Curtir, comentar e compartilhar

1

Curtir, Comentar, Compartilhar: o Impacto da Tipologia da Postagem sobre a Interação do Cliente com a Marca na Rede Social Virtual

Autoria: Milena Costa, Marcos Inácio Severo de Almeida, Ricardo Limongi França Coelho,

Paulo Roberto Scalco, Altair Camargo Filho

RESUMO Este artigo apresenta uma pesquisa fundamentada em estudos que categorizam conteúdos em redes sociais virtuais, cujo objetivo foi mensurar o impacto da tipologia da postagem sobre as métricas curtir, comentar e compartilhar. A investigação foi operacionalizada no Facebook a partir da categorização de postagens em oito perfis de marcas de cerveja, totalizando 2583 observações. Três modelos de regressão foram construídos e estimados de maneira robusta por meio do método dos Mínimos Quadrados Ordinários. Os resultados revelam que três tipologias exercem impacto positivo sobre comentários, compartilhamentos e curtidas, o que sugere um padrão e indica um caminho teórico-empírico para futuros trabalhos.

2

I. INTRODUÇÃO Este artigo apresenta uma pesquisa cujo principal objetivo foi mensurar o impacto da

tipologia da postagem sobre as métricas curtir, comentar e compartilhar em uma rede social virtual. Desde sua introdução, redes sociais virtuais como o MySpace e o Facebook atraíram milhões de usuários, que integraram esses sistemas em suas rotinas diárias (Boyd & Ellison, 2007). Esses serviços interativos são classificados como instituições sociais que conectam pessoas, organizações e conhecimento e por essa razão devem ser estudados como parte das atividades do indivíduo (Wellman, 2001). Nessa realidade, o engajamento do consumidor se torna mais complexo pela mudança e evolução no uso dos canais de comunicação. Embora mídias tradicionais como televisão e rádio continuem relevantes para os programas de marketing, novos canais desafiam os modos como organizações devem estabelecer contatos com seus públicos (Bernhardt, Mays, Eroglu, & Daniel, 2009).

A partir do estabelecimento da Internet como plataforma de comunicação de marketing (Hoffman & Novak, 1996), mídias sociais online como blogs, fóruns e redes sociais virtuais despertaram a atenção de profissionais da área (Kumar, Bhaskaran, Mirchandani, & Shah, 2013), que passaram a incluir sistemas como o Facebook em suas estratégias, principalmente após evidências de aumentos nas vendas e no retorno sobre o investimento (Kumar et al., 2013; Kumar & Mirchandani, 2012). Redes sociais virtuais estão modificando os modos nos quais empresas interagem com seus consumidores por meio de ações que incluem recomendações de contatos e amigos, conteúdos gerados por usuários e avaliações sobre produtos e serviços (Rohm, Kaltcheva, & Milne, 2013). Essas ações encontram-se no centro do engajamento individual e da interação entre cliente e marca, uma vez que consumidores podem compartilhar informações e recomendações sobre compras antes, durante e após a ocasião de compra (Rohm et al., 2013; Schultz & Peltier, 2013).

São cada vez mais comuns pesquisas de marketing operacionalizadas com auxílio de dados provenientes de redes sociais virtuais (Aral & Walker, 2011; Ransbotham, Kane, & Lurie, 2012; Sun, 2012; De Vries, Gensler, & Leeflang, 2012). A despeito desse crescimento, autores destacam que as organizações ainda não foram capazes de medir a efetividade de estratégias baseadas nesses espaços por meio de métricas tangíveis (Kumar et al., 2013). Embora se reconheça a diferença das mídias sociais para as tradicionais, pesquisadores ainda avaliam as métricas mais eficientes para mensuração do fenômeno, enquanto empresas buscam bases sólidas para consolidar decisões estratégicas que incluam esses sistemas (Hoffman & Novak, 2012; Peters, Chen, Kaplan, Ognibeni, & Pauwels, 2013).

No contexto específico do Facebook, autores como Casteleyn, Mottart e Rutten (2009), Peters et al. (2013) e Ramsaran-Fowdar (2013) defendem a incorporação da rede social virtual em pesquisas a partir do uso de técnicas que permitam compreender o volume de dados disponíveis, enquanto outros apontam para a escassez de investigações que considerem a atuação das marcas nesses locais (Smith, Fischer, & Yongjian, 2012). Baseado nessa lacuna e fundamentado em estudos que categorizam conteúdos em redes sociais virtuais (Caseiro & Barbosa, 2011; De Vries et al., 2012; Rauschnabel, Praxmarer, & Ivens, 2012; Smith et al., 2012; Swani, Milne, & Brown, 2013), este artigo apresenta uma abordagem econométrica que procura responder ao seguinte problema de pesquisa: Qual o impacto da tipologia de postagem em perfis de marca sobre curtidas, comentários e compartilhamentos? Três modelos de regressão múltipla foram construídos e estimados por meio do método dos Mínimos Quadrados Ordinários (MQO). A pesquisa foi operacionalizada no Facebook a partir da coleta e categorização de postagens em oito perfis de marcas de cerveja ao longo de três meses, totalizando 2583 observações.

Este artigo está organizado em mais quatro seções, além desta Introdução. Na seção II são problematizados os principais conceitos teóricos que orientaram o desenvolvimento do trabalho. Em seguida, são descritos procedimentos, variáveis do estudo e modelos

3

econométricos construídos. Posteriormente, são apresentados os principais resultados, provenientes das estatísticas descritivas e inferenciais, enquanto a seção V reúne as considerações finais do trabalho.

II. REFERENCIAL TEÓRICO II.1. Marketing baseado em redes sociais virtuais Redes sociais representam um agrupamento de indivíduos que possuem interesses e valores em comum, relacionados entre si, no qual o princípio básico é que a estrutura das relações sociais é determinante para o conteúdo dessas relações (Marteleto, 2001; Mizruchi, 2006). Quando redes de computadores conectam indivíduos e máquinas, essas redes se transformam em redes sociais apoiadas por computadores, que são bases importantes de comunidades virtuais que sustentam elos fracos, intermediários e fortes que proporcionam informação e suporte para relacionamentos especializados e amplos e criação de comunidades virtuais (Wellman et al., 1996). Nesse sentido, redes sociais virtuais são caracterizadas por serem serviços baseados na Internet que possibilitam que indivíduos: (a) criem perfis públicos ou parcialmente públicos; (b) construam uma lista de outros usuários nas quais eles estabeleçam conexões; e (c) percorram sua lista de conexões e aquelas feitas por outros indivíduos no interior do sistema (Boyd & Ellison, 2007). De acordo com Hoy e Milne (2010), profissionais do mercado publicitário logo perceberam que o conteúdo fornecido por usuários de redes sociais virtuais contribuíam para alimentar a produção de propagandas e anúncios segmentados para serem reproduzidos na página desses usuários. Esses espaços são principalmente utilizados pelas empresas para fins de relações públicas e marketing, que começaram a figurar como parte importante do mix de mídias das organizações (Peters et al., 2013). No entanto, um desafio da integração de redes sociais virtuais é a dificuldade de quantificar o retorno de atividades realizadas nessas redes: empresas ainda não consolidaram métricas que possam responder se conteúdos publicados nas redes sociais atingem consumidores ou promovem efeitos na construção da marca (Rapp, Beitelspacher, Grewal, & Hughes, 2013). A interação dinâmica, onipresente e em tempo real proporcionada pelas redes sociais virtuais modifica significativamente o panorama da gestão de marcas e uma profunda compreensão dessa mudança é necessária para que se conheçam os fatores responsáveis pelo desempenho da marca no ambiente online (Gensler, Völckner, Liu-Thompkins, & Wiertz, 2013). II.2. O Facebook e estudos que categorizam conteúdos em redes sociais virtuais O Facebook é uma rede social virtual criada em 2004 para fins estudantis que de certa forma se afastou de sua proposta inicial. Trata-se de uma plataforma que permite que usuários criem perfis contendo informações pessoais, interesses, fotografias e convidem outros usuários do serviço (Smith et al., 2012). Além de indivíduos, empresas também podem criar perfis, que são utilizados como ferramenta de aproximação com seus clientes para divulgação de campanhas publicitárias (Boyd & Ellison, 2007; Smith et al., 2012). Esses usuários podem participar de uma série de atividades, tais como escrever em murais de amigos, comentar e compartilhar postagens e links, participar de fóruns de discussão e interagir com marcas por meio de uma opção denominada “curtir” (Smith et al., 2012). O Facebook também permite que seus usuários troquem mensagens privadas, por vezes instantâneas. Todas essas características, acompanhadas da possibilidade de criação de aplicativos, grupos e fanpages popularizaram a plataforma como alternativa de socialização online (Hughes, Rowe, Batey, & Lee, 2012). De acordo com Zarrella e Zarrella (2010), ao inaugurar um perfil, uma empresa deve preenchê-lo e atualizá-lo com conteúdos que atraiam a atenção das pessoas. O tempo de

4

dedicação ao Facebook e a frequência das atualizações na página devem procurar alcançar objetivos traçados para que não ocorram excessos ou desperdícios na estratégia virtual. Abram e Pearlman (2008) afirmam que após a criação da página é importante inserir elementos que sejam apropriados e forneçam valor ao cliente, que como resposta irá visitar o perfil. Os autores acrescentam que esses perfis se configuram como locais de notificação de próximos eventos, informações sobre horários de funcionamento, divulgação de notícias e exibição de textos, fotos, vídeos e outros tipos de conteúdo. Abram e Pearlman (2008) listam pelo menos dois motivos para que uma empresa mantenha uma página no Facebook: em primeiro lugar, o sistema oferece aos profissionais de marketing um excelente mecanismo para construção de marca, em virtude da sua capacidade de viralizar mensagens e conteúdos; em segundo lugar, possibilita que empresas se comuniquem com consumidores e obtenham valiosas dicas por meio da interatividade. Zarrella e Zarrella (2010) destacam que os conteúdos publicados nos perfis de empresas são passíveis de serem curtidos, comentados e compartilhados. A opção “curtir” é uma forma dos fãs demonstrarem que o conteúdo divulgado os atrai, enquanto o comentário é um espaço destinado a opiniões favoráveis ou desfavoráveis àquela publicação. Por fim, o compartilhamento é a reprodução do conteúdo publicado pela empresa no perfil dos usuários e proporciona que os amigos desse usuário visualizem o conteúdo. Embora pesquisas sobre o Facebook tenham crescido em números absolutos em temas que abrangem o relacionamento indivíduo-sistema, como formas de uso da plataforma e gestão de identidade pessoal (Smith et al., 2012), pouco se conhece sobre a atuação e relacionamento entre marcas e usuários. A literatura sobre o impacto das redes sociais virtuais no desempenho de marcas encontra-se em fase de evolução, mas ressente da identificação sistemática de desafios-chave relacionados à gestão das marcas (Gensler et al., 2013). O quadro teórico desenvolvido por Peters et al. (2013) que trata da gestão das mídias sociais auxilia a compreender os outputs da gestão de marcas nesses espaços: estímulos mercadológicos têm como mecanismos de resposta métricas como curtidas, comentários e compartilhamentos. Curtidas e comentários refletem, de certa forma, a popularidade dos posts de marcas (De Vries et al., 2012), que publicam atividades, conteúdos e sorteios com o objetivo de gerar números elevados de curtidas e seguidores (Peters et al., 2013). No entanto, investigações que procuram caracterizar a natureza dessas postagens e mensurar o impacto que estas provocam nas métricas normalmente utilizadas como referência pelas empresas ainda encontram-se nas fases iniciais. São muito dispersos os trabalhos e as metodologias que procuram caracterizar o conteúdo publicado por marcas no Facebook. Rauschnabel et al. (2012) limitaram a classificar as postagens segundo características técnicas, embora outros autores recorreram à análise do conteúdo das postagens. Caseiro e Barbosa (2011) e Swani et al. (2013) identificaram três tipologias; De Vries et al. (2012) consolidaram quatro categorias de posts, enquanto Smith et al. (2012) construíram seis categorias e as compararam entre as plataformas Facebook, Twitter e Youtube. Se por um lado o esforço desses pesquisadores sinaliza avanços na compreensão das tipologias de postagem de marca no Facebook, por outro, pouco se conhece sobre o impacto que elas produzem. Apenas De Vries et al. (2012) e Swani et al. (2013) operacionalizaram modelos causais e recorreram a curtidas e comentários como variáveis dependentes. Conteúdos populares e considerados relevantes por usuários estão positivamente associados à lealdade de marca nas redes sociais virtuais (Erdogmus & Çiçek, 2012), uma vez que estudos sinalizam que esses conteúdos podem promover engajamento com clientes e produzir resultados gerenciais, como vendas (Smith et al., 2012). Dessa forma, investigações causais que incluam mais tipologias de postagens, incorporem mais métricas além de curtidas e

5

comentários e considerem um número relevante de variáveis de controle são necessárias para que se compreenda profundamente o impacto dessas tipologias. III. MÉTODO Segundo classificação proposta por Malhotra (2006), a pesquisa é caracterizada como causal por buscar, por meio de procedimentos quase experimentais, estabelecer relações de causa e efeito entre as variáveis independentes e dependentes. O estudo empírico aconteceu mediante um tratamento quase experimental ou econométrico, uma vez que tanto a escolha das marcas de cerveja quanto das postagens não foi realizada por atribuição aleatória (Shadish, Cook & Campbell, 2002). Para realização da coleta dos dados foram selecionados oito perfis de marca de cerveja na rede social virtual Facebook. A seleção obedeceu a dois critérios: (a) a marca escolhida deveria possuir participação efetiva no mercado de massa. Não poderia, por exemplo, tratar-se de uma marca de cerveja artesanal ou exclusivamente regional; e (b) a marca deveria participar regularmente na rede social, apresentando certa frequência de postagens. A operacionalização da pesquisa aconteceu após a coleta e categorização de 2583 publicações nos perfis no Facebook das marcas de cerveja escolhidas, Os objetivos dessa escolha foram reproduzir a participação de mercado dessas marcas e controlar o efeito da marca sobre as variáveis dependentes. As postagens referem-se ao período compreendido entre dezembro de 2012 e fevereiro de 2013 e são superiores ao quantitativo analisado em investigações anteriores: De Vries et al. (2012) reuniram 355, enquanto Swani et al. (2013) consolidaram 1143 observações. III.1. Procedimentos e variáveis do estudo

A coleta de dados foi realizada nos perfis das marcas em apenas uma ocasião, por meio de um recurso do navegador que permite salvar todos os dados da página. Esse procedimento possibilita que todo o conteúdo seja salvo até o ponto onde a página foi carregada, armazenando os dados na extensão de arquivo html. Os dados continham as variáveis de interesse (tipologias das postagens), de controle (marca, período do dia e período da semana em que ocorreu a postagem, mês, quantidade de postagens publicadas naquele dia e duração da postagem em relação ao dia em que foram coletados os dados) e dependentes (curtidas, comentários e compartilhamentos) dos modelos empíricos. Esses dados foram então sistematizados em uma planilha do software Excel a fim de serem analisados nos softwares gretl (versão 1.9.14) e Stata (versão 11.2). Os dados estavam dispostos em corte transversal, uma vez que não foram coletadas informações das postagens ao longo do tempo. A Tabela 1 detalha os procedimentos utilizados para operacionalizar o estudo empírico.

Tabela 1: Marcas escolhidas, fabricantes e procedimentos de coleta dos dados

Marca escolhida Fabricante Endereço na rede social virtual Data da coleta Antarctica Inbev/Ambev http://www.Facebook.com/Antarctica 20/03/2013 (19h48m) Bohemia Inbev/Ambev http://www.Facebook.com/CervejaBohemia 20/03/2013 (20h05m) Brahma Inbev/Ambev http://www.Facebook.com/brahmaoficial 20/03/2013 (20h15m) Crystal Cervejaria Petrópolis http://www.Facebook.com/CrystalCerveja 20/03/2013 (20h23m) Devassa Kirin/Schincariol http://www.Facebook.com/Devassa 20/03/2013 (19h59m) Itaipava Cervejaria Petrópolis http://www.Facebook.com/itaipavacerveja 20/03/2013 (20h27m)

Nova Schin Kirin/Schincariol http://www.Facebook.com/novaschin 20/03/2013 (20h34m) Skol Inbev/Ambev http://www.Facebook.com/skol 20/03/2013 (20h40m)

Nota. Os dados foram salvos por meio do recurso do navegador denominado “Salvar Página Como”. Os responsáveis pelo estudo decidiram coletar todos os dados na mesma data, ao final do dia, para não enviesar resultados de estatísticas descritivas e inferenciais.

6

A categorização dos tipos de postagens estendeu pesquisas anteriores realizadas no contexto do Facebook e foi operacionalizada com uma tipologia que considerou o conteúdo das mensagens publicadas na rede social virtual. Essa categorização ocorreu após análise de investigações com objetivos semelhantes. Caseiro e Barbosa (2011) classificaram postagens em três grupos (Publicidade/Serviços/Campanha, Informação e Ofertas/Concursos/Passatempo). Rauschnabel et al. (2012) limitaram a classificar as postagens segundo características técnicas como tamanho, quantidade de texto, elementos midiáticos (como figuras) e presença de enquetes. De Vries et al. (2012) utilizaram seis tipos, mas com outras características além do conteúdo, como a localização da postagem na página. O trabalho de De Vries et al. (2012) recorreu a quatro tipos específicos: interativos, informativos, de entretenimento e os de conteúdo contrastante (classificado como vividness na terminologia dos autores). Smith et al. (2012) construíram seis categorias e as compararam entre as plataformas Facebook, Twitter e Youtube, enquanto Swani et al. (2013) identificaram três tipos, baseados no modelo de escolha psicológica de Hansen (1976). A categorização de Swani et al. (2013) classificou os posts em: os que usam nomes corporativos, os que fazem referência a conteúdo emocional e os que fazem referências instantâneas para compras de produtos ou serviços

A classificação proposta neste trabalho é um avanço quantitativo em relação aos estudos mencionados e caracteriza as postagens em oito categorias: aplicativo, enquete, evento, fã, informação, promoção, publicidade e serviços. A Figura 1 apresenta e descreve as variáveis de interesse do estudo: as variáveis dependentes, que se encontram na forma quantitativa, e as variáveis independentes, na forma qualitativa.

Variável Descrição Natureza Notação Comentários Quantidade de comentários recebidos por determinada

publicação. Dependente/ Quantitativa

comen

Compartilhamentos Quantidade de compartilhamentos recebidos por determinada publicação.

Dependente/ Quantitativa

comp

Curtir Quantidade de curtidas recebidas por determinada publicação.

Dependente/ Quantitativa

cur

Aplicativo É a postagem que possui link direto para um aplicativo criado pela empresa detentora da marca de cerveja, cuja finalidade é fornecer um software com objetivos específicos. A criação de aplicativos é uma ferramenta oferecida pelo Facebook para as páginas. Ex: aplicativo para acompanhamento de todos os blocos de carnaval da cidade de Salvador.

Independente/ Qualitativa

app

Enquete Posts nos quais são feitas perguntas diretas para os seguidores da marca com auxílio de plataforma disponibilizada na rede social virtual. São apresentadas opções nas quais o seguidor seleciona uma alternativa. A quantidade de opções e respostas não foi considerada neste trabalho.


enq

Evento Postagens que de certa forma cobrem a marca ou evento ligados à marca e que incluem mídias como fotos e vídeos. Estão contidos nessa categoria principalmente fotos e álbuns produzidos durante o período do Carnaval em 2013.


eve

Fã Publicação com conteúdo criado por seguidor/fã. O seguidor é o responsável pela ideia central ou enviou a fotografia utilizada no post, sendo sempre mencionada sua participação. Também é considerada a postagem em que a marca atrai o seguidor para contribuir com ideias que serão transformadas em uma futura postagem, sem recompensas previamente anunciadas.


fa

7

Informação Publicação caracterizada nessa categoria quando o conteúdo reunir dados sobre eventos, lugares, oportunidades, pessoas públicas, músicos, etc., ligados diretamente ou não às marcas. Ex: postagens informativas sobre os blocos de rua do carnaval da cidade do Rio de Janeiro

Independente/Qualitativa

inf

Promoção Postagens que anunciam concursos e sorteios, ou seja, promovem e incentivam a participação do seguidor com uma recompensa.


´prom

Publicidade Postagens com objetivo de promover a marca na rede social virtual, apresentando peças publicitárias que atravessem a esfera digital (como aquelas veiculadas em meios tradicionais e reproduzidas na rede social). Também são considerados posts com conteúdos de diversão e afins, com o intuito de atrair a atenção dos seus seguidores.


pub

Serviços Link ou peça publicitária que necessariamente faça conexão direta ao serviço de loja virtual ou a informações sobre como adquirir determinado produto, contendo telefones para contato. Outro exemplo refere-se à marca Skol, que possui rádio online própria cujas postagens fazem link direto para a página na qual a rádio é executada.

Independente/Qualitativa

ser

Figura 1. Variáveis de interesse do estudo empírico Fonte: Dados da pesquisa

Adicionalmente, o estudo considerou a existência de seis variáveis de controle contra três do trabalho de De Vries et al. (2012) e apenas duas na pesquisa de Swani et al. (2013): em primeiro lugar, a marca foi controlada a partir da coleta de postagens em perfis de oito marcas de cerveja, a exemplo da investigação de De Vries et al. (2012), que utilizaram como variável de controle categorias de produto. Como o objetivo deste trabalho é identificar o impacto do tipo de postagem, acredita-se que primeiro deve-se analisar o efeito em marcas de uma categoria específica (cervejas) para depois estender essa tipologia para outras categorias. O estudo também se baseou em De Vries et al. (2012) para atribuir como variável de controle o período da semana em que ocorreu a postagem (dia de semana ou final de semana). As outras quatro variáveis de controle foram definidas a partir de características do perfil da marca na rede social virtual (duração da postagem e quantidade de posts por dia) e da sazonalidade da postagem (período do dia e mês). A Figura 2 apresenta e caracteriza as variáveis de controle do estudo.

Variável Descrição Natureza Notação Marcas de cerveja Marcas de cerveja dos grupos Inbev/Ambev (Antarctica,

Bohemia, Brahma e Skol), Cervejaria Petrópolis (Crystal e Itaipava) e Kirin/Schincariol (Devassa e Nova Schin).

De controle/ Qualitativa

ant boh bra cry dev ita

nov sko

Duração da postagem

Período de dias em que a postagem esteve publicada subtraída do dia em que foi salva, uma vez que se espera que, quanto mais dias um post ficar no ar, maior seu prazo de exposição para receber comentários, compartilhamentos e curtidas. Por exemplo: uma postagem do primeiro dia definido para coleta de dados esteve 109 dias em exposição.

De controle/ Quantitativa

dur

Quantidade de posts por dia

Número de postagens publicadas no mesmo dia que a presente observação.

De controle/ Quantitativa

qtd

8

Período do dia Postagens que ocorreram no período matutino (entre 00h00m e 11h59m), vespertino (entre 12h00 e 17h59) ou noturno (entre 18h00 e 23h59).


mat ves not

Período da semana Postagens que ocorreram no meio da semana (entre segunda-feira e quinta-feira) ou no fim de semana (sexta-feira, sábado ou domingo),


meio fds

Mês da postagem Postagens dos meses de dezembro, janeiro ou fevereiro, De controle Qualitativa

dez jan fev

Figura 2. Variáveis de controle do estudo empírico Fonte: Dados da pesquisa

Foram construídos três modelos econométricos, nos quais as variáveis dependentes são, respectivamente, comentários, compartilhamentos e curtidas. Os modelos incorporam variáveis independentes quantitativas e qualitativas discutidas nas Figuras 1 e 2. As representações dos parâmetros de intercepto e de inclinação dos modelos se encontram reproduzidas nas equações (1), (2) e (3). É importante destacar que as equações já incorporam as variáveis de referência, que serão omitidas para operacionalização da análise estatística, conforme será explicado na seção IV.2. A estimação foi realizada por meio do método dos Mínimos Quadrados Ordinários. Esse método estima os parâmetros da função de regressão amostral de modo que a soma dos resíduos seja a menor possível e na qual os valores estimados sejam os mais próximos possíveis dos valores observados (Gujarati & Porter, 2011). comen = β0+ β1app + β2enq + β3eve + β4fa + β5inf + β6prom + β7pub + β8ant + β9boh + β10cry + β11bra + β12dev + β13nov + β14sko + β15dur + β16qtd + β17mat + β18notur + β19fds + β20jan + β21fev + u (1) comp = β0+ β1app + β2enq + β3eve + β4fa + β5inf + β6prom + β7pub + β8ant + β9boh + β10cry + β11bra + β12dev + β13nov + β14sko + β15dur + β16qtd + β17mat + β18notur + β19fds + β20jan + β21fev + u (2) cur = β0+ β1app + β2enq + β3eve + β4fa + β5inf + β6prom + β7pub + β8ant + β9boh + β10cry + β11bra + β12dev + β13nov + β14sko + β15dur + β16qtd + β17mat + β18notur + β19fds + β20jan + β21fev + u (3) IV. ANÁLISE DOS DADOS IV.1. Estatísticas descritivas

Na Tabela 2, encontra-se o resumo das variáveis dependentes utilizadas no modelo econométrico e suas estatísticas descritivas. Observa-se que curtidas (2611.321) possui a maior média entre as variáveis, acompanhada por compartilhamentos (1924.544) e comentários (200.263). Esses resultados sugerem que, das opções disponíveis no Facebook analisadas para interação entre cliente e marca, curtidas são mais frequentes, talvez pelo mecanismo de ativação dessa opção na plataforma, que acontece por meio de um simples clique no dispositivo (notebooks, smartphones ou tablets) utilizado pelo usuário. Ao contrário, comentários possuem a menor frequência média entre as três variáveis dependentes. Um provável motivo para esse resultado é que indivíduos despendem maior esforço na redação de comentários sobre postagens na rede social virtual. Comentários também figuram como variável de menor desvio-padrão, revelando menor dispersão dos dados. Ressalta-se que

9

os valores máximos das variáveis seguem a mesma disposição: em primeiro lugar, curtidas (113227), seguidas de compartilhamentos (103371) e comentários (11833). Tabela 2: Estatísticas descritivas das variáveis dependentes

Variáveis Observações Média DP Mínimo Máximo

comen 2583 200.2633 599.0873 0 11833

comp 2583 1924.544 4712.653 0 103371

curt 2583 2611.321 5740.289 0 113227

IV.2. Testes de especificação, teste F e qualidade de ajustamento dos modelos Como primeira etapa da análise, foram realizados testes de especificação e

interpretados os testes de restrições lineares múltiplas (o teste F) e os resultados dos coeficientes de determinação dos modelos (R2 e R2 Ajustado). A Tabela 3 apresenta as estimações dos três modelos, operacionalizadas com procedimentos robustos em relação à heterocedasticidade. Wooldridge (2013) sinaliza que estimadores de variâncias são viesados sem a hipótese de homocedasticidade; como resultado, inferências inadequadas são conduzidas sob a presença de heterocedasticidade (White, 1980). A identificação dessa característica aconteceu após a realização do teste de Breusch e Pagan (1979), que retornou valores elevados da estatística qui-quadrado e permitiu rejeitar a hipótese nula de variância constante (qui = 1616.39 no Modelo 1, qui = 3033.31 no Modelo 2 e qui = 799.22 no Modelo 3). Outro teste identificou valores dos fatores de inflação da variância (FIV) dos três modelos. Gujarati e Porter (2011, p. 337) afirmam que esse fator “mostra como a variância de um estimador é inflada pela presença de multicolinearidade”. Os valores retornados pelos testes indicam um FIV médio mais próximo do valor 1 e distante de 10, o que denota a existência de uma colinearidade aceitável entre as variáveis independentes (FIV médio igual a 3,14 nos três modelos). É necessário destacar ainda o procedimento de organização dos dados e atribuição das categorias de referência nas variáveis qualitativas para que se interprete adequadamente a Tabela 3. Como princípio geral da inclusão de variáveis dummy que indicam grupos diferentes, no caso do modelo de regressão apresentar “g” grupos ou categorias, destaca-se a necessidade de inclusão de g – 1 variáveis nos modelos (Wooldridge, 2013). As variáveis de referência definidas nos três modelos foram: “ser” para o grupo tipologia de postagem, “ita” para marca de cerveja, “ves” para o período do dia, “meio” para o período da semana e “dez” para o mês da postagem. Esse agrupamento foi selecionado, após a realização de vários testes entre as variáveis, pelo seguinte motivo: essa combinação resulta em interceptos que não são estatisticamente significantes, permitindo comparações adequadas entre os interceptos de grupos das variáveis dummy com o intercepto do grupo-base (Wooldridge, 2013). A não significância estatística da constante garante comparações entre os coeficientes da tipologia de postagem quando estes forem significantes. Os modelos retornaram valores baixos do R-quadrado. O R2 mensura a proporção da variação total das variáveis dependentes explicadas pelo modelo de regressão e é comum esse resultado ser baixo nas ciências sociais, especialmente em análises de corte transversal (Gujarati & Porter, 2011; Wooldridge, 2013). Quando se compara os coeficientes de determinação de dois dos modelos apresentados neste trabalho com investigações de marketing conduzidas no contexto das redes sociais virtuais, observa-se que eles são ligeiramente inferiores: no estudo de De Vries et al. (2012) os resultados foram de 15% no modelo de curtidas e 30% no modelo de comentários contra 12,5% (Modelo 3) e 9,16%

10

(Modelo 1), respectivamente. Três argumentos devem ser colocados em pauta sobre essa questão: (a) este trabalho considerou números absolutos para as variáveis, enquanto a pesquisa de De Vries et al. (2012) transformou as variáveis dependentes para a forma logarítmica; (b) valores baixos do R-quadrado não significam, necessariamente, equações de regressão inúteis (Wooldridge, 2013); (c) este trabalho avança na compreensão do impacto do tipo de postagem por considerar, adicionalmente, compartilhamentos como variável dependente.

Os modelos para número de comentários, compartilhamentos e curtidas são estatisticamente significantes conjuntamente. Os valores do teste F permitem rejeitar a hipótese nula de que os coeficientes angulares são simultaneamente iguais a zero (Gujarati & Porter, 2011). Os valores de R-quadrado e R-quadrado Ajustado explicam as variâncias das variáveis dependentes de forma razoável para os Modelos 1 (valor F = 34.76, p-valor < 0.01, R2 = 9,16% e R2 Ajustado = 8,41%) 2 (valor F = 28.4 p-valor < 0.01, R2 = 17,6% e R2 Ajustado = 16,9% ) e 3 (valor F = 72.56, p-valor < 0.01, R2 = 12,5% e R2 Ajustado 11,8% ). Tabela 3: Resultados das estimativas dos coeficientes e das estatísticas dos três modelos construídos

Modelo 1 Modelo 2 Modelo 3 Comentários Compartilhamentos Curtidas Variáveis de interesse

(Tipologia da postagem) app

-41.09

-273.9

-679.6 (-1.10) (-0.83) (-1.43) enq 28.44 720.5 58.10 (0.63) (1.60) (0.10) eve -13.30 -310.3 43.78 (-0.34) (-0.94) (0.08) fa 389.4*** 2203.7*** 2807.8*** (6.22) (5.75) (5.37) inf 13.14 61.36 14.46 (0.39) (0.22) (0.03) prom 172.3** 978.8** 1718.4* (2.76) (3.05) (2.26) pub 178.2*** 2546.4*** 2295.6*** Variáveis de controle

(5.12) (8.43) (4.80)

(Marcas de cerveja) ant 139.2** 2111.5*** 1790.7*** (2.80) (6.74) (3.30) boh 173.0*** 1565.4*** 2867.4*** (3.48) (5.92) (4.99) bra 118.9* 1179.0*** 1275.1 (2.00) (4.28) (1.92) cry -42.01 -865.7*** -1089.2 (-0.70) (-3.83) (-1.47) dev -26.15 -214.3 -611.1 (-0.55) (-0.88) (-1.11) nov -42.84 -420.9 -900.7 (-0.96) (-1.83) (-1.74)

11

sko 341.5*** 4706.2*** 4185.0*** (5.90) (8.50) (6.35) Duração da postagem)

dur -1.621 -12.54* -31.45** (-1.64) (-2.03) (-2.67) (Qtd. de post. por dia)

qtd 5.284 -39.86 30.71 (0.91) (-0.85) (0.54) (Período do dia)

mat -14.05 569.1** -31.39 (-0.55) (2.80) (-0.13) notur -14.29 61.95 163.5 (-0.44) (0.27) (0.53) (Período da semana)

fds -9.865 181.9 52.08 (-0.45) (0.97) (0.24) (Mês) jan -61.16 -599.5* -774.5 (-1.47) (-2.51) (-1.71) fev -102.2 -1027.5*** -1337.4 (-1.59) (-3.50) (-1.76) Constante 50.69 -371.3 1725.4 (0.44) (-0.75) (1.23) F 34.76*** 28.49*** 72.56*** Prob>F 6.62e-123 7.41e-101 6.20e-241 R2 0.0916 0.176 0.125 R2 Ajustado 0.0841 0.169 0.118 Número de obs. 2583 2583 2583

Nota. As estatísticas t estão entre parênteses, localizadas abaixo das estimativas das variáveis de interesse e controle. * sinaliza valores significativos (p < 0.05); ** sinalizam valores muito significativos (p < 0.01); *** sinalizam valores altamente significativos (p < 0.001).

IV.3. Análise do impacto das variáveis de interesse

A segunda etapa da análise envolveu os resultados dos testes de hipóteses sobre coeficientes das estimativas individuais das regressões. Uma importante consideração sobre as variáveis de interesse deve ser destacada: as tipologias de postagens que exercem impacto sobre comentários, compartilhamentos e curtidas são as mesmas, o que sugere um padrão e indica um caminho teórico-empírico para futuros trabalhos que se destinam a classificar e identificar a influência dessas tipologias em redes sociais virtuais.

Postagens da categoria fã são estatisticamente significativas a um nível de confiança de 99,9% em todos os três modelos e se caracterizam pelo impacto linear e positivo sobre as variáveis dependentes. Uma postagem publicada por fã em determinado perfil de marca de cerveja recebe, em média, 389.4 comentários, 2203.7 compartilhamentos e 2807.8 curtidas a mais que postagens das categorias aplicativos, enquetes, eventos, informação e serviços, esta última categoria de referência. Por não serem significativos, os impactos das tipologias aplicativos, enquetes, eventos, informação e serviços são considerados estatisticamente iguais. Esses resultados corroboram argumentos de pesquisadores que destacam a importância de conteúdos gerados pelo usuário em atividades de redes sociais virtuais (Rohm & Kaltcheva, 2013) e confirmam o papel de protagonista alcançado por clientes, consumidores ou fãs de marcas nesses espaços (Hennig-Thurau et al., 2010).

12

Essa importância fica ainda mais evidente quando se constata que o impacto absoluto da tipologia fã é superior às postagens do tipo publicidade e promocional nos Modelos 1 e 3 e superior às postagens do tipo promocional no Modelo 2. Em termos gerenciais, profissionais de marketing preocupados em aumentar métricas de engajamento nas redes sociais virtuais devem incentivar, permitir e publicar conteúdos gerados por fãs nos perfis das marcas nessas redes. Segundo Winer (2009), redes sociais virtuais como o Facebook são dotadas de características que possibilitam que empresas se comuniquem com segmentos específicos e engajem indivíduos por meio da interatividade. Uma dessas formas seria a publicação de fãs nos perfis de marcas.

A segunda tipologia de postagens que promove impacto linear e positivo sobre as variáveis dependentes é a promocional. No entanto, os resultados dessa categoria são ligeiramente menos consistentes em termos econométricos: eles são significativos a um nível de confiança de 95% para comentários e compartilhamentos e 90% para curtidas. Em média, postagens promocionais em perfis de marca de cerveja recebem 172.3 comentários, 978.8 compartilhamentos e 1718.4 curtidas a mais que postagens da categoria serviços. Possíveis explicações para a significância estatística dessa variável qualitativa podem estar na natureza da atividade promocional, que proporciona benefícios utilitários e hedônicos (Chandon, Wansink, & Laurent, 2000).

Atividades promocionais podem ir além do efeito imediato nas vendas e influenciar a aprendizagem do consumidor e seu comportamento no longo prazo (Heerde & Neslin, 2008). Parece ser esse o objetivo das marcas de cerveja quando incentivam alguma atividade do seguidor em seus perfis, em troca da participação em sorteios e concursos. Esses mecanismos também fazem parte do escopo das ações promocionais, embora o objetivo não seja produzir efeitos nas vendas ou rentabilidade, mas nos comportamentos e atitudes dos indivíduos (Chandon, 1995). Nesse sentido, uma importante implicação gerencial refere-se à utilização, por profissionais de marketing, de postagens caracterizadas como promocionais.

Com resultados semelhantes à categoria fãs, postagens classificadas como publicidade são estatisticamente significativas a um nível de confiança de 99,9% em todos os três modelos. Uma postagem do tipo publicidade reproduzida em um perfil de marca de cerveja recebe, em média, 178.2 comentários, 2546.7 compartilhamentos e 2295.6 curtidas a mais que postagens da categoria serviços. Ao contrário das postagens do tipo promocional, as caracterizadas como publicidade não estão vinculadas a concursos, sorteios ou recompensas e se destinam a promover a marca, algumas vezes fazendo referência a datas festivas como o Natal e o Carnaval. A significância estatística dessa tipologia parece estar relacionada ao processo de gestão de marca na realidade pós-Internet: trata-se de um contexto mais dinâmico, que busca envolver o consumidor em etapas fundamentais do processo de construção da marca (Christodoulides, 2009).

As outras quatro tipologias de postagens analisadas (aplicativos, enquete, eventos e informativo) não promovem impactos estatisticamente diferentes da variável de referência (serviços). Esses resultados reúnem os primeiros indícios da não significância dessas tipologias e estudos adicionais são necessários para identificar a recorrência desse padrão com marcas de outros setores e outras categorias de produto. Especificamente tratando sobre postagens informativas, a literatura já havia dado indícios da não significância estatística dessa categoria. De Vries et al. (2012) não deixaram de rejeitar a hipótese de que postagens informativas recebem mais curtidas e comentários do que aquelas caracterizadas como não informativas. A decisão de incluí-la no grupo de oito variáveis de interesse decorreu da necessidade de testar um grupo mais abrangente de tipologias que De Vries et al. (2012) e Swani et al. (2013).

13

IV.4. Análise do impacto das variáveis de controle O primeiro conjunto de variáveis de controle refere-se às marcas de cerveja. A variável qualitativa de referência escolhida foi a marca Itaipava e, de acordo com os resultados, verifica-se que apenas as marcas Antarctica, Bohemia e Skol são estatisticamente significantes nos três modelos. Postagens no perfil da marca Antarctica, por exemplo, recebem, em média, 139.2 comentários, 2111.5 compartilhamentos e 1790.7 curtidas a mais que aquelas da Itaipava. Esses resultados são estatisticamente significantes a níveis de 99,9% (Modelos 2 e 3) e 95% (Modelo 1). Valores das variáveis dependentes para as marcas Devassa e Nova Schin são estatisticamente iguais aos da Itaipava, enquanto os das marcas Brahma (significante nos Modelos 1 e 2) e Crystal (significante apenas no Modelo 2) retornaram resultados mistos. Postagens da marca Skol possuem, em média, maior número de comentários, compartilhamentos e curtidas em relação à variável de referência e todos esses resultados reproduzem proporções identificadas na amostra: somadas, as marcas de uma única empresa (Antarctica, Bohemia, Brahma e Skol) totalizam 58% das publicações no Facebook. Com relação às variáveis quantitativas que controlam, respectivamente, a quantidade de posts por dia e a duração da postagem, observa-se o seguinte: múltiplas publicações diárias nos perfis das marcas não interferem em curtidas, comentários ou compartilhamentos, o que revela certa independência entre a frequência da exposição de postagens e as variáveis dependentes. Ao contrário, o tempo de exposição de uma postagem promove impactos lineares e negativos sobre compartilhamentos e curtidas. Em média, cada dia adicional de exposição da postagem reduz 12.54 compartilhamentos (significantes a um nível de confiança de 90%) e 31.45 curtidas (significantes a um nível de confiança de 95%). Esses resultados contradizem o que seria esperado a priori, uma vez que como a amostra corresponde a um determinado período de tempo (ou seja, um modelo cross section) seria esperado que quanto maior o tempo de exposição da postagem, maior, em média, o quantitativo de comentários, compartilhamentos e curtidas. Esses seriam os resultados esperados uma vez que Swani et al. (2013) encontraram um coeficiente positivo em análises realizadas em 1146 postagens no Facebook. É importante não confundir essa variável com um eventual “tempo de vida” da postagem, o que resultaria em decréscimo nos números das variáveis dependentes conforme o avanço do tempo. Essa característica foi descrita por Van Der Lans, Van Bruggen, Eliashberg e Wierenga (2010), que identificaram reduções no quantitativo de participantes em campanhas de marketing viral ao longo do tempo. Por essas razões, pesquisas futuras devem considerar modelos de séries temporais e de painel e testar eventuais efeitos auto regressivos. O terceiro grupo de variáveis de controle examinou os períodos do dia, da semana e o mês das postagens. Verifica-se, de acordo com a Tabela 3, uma predominância de postagens no período vespertino. Entretanto, o único período que se distinguiu, de forma estatisticamente significante, foi o período matutino, apenas no Modelo 2: postagens no período da manhã, recebem, em média, 569.1 compartilhamentos a mais que as publicadas à tarde. Essa inferência é significativa a um nível de 95% de confiança. De modo geral, não existem diferenças nas variâncias das variáveis dependentes em relação ao período do dia em que ocorreram as postagens. Esses resultados podem sugerir um problema no procedimento de coleta dos dados, que classificou como período matutino publicações entre 0:00 e 11:59. Investigações adicionais que distingam a madrugada são necessárias.

Postagens publicadas durante a semana são estatisticamente iguais às do fim de semana. Isso significa que não provocam impactos em comentários, compartilhamentos e curtidas. Esses resultados corroboram o que foi encontrado no estudo de De Vries et al. (2012), que também incluiu dias da semana como variável de controle e não encontrou resultados estatisticamente significantes. Dessa forma, é possível assegurar que usuários curtem, compartilham e comentam postagens com igual frequência em dias de semana e fins de semana e fazem uso do Facebook de modos diferentes que serviços de e-mail, por

14

exemplo. Van Der Lans et al. (2010) encontraram diferença estatística no quantitativo de participantes de uma ação de marketing viral operacionalizada via e-mail. Por fim, de modo geral, não houve diferença estatisticamente significante entre os meses em que ocorreram as postagens. Postagens publicadas em dezembro, janeiro e fevereiro são estatisticamente iguais quando se consideram comentários e curtidas. Particularmente, quando se analisa o Modelo 2 verifica-se que postagens no mês de dezembro recebem, em média, 599.5 (significativo a um nível de 90% de confiança) mais compartilhamentos que janeiro e 1027.5 (significativo a um nível de 99,9% de confiança) mais compartilhamentos que fevereiro. V. CONSIDERAÇÕES FINAIS E FUTUROS TRABALHOS

Este estudo teve como objetivo mensurar o impacto do tipo de postagem sobre métricas importantes em uma rede social virtual. Postagens de fãs, promocionais e de publicidade exercem um impacto linear e positivo sobre as variáveis dependentes, o que sugere um padrão e indica um caminho teórico-empírico para futuros trabalhos que se destinam a classificar e identificar a influência dessas tipologias. Conclui-se que redes sociais virtuais como o Facebook são mais eficientemente aproveitadas quando utilizadas como meio de promoção que proporciona benefícios hedônicos aos usuários, em vez de benefícios utilitários por meio da divulgação direta de produtos, serviços e preços (Chandon, 1995; Chandon et al., 2000). As tipologias que foram estatisticamente significantes possivelmente promovem o que Subramani e Rajagopalan (2003) classificam como envolvimento e conexão emocional dos indivíduos com a mensagem transmitida. Essa conexão permite a difusão da postagem para a rede social de amigos no círculo social.

Futuras investigações devem avançar a partir do modelo apresentado neste trabalho e, analisar, por exemplo, as variáveis dependentes como integrantes de equações simultâneas ou de um sistema no qual os termos de distúrbio encontram-se altamente correlacionados (Zellner, 1962). Análises exploratórias com a base de dados desta pesquisa revelam que o coeficiente de determinação aumenta significativamente quando se incluem compartilhamentos e curtidas como variáveis independentes do Modelo 1 (valor F = 122.23, p-valor < 0.01, R2 = 74,075), comentários e curtidas como variáveis independentes do Modelo 2 (valor F = 53.42, p-valor < 0.01, R2 = 51,48%) e comentários e compartilhamentos como variáveis independentes do Modelo 3 (valor F = 320.83, p-valor < 0.01, R2 = 79,89%). Compreender essa dinâmica é importante, uma vez que parece existir uma relação entre as variáveis dependentes: indivíduos que curtem determinada postagem, também parecem comentá-la e compartilhá-la. VI. REFERÊNCIAS

Abram, C. & Pearlman, L. (2008). Facebook for dummies. Hoboken: John Wiley & Sons.

Aral, S. & Walker, D. (2011). Creating social contagion through viral product design: A randomized trial of peer influence in networks. Management Science, 57(9), 1623-1639.

Bernhardt, J. M., Mays, D., Eroglu, D., & Daniel, K. L. (2009). New communication channels: changing the nature of customer engagement. Social Marketing Quarterly, 15(1), 7-15.

Boyd, D. M. & Ellison, N. B. (2007). Social network sites: definition, history, and scholarship. Journal of Computer-Mediated Communication, 13(1), 210-230.

Breusch, T. S. & Pagan, A. R. (1979). A simple test for heteroscedasticity and random coefficient variation. Econometrica, 47(5), 1287-1294.

Caseiro, B. & Barbosa, R. (2011). Empresas no Facebook: O caso da TMN e da Optimus. Internet Latent Corpus Journal, 2(1), 6-15.

15

Casteleyn, J., Mottart, A., & Rutten, K. (2009). How to use Facebook in your market research. International Journal of Market Research, 51(4), 439-447.

Chandon, P. (1995). Consumer research on sales promotions: A State-of-the-Art literature review. Journal of Marketing Management, 11(5), 419-441.

Chandon, P., Wansink, B, & Laurent, G. (2000). A benefit congruency framework of sales promotion effectiveness. Journal of Marketing, 64(4), 65-81.

Christodoulides, G. (2009). Branding in the post-internet era. Marketing Theory, 9(1), 141-144.

De Vries, L., Gensler, S., & Leeflang, P. S. H. (2012). Popularity of brand posts on brand fan pages: an investigation of the effects of social media marketing. Journal of Interactive Marketing, 26(2), 83-91.

Erdogmus, I. E. & Çiçek, M. (2012). The impact of social media marketing on brand loyalty. Procedia – Social and Behavioral Sciences, 58, 1353-1360.

Gensler, S., Völckner, F., Liu-Thompkins, Y., & Wiertz, C. (2013). Managing brands in the social media environment. Journal of Interactive Marketing, 27(4), 242-256.

Gujarati, D. N. & Porter, D. C. (2011). Econometria básica. Porto Alegre: AMGH. Hansen, F. (1976). Psychological theories of consumer choice. Journal of Consumer

Research, 3(3), 117-142. Heerde, H. J. & Neslin, S. A. (2008). Sales promotion models. In B. Wierenga (Ed.).

Handbook of marketing decision models (Chap. 5, pp. 107-162). New York: Springer. Hennig-Thurau, T. et al. (2010). The impact of new media on customer relationships.

Journal of Service Research, 13(3), 311-330. Hoffman, D. L. & Novak, T. P. (1996). Marketing in hypermedia computer-mediated

environments: conceptual foundations. Journal of Marketing, 60(3), 50-68. _____. (2012). Toward a deeper understanding of social media. Journal of Interactive

Marketing, 26(2), 67-70. Hoy, M. G. & Milne, G. (2010). Gender differences in privacy-related measures for

young adult Facebook users. Journal of Interactive Advertising, 10(2), 28-45. Hughes, D. J., Rowe, M., Batey, M., & Lee, A. (2012). A tale of two sites: Twitter vs.

Facebook and the personality predictors of social media usage. Computers in Human Behavior, 28(2), 561-569.

Kumar, V., Bhaskaran, V., Mirchandani, R., & Shah, M. (2013). Creating a measurable social media marketing strategy: increasing the value and ROI of intangibles and tangibles for Hokey Pokey. Marketing Science, 32(2), 194-212.

Kumar, V. & Mirchandani, R. (2012). Increasing the ROI of social media marketing. MIT Sloan Management Review, 54(1), 54-61.

Malhotra, N. (2006). Pesquisa de marketing: uma orientação aplicada. Porto Alegre: Bookman.

Marteleto, R. M. (2001). Análise de redes sociais: aplicação nos estudos de transferência da informação. Ciência da Informação, 30(1), 71-81.

Mizruchi, M. S. (2006). Análise de redes sociais: avanços recentes e controvérsias atuais. Revista de Administração de Empresas, 46(3), 72-86.

Peters, K., Chen, Y., Kaplan, A. M., Ognibeni, B., & Pauwels, K. (2013). Social media metrics – A framework and guidelines for managing social media. Journal of Interactive Marketing, 27(4), 281-298.

Rapp, A., Beitelspacher, L. S., Grewal, D., & Hughes, D. E. (2013). Understanding social media effects across seller, retailer, and consumer interactions. Journal of the Academy of Marketing Science, 41(5), 547-566.

Ramsaran-Fowdar, R. R. & Fowdar, S. (2013). The implications of Facebook marketing for organizations. Contemporary Management Research, 9(1), 73-84.

16

Ransbotham, S., Kane, G. C., & Lurie, N. H. (2012). Network characteristics and the value of collaborative user-generated content. Marketing Science, 31(3), 387-405.

Rauschnabel, P. A., Praxmarer, S., & Ivens, B. S. (2012). Social media marketing: How design features influence interactions with brand postings on Facebook. In M. Eisend, T. Langner, & S. Okazaki (Eds.). Advances in Advertising Research (Vol. III) (Chap. 12, pp. 153-161). Wiesbaden: Springer Gabler.

Rohm, A., Kaltcheva, V. D., & Milne, G. R. (2013). A mixed-method approach to examining brand-consumer interactions driven by social media. Journal of Research in Interactive Marketing, 7(4), 295-311.

Schultz, D. E. & Peltier, J. (2013). Social media’s slippery slope: challenges, opportunities and future research directions. Journal of Research in Interactive Marketing, 7(2), 86-99.

Shadish, W. R., Cook, T. D., & Campbell, D. T. (2002). Experimental and quasi-experimental designs for generalized causal inference. Boston: Houghton Mifflin.

Smith, A. N., Fischer, E., & Yongjian, C. (2012). How does brand-related user-generated content differ across Youtube, Facebook, and Twitter. Journal of Interactive Marketing, 26(2), 102-113.

Subramani, M. R. & Rajagopalan, B. (2003). Knowledge-sharing and influence in online social networks via viral marketing. Communications of the ACM, 46(12), 300-307.

Sun, M. (2012). How does the variance of product ratings matter? Management Science, 58(4), 696-707.

Swani, K., Milne, G., Brown, B. P. (2013). Spreading the word through likes on Facebook. Journal of Research in Interactive Marketing, 7(4), 269-294.

Van Der Lans, R., Van Bruggen, G., Eliashberg, J., & Wierenga, B. (2010). A viral branching model for predicting the spread of electronic word of mouth. Marketing Science, 29(2), 348-365.

Wellman, B. (2001). Computer networks as social networks. Science, 293(5537), 2031-2034.

Wellman, B., Salaff, J., Dimitrova, D., Garton, L., Gulia, M., & Haythornthwaite, C. (1996). Computer networks as social networks: Collaborative work, telework, and virtual community. Annual Review of Sociology, 22, 213-238.

White, H. (1980). A heteroskedasticity-consistent covariance matrix estimator and a direct test for heteroskedasticity. Econometrica, 48(4), 817-838.

Winer, R. S. (2009). New communications in marketing: Issues and research directions. Journal of Interactive Marketing, 23(2), 108-117.

Wooldridge, J. M. (2013). Introdução à econometria: uma abordagem moderna. São Paulo: Cengage Learning.

Zarrella, D. & Zarrella, A. (2010). The Facebook marketing book. Sebastopol: O’Reilly Media.

Zellner, A. (1962). An efficient method of estimating Seemingly Unrelated Regressions and tests for aggregation bias. Journal of the American Statistical Association, 57(298), 348-368.

Documents

Curtir, comentar e compartilhar