tup.2, Tup.3, Tup.4, Tat.1, Tat.2, Tat.3, Tiu.1, Tiu.2, Tiu.3, Tiu.4.
116
POSSIBILIDADE DE EWOM NA PREDIÇÃO DE eWOM
Model Summary
Step -2 Log likelihood Cox & Snell R Square Nagelkerke R Square
1 285,342a ,208 ,288
3 286,067a ,206 ,285
a. Estimation terminated at iteration number 5 because parameter estimates changed by less than ,001.
Hosmer and Lemeshow Test
Step Chi-square df Sig.
1 7,040 8 ,532
3 6,664 8 ,573
Variables in the Equation
B S.E. Wald df Sig. Exp(B) 95% C.I.for EXP(B)
Lower Upper
Step 1a
Ewom1 -,117 ,153 ,590 1 ,443 ,889 ,659 1,200
Ewom2 -,554 ,173 10,189 1 ,001 ,575 ,409 ,808
Ewom3 ,389 ,180 4,657 1 ,031 1,475 1,036 2,100
Ewom4 -,308 ,176 3,074 1 ,080 ,735 ,521 1,037
Ewom5 -,279 ,188 2,201 1 ,138 ,757 ,523 1,094
Ewom6 -,059 ,145 ,164 1 ,686 ,943 ,710 1,252
Constant 3,711 ,648 32,770 1 ,000 40,906
Step 3a
Ewom2 -,603 ,162 13,839 1 ,000 ,547 ,398 ,752
Ewom3 ,328 ,160 4,179 1 ,041 1,388 1,014 1,901
Ewom4 -,304 ,170 3,185 1 ,074 ,738 ,528 1,030
Ewom5 -,319 ,173 3,381 1 ,066 ,727 ,517 1,021
Constant 3,632 ,634 32,801 1 ,000 37,779
a. Variable(s) entered on step 1: Ewom1, Ewom2, Ewom3, Ewom4, Ewom5, Ewom6.
117
SOCIODEMOGRÁFICOS NA PREDIÇÃO DE eWOM
Model Summary
Step -2 Log likelihood Cox & Snell R Square Nagelkerke R Square
1 325,607a ,074 ,103
4 332,041a ,052 ,072
a. Estimation terminated at iteration number 20 because maximum iterations has been reached. Final solution cannot be found.
Hosmer and Lemeshow Test
Step Chi-square df Sig.
1 2,801 8 ,946
4 ,000 5 1,000
Variables in the Equation
B S.E. Wald df Sig. Exp(B) 95% C.I.for EXP(B)
Lower Upper
Step 1a
Gen(1) ,037 ,279 ,018 1 ,894 1,038 ,600 1,794
Age 12,102 6 ,060
Age(1) -23,512 40192,970 ,000 1 1,000 ,000 ,000 .
Age(2) ,558 1,002 ,310 1 ,578 1,748 ,245 12,462
Age(3) -1,507 ,678 4,943 1 ,026 ,222 ,059 ,837
Age(4) -1,221 ,675 3,275 1 ,070 ,295 ,079 1,107
Age(5) -1,559 ,740 4,444 1 ,035 ,210 ,049 ,896
Age(6) -1,453 ,834 3,031 1 ,082 ,234 ,046 1,200
Escol 2,334 3 ,506
Escol(1) ,505 ,737 ,470 1 ,493 1,658 ,391 7,025
Escol(2) -,679 ,565 1,442 1 ,230 ,507 ,167 1,536
Escol(3) -,021 ,340 ,004 1 ,950 ,979 ,502 1,907
Rend 3,092 4 ,543
Rend(1) -,632 ,726 ,759 1 ,384 ,531 ,128 2,203
Rend(2) -,779 ,602 1,672 1 ,196 ,459 ,141 1,494
Rend(3) -,270 ,367 ,540 1 ,462 ,764 ,372 1,567
Rend(4) ,105 ,360 ,085 1 ,770 1,111 ,548 2,252
Constant 2,036 ,677 9,048 1 ,003 7,662
Step 4a
Age 10,043 6 ,123
Age(1) -23,149 40192,970 ,000 1 1,000 ,000 ,000 .
Age(2) -,272 ,881 ,095 1 ,758 ,762 ,135 4,287
Age(3) -1,638 ,655 6,249 1 ,012 ,194 ,054 ,702
Age(4) -1,221 ,655 3,477 1 ,062 ,295 ,082 1,064
Age(5) -1,540 ,721 4,565 1 ,033 ,214 ,052 ,880
Age(6) -1,435 ,805 3,180 1 ,075 ,238 ,049 1,153
Constant 1,946 ,617 9,940 1 ,002 7,000
a. Variable(s) entered on step 1: Gen, Age, Escol, Rend.
118
REALIZAÇÃO DE eWOM POSITIVO e NEGATIVO NA PREDIÇÃO DE eWOM
Model Summary
Step -2 Log likelihood Cox & Snell R Square Nagelkerke R Square
1 292,714a ,186 ,257
2 294,103a ,182 ,252
a. Estimation terminated at iteration number 5 because parameter estimates changed by less than ,001.
Hosmer and Lemeshow Test
Step Chi-square df Sig.
1 8,848 8 ,355
2 3,048 3 ,384
Variables in the Equation
B S.E. Wald df Sig. Exp(B) 95% C.I.for EXP(B)
Lower Upper
Step 1a
EwN ,183 ,158 1,341 1 ,247 1,201 ,881 1,636
EwP -,896 ,160 31,566 1 ,000 ,408 ,299 ,558
Constant 2,915 ,476 37,438 1 ,000 18,449
Step 2a EwP -,779 ,118 43,544 1 ,000 ,459 ,364 ,578
Constant 3,179 ,429 54,927 1 ,000 24,012
a. Variable(s) entered on step 1: EwN, EwP.
