Resultados de impacto da prática contemporânea de marketing no desempenho

O último objetivo específico do presente estudo é examinar o impacto das práticas contemporâneas de marketing no desempenho de marketing das empresas de serviços

MARKETING INTERATIVO Entre Grupos 21,611 5 4,322 3,168 ,010 Nos grupos 169,166 124 1,364 Entre Grupos 8,684 5 1,737 1,062 ,385 Nos grupos 206,066 126 1,635 Entre Grupos 6,484 5 1,297 ,838 ,525 Nos grupos 196,614 127 1,548 Entre Grupos 1,418 5 ,284 ,279 ,924 Nos grupos 132,221 130 1,017 Entre Grupos 4,014 5 ,803 ,652 ,661 Nos grupos 158,846 129 1,231 Entre Grupos 11,856 5 2,371 1,404 ,228 Nos grupos 200,944 119 1,689 Entre Grupos 18,106 5 3,621 1,877 ,103 Nos grupos 227,604 118 1,929 Entre Grupos 24,350 5 4,870 2,661 ,026 Nos grupos 210,443 115 1,830 Entre Grupos 6,880 5 1,376 ,614 ,690 Nos grupos 253,338 113 2,242 MARKETING DE REDE Entre Grupos 7,177 5 1,435 ,866 ,506 Nos grupos 202,323 122 1,658 Entre Grupos 7,590 5 1,518 ,818 ,539 Nos grupos 217,060 117 1,855 Entre Grupos 4,790 5 ,958 ,553 ,736 Nos grupos 216,645 125 1,733 Entre Grupos 9,076 5 1,815 1,330 ,256 Nos grupos 165,145 121 1,365 Entre Grupos 2,400 5 ,480 ,318 ,902 Nos grupos 188,776 125 1,510 Entre Grupos 3,252 5 ,650 ,345 ,885 Nos grupos 218,822 116 1,886 Entre Grupos 12,997 5 2,599 1,365 ,243 Nos grupos 219,003 115 1,904 Entre Grupos 21,389 5 4,278 2,223 ,057 Nos grupos 219,403 114 1,925 Entre Grupos 28,089 5 5,618 2,576 ,030 Nos grupos 242,030 111 2,180 Sig. Desenvolve_relacionamento_clientes_ específicos Comunicação_marketing_via_funcionários Faz_contato_interpessoal_clientes Cliente_deseja_interação_individualizada Soma dos Quadrados gl Quadrado Médio F Variáveis Atende_modo_informal_social Marketing_promove_interação_cooperativa_clientes Planejamento_foca_interação_clientes_específicos Investe_interação_pessoal_clientes Responsável_marketing_gestores_funcionais Ações_coordenam_funcionários_clientes_entidades Planejamento_foca_desenvolvimento_redes Recursos_desenvolvimento_redes Responsável_marketing_proprietário_ dirigente Relacionamento_intenso_outras_organizações Comunicação_marketing_rede_via_gestores Investe_contatos_interpessoais_clientes_ organizações Clientes_desejam_contatos_rede Relacionamentos_sociais_clientes_e_organizações

profissionais pesquisadas, medido por meio da evolução no faturamento e na lucratividade, nos últimos 3 anos. Assim, as hipóteses (nula e alternativa) foram estabelecidas como segue:

H0: As práticas de marketing contemporâneo não têm impacto no desempenho da empresa de serviços profissionais.

H5: As práticas de marketing contemporâneo têm impacto no desempenho da empresa de serviços profissionais.

De acordo com Sweeney, Williams e Anderson (2013), a análise de regressão múltipla é indicada quando se deseja examinara relação entre uma variável dependente (y) e duas ou mais variáveis independentes. A regressão múltipla é um processo de modelagem poderoso e flexível, que auxilia na análise de relações associativas entre variáveis (HAIR et al., 2010). Malhotra (2012) define a regressão múltipla como a técnica estatística que desenvolve simultaneamente uma relação matemática entre duas ou mais variáveis independentes e uma variável dependente intervalar. A premissa básica da regressão múltipla é a inserção de todas as variáveis relevantes no processo analisado, visando maximizar o poder preditivo do modelo estatístico gerado.

Neste estudo, a técnica análise de regressão múltipla foi empregada para determinar o impacto das práticas contemporâneas de marketing no desempenho das empresas pesquisadas, ou seja, identificar quais dimensões da prática contemporânea de marketing explicam significativamente a variação no desempenho das empresas. Assim, a Tabela 29 apresenta os resultados das 2 (duas) regressões múltiplas realizadas entre dimensões de práticas contemporâneas de marketing (variáveis independentes) e o desempenho das empresas pesquisadas (variável dependente), em termos de evolução no faturamento e na lucratividade nos últimos 3 anos.

Na regressão múltipla, as estatísticas associadas aos modelos de regressão gerados são: valores do coeficiente de regressão parcial (Beta), que denota a variação na variável dependente em decorrência da variação na variável independente, se todos os demais previsores (variáveis independentes) permanecerem constantes; valores do erro padrão, que mede a precisão das estimativas geradas; valores de t, que revela a inclinação da linha de regressão e o nível de significância estatística dos parâmetros do modelo gerado (significância dos coeficientes de regressão); coeficiente de determinação múltipla (R2), medida da proporção da variância na variável dependente explicada a partir das variáveis independentes; valor da distribuição F

(ANOVA), medida que revela quão bem o conjunto de variáveis independentes explica a variação na variável dependente, ou seja, a significância global do modelo gerado (HAIR et al., 2010; MALHOTRA, 2012; SWEENEY; WILLIAMS; ANDERSON, 2013).

Tabela 29 – Resultados da regressão múltipla entre dimensões de prática contemporânea de marketing e variáveis de desempenho em faturamento e lucratividade.

Fonte: Elaborado pelo autor (2017).

Na análise de regressão sobre o desempenho do faturamento, os resultados da análise de variância (ANOVA) revelou que o modelo gerado tem qualidade/viabilidade adequada. O valor de F é 3,717 e o p-valor é <0,05 (Sig. 0,007), o que indica que a variável dependente (evolução do faturamento) pode ser modelada por uma reta com as variáveis independentes selecionados (dimensões preditores): marketing de banco de dados, marketing digital, marketing interativo e marketing de rede. O coeficiente de determinação múltipla (R2) igual a 0,101 indica que o modelo gerado explica 10,1% da variação no desempenho das empresas de serviços profissionais pesquisadas, em termos de evolução no faturamento (baixo poder explicativo). Em outras palavras, pode-se afirmar que 0,101 é a probabilidade de as variáveis independentes explicarem a variação no desempenho do faturamento das empresas pesquisadas. No modelo gerado, há apenas uma dimensão com coeficiente de regressão (Beta) com contribuição significativa: marketing digital (Sig=0,044). Essa é, também, a dimensão com maior valor de explicação no modelo gerado, como mostra o valor t mais elevado (20,36); já o valor de Beta padronizado (0,596) indica que há relação entre prática de marketing digital e desempenho do faturamento.

Na análise de regressão sobre o desempenho na lucratividade, os resultados da análise de variância (ANOVA) revelou, também, que o modelo gerado tem qualidade/viabilidade adequada. O valor de F=8,070 e p-valor <0,05 (Sig. 0,005) indicam que a variável desempenho em lucratividade (variável dependente) pode ser modelada pelas variáveis independentes analisadas: marketing de banco de dados, marketing digital, marketing interativo e marketing

Coeficientes padronizados

Coeficientes padronizados

B Erro Padrão Beta B Erro

Padrão Beta

(Constante) 2,662 ,582 4,571 ,000 2,307 ,565 4,082 ,000

Marketing digital ,596 ,293 ,349 2,036 ,044 ,217 ,317 ,121 ,591 ,556 Marketing de banco de dados ,258 ,271 ,144 ,591 ,556 ,449 ,158 ,237 2,841 ,005 Marketing interativo -,146 ,297 -,078 -,918 ,360 -,260 ,322 -,132 -,303 ,762 Marketing de rede -,241 ,245 -,150 -1,220 ,224 ,123 ,274 ,073 ,344 ,732 Estatística do modelo Dimensões de práticas contemporâneas de marketing EVOLUÇÃO NO FATURAMENTO (n=141) R2_{=0,101; F=3,717; Sig=0,007} EVOLUÇÃO NA LUCRATIVIDADE (n=140) Coeficientes não padronizados _{t Sig.} R2_{=0,056; F=8,070; Sig=0,005} Coeficientes não padronizados _{t Sig.}

de rede. O coeficiente de determinação múltipla (R2) igual a 0,056 revela que o modelo gerado explica 5,6% da variação no desempenho das empresas de serviços profissionais pesquisadas em termos de evolução na lucratividade (baixo poder explicativo). Ou seja, 0,056 representa a probabilidade de as variáveis independentes (práticas contemporâneas de marketing) explicarem a variação no desempenho da lucratividade das empresas pesquisadas. Nesse segundo modelo de regressão há, também, apenas uma dimensão com coeficiente de regressão (Beta) com contribuição significativa: marketing de banco de dados (Sig=0,005). O valor de Beta padronizado (0,449) indica que há relação direta e positiva entre marketing de banco de dados e o desempenho da lucratividade.

Portanto, embora os resultados das análises de regressão múltipla não sejam conclusivos (poder explicativo baixo), sugerem que o desempenho das empresas de serviços profissionais pesquisadas em termos de evolução no faturamento é influenciado positivamente pela prática de marketing digital (incremento de até 10,1%); e que o desempenho das empresas em termos de evolução na lucratividade é influenciado positivamente pela prática de marketing de banco de dados (incremento de até 5,6%). Para as demais dimensões de práticas contemporâneas de marketing, os resultados das análises de regressão revelaram nenhuma contribuição significativa sobre o desempenho das empresas, seja em termos de evolução no faturamento ou evolução na lucratividade.