Construtos e variáveis

As variáveis disponibilizadas pela Redecard contêm características que podem ser divididas em dois grupos: Variáveis Cadastrais e Variáveis de Utilização. Variáveis Cadastrais estão relacionadas ao cliente (sub-ramo, data filiação, cidade e estado), e as Variáveis de Utilização são aquelas que se referem ao relacionamento entre o cliente e a Redecard (faturamento e margem de contribuição dos anos 2000 e 2005). A tabela abaixo descreve as variáveis que foram disponibilizadas para este estudo.

Tabela 5.2: Variáveis fornecidas pela Redecard

Nome Descrição Tipo Valor Significado

ID Identificador do cliente ID

Sub_ramo Ramo de cadastro do cliente Nominal 1 Supermercado

2 Farmácias e Drogarias

3 Restaurante

4 Postos de Combustíveis

5 Artigos Unissex

Cidade Cidade de residência do cliente Nominal São Paulo

Campinas Ribeirão Preto Etc

Estado Estado de residência do cliente Nominal SP

RJ PR Etc

Faturamento 2000 Faturamento do Cartão de Crédito em 2000 Contínua

Margem_2000 Margem de Retorno do Cartão de Crédito em 2000 Contínua

Faturamento 2005 Faturamento do Cartão de Crédito em 2005 Contínua

Margem_2005 Margem de Retorno do Cartão de Crédito em 2005 Contínua

Fonte: elaborado pelo autor

Para o desenvolvimento do trabalho foram criadas dez variáveis com base nas variáveis fornecidas pela Redecard para operacionalizar o estudo, cada variável e sua função no estudo será descrita a seguir.

Tabela 5.3: Variáveis Criadas

Nome Descrição Tipo Valor Significado

Cap_int Indica se o Cliente se localiza numa das capitais do Brasil Nominal 0 Interior

1 Capital

Região Região do Brasil na qual se localiza o cliente (critério IBGE) Nominal 1 Norte

2 Nordeste

3 Sudeste

4 Centro-Oeste

5 Sul

mes2000 Tempo em meses decorrido entre a data de filiação e 31/12/2000 Contínua

mes2005 Tempo em meses decorrido entre a data de filiação e 31/12/2005 Contínua

Fx_mes00 Faixas da variável mês 2000 Nominal 1 7 a 12 meses

2 13 a 24 meses

3 25 a 36 meses

4 37 a 48 meses

5 48 a 60 meses

6 mais de 60 meses

Fx_mes05 Faixas da variável mês 2000 Nominal 1 7 a 12 meses

2 13 a 24 meses

3 25 a 36 meses

4 37 a 48 meses

5 48 a 60 meses

6 mais de 60 meses

mcc2000 Margem de Contribuição de 2000 ponderada pelo Faturamento 2000 Contínua

mcc2005 Margem de Contribuição de 2005 ponderada pelo Faturamento 2005 Contínua

log_fat_2000 Logaritmo em base 10 do Faturamento 2000 Contínua

log_fat_2005 Logaritmo em base 10 do Faturamento 2005 Contínua

Fonte: elaborado pelo autor

O construto da Lucratividade do cliente, a variável dependente do estudo, foi obtido através da margem contribuição dividida pelo faturamento e multiplicada por 100 para exprimi-la percentualmente. A ponderação pelo faturamento estabelece uma relação da lucratividade pelo tamanho da empresa, ou seja, se duas empresas possuem a mesma margem de contribuição e uma delas tem o dobro de faturamento do que a outra, a empresa menor é mais lucrativa para a empresa. Dado que o estudo será analisado em dois anos - 2000 e 2005, foram criadas duas variáveis mcc2000 e mcc2005, conforme a figura abaixo.

Figura 5.1: Cálculo das variáveis mcc2000 e mcc2005 Fonte: elaborado pelo autor

A variável dependente do estudo foi à lealdade. Conforme a revisão da teórica, a lealdade é apresentada em duas dimensões: Comportamental e Atitudinal. Dado as variáveis fornecidas pela Redecard, o construto lealdade foi operacionalizado pela criação das variáveis que contam os meses de relacionamento entre o cliente e a

Redecard. Está se medindo aqui apenas o comportamento do cliente de manter o seu relacionamento com a empresa e não existe nenhum componente de atitude. Esta é uma grande limitação do trabalho e os resultados apenas podem ser interpretados quanto à lealdade comportamental. As variáveis criadas são mes2000 que conta a quantidade de meses entre a data de filiação do cliente a Redecard e dezembro de 2000 e mes2005 que conta a quantidade de meses entre a data de filiação do cliente a Redecard e dezembro de 2005.

Para a análise final, foram usadas as variáveis fx_mes00 e fx_mes05 que são categorizações respectivamente das variáveis mes2000 e mes2005. As faixas determinadas foram 1=de 7 a 12 meses, 2=de 13 a 24 meses, 3=de 25 a 36 meses, 4=de 37 a 48 meses, 5=de 48 a 60 meses, 6=mais de 60 meses. A interpretação gerencial das faixas é um ano, com exceção da última. A consideração aqui é que os clientes com mais de 60 meses são considerados como iguais evitando o efeito numérico de alguns clientes que têm longos tempos de relacionamento com a empresa sem que este relacionamento mais longo tenha uma relevância prática. A categorização é uma técnica muito aplicada em estudos estatísticos, Gonçalves (2005, p. 47) aponta alguns ganhos obtidos com a categorização:

• Padronização dos Resultados: com a categorização das variáveis, os modelos tornam-se mais fáceis de serem implementados e fica mais simples a interpretação dos pesos relativos às categorias das variáveis;

• Estabilidade do Modelo: categorizando as variáveis quantitativas, o modelo fica menos suscetível a outliers (valores discrepantes). Com isso, a estabilidade do modelo é melhorada;

As variáveis de controle, usadas também como variáveis dependentes são descritas a seguir.

A variável Capital e Interior (Cap_int) foi criada através da classificação da variável cidade. Se a cidade que o estabelecimento está localizado é capital de um estado, o estabelecimento foi classificado como 1 – Capital. Se a cidade não é capital do estado, o estabelecimento foi classificado como 0 – Interior. Esta variável é

importante para analisar se existe uma influência da localização do estabelecimento nas capitais, geralmente as empresas utilizam políticas comerciais diferenciadas.

Devido a diferença do tamanho da atividade econômica das regiões do Brasil, utilizamos a variável estado para categorizar os estabelecimentos nas cinco regiões determinadas pelo IBGE, conforme a tabela 5.3.

As variáveis log_fat_2000 e log_fat_2005 foram criadas para compensar a distribuição altamente assimétrica das variáveis representando o faturamento. Esta transformação é comum em estudos empíricos e assume que o “efeito” do faturamento não é linear e seu logaritmo representa melhor o impacto da variável.