Estatísticas Descritivas

A Tabela 3 apresenta estatísticas descritivas para algumas variáveis utilizadas nas estimações deste estudo. Os entrevistados compõe um grupo heterogêneo, com clientes com idades variando entre 16 e 98 anos. Para os serviços pré-pagos houve proporção praticamente igualitária de homens e mulheres. No pós-pago uma proporção um pouco maior de homens, cerca de 60%, foi ouvida.

A proporção de responsáveis pelo pagamento do serviço é de cerca de 80% dos entrevistados para o serviço pós-pago, enquanto que corresponde a quase o total dos entrevistados no serviço pré-pago. É interessante notar que os clientes de serviços pós-pagos têm uma taxa de atendimento significativamente maior que aqueles assinantes de serviços pré-pagos. Essa estatística pode ser indicativa de uma diferença de perfis de consumo entre os usuários destes serviços ou uma taxa maior de problemas no serviço pós-pago.

Os preços do serviço pós-pago são, em média, maiores para minutos e sms’s em relação ao pré- pago. Este resultado é aparentemente surpreendente. Serviços pós-pagos são atrelados a planos de fidelização e pacotes, que em tese deveriam se traduzir em custos unitários inferiores. Porém, vale ressaltar que os preços construídos neste trabalho são preços médios de uso efetivo. Muitos consu- midores pagam por pacotes pós-pagos com planos fechados de minutos e mensagens de texto por mês. Entretanto, estes serviços têm cada vez menos apelo entre os consumidores, que passaram a

utilizar serviços over-the-top (OTT’s) em sua substituição. Estes serviços utilizam, evidentemente, dados. Portanto, grande parte dos pacotes de tráfego contratados para minutos e sms’s não são utilizados. Logo, os preços médios destas unidades de consumo ficam aparentemente altos. Isto fica claro quando olhamos para o preço unitário dos dados (mbytes). Neste caso, observamos um serviço mais barato nos pacotes pós-pago, em média, o que é coerente com este argumento. Porém, é esperado que a composição de dados nestes pacotes justifiquem a escolha dos consumidores por eles ao invés de assinarem planos pré-pagos. Caso contrário, estes preços podem sinalizar más escolhas de contratos por parte dos consumidores. Indicaria que, em média, os consumidores es- tariam contratando planos de serviços cuja alternativa se mostraria mais interessante, ao se ajustar melhor aos seus perfis de consumo. Nesse caso, teríamos resultado semelhante ao verificado por DellaVigna e Malmendier (2006) no mercado de academias.

3

Modelo Econométrico

Com o intuito de avaliar as relações apresentadas na introdução e na seção 1, vamos estudar os dados descritos na seção anterior, dada a sua natureza, através de um modelo de painel com efeitos fixos. Para os serviços de voz e dados, o seguinte modelo foi estimado:

QPi,u,t = α + β1QIi,u,t+ β2Pi,u,t+ β3HHIu,t+ β4Xi,u,tA + β5Xu,tB + (3.5)

+ β6Acessosi,u,t+ β7f 5i,u,t+ β8Sat_Pi,u,t+ δ1Opi+ δ2U Fu+

+ δ3AN Ot+ γ1(P *f 5)i,u,t+ γ2(HHI*f 5)i,u,t+ εi,u,t

Para as avaliações referentes a qualidade do atendimento uma pequena variação do modelo acima foi considerada:

QPi,u,t = α + β1QIi,u,t+ β2Pi,u,t+ β3HHIu,t + β4Xi,u,tA + β5Xu,tB + (3.6)

+ β6Acessosi,u,t+ β7f 5i,u,t+ δ1Opi+ δ2U Fu+ δ3AN Ot+ θ1p4i,u,t+

+ θ2p5i,u,t+ θ3(HHI*p4)i,u,t+ θ4(HHI*p5)i,u,t+ εi,u,t

• QP : varíavel dependente acerca da qualidade percebida (satisfação) dos serviços de voz, dados, atendimento e satisfação geral.

• QI: qualidade intrínseca; QI ⊂ {SMP 1, SMP 5, SMP 6, SMP 7, SMP 8, SMP 11, SMP 12, SMP 13, SMP 14}.

• P : preços; P ⊂ {Preço Minuto, Preço Mbyte, Preço SMS}.

• HHI: índice de concentração de mercado de Herfindahl-Hirschman. • XA_{: vetor de controles ao nível do indivíduo.}

• XB_{: vetor de controles ao nível do estado.}

• Acessos: número de contratos da operadora.

• f 5: dummie igual a 1 se respondente da pesquisa é o responsável pelo pagamento do serviço e 0 caso contrário.

• Opi, U Fu, AN Ot: efeitos fixos (dummies) para operadoras, unidades da federação e anos,

respectivamente.

• Sat_P : satisfação com o preço; Sat_P ⊂ {p1_36, p3_1_4}.5

• p4: dummie igual a 1 se respondente da pesquisa teve atendimento telefônico nos últimos 6 meses e 0 caso contrário.

• p5: dummie igual a 1 se respondente da pesquisa teve atendimento em loja ou posto de atendimento pessoal nos últimos 6 meses e 0 caso contrário.

• Subscritos: i refere-se as operadoras; u refere-se as unidades da federação e t refere-se aos anos.

5_{Variável incluída apenas nas regressões referentes as bases 2012-2014. A retirada da variável das estimações para}

as bases 2012-2015 se deve a ausência das perguntas acerca da satisfação do consumidor com o preço contratado na pesquisa de satisfação da Anatel de 2015.

Em acordo com o modelo apresentado na primeira seção, estamos interessados prioritaria- mente em estudar as relações entre a satisfação do consumidor e os seus elementos construtores: preços, competição e qualidade intrínseca. Os preços têm papel especialmente importante nesta literatura. Diversos trabalhos mostram que existe uma relação entre preços e qualidade percebida pelos consumidores, o que sugere que os consumidores consideram esta variável como um indica- dor acerca da qualidade dos bens e serviços que consomem (Milgrom e Roberts (1986), Bagwell e Riordan (1991), Tellis e Wernerfelt (1987), Rao e Monroe (1989), Völckner e Hoffmann (2007)). Neste sentido, esperamos que ˆβ2seja positivo. Em outra dimensão, também queremos verificar se

o fato do cliente pesquisado ser o responsável pelo pagamento da sua conta afeta o peso do preço na sua avaliação. Por isso, a interação entre preço e responsabilidade pelo pagamento foi inserida na especificação do modelo. É difícil prever a direção do sinal neste caso, por ter dois efeitos con- correntes aqui. Indivíduos que pagam pelo serviço devem o valorizar mais e, neste sentido, devem atribuir maiores notas ao serviço. Por outro lado, por estarem arcando com os custos do uso, devem ser mais exigentes e, portanto, em média, darem notas menores. Infelizmente não seremos capazes de separar estes efeitos a partir dos dados disponíveis neste trabalho. Porém, seremos capazes de identificar qual deles é preponderante.

Em um segundo nível de análise, vamos estudar como o grau de competição afeta a percepção de qualidade dos usuários. A regra geral nos diz que devemos esperar que maiores níveis de com- petição estejam associados a serviços mais acessíveis e de maior qualidade. Portanto, esperamos encontrar ˆβ3 negativo, dado que quanto menor o índice de concentração HHI, maior o nível de

competição observado. Em sentido semelhante ao preço, também queremos verificar se há alguma diferença no impacto dessa variável sobre a percepção de qualidade daqueles que são responsáveis pelo pagamento do serviço. Mais uma vez incluímos uma interação na regressão para capturar este efeito. Neste caso, o resultado deste parâmetro pode indicar se há diferença entre o nível de exigência e atenção (sensibilidade) à qualidade do serviço na direção daqueles que são responsá- veis pelo pagamento, na medida em que, diferentemente do preço, o nível de competição afeta simetricamente ambos os grupos.

Por fim, vamos verificar se os indicadores de qualidade operacional afetam a satisfação dos usuários. Espera-se que sim, à medida que estes indicadores guardam relação com a qualidade

intrínseca do serviço prestado e são utilizados justamente com o objetivo de monitorar a qualidade do serviço prestado pelas operadoras.

Adicionalmente, também estamos interessados em analisar se há impacto de possíveis efeitos de rede sobre a percepção de qualidade dos usuários. Este efeito é capturado pela variável Acessos nas especificações (3.5) e (3.6), que representa o número de contratos (clientes) presentes na rede da operadora. Mais uma vez temos efeitos concorrentes aqui. Em uma direção, por efeito rede, quanto maior o número de usuários em uma operadora, maior a satisfação dos consumidores desta operadora.6 _{Por outro lado, existe a questão do dimensionamento de rede. As operadoras dimensi-}

onam a sua rede para um nível ótimo de usuários. Tudo mais constante, caso o número de clientes ultrapasse esse limiar, a qualidade do serviço deve cair. Neste caso, deveríamos esperar uma re- lação negativa entre número de acessos e a qualidade percebida. Mais uma vez, observaremos apenas o efeito mais forte no sinal do parâmetro estimado.

No que se refere especificamente as variáveis de percepção de qualidade de atendimento, além de analisar preços, competição, qualidade intrínseca, acessos e responsabilidade pelo pagamento, já citados acima, também avaliamos o impacto relativo do nível de competição sobre os usuários que utilizaram canais de atendimento até 6 meses antes da realização das pesquisas. Para tanto, incluímos na especificação interações entre o índice de concentração HHI e dummies para o caso dos indivíduos terem sido atendidos nos últimos 6 meses, como pode ser verificado em (3.6). A ideia aqui é capturar o efeito do atendimento sobre aqueles indivíduos que de fato experimentaram o serviço de atendimento. O parâmetro de competição sozinho pode estar poluído pela avaliação de usuários que não utilizaram os serviços de atendimento ao consumidor.

Devido às mudanças realizadas na pesquisa de satisfação no ano de 2015, já comentadas na seção anterior, resolveu-se estimar os modelos por subconjuntos de dados. Primeiro considerou- se os dados das pesquisas de 2012 a 2014 e, em uma segunda análise, os dados conjuntos das pesquisas de 2012 a 2015, com as ponderações e adaptações esclarecidas na seção anterior.

6_{Este efeito deve ser menos significativo no cenário atual, onde os custos de interconexão entre operadoras se}

tornou menos relevante. O mercado de telefonia móvel evolui para um ambiente onde não há diferenças tarifárias para ligações entre operadoras distintas. Neste caso, passa a ser menos significativo para o consumidor o tamanho do market shareda sua operadora.

3.1

Robustez

Para verificar a estabilidade dos resultados apresentados, vamos realizar dois exercícios adici- onais, descritos a seguir.

3.1.1 Modelo de Probabilidade Linear

Os dados da Pesquisa de Satisfação são discretos. Aos entrevistados só é permitido avaliar as operadoras atribuindo notas 1, 2, 3, 4 ou 5, por exemplo, para as pesquisas entre 2012 e 2014. Nas estimações realizadas até aqui, consideramos que esta variável era aproximadamente contínua, de modo que os resultados estimados foram interpretados como efeitos marginas na escala entre 1 e 5. Com o objetivo de corroborar as estimações obtidas, vamos estimar alguns modelos de proba- bilidade linear, de maneira que possamos levar em consideração a natureza discreta dos dados de avaliação das pesquisas. Especificamente, vamos considerar três regressões para algumas variáveis selecionadas, com o intuito de avaliar a probabilidade dos consumidores atribuírem notas maiores ou iguais a 3, maiores que 3 e iguais a 5 para as firmas. Espera-se que os resultados não divirjam qualitativamente dos resultados apresentados anteriormente. As estimações estão apresentadas nas tabelas 18 a 23.

3.1.2 Extensão Temporal da Avaliação dos Consumidores

Em um segundo exercício de robustez, queremos verificar se os consumidores consultados le- vam em conta a qualidade do serviço de modo geral ou suas avaliações são governadas por eventos ocorridos próximos a realização da pesquisa. Para tanto, vamos considerar os dados de qualidade operacional neste exercício. Estes dados, como descritos na seção anterior, são coletados men- salmente pela Anatel. Devido à periodicidade anual das pesquisas de satisfação foram utilizados dados compostos anualmente para estes indicadores nas estimações deste trabalho. As médias anu- ais, em certa medida, indicam o padrão de qualidade geral dos aspectos analisados, mas escondem possíveis variações sazonais na qualidade do serviço prestado ao longo do ano. Por represen- tatividade (Tversky e Kahneman (1974)), os consumidores podem, eventualmente, levar mais em consideração eventos recentes em sua memória ao invés de considerar a qualidade do serviço como

um todo.

Para verificar este efeito, a estratégia a seguir foi utilizada. Em nossas bases de dados temos o dia exato em que o cliente respondeu a pesquisa de satisfação, o que nos permite associar a esta data cada indicador de qualidade operacional relacionado ao mês em que a entrevista ocorreu. Temos, portanto, duas variáveis associadas a qualidade operacional (intrínseca): uma referente a média anual e uma referente ao indicador do mês em que o cliente pesquisado respondeu a pesquisa. Primeiro, vamos incluir ambas variáveis no modelo (3.5):

QPi,u,t = α + β1QIi,u,t + β

0

1QIi,u,d+ β2Pi,u,t+ β3HHIu,t+ β4Xi,u,tA + (3.7)

+ β5Xu,tB + β6Acessosi,u,t + β7f 5i,u,t+ β8Sat_Pi,u,t+ δ1Opi+

+ δ2U Fu+ δ3AN Ot+ γ1(P *f 5)i,u,t+ γ2(HHI*f 5)i,u,t+ εi,u,t

Onde,

• QIi,u,d: refere-se a qualidade intrínseca da operadora i, na unidade da fe-

deração u, no mês d em que o cliente respondeu a pesquisa; QI ⊂ {SMP 1, SMP 5, SMP 6, SMP 7, SMP 8, SMP 11, SMP 12, SMP 13, SMP 14}.

O mesmo exercício vale para a especificação (3.6). Estamos interessados então em realizar o seguinte teste de hipótese:

H0 : β1− β

0

1 = 0 ; HA: β1− β

0

1 6= 0 (3.8)

Podemos reescrever (3.7) de maneira que nos permita avaliar diretamente esta relação. Desse modo, seja γ1 = β1− β

0

1, temos o seguinte modelo equivalente a (3.7):

QPi,u,t = α + γ1QIi,u,t+ β

0

1(QIi,u,t+ QIi,u,d) + β2Pi,u,t+ β3HHIu,t+ (3.9)

+ β4Xi,u,tA + β5Xu,tB + β6Acessosi,u,t+ β7f 5i,u,t+ β8Sat_Pi,u,t+

+ δ1Opi+ δ2U Fu+ δ3AN Ot+ γ1(P *f 5)i,u,t+ γ2(HHI*f 5)i,u,t+ εi,u,t

Portanto, basta realizar o seguinte teste análogo a (3.8):

Caso H0seja rejeitada e ˆγ1 > 0 concluímos que os consumidores levam mais em consideração

a qualidade geral do serviço do que a sua qualidade contemporânea em suas avaliações. Temos o oposto caso H0 seja rejeitada e ˆγ1 < 0. E, caso não seja possível rejeitar H0, poderemos concluir

que o consumidor avalia da mesma maneira estes indicadores ou que há pouca variabilidade ao longo do ano na qualidade intrínseca do serviço.

4

Resultados e Considerações Finais

As tabelas em anexo trazem os resultados das estimações dos modelos apresentados na seção 3. Nesta seção estes resultados são analisados tendo como referência as relações discutidas nas seções anteriores. A análise focará nas regressões que apresentam todos os efeitos fixos estabelecidos nos modelos (3.5) e (3.6) por serem resultados mais confiáveis, apesar das tabelas apresentarem variações destes modelos.

4.1

Voz

Quando observamos os resultados referentes as perguntas associadas aos serviços de voz, os resultados são estáveis quando olhamos para os parâmetros das variáveis de preço e competição. De maneira geral, preços mais altos têm forte relação com melhores avaliações, assim como níveis maiores de competição têm correlação com melhores notas. Para os anos de 2012 a 2014, cada centavo a mais cobrado no preço do minuto esta associado a uma avaliação entre 0.14 a 0.65 pontos maior dos usuários, em média. Este resultado é significativo, à medida que o range de notas vai de 1 a 5 pontos. Quando observamos os resultados para os anos de 2012 a 2015 o efeito cresce, passando a variar entre 0.29 a 0.75 pontos a mais para cada centavo a mais cobrado por minuto. Efeitos semelhantes são observados para o indicador de concentração de mercado, apesar deste ser significativo um menor número de vezes: uma queda de 0.1 pontos no HHI esta associada a notas, em média, entre 0.11 a 0.32 pontos maiores quando olhamos os números de 2012 a 2014 e entre 0.14 e 0.39 pontos quando os dados de 2015 são acrescentados à análise.

Os indicadores de qualidade intrínseca também estão associados a melhores avaliações, como podemos observar nos parâmetros dos indicadores de qualidade operacional SMP 5 e SMP 7.

Maiores taxas de completamento de chamada estão associadas a melhores avaliações, assim como menores taxas de queda de ligações.

Em linha com a literatura (Turel e Serenko (2006), Wang et. al. (2004), Kuo et. al. (2009), Lin e Wang (2006), Cronin et. al. (2000) e Gerpott et. al. (2001)), a satisfação com o preço – que podemos entender como o valor percebido, no sentido da seção 1 – guarda forte relação com a satisfação com o serviço, tanto para os serviços pós-pagos quanto para os serviços pré-pagos. Já a responsabilidade pelo pagamento do serviço apresenta resultados diferentes entre os serviços. Quando olhamos os serviços pós-pagos os indivíduos responsáveis pelo pagamento, na média, avaliam melhor o serviço. Já para os serviços pré-pagos, de maneira geral, encontramos resultados menos significativos. Este último resultado é esperado dado que, neste caso, cerca de 98% da base dados é composta por clientes responsáveis pelo pagamentos pelo serviço.

Os efeitos das interações entre preços e HHI com responsabilidade pelo pagamento são dis- persos. Para os serviços pré-pagos não foram encontrados efeitos para a relação entre pagamento e concentração de mercado. O mesmo ocorre para a interação com os preços, com exceção da avaliação de cobertura para os anos de 2012 a 2014, na qual pagantes têm uma avaliação sensi- velmente superior a dos não pagantes e para avaliação referente a capacidade de realizar ligações, onde observamos o efeito contrário. Quando estudamos as estimações dos serviços pós-pagos, os resultados são conflitantes. Quando olhamos os parâmetros de interação entre preços e res- ponsabilidade pelo pagamento para a base de 2012 a 2014, observamos que pagantes, em média, apresentam melhores avaliações relativas ao preço quando observamos as avaliações referentes a queda de ligações. Porém, este resultado desaparece quando incluímos 2015 nos dados. Quanto à interação com competição, não encontramos efeitos significativos a 5%.

O resultado mais robusto deste trabalho é acerca do efeito de rede. Observamos que opera- doras com mais clientes tendem a ter piores avaliações na maioria dos aspectos avaliados pelo consumidor, no que tange aos serviços de voz, dados e atendimento. Resultado que vai ao encon- tro do diagnóstico consensual de insuficiência de investimentos em infraestrutura neste mercado, o que implica em um problema de dimensionamento de rede que se reflete nas avaliações dos con- sumidores. O efeito não é pequeno. Especificamente para voz, um milhão de clientes a mais em uma operadora esta associado a uma nota entre 0.06 e 0.1 pontos menor, em média, o que ratifica

a necessidade de aprimoramento da infraestrutura neste mercado.

4.2

Dados

As avaliações referentes aos serviços de dados são divididas entre velocidade e cobertura. As avaliações de velocidade parecem ter pouca associação com o preço do serviço, de maneira geral. Quanto à competição, não encontramos resultados significativos quando olhamos para as mesmas avaliações.

Para avaliações de cobertura, preços passam a estar relacionados a melhores avaliações, especi- almente quando são considerados os dados de 2015. Competição tem efeito contrário ao esperado quando olhamos os dados de 2012 a 2014, referentes ao serviço pré-pago, porém os resultados não se mantém quando expandimos a análise com as avaliações de 2015. Para o serviço pós-pago não foram estimados resultados estatisticamente significativos.

Tanto para cobertura quanto para velocidade, os indicadores de qualidade operacional, de fato, parecem indicar quais são os melhores serviços, como pode ser observados nos parâmetros esti- mados para os indicadores SMP 8 e SMP 11, especialmente este último. É interessante notar que, para os serviços de dados, em geral, os responsáveis pelo pagamento do serviço avaliam pior o serviço, o que pode indicar um maior nível de exigência com este. As interações entre esta va- riável, preços e concentração de mercado, porém, de maneira geral, não se mostram significativas estatisticamente.

4.3

Atendimento

As estimações para atendimento seguem padrão semelhante às referentes a voz e dados, com algumas exceções. Os preços das unidades de consumo (minutos, sms’s e dados), de forma con- junta, continuam positivamente correlacionados com as avaliações de qualidade, quando olhamos para o atendimento. Quanto à competição os resultados apresentam algumas variações em relação aos anteriores. Para os serviços pré-pagos os níveis de concentração de mercado não afetam as avaliações dos usuários quando olhamos os dados entre 2012 e 2014. Quando os dados de 2015 são considerados observamos uma relação positiva entre competição e melhores avaliações para

a capacidade dos atendentes (p1_10) e para a necessidade de repetir demandas (p1_1). Quanto aos serviços pós-pagos encontramos relação negativa entre competitividade e avaliações quando consideramos os dados de 2012 a 2014. Porém, quando incorporamos o ano de 2015 estes resul- tados não se mantêm significativos. Como já foi comentando na seção anterior, estes resultados podem estar poluídos pelas avaliações de usuários que não utilizaram os serviços de atendimento. Avaliando o impacto da concentração de mercado apenas para aqueles que utilizaram os serviços de atendimento, observamos uma inversão nos resultados dos serviços pós-pagos: passa a não haver relação entre competição e satisfação ou os resultados das avaliações passam a ser positiva- mente correlacionados com o nível de competição, especialmente quando olhamos para as notas acerca da capacidade dos atendentes (p1_10) e cancelamento (p1_6). Para os serviços pré-pagos encontramos efeitos semelhantes, mas para a avaliação de eficiência (p1_1).

É interessante notar que, de forma homogênea, os consumidores que foram atendidos ou via telefone ou de maneira presencial nas lojas físicas das operadoras apresentam piores avaliações dos serviços de atendimento, o que sugere uma insatisfação robusta com relação a este. Este resultado se corrobora quando observamos os parâmetros de qualidade intrínseca do serviço. Serviços com menores taxas de reclamações (SMP 1), como esperado, tem melhores avaliações. Prestadoras com melhores taxas de atendimento telefônico também são melhores avaliadas (SMP 12). O resultado mais interessante, porém, se refere à taxa de resposta ao usuário (SMP 13). De maneira geral, os parâmetros estimados para esta variável são negativos, o que mostra a insatisfação dos usuários com as respostas oferecidas as suas demandas e se reflete na má avaliação daqueles que foram atendidos nos últimos seis meses antes da realização da pesquisa.