A Amostragem Diferenciada das Pesquisas de Satisfação do Consumidor

O plano de amostragem das Pesquisas de Satisfação do Consumidor “define o perfil da população da amostra e a forma pela qual ela deve ser projetada (RUST, 1994, p. 64)”. A amostra das pesquisas de satisfação do consumidor deriva dos seguintes universos: clientes atuais, ex-clientes, clientes das empresas concorrentes e clientes potenciais (RUST, 1994). A escolha da população mais adequada está diretamente relacionada ao propósito da pesquisa.

O grupo de clientes atuais é o grupo mais representativo em termos de lucratividade potencial para a empresa. Isso decorre do fato deles já conhecerem a estrutura de produto/serviço da empresa, adequando suas expectativas ao que ela pode oferecer.

Em geral, a tolerância a erro também é maior no grupo de clientes atuais (KOTLER, 2001), aumentando a zona de satisfação dos consumidores. Além disso, este público é potencial também para programas de fidelização (aumento do consumo de produtos/serviços da mesma empresa) e programas de lealdade (formadores de opinião).

Porém, definir amostra deste universo pode ser mais difícil do que se pensa. Primeiro porque é necessário que a empresa possua um banco de dados com informações de seus clientes, segundo porque, possuindo este banco de dados, é necessário que ele esteja atualizado, refletindo o mercado atual de consumidores da organização. Infelizmente, são poucas as empresas que mantém uma boa fonte de informação sobre seus consumidores, e isso certamente influencia na relevância dos resultados da Pesquisa de Satisfação do Consumidor.

Além disso, pode ocorrer a situação da empresa possuir um banco de dados eficiente de seus clientes e mesmo assim ter dificuldades na seleção da amostra do universo de clientes atuais.

Neste caso, a natureza do produto/serviço da empresa é outro fator a ser considerado na seleção de amostragem das pesquisas de satisfação do consumidor.

Em produtos/serviços que possuam forte vínculo com o cliente ou aqueles em que o ciclo de recompra seja pequeno, fica mais fácil a definição adequada da amostra de clientes atuais. Em um banco, por exemplo, para se tornar cliente e

usufruir os seus produtos/serviços, as pessoas devem fazer um cadastro, no qual consta seu nome, endereço, telefone, local de trabalho, renda média mensal, produto/serviço que utiliza no banco etc. Ao se desvincularem da empresa, os clientes devem declarar seu desligamento e os motivos desta atitude. Dessa forma, fica bem fácil para os bancos definirem, com alto grau de certeza, o universo de clientes atuais.

Já os produtos/serviços de consumo sazonal ou eventual, como por exemplo, aluguel de casas de veraneio, é bem mais complicado definir o universo de clientes atuais, pois não se pode afirmar que aquele cliente do último verão irá retornar neste próximo. Muitas vezes, nestes tipos de produtos/serviços, o cliente não retorna necessariamente porque ficou insatisfeito, mas porque gostaria de viajar para outros lugares (RUST, 1994).

Assim, entende-se que para amostra de clientes atuais com características do primeiro exemplo, pode se aplicar às pesquisas de satisfação do consumidor em vários momentos do ciclo de consumo, inclusive em período de tempo posterior ao ato da recompra ou consumo. Porém, para amostra de clientes atuais do tipo demonstrado no segundo exemplo, deve-se aplicar esta pesquisa logo após o consumo dos produtos/serviços da empresa. Rust (1994) sugere que a pesquisa seja aplicada de dois a três dias depois do consumo do produto/serviço ou, caso o questionário seja curto o suficiente, associá-lo ao processo de transação, incluído no ato do pagamento.

O universo composto por ex-clientes também é uma importante fonte de informação para a empresa nos projetos de pesquisa de satisfação do consumidor. Rust (1994), agrega importância a este público neste tipo de pesquisa porque “provavelmente fizemos algo de errado para que eles não retornassem” (RUST, 1994, p. 69). Para Vaz (2000, p. 265), a importância deste público reside no fato de que em média custa 6 vezes mais conquistar um novo cliente que manter um atual, porém é até 9 vezes mais alto o custo de recuperação de clientes que sua manutenção. Assim, compreender as razões de desligamento dos clientes com a empresa gera um capital informacional muito valioso para a organização.

A aplicação do instrumento de coleta de dados para amostras de ex-clientes pode ser feita logo após o desligamento do cliente, nos casos daquelas que possuam informações cadastrais de seus consumidores, tais como telefone,

endereço, e-mail etc. Para empresas que não mantém política de relacionamento com seus clientes, como no caso de muitos restaurantes, por exemplo, esta amostragem fica mais difícil e cara de ser utilizada, pois deverá se buscar, em todo o universo de pessoas, aquelas que são ex-clientes e aplicar a pesquisa. Por esta razão, amostras de ex-clientes em empresas que não possuam informações deste universo são muito pouco utilizadas (RUST, 1994).

Os clientes dos concorrentes apresentam uma vantagem em relação aos universos já discutidos. Eles conseguem definir quais os elementos característicos das empresas concorrentes que geram satisfação e insatisfação no consumo (RUST, 1994).Com estas informações, a empresa pode avaliar seus pontos fracos e fortes, construindo planos de ação mais adequados às necessidades do seu público- alvo, além de diferenciar-se da concorrência através de um composto de Marketing mais competitivo.

Para isso, é muito utilizada a técnica de pesquisa com duas amostragens (clientes atuais e clientes do concorrente) submetidas ao mesmo instrumento de coleta de dados. Dos dados resultantes da coleta, compara-se um com outro, no mesmo critério de satisfação (confiabilidade, por exemplo). Desta comparação, concluí-se quem está em melhor posição: a empresa ou o concorrente (RUST, 1994).

Esta comparação, no entanto, é geralmente feita da forma mais simplista possível, gerando enganos em suas análises. Isso compromete a qualidade científica da pesquisa de satisfação do consumidor e, consequentemente, seus resultados (RUST, 1994). Em geral, o erro de comparação reside no simples confronto de resultados finais em cada dimensão de satisfação entre as empresas. Por exemplo: a empresa A obteve índice de 4,5 (escala 1 a 5, sendo 5 muito satisfeito) na dimensão pontualidade de entrega. No mesmo item, a empresa B, concorrente, obteve índice de 3,5. Concluí-se presumidamente que a empresa A está em vantagem de 1 ponto em relação à empresa B. Então, finalmente tem-se que Pontualidade é um ponto forte da empresa A e fraco da empresa B.

Esta forma de análise comparativa é enganosa, porque não são consideradas questões referentes à importância da dimensão e percepção dos consumidores. Além disso, fatores como cultura, etnia, demografia, segmentação de público-alvo e variáveis de mercado como concorrência e poder de barganha dos clientes

influenciam diretamente na resposta dos consumidores em relação à sua satisfação com os produtos/serviços. Ao comparar os índices de satisfação dos clientes de empresas concorrentes, deve-se considerar todos estes fatores. Porém, mesmo com todos os cuidados, Rust (1994) afirma ser impossível a imparcialidade dos pesquisadores e executivos nesta comparação, tornando-a sempre tendenciosa. A fim de diminuir este erro, “quaisquer características dos clientes que possam estar relacionadas à tendência de atribuir altos ou baixos índices de satisfação têm que ser considerados ao se comparar com a concorrência” (RUST, 1994, p. 64).

Os clientes em potencial fazem parte da última alternativa de amostragem para as pesquisas de satisfação do consumidor. Este universo é formado por pessoas ou empresas que possuem características semelhantes aos demais consumidores atuais e possuam potencial de troca e transação com uma nova organização. Apesar de não poderem responder a questões de satisfação, uma vez que esta requer experiência com a empresa.

Segundo Rust (1994) e Farias (2000), independente do tipo de amostra selecionada, é impreterível o uso de técnicas probabilísticas. Amostragem probabilística é aquela em que todos os elementos do universo têm a mesma chance, diferente de zero, de serem selecionados. “Falando claramente, não é correto se fazer análises estatísticas de amostras preparadas de qualquer forma” (RUST, 1994, p. 68).

A maneira mais fácil de se selecionar uma amostra probabilística é através do uso de tabelas de números aleatórios, em que se seleciona aleatoriamente um número e o sentido de contagem (direita/esquerda, de cima/de baixo), ou listagens completas do universo, utilizando-se de um intervalo também aleatório para a seleção dos elementos do universo, por exemplo, de 5 em 5 elementos 1 é selecionado. Repete-se esta contagem até que se complete a amostra necessária (STANTON, 2000).

Para Rust (1994) as amostras por quota não podem ser classificadas como amostragem probabilística. Isso contradiz vários autores de Pesquisa de Mercado como Malhotra (2000), Samara (2002), Mattar (1999), Boyd (1982), Tagliacarne (1974) entre vários outros. Ele afirma isso baseado na compreensão de que, para se conseguir número suficiente de respondentes em cada quota determinada, os entrevistadores passarão a se utilizar técnicas de amostragem por conveniência ou

julgamento, pertencentes ao grupo de amostras não-probaliblísticas, ou seja, amostras em que os elementos do universo não têm a mesma chance de seleção. Amostras não-probabilísticas podem gerar alguma tendenciosidade na pesquisa. “Alguém que pareça perigoso, diferente ou pareça está com pressa será, quase com certeza, dispensado. A amostragem por quota, por esta razão, dever ser dispensada” (RUST, 1994, p. 68).