UNIVERSIDADE FEDERAL DE SANTA CATARINA CENTRO TECNOLÓGICO
PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA DE PRODUÇÃO
CRISTIANO CHIMINELLI
INCORPORAÇÃO DO VALOR PERCEBIDO PELO CLIENTE EM MODELOS DE PREVISÃO DE VENDAS
DISSERTAÇÃO DE MESTRADO
Florianópolis 2018
Cristiano Chiminelli
INCORPORAÇÃO DO VALOR PERCEBIDO PELO CLIENTE EM MODELOS DE PREVISÃO DE VENDAS
Dissertação submetida ao Programa de Pós-graduação em Engenharia de Produção da Universidade Federal de Santa Catarina para a obtenção do Grau de Mestre em Engenharia de Produção.
Orientador: Prof. Osmar Possamai, Dr.
Florianópolis 2018
2
Cristiano Chiminelli
INCORPORAÇÃO DO VALOR PERCEBIDO PELO CLIENTE EM MODELOS DE PREVISÃO DE VENDAS
Esta Dissertação foi julgada adequada para obtenção do Título de “Mestre em Engenharia”, Especialidade em Engenharia de Produção e aprovada em sua forma final pelo Programa de Pós-Graduação em Engenharia de Produção.
Florianópolis, 9 de março de 2018. ____________________________________
Profa. Lucila Maria de Souza Campos, Dra. Coordenadora do Curso
Banca Examinadora:
___________________________________ Prof. Osmar Possamai, Dr.
Universidade Federal de Santa Catarina
________________________________ Prof. Antônio Cezar Bornia, Dr. Universidade Federal de Santa Catarina
______________________________________ Prof. Claudelino Martins Dias Junior, Dr.
Dedico aos meus pais e a minha esposa pelo amor, apoio e incentivo dados durante toda a
AGRADECIMENTOS
Agradeço à minha família pela força e incentivo dado durante essa fase importante da minha vida e à Deus pela saúde e paz fornecida durante essa caminhada.
Ao Professor Dr. Osmar Possamai, por ter acreditado e orientado essa proposta de pesquisa.
À Universidade Federal de Santa Catarina, por viabilizar o programa e pelo apoio dos seus funcionários e professores.
À empresa que trabalho, pelos incentivos dados durante esses últimos anos para a realização dessa dissertação.
A todos, que de algum modo ajudaram na realização desse trabalho.
RESUMO
A prática da promoção para atrair o cliente é muito utilizada pelas empresas, que esperam um incremento nas vendas. Atingir a assertividade na previsão das vendas é fundamental para evitar desperdício de materiais ou a sua falta. O presente estudo teve como objetivo incorporar o uso da taxa de Valor Percebido (VP) para melhorar a assertividade dos modelos de previsão de vendas de séries temporais. Para atingir esse objetivo, desenvolveu-se um modelo com sete etapas distintas. Foram deliberados os atributos elementares formadores do VP e, utilizado técnicas estatísticas de correlação e regressão para identificar a força, direção e forma existente entre as variáveis vendas e VP pelo cliente. Uma equação de correção do VP foi desenvolvida e combinada a um modelo de previsão de série temporal de venda. A aplicação do modelo foi realizada em uma empresa do ramo de fastfood e as respostas de 86 clientes foram utilizadas para identificação do VP. Dados históricos de vendas foram utilizados para calibrar o modelo. A alteração de VP do produto foi realizada através da promoção e redução do preço de venda de um produto. A geração da previsão de vendas foi realizada antes e depois da promoção. Dois modelos de previsão foram utilizados, o modelo de Suavização Exponencial Simples (SES) e o modelo modificado, SES combinado com a taxa de VP. Os resultados apresentaram uma melhora de assertividade significativa do modelo de previsão modificado em relação à SES. A promoção aumentou 43 % o VP pelo cliente e resultou em um aumento efetivo das vendas de 238 %. Embora a venda do produto em promoção tenha sido aumentada, as quantidades vendidas totais da família de produtos se mantiveram constantes. O aumento do VP como estratégia para atrair os consumidores oriundos das empresas concorrentes não surtiu efeito desejado.
ABSTRACT
The practice of promotions to attract the customer is widely used by companies, which expect an increase in sales. Achieving the assertiveness of sales prediction is critical to avoid wastage or lack of offered products. The present study aimed to incorporate the use of the Perceived Value rate (PV) to improve the assertiveness of time series prediction models. To achieve this goal, a model with seven distinct steps was developed. The elementary formative attributes of the VP were deliberate, and statistical correlation and regression techniques were used to identify the strength, direction and shape existing between the sales and VP variables by the client. A VP correction equation was developed and combined with a time series prediction model. The application of the model was conducted in a fast food company and the answer of 86 clients were used to identify the VP. Historical sales data were used to calibrate the model. The product VP change was made by promoting sales and reducing the selling price of one product. The generation of sales prediction was done before and after the promotion. Two predictive models were used: Basic Exponential Smoothing (BES) model and a modified model, called Basic Exponential Smoothing model with increased perceived value rate. The results showed a significant assertiveness improvement of the modified prediction model in relation to BES. The promotion increased the client VP by 43% and an effective sales increase of 238%. Although the sale of the product under promotion has been increased, the total quantities sold in the family of products have remained constant. Increasing the VP as a strategy to attract consumers from competing companies, did not have the desired effect.
LISTA DE ILUSTRAÇÕES
Figura 1 - Processo de previsão ... 40
Figura 2 - Método de suavização exponencial simples ... 44
Figura 3 - Correlação entre a demanda (ton) e precipitação (mm) ... 46
Figura 4 - Combinação de previsões ... 47
LISTA DE QUADROS
Quadro 1 - Elementos do conceito de atributo ... 31
Quadro 2 - Variáveis formadoras do VP ... 33
Quadro 3 - Listagem de atributos ... 52
LISTA DE GRÁFICOS
Gráfico 1 - Benefício e esforço relativos ... 56
Gráfico 2 - Valor percebido versus preferência de compras ... 57
Gráfico 3 - Acompanhamento da demanda versus faturamento ... 61
Gráfico 4 - Acompanhamento do preço de vendas ... 61
Gráfico 5 - Acompanhamento das quantidades vendidas ... 64
Gráfico 6 - Benefício relativo versus Esforço relativo antes da promoção ... 68
Gráfico 7 - Vendas versus valor percebido antes da promoção ... 69
Gráfico 8 - Benefício relativo versus esforço reduzido relativo ... 71
Gráfico 9 - Modelos de previsão de vendas ... 74
Gráfico 10 - Acompanhamento das vendas da família Speed em todo período ... 75
Gráfico 11 - Modelos de previsão de vendas com demanda real ... 75
Gráfico 12 - Demanda % versus faturamento% da família Speed ... 78
LISTA DE TABELAS
Tabela 1 - Coleta de dados sobre a mensuração do benefício dos
produtos ... 53
Tabela 2 - Questionário para medir do grau de satisfação e importância ... 54
Tabela 3 - Benefício percebido pelo cliente ... 54
Tabela 4 - Esforço para aquisição/manutenção ... 55
Tabela 5 - Cálculo do valor percebido ... 55
Tabela 6 - Acompanhamento do desempenho dos modelos ... 60
Tabela 7 - Medição do grau de satisfação e importância ... 66
Tabela 8 - Benefício percebido pelo cliente ... 66
Tabela 9 - Cálculo do valor percebido ... 67
Tabela 10 - Comparativo de vendas (out./2013 à fev./2015) e VP ... 69
Tabela 11 - Cálculo do valor percebido ... 71
Tabela 12 - Acompanhamento do desempenho dos modelos antes da promoção ... 76
LISTA DE ABREVIATURAS E SIGLAS Mean Absolute Error (MAE)
Mean Absolute Percentual Error (MAPE) Mean Square Error (MSE)
Médias Absolutas de Erro (MAE) Modelo de Suavização Exponencial (SE) Suavização Exponencial Simples (SES)
Suavização Exponencial Simples Modificado (SESM) Valor Percebido (VP)
SUMÁRIO
CAPÍTULO 1 - INTRODUÇÃO ... 25 1.1 OBJETIVOS ... 26 1.1.1 Objetivo geral ... 26 1.1.2 Objetivos específicos ... 26 1.2 JUSTIFICATIVA E RELEVÂNCIA DO TEMA ... 26 1.3 ESCOPO DO ESTUDO ... 27 1.4 ESTRUTURA DO ESTUDO ... 27 CAPÍTULO 2 - FUNDAMENTAÇÃO TEÓRICA ... 29 2.1 CONCEITO DE ATRIBUTO ... 29 2.2 VALOR PERCEBIDO (VP) ... 32 2.3 VALOR ECONÔMICO ... 34 2.4 CONSIDERAÇÕES SOBRE O CAPÍTULO ... 37 CAPÍTULO 3 - FERRAMENTAL ... 39 3.1 PREVISÃO DE VENDAS POR MODELOS DE SÉRIES
TEMPORAIS ... 40 3.1.1 Modelo da média simples ... 42 3.1.2 Modelo de suavização exponencial (SE) ... 42 3.1.2.1 Método de suavização exponencial simples (SES) ... 43 3.2 MODELOS CAUSAIS ... 45 3.3 COMBINAÇÃO DE PREVISÕES ... 46 3.4 MEDIDAS DE ACURÁCIA ... 47 3.5 CONSIDERAÇÕES SOBRE O CAPÍTULO ... 49 CAPÍTULO 4 – MODELO ... 51 4.1 EPATA 1 - DEFINIÇÃO DO PROBLEMA ... 51 4.2 ETAPA 2- DEFINIÇÃO DOS ATRIBUTOS ... 52 4.3 ETAPA 3 - APLICAÇÃO DO QUESTIONÁRIO ... 53 4.4 ETAPA 4 - CÁLCULO DO VALOR PERCEBIDO ... 54 4.5 ETAPA 5 - INCORPORAÇÃO DO VALOR PERCEBIDO NO MODELO DE PREVISÃO ... 59 4.6 ETAPA 6 - ANÁLISE DOS RESULTADOS ... 59 4.7 ETAPA 7 - CONCLUSÃO E RECOMENDAÇÕES... 62 4.8 CONSIDERAÇÕES SOBRE O CAPÍTULO ... 62 CAPÚTULO 5 - APLICAÇÃO DO MODELO ... 63 5.1 ETAPA 1 - DEFINIÇÃO DO PROBLEMA ... 63 5.2 ETAPA 2 - DEFINIÇÃO DOS ATRIBUTOS ... 64 5.3 ETAPA 3 - APLICAÇÃO DO QUESTIONÁRIO ... 65 5.4 ETAPA 4 - CÁLCULO DO VALOR PERCEBIDO ... 66
24
5.5 ETAPA 5 - INCORPORAÇÃO DO VALOR PERCEBIDO NO MODELO DE PREVISÃO ... 73 5.6 ETAPA 6 - ANÁLISE DOS RESULTADOS ... 76 5.7 ETAPA 7 - CONCLUSÃO E RECOMENDAÇÕES ... 79 CAPÍTULO 6 - CONCLUSÃO ... 81 6.1 CONFIRMAÇÃO DA CORRELAÇÃO DAS VENDAS E DO VALOR PERCEBIDO PELO CLIENTE ... 81 6.2 SUGESTÕES PARA TRABALHOS FUTUROS ... 82 REFERÊNCIAS ... 83 APÊNDICE A – Questionário do produto Speed Dog ... 91 APÊNDICE B – Questionário do produto Speed Calabresa ... 92 APÊNDICE C – Questionário do produto Speed Burger ... 93 APÊNDICE D – Questionário do produto Speed Frango ... 94 APÊNDICE E – Questionário da importância para cada
CAPÍTULO 1 - INTRODUÇÃO
Para que as empresas possam adotar estratégias de retenção e atração de novos clientes, é essencial conhecer os atributos dos produtos, visto que os clientes percebem os produtos como um conjunto de atributos. Os benefícios percebidos são definidos como sendo os atributos que geram a percepção de ganho, enquanto os sacrifícios, são os atributos percebidos que englobam os custos monetários e não monetários, pagos pelo cliente na troca pelo produto (KOTLER; KELLER, 2006). Vários estudos têm sido conduzidos para analisar a percepção do preço dos produtos e sua influência na decisão de compra dos clientes (ZIELKE, 2010). Visto que o preço é considerado uma das mais importantes variáveis de gestão de marketing e um dos fatores decisivos para a compra do cliente (BOLTON; WARLOP; ALBA, 2003).
O Valor Percebido (VP) resulta da comparação entre os benefícios que o cliente percebe que está ganhando, aos sacrifícios despendidos para aquisição do produto. Entender o processo de construção do VP do produto pelo cliente, é estratégico para as empresas (ZEITHAML, 1988). Uma das táticas usadas pelas empresas para aumentar as vendas é a promoção. A empresa aumenta o VP através da redução do preço, reduzindo o esforço e mantendo o benefício.
A utilização de modelos formais de previsão de vendas pode auxiliar as empresas no dimensionamento da produção para atender o mercado. A previsão de vendas é parte integrante do processo decisório, pois é relevante na projeção do faturamento e dos recursos para a produção (SLACK; CHAMBERS; JOHNSTON, 2009). A promoção pode gerar erro na previsão, gerando assim um planejamento dos recursos físicos e financeiros ineficazes. Uma grande alteração positiva do VP de um produto pode gerar uma concorrência com os outros produtos da própria empresa, alteração da estratégia dos concorrentes e até uma desconfiança do cliente.
De acordo com esse contexto, formulou-se a seguinte pergunta de pesquisa: Como incorporar a alteração de VP de um produto nos modelos de previsão de vendas com séries temporais? Esse estudo apresenta um modelo para quantificação e compreensão da taxa do VP, para correção quando alterado o benefício ou esforço do produto, integrado a um modelo de previsão de vendas de séries temporais. Assim sendo, devem ser considerados dados históricos do comportamento das vendas do referido produto e a taxa de VP pelos clientes.
26
1.1 OBJETIVOS 1.1.1 Objetivo geral
O objetivo geral desse trabalho é incorporar a taxa de valor percebido para melhorar a assertividade dos modelos de previsão de vendas de séries temporais.
1.1.2 Objetivos específicos
Identificar os elementos formadores do valor percebido do produto pelo cliente;
Quantificar o valor percebido do produto pelo cliente;
Identificar a taxa das relações entre as alterações do valor percebido do produto pelo cliente e as vendas;
Estabelecer a combinação do modelo de previsão de vendas com a taxa de valor percebido do produto pelo cliente.
1.2 JUSTIFICATIVA E RELEVÂNCIA DO TEMA
Quando a empresa oferece uma promoção para atrair o cliente ao seu estabelecimento, é esperado um incremento na demanda por determinados tipos de produtos. Atingir a assertividade na previsão das vendas é fundamental para evitar desperdício de materiais ou sua falta. A melhoria no planejamento estratégico poderá resultar no aumento da satisfação do cliente em relação a um produto, agregando qualidade e esforço de compra.
Apesar da iniciativa de atrair clientes por meio de promoções ser uma prática comumente usada pelas empresas, observa-se uma escassez de trabalhos dedicados a estudar os efeitos da promoção sobre a previsão de vendas. Em especial, menos trabalhos estão disponíveis quando se quer identificar relações entre um incremento do VP e o seu impacto na previsão de vendas.
Portanto, há uma lacuna de pesquisa em relação ao tema desse trabalho, tornando-o relevante para contribuir no aumento da precisão de modelos de previsão de vendas. O estudo, também, pode ser útil para apoiar decisões estratégicas em vendas e auxiliar as empresas a evitar ou reduzir possíveis prejuízos. Assim sendo, nesse trabalho, será proposto um modelo para a inclusão do efeito temporal de um incremento no VP do produto pelo cliente.
1.3 ESCOPO DO ESTUDO
Esse trabalho busca identificar os elementos formadores do VP pelo cliente no momento de aquisição de produtos. Foram considerados o esforço para a aquisição do produto e os benefícios do produto. O esforço consiste no valor em dinheiro a ser pago para comprar o produto e o benefício é o resultado da soma dos atributos físicos do produto. Não foram avaliadas as variáveis comportamentais dos clientes no momento da compra.
Para quantificar o VP, mensurou-se o esforço de compra empreendido pelo cliente e os benefícios dos produtos em estudo. Para identificar as correlações entre alteração do VP e o volume de vendas, foram consideradas variações no esforço de aquisição do produto segundo redução no preço de venda, ou seja, promoção.
1.4 ESTRUTURA DO ESTUDO
Esse trabalho está dividido em seis capítulos. O segundo capítulo trata da fundamentação teórica sobre os atributos do produto, o conceito de VP, bem como suas variáveis e o enfoque no conceito de Valor Econômico para a quantificação do VP. No terceiro capítulo, foram apresentados os métodos para o desenvolvimento do modelo proposto. O quarto capítulo exibe o modelo proposto e a descrição detalhada das etapas de execução. No quinto capítulo, há uma descrição detalhada da aplicação do modelo, os resultados da pesquisa empírica e as respectivas análises. As conclusões do presente trabalho e as sugestões para trabalhos futuros apresentadas no sexto capítulo.
CAPÍTULO 2 - FUNDAMENTAÇÃO TEÓRICA
Esse capítulo apresenta os fundamentos teóricos para estabelecer os elementos conceituais e as variáveis formadoras do VP pelo cliente no momento de aquisição dos produtos, bem como a forma de quantificá-los. Em primeiro lugar, são apresentados os conceitos de atributo e a tipologia adotada para classificar os atributos do produto percebidos pelo cliente. Em segundo lugar, são discutidos o conceito de VP e as respectivas variáreis. No terceiro item, destacou-se o conceito de Valor Econômico escolhido para analisar o problema da identificação do VP na previsão de vendas dos produtos. Para finalizar, foram expostas as considerações sobre o referencial teórico que fundamentou o problema em estudo nesse trabalho.
2.1 CONCEITO DE ATRIBUTO
Peter, Olson e Grunert (1999) definem atributos como cor, gosto e formato, dentre outras características de um produto. Os clientes tendem a perceber os produtos como um pacote de atributos, segundo diferentes graus de importância (MOWEN; MINOR,1998). O cliente compara as diferentes opções de produtos segundo o potencial de satisfação das suas necessidades. Ou seja, seleciona, integra e avalia as informações relacionadas a sua percepção para formular um julgamento de valor e tomar decisão de compra. Isso significa que as decisões de compra podem variar conforme a percepção do consumidor. No entanto, identificar os atributos mais relevantes para o consumidor pode ser um problema crítico para definir o VP.
Alpert (1971) propôs uma tipologia para classificar os atributos em três categorias: salientes, importantes e determinantes. Os atributos salientes são aqueles que os consumidores conseguem perceber como presentes no produto, são as características percebidas e já conhecidas que não influenciam na decisão de compra. Os atributos importantes são aqueles elegidos por um determinado grupo de consumidores no momento da escolha de uma categoria de produtos. Os atributos determinantes são aqueles que o consumidor percebe como capazes de influenciar positivamente a compra, ou seja, podem satisfazer as demandas e desejos.
Zeithaml (1988) classificou os atributos como intrínsecos e extrínsecos. Os atributos intrínsecos são as características físicas e funcionais do produto, tais como: tamanho e funcionalidade. Os atributos
30
extrínsecos não pertencem à composição física do produto, por exemplo, o preço e a marca.
Woodruff e Gardial (1996) sugerem que os atributos façam parte de uma hierarquia de valores que conecta as características do produto às características psicológicas do consumidor. Nessa perspectiva, os atributos concretos são os primeiros percebidos pelos consumidores, seguidos dos atributos abstratos e das consequências funcionais e psicológicas.
Peter, Olson e Grunert (1999) também classificaram os atributos do produto nas categorias concreto e abstrato. Sob essa ótica, os atributos são avaliados como partes de um “pacote”, ou seja, o produto é definido pelas suas características, seus componentes e suas partes. Um atributo concreto tem características físicas e tangíveis, como o tamanho, o peso e a embalagem. Um atributo abstrato é entendido pelas características intangíveis como a qualidade e o valor psicológico do produto para o consumidor.
Allen (2001) considera atributos concretos aqueles perceptíveis por meio dos cinco sentidos humanos, enquanto os abstratos são as imagens do produto tais como beleza, estética ou prestígio. Os atributos concretos (tangíveis) e abstratos (intangíveis) são julgados de maneiras diferentes pelos consumidores e, portanto, devem ser analisados distintamente (PETER; OLSON; GRUNERT, 1999; ALLEN, 2001).
As percepções relativas a um produto também podem estar apoiadas na experiência, nas informações e sugestões de pessoas conhecidas, na publicidade ou nas impressões pessoais do próprio consumidor (BLACKWELL; MINIARD; ENGEL, 2001). Diferentes recursos metodológicos de base estatística podem ser utilizados para discriminar essas informações (ALPERT, 1971; VAN ITTERSUM; PENNINGS, 2012).
O valor percebido pode ser configurado a partir da dicotomia entre benefício e esforço de compra (CRONIN; BRADY; HULT, 2000; OH, 2003; HANSEN, SAMUELSEN; SILSETH, 2008). Quanto maior o benefício percebido e menor o esforço despendido, mais valor o consumidor percebe no produto (ZEITHAML, 1988; SWEENEY; SOUTAR, 2001).
No entanto, a relação entre o preço e os atributos físicos geradores de benefícios não podem ser considerados apenas sob a perspectiva puramente econômica. Os benefícios percebidos podem incluir experiências de satisfação psicológica e social que o consumidor experimenta ou vivencia por meio da compra, consumo ou utilização de um produto (ZIELKE, 2011). Quando os consumidores recebem
informações de diferenciação de valor sobre atributos relevantes do produto, eles pagam um “preço ético” (AUGER et al., 2008). Esse é o caso, por exemplo, da sustentabilidade ambiental associada aos produtos orgânicos e embalagens recicláveis (MEISE et al., 2014).
Além disso, todos os atributos do produto quando associados ao nome da marca e ao preço, podem afetar a cognição, as emoções e os sentimentos do consumidor, influenciando sua opção de compra (BETTIGA; LAMBERTI, 2017). Portanto, o conceito de atributo consiste em um conjunto de características dinâmicas a serem identificadas para a compreensão do VP pelo cliente quando valora, julga e decide pela compra de determinado produto. O Quadro 1 sintetiza os diferentes elementos conceituais de atributo, segundo as referências consultadas. Quadro 1 - Elementos do conceito de atributo
ELEMENTOS CONCEITUAIS REFERÊNCIAS
Atributos salientes, importantes e determinantes. Alpert (1971).
“Pacotes” de atributos. Mowen; Minor (1988).
Atributos intrínsecos e extrínsecos. Zeithaml (1988). Atributos fazem parte de uma hierarquia de
valores que conecta as características do produto às características psicológicas do consumidor.
Woodruff; Gardial (1996). Os atributos são características sensoriais
concretas e abstratas que distinguem o produto para o consumidor.
Peter; Olson;Grunert (1999). Os atributos tangíveis são perceptíveis pelos cinco
sentidos e os intangíveis referem-se à representação da imagem do produto para o consumidor.
Allen (2001).
Os atributos podem ser percebidos segundo informações e sugestões de outras pessoas, bem como pela própria experiência de uso.
Blackwell; Miniard; Engel (2001).
Os atributos são valorados pelo consumidor segundo a dicotomia entre os benefícios percebidos e o esforço de compra (preço).
Zeithaml (1988); Cronin; Brady; Hult (2000); Sweeney; Soutar (2001); Oh (2003); Hansen, Samuelsen; Silseth (2008).
Experiências de satisfação psicológica com um produto podem ser estimuladas por meio de informações sobre atributos relevantes levando o consumidor a pagar um preço “ético”.
Kivetz; Simonson (2000); Auger et al., (2008); Zielke (2011); Meise et al. (2014). Atributos associados à marca e ao preço podem
afetar a cognição, as emoções e os sentimentos do consumidor, influenciando a compra.
Bettiga; Lamberti (2017). Fonte: o autor (2018).
32
No Quadro 1 observam-se as classificações dos tipos de atributos e as diferentes formas de valoração daqueles que podem influenciar a intenção de compra do consumidor. A seguir, foi apresentado o conceito de VP e as variáveis que compõem a percepção do consumidor em relação aos produtos.
2.2 VALOR PERCEBIDO (VP)
Há uma diversidade de significados atribuídos ao conceito de Valor Percebido (VP). O valor pode ser percebido pela avaliação global do consumidor da utilidade de um produto (ZEITHAML, 1988). No mercado de negócios, o VP é o conjunto de benefícios econômicos, técnicos, de serviços e sociais, recebidos por uma empresa em unidades monetárias, segundo as diferentes ofertas, fornecedores, preços e esforços de compra dos consumidores (ANDERSON; JAIN; CHINTAGUNTA, 1993; SWEENEY; SOUTAR, 2001).
As percepções dos compradores sobre o valor, representam uma compensação entre a qualidade ou os benefícios do produto em relação ao esforço que eles investem para pagar o preço (SWEENEY; SOUTHAR, 2001). O vínculo emocional entre o cliente e um produtor ou fornecedor após o uso do produto, define o valor do cliente. Segundo o valor agregado percebido, a qualidade e o preço são ajustados pelo mercado (BUTZ; GOODSTEIN, 1996). Portanto, o VP pelo cliente é inerente à utilização de algum produto, ou seja, ele forma a avaliação sobre a experiência de valor real recebido.
O VP, desde o final da década de 90, passou a ser um imperativo estratégico para produtores e varejistas e segue sendo destaque para a área e previsão de vendas no século XXI (VANTRAPPEN, 1992; FORESTER, 1999; SWEENEY; SOUTAR, 2001; ARUNRAJ; AHRENS, 2015). Quando os produtores e varejistas baseiam seu planejamento de vendas nas necessidades das pessoas em diferentes categorias de consumidores, eles estão ofertando um valor que podem colocá-los em uma posição de liderança em vendas em longo prazo (BURDEN, 1998; SWEENEY; SOUTHAR, 2001).
A avaliação de todos os fatores subjetivos envolvidos nos benefícios ofertados para comprar um produto é outra dimensão do VP. Conveniência, velocidade e segurança são circunstâncias desejadas pelos clientes e determinam diferenças nas percepções de valor do produto (LAUKKANEN, 2007). Por exemplo, para alguns consumidores, o shopping é uma forma de recreação e envolve o valor emocional no ato de comprar (CHANG; TSENG, 2013).
Para Floh et al. (2014) os múltiplos aspectos que formam o VP levam as diferentes intenções de lealdade do cliente. Os efeitos da personalização sobre o VP pelo cliente, revelaram que os valores hedônicos, utilitário, criativo e social, influenciam a satisfação com a personalização e a fidelidade à marca. As relações entre o valor e a satisfação, dependem da lealdade do consumidor e da sua necessidade de exclusividade (YOO; PARK, 2016).
O interesse pelos benefícios éticos é uma tendência crescente para a valoração e aquisição de produtos entre os consumidores (AUGER et al., 2008). Os preços altos dificultam a aquisição de produtos “éticos” e a redução do preço é limitada pela extensão em que outros atributos podem atenuar o impacto negativo do preço sobre o VP. De outra forma, os benefícios éticos do produto são atenuadores do preço e podem aumentar o VP pelo cliente (ARAQUE-PADILLA et al., 2015). Esse e outros benefícios agregados aos atributos, tornam complexa a identificação do VP pelo cliente, ou seja, podem complicar a compreensão dos fatores que determinam a previsão de vendas de um produto. O Quadro 2 exibe as variáveis formadoras do conceito de VP para esse estudo, conforme as referências consultadas.
Quadro 2 - Variáveis formadoras do VP
VARIÁVEIS REFERÊNCIAS
Utilidade do produto. Zeithaml (1988).
Benefícios econômicos, técnicos, de
serviços e sociais. Anderson, Jain e Chintagunta (1993); Sweeney e Soutar (2001). Esforço de compra (preço). Sweeney e Southar (2001).
Vínculo emocional do cliente com o
produto. Butz e Goodstein (1996); Chang e Tseng (2013).
Preferência resultante da avaliação dos
atributos e do desempenho do produto. Zeithaml, (1988). Conveniência, velocidade e segurança. Laukkanen (2007). Valor hedônico, utilitário, criativo e
social (lealdade e exclusividade). Floh et al. (2014); Yoo e Park (2016). Benefícios éticos Auger et al. (2008); Araque-Padilla et al.
(2015). Fonte: o autor (2018).
Observa-se no Quadro 2 uma variedade de variáveis consideradas no conceito de VP. Incialmente, existe a utilidade ou usabilidade do produto, seguido pelos benefícios econômicos, técnicos e sociais, além do esforço de compra. O vínculo emocional e a preferência do consumidor
34
segundo sua avaliação do desempenho do produto, consistem em variáveis subjetivas. Outras variáveis de cunho subjetivo e que agregam maior complexidade ao estudo do VP podem ser a conveniência e a segurança agregadas ao produto, bem como a necessidade de exclusividade, a lealdade e os benefícios éticos.
A seguir, são discutidos o Valor Econômico e apresentadas as formas de representação do mesmo para os fins desse estudo.
2.3 VALOR ECONÔMICO
Nesse estudo, optou-se por sintetizar o valor percebido no Valor Econômico, uma vez que se busca quantificar o valor identificado na previsão de vendas de produtos. Entende-se por Valor Econômico, o ganho a ser obtido pela relação entre o que o produto oferece ao comprador e o preço pago. Para identificar o valor percebido de forma a mensurar a previsão de venda, as variáveis econômicas podem ser reduzidas em um trade-off entre qualidade e preço, segundo um “valor em dinheiro” (MATHWICK; MALHOTRA; RIGDON, 2001; SWEENEY; SOUTAR, 2001).
No contexto estratégico, o conceito de Valor Econômico pode ser entendido como a disposição que os consumidores têm em pagar pelo que a empresa tem a oferecer em função do benefício agregado ao produto (SAKTHIVEL, 2011). O valor atribuído representa uma imagem mental feita por comparação com outras opções de produtos para satisfazer a necessidade do comprador. Valor é uma função positiva de qualidade percebida, atributos extrínsecos e intrínsecos e a negativa dos custos, que podem ser tanto monetários quanto não monetários, como o tempo, esforço e desconfortos sensoriais (LOVELOCK; WRIGHT, 2005).
𝑉𝑎𝑙𝑜𝑟 = (𝑏ô𝑛𝑢𝑠/ô𝑛𝑢𝑠) (1)
Tanto os bônus (aspectos positivos formadores do valor para o cliente) quanto os ônus (aspectos negativos formadores do valor para o cliente), são percebidos pelos clientes, constituindo-se de avaliações pessoais, idiossincráticas e que variam bastante de cliente para cliente (MCDOUGALL; LEVESQUE, 2000; HOLBROOK, 1999; ZEITHAML, 1988).
Para Zeithaml (1988) o valor conferido a um produto depende do nível do VP pelo cliente. Pode-se afirmar que quanto maior é o Valor Econômico percebido de um item sobre outro que sirva para a mesma finalidade, maior será a perspectiva de vencer a concorrência. Para
quantificar o valor do produto, o consumidor analisa o benefício percebido sobre três perspectivas: desempenho técnico do produto frente (valor de uso), prestígio que o produto oferece ao seu usuário (valor de estima) e a expectativa de obter um preço de revenda, se assim o desejar (valor de troca). Portanto, o valor de um produto tende a aumentar na mesma proporção que os valores de uso, estima e troca. Para receber o benefício esperado, o consumidor terá que despender um esforço representado pela dificuldade de aquisição do produto, que em geral está vinculado ao preço e forma de pagamento. O esforço representa toda e qualquer dificuldade para adquirir, usar, manter e se desfazer do produto (ver equação 2).
Valor Econômico = í ç (2)
O benefício percebido pode ser quantificado através do somatório da satisfação e importância que o cliente avalia para cada atributo apresentado pelo produto. Todo produto possui atributos distintos, isso é o que difere um produto de outro e esses atributos que compõem o produto, apresentam diferentes importâncias para o cliente.
Benefício Percebido = Soma (GSi x GIi) (3)
Onde:
GSi é o Grau de Satisfação para o atributo i, variando o peso de 1 a 5;
GIi é o Grau de Importância do atributo i, variando o peso de 1 a 10.
Do ponto de vista comercial, o Valor Econômico de um produto possui duas dimensões: o valor para o fabricante/fornecedor e o valor para o cliente.
36
Ambos valores estão intrinsicamente associados, pois um produto só vai estar disponível no mercado, se houver interesse tanto por parte do fabricante/fornecedor quanto por parte do cliente. O valor do produto para o cliente é criado quando os benefícios que o cliente tem com o produto são maiores do que os custos que o cliente tem com o produto (SLATER; NARVER, 2000).
Quando o produto/serviço for projetado com qualidade, os benefícios oferecidos pelo fabricante devem ser iguais aos benefícios percebidos pelo cliente interessado. Ou seja, a equipe de desenvolvedores deve buscar incorporar no produto, todos os desejos do consumidor.
De forma simplificada tem-se:
𝑉𝑎𝑙𝑜𝑟 𝑑𝑜 𝑓𝑎𝑏𝑟𝑖𝑐𝑎𝑛𝑡𝑒 ≅ 𝑉𝑎𝑙𝑜𝑟 𝑑𝑜 𝑐𝑙𝑖𝑒𝑛𝑡𝑒 (6) í
≅ í ç (7) Ao analisar a equação (7), conclui-se que nem sempre as empresas que mais agregam Valor para o consumidor são as mais lucrativas do mercado. Isso pode parecer um contrassenso, entretanto, observando a prática comum de maximização do valor para o consumidor, que é a oferta de promoções pela redução do preço do produto, essa atitude pode acarretar prejuízo para o fornecedor se ele não conseguir reduzir os custos de forma proporcional. Portanto, se pode formular apenas quatro estratégias para aumentar o Valor agregado para o consumidor. São elas: 1- manter o benefício percebido e reduzir o preço (i.e., promoção); 2- aumentar o benefício percebido e manter o preço (i.e.,
diferenciação);
3- aumentar o benefício percebido e aumentar o preço em menor proporção;
4- diminuir o benefício percebido e reduzir o preço em maior proporção (estratégia chinesa).
Aumentando o VP, diminui a probabilidade de o cliente ser atraído por outras ofertas ou promoções dos concorrentes e permanecer leal ao produto ou marca da empresa. Os clientes tendem investir mais em diferentes fornecedores quando existe uma percepção de valor superior em outras opções do mercado (YOON et al., 2014). A percepção de valor pelo cliente tende a ser maior para a redução de preço, do que para o aumento da qualidade (MA; FILDES; HUANG, 2016).
Em todas essas estratégias para aumentar o Valor agregado, a empresa só vai obter lucro se conseguir incorporar no produto os
benefícios percebidos que o consumidor deseja a um custo menor do que o preço que ele está disposto a pagar.
2.4 CONSIDERAÇÕES SOBRE O CAPÍTULO
Foram expostos os conceitos de atributo, os respectivos tipos e características que formam a base do VP pelo cliente. Os elementos conceituais que formam a noção de atributo, permitem identificar as relações de importância do produto para o cliente, no momento da compra. O esforço de compra e benefícios agregados ao produto, podem adquirir diferentes graus de importância na percepção do consumidor. Mesmo com essa variabilidade, podem sinalizar o direcionamento das vendas.
As variáveis do VP foram discriminadas, assim como as respectivas equações para representá-la, com destaque ao conceito de Valor Econômico. Constatou-se que os clientes podem avaliar os produtos disponíveis segundo sua utilidade, seus benefícios agregados, seu esforço de compra, seu vínculo emocional, lealdade, necessidade de exclusividade e benefícios éticos, dentre outros quesitos identificados na literatura científica. O conceito de Valor Econômico pode sintetizar a valoração do produto pelo cliente, facilitando a quantificação do Valor Percebido. A relação custo (esforço de compra ou preço) e benefício, é uma chave para alcançar a percepção dos consumidores em relação aos produtos, bem como para quantificar a previsão de vendas pelos fabricantes e fornecedores.
As bases teóricas para a realização dos dois primeiros objetivos específicos foram apresentadas nessa seção. Nas próximas seções serão apresentados os conceitos para atendimento dos objetivos subsequentes e do objetivo geral desse estudo.
CAPÍTULO 3 - FERRAMENTAL
A previsão de vendas é estratégica para as organizações, pois determina dados futuros para melhorar o planejamento, baseados em modelos estatísticos, matemáticos ou econométricos ou ainda em modelos subjetivos apoiados em uma metodologia de trabalho clara e previamente definida (MARTINS; LAUGENI, 2005). Os métodos mais utilizados para previsão são classificados como quantitativos e qualitativos. Os métodos quantitativos utilizam modelos matemáticos para obter as previsões, destacam-se os modelos causais e os de séries temporais. Os modelos causais avaliam as causas e efeitos entre as variáveis, já as séries temporais utilizam dados passados para prever o futuro (SLACK; CHAMBERS; JOHNSTON, 2009). Os métodos qualitativos são baseados em experiências ou intuição de gerentes ou consumidores, ou seja, são modelos subjetivos.
Nessa seção são exibidos os modelos de previsão utilizados para atingir os objetivos desse trabalho. Os modelos de previsão que utilizam como base séries temporais históricas de dados sobre uma determinada variável têm o intuito de identificar padrões de comportamento de compra que possam ser projetados para o futuro (CARBONE; MAKRIDAKIS, 1986).
Os modelos causais estabelecem relações de causa e efeito entre as variáveis de demanda e fatores que possam afetá-las. Esses métodos possibilitam o aumento do erro de predição por demandar previsões das variáveis independentes em tempos futuros, assumindo que as relações causais históricas, se manterão no futuro (THOMAS, 1996). São exemplos desses modelos a análise de regressão e os modelos econométricos.
A análise de séries temporais utiliza o histórico de demanda para prever o futuro, assumindo que os padrões de dados passados, como tendência e sazonalidade, permanecerão inalterados (CALSING, 2015). Assim sendo, permite analisar dados históricos e projetar a previsão do seu comportamento no futuro.
No próximo item, discorre-se sobre os métodos de previsão de vendas por análise de séries temporais de dados. No item 3.1.1, exibe-se o conceito de média simples com vistas a prever a média de vendas em períodos subsequentes. No item 3.1.2, apresenta-se o método de suavização exponencial que dispensa a dependência de uma variável externa para realizar previsões. No item 3.1.2.1, detalha-se o método de suavização exponencial simples. O item 3.2, explicita os modelos causais
40
de regressão simples e múltipla. No item 3.3, propõe-se a combinação de métodos de previsão. E, finalmente, o item 3.4, explicita as medidas de acurácia com o intuito de encontrar o modelo que melhor explica o problema em estudo.
3.1 PREVISÃO DE VENDAS POR MODELOS DE SÉRIES TEMPORAIS
O processo de previsão de vendas é sustentado por uma metodologia de trabalho apoiada em modelos estatísticos, matemáticos ou econométricos para determinar os valores futuros de uma série temporal de vendas. A previsão de vendas é fundamental para o sucesso de qualquer negócio e seu bom dimensionamento traz benefícios para fabricantes, fornecedores e consumidores. Uma previsão de vendas acurada, evita prejuízos aos fabricantes fornecedores, assim como previne do excesso de estoque por falta de demanda. Os clientes ficarão protegidos da escassez de produtos desejados.
Nesse sentido, a tendência representa o movimento da demanda a longo prazo, a sazonalidade consiste nos picos e quedas regulares anuais, os fatores cíclicos representam a variação da demanda de longo prazo e as variações aleatórias ou residuais são aquelas parcelas da demanda que não podem ser explicadas (KOTLER; SALIBA; WRENN, 1991; BALLOU, 2001). Se não for possível identificar a causa da demanda, essa é presumida como puramente aleatória (DAVIS et al., 2001).
Prever vendas, constitui-se em uma das mais importantes tarefas para orientar as decisões de um fabricante ou distribuidor. A previsão de vendas implica em uma série de atividades relacionadas para projetar o faturamento de uma empresa (MONTGOMERY; JENNING; KULAHCI, 2015). Essas atividades são mostradas na Figura 1.
Figura 1 - Processo de previsão
Fonte: Montgomery, Jenning e Kulahci (2015).
Definição
do Problema Coleta de Dados Analise dos Dados
Modelo de Seleção e Adaptado Validação do Modelo Previsão de Implantação do Modelo Monitoramento do Desempenho do Modelo de Previsão
Entre as técnicas baseadas em séries temporais, encontram-se a média móvel, suavização exponencial e o método de Box-Jenkins. O modelo de Suavização Exponencial Simples (SES), é um método que obtêm a previsão com base na previsão anterior, acrescentando o erro recebido nessa previsão, corrigido por um coeficiente de ponderação, modelo esse que será utilizado nesse trabalho. Para casos em que os dados históricos apresentam tendência linear e não apresentam sazonalidade, Makridakis, Wheelwright e Hyndman (2008) recomendam que seja utilizado o modelo linear de Holt (2004). Esse método, também conhecido como Suavização Exponencial Dupla, contempla o nível e a tendência da série temporal empregando duas constantes de suavização, α e β (com valores entre 0 e 1 e não relacionados).
O modelo de Holt-Winters (WINTERS, 1960) é indicado para casos em que as séries temporais apresentam padrão de demanda com tendência linear e sazonalidade. Esse modelo faz aplicação de equações de suavização para estimar o nível, a tendência e a sazonalidade da série temporal estudada no processo de previsão. Tal método apresenta duas abordagens distintas, as quais dependem da forma como é modelada a sazonalidade: forma multiplicativa ou aditiva. A forma multiplicativa é indicada para séries temporais em que a amplitude da sazonalidade varia com o nível da demanda. A forma aditiva é apropriada para séries temporais cuja amplitude da sazonalidade é independente do nível de demanda (HOLT, 2004).
Modelos que utilizam função com base em informações de promoções passadas, podem ter maior acurácia na previsão global. Entretanto, para Trapero et al. (2013), o especialista humano ainda tem influência relevante no desempenho dos modelos de previsão. Uma das práticas mais comum de promoção é a redução do preço para enfrentar concorrência acirrada. Técnicas de séries temporais simples podem funcionar muito bem por períodos sem promoções. No entanto, para períodos com promoções, o uso de modelo de regressão pode melhorar a precisão da previsão de vendas (ALI et al., 2009).
Kuo (2001) propõe um modelo de previsão por meio de redes neurais para identificar o impacto das promoções nas vendas. Esse modelo é integrado por um algoritmo que “aprende” regras para planejar as promoções por incorporar informações de especialistas. Os resultados mostram esses erros menores de previsão em relação aos métodos estatísticos simples. Entretanto, o modelo prevê as vendas para um único produto apresentando desvantagens quanto à complexidade envolvida na previsão de vendas entre diversos produtos (HUANG; FILDES; SOOPRAMANIEN, 2014).
42
O método de Suavização Exponencial Simples (SES) é amplamente usado para prever a demanda (HUDDLESTON; PORTER; BROWN, 2015). Porém, o SES não permite identificar a tendência ou sazonalidades em uma série temporal, podendo subestimar ou sobrestimar as previsões. As medidas de acurácia, permitem a identificação do desempenho dos métodos de previsão. O diferencial para a seleção de um método de previsão está na precisão da previsão futura, ou seja, na capacidade do modelo gerar previsões com precisão (BERMÚDEZ; SEGURA; VERCHER, 2006.) A escolha do método de previsão mais apropriado pode ser realizada a partir de uma ou mais medidas estatísticas de desempenho sobre erros de previsão, baseadas na somatória dos erros gerados por cada método.
3.1.1 Modelo da média simples
A principal característica da previsão por média simples é que todas as observações da série são utilizadas para o cálculo da média, isto é, a previsão para o próximo período. Essa busca pela média atribui o mesmo peso a todas as observações. A equação da previsão, com horizonte de um período à frente, é dada pela equação (11).
𝑃𝑛 + 1 = ∑ 𝑂𝑡 (11)
onde:
Pn+1= previsão de um período à frente; Ot = valor observado;
t = intervalo de tempo (hora, dia, semana, mês, trimestre, entre outros);
n = número de observações.
Esse método não enfatiza as observações mais recentes, atribuindo pesos iguais tanto aos valores mais antigos quanto aos novos. Esse método não é adequado para séries que contenham tendência e sazonalidade (SAMOHYL; SOUZA; MIRANDA, 2008).
3.1.2 Modelo de suavização exponencial (SE)
O Modelo de Suavização Exponencial (SE) utiliza apenas as observações da própria série de dados de forma independente de variáveis externas para realizar previsões. Essa é uma das vantagens de se utilizar
essa metodologia. O SE possui essa designação em virtude de utilizar-se de um conjunto de pesos desiguais aos valores da série temporal, sendo que tais pesos decaem de forma exponencial da mais recente a mais distante. O modelo de SE apresenta bom desempenho nas previsões, além de ser de simples utilização e não precisar de especialistas para utilizá-lo, sendo assim, mais transparente e de fácil entendimento (MAKRIDAKIS; WHEELWRIGHT; HYNDMAN, 2008; SYNTETOS; BABAI; GARDNER, 2015).
Esse modelo é empregado na previsão de curto prazo de séries temporais. Os procedimentos desse modelo incorporam o nível, a tendência, a sazonalidade de dados de séries temporais e os erros de previsão, tanto na forma aditiva como na multiplicativa. A análise de séries temporais empregando modelos de suavização exponencial, tem por finalidade capturar tendências do mercado para períodos futuros, auxiliando o posicionamento estratégico da empresa em relação à sua capacidade produtiva (BILLAH et al., 2006). A escolha do modelo é indicada pelas características do comportamento apresentado pela série de dados a ser representada. A seguir discorreu-se sobre o método de suavização exponencial simples.
3.1.2.1 Método de suavização exponencial simples (SES)
A suavização exponencial foi primeiramente sugerida por Robert Goodell Brown, em 1956 (BROWN, 2004) e em seguida, expandida por Charles C. Holt, em 1957 (HOLT, 2004). A formulação seguinte, que é a vulgarmente utilizada, é atribuída a Brown e é conhecida como “suavização exponencial simples de Brow”. A forma mais simples de amortecimento exponencial é dada pela equação (12), onde α é a constante de suavização e seu valor varia entre zero e um.
𝑍 𝑡 + 1 = 𝛼 . 𝑍 + (1 − 𝛼). 𝑍𝑡 (12)
Onde:
α é o parâmetro de alisamento que pode variar de 0 a 1; Z é valor observado da demanda real do período anterior; Zt é a previsão realizada do período;
Zt +1 é a previsão para o período seguinte.
O valor da constante de suavização α é arbitrária, sendo que a determinação de seu melhor valor pode ser realizada iterativamente, utilizando alguma forma de comparação como, por exemplo, o erro
44
quadrático médio (MSE). Selecionam-se aleatoriamente um valor inicial para a constante, a partir da qual, previsões são geradas. Comparam-se os valores previstos com os reais e calcula-se a média do quadrado das diferenças entre os mesmos. O parâmetro que minimiza essa média é utilizado no modelo final.
O fator de suavização, termo aplicado aqui a alfa (α) tem os seguintes efeitos: valores maiores de α, efetivamente reduzem o nível de suavização e no caso limite com α = 1, a série resultante é da mesma forma como a série original (com defasagem de uma unidade de tempo), isto é, torna-se uma previsão ingênua. Os valores de α perto de 1, tem menos efeito de suavização, dando maior peso às mudanças recentes nos dados, enquanto que os valores de α mais próximo de zero, têm um efeito de suavização maior e são menos sensíveis às mudanças recentes. Não existe um procedimento formalmente correto para a escolha de α. Técnicas estatísticas podem ser usadas para aperfeiçoar o valor de α.
Hyndman e Athanasopoulos (2014) apresentam uma previsão com três períodos à frente (h = 3) para a produção de petróleo na Arábia Saudita. Nota-se que a série tem variação na média, mas não se observa tendência e nem sazonalidade. A Figura 2 mostra o SES.
Figura 2 - Método de suavização exponencial simples
Fonte: Hyndman e Athanasopoulos (2014).
Verificou na Figura 2 que adotando três valores para a constante de suavização: α = 0,2; α = 0,6 e α = 0,89, se obtém diferentes predições e previsões (ver linhas azul, vermelha e verde). Percebeu-se que α = 0,89
proporcionou as menores discrepâncias entre o predito (linha verde) e o observado (linha preta), no período de 1996 a 2007. Para Jacobs, Zanini e Costa (2015) uma possível forma de se melhorar a capacidade de previsão da série temporal é combinar as previsões obtidas em diferentes modelos. Dessa forma, é possível aproveitar os resultados obtidos com a modelagem, não descartando os modelos que apresentam resultado global inferior ao melhor modelo.
O SES assume que os valores extremos da série representam aleatoriedade e por meio da suavização desses extremos, é possível identificar o padrão básico. Como nos modelos de séries temporais em geral, o fator novidade, gerado por uma promoção do lançamento de um novo produto ou da alteração no VP, é considerado um ruído para o modelo. Essa é uma desvantagem que o presente trabalho busca minimizar.
3.2 MODELOS CAUSAIS
Os modelos causais, ou seja, aqueles que buscam conhecer as variáveis que intervêm na demanda, são estruturados por análise de regressão e podem ser divididos em regressão linear simples ou regressão linear múltipla (MONTGOMERY; JENNINGS; KULAHCI, 2015).
Nas técnicas baseadas nos modelos causais, dificilmente uma variável dependente se relaciona apenas à variável explicativa (MONTGOMERY; JENNINGS; KULAHCI, 2015). Por exemplo, a demanda de um determinado produto pode depender de diversas outras variáveis: preço, renda do consumidor, promoção e concorrência. Para situações como essa, a regressão múltipla deve ser utilizada.
Silva e Werner (2015) aplicaram a regressão linear múltipla para estimar as vendas de produtos destinados à suplementação animal. O modelo apresentou um coeficiente de determinação ajustado baixo, R² = 0,477 e os coeficientes de três variáveis demonstraram não serem significativos, a um nível de significância de 5%. Devido a esse baixo poder de explicação do modelo, outros modelos de regressão foram testados, tais como, os modelos logarítmico e polinomial, levando em consideração apenas a variável condições climáticas. A correlação entre o volume de vendas e a variável condições climáticas, através do coeficiente de correlação de Pearson, foi de R= - 0,842, sendo uma forte correlação negativa entre as variáveis, o que significa que quanto menor for o valor das condições climáticas medida através do índice de pluviosidade (precipitação), maior será o volume demandado, como pode ser observado na Figura 3.
46
Figura 3 - Correlação entre a demanda (ton) e precipitação (mm)
Fonte: Silva e Werner (2015).
Verificou que o estudo através de diversos testes e análises, encontrou um modelo de regressão polinomial de 2ª ordem, com coeficiente de determinação ajustado razoável R²= 0,768.
𝑌 = 3,712 − 23,42𝑋 + 0,04799𝑋² (13)
Onde:
Y: demanda ou volume de vendas (ton); X: condições climáticas ou pluviosidade (mm).
Nos meses em que há redução considerável de chuva, que ocorre entre os meses de abril e setembro de cada ano, a demanda se eleva consideravelmente. Os resultados empíricos mostram que os modelos que integram mais informações, funcionam significativamente melhor do que o modelo que trabalham estrutura e metodologia tradicional (MA; FILDES; HUANG, 2016).
3.3 COMBINAÇÃO DE PREVISÕES
A combinação de duas ou mais técnicas de previsão tem apresentado boa aceitação e demonstrado evidências de um aumento na precisão das previsões de vendas (COSTANTINI; PAPPALARDO, 2010). Isso se deve ao fato de que as previsões, quando combinadas, agregam informações de diversas fontes, aumentando as informações sob
as quais a previsão está fundamentada. A combinação de previsões parte do embasamento de conjunto de dados históricos e informações contextuais para gerar diferentes modelos com base em diferentes métodos de previsão. Posteriormente, essas previsões são combinadas em uma única previsão final. A Figura 4 mostra a combinação de previsões para o presente estudo.
Figura 4 - Combinação de previsões
Fonte: Silva e Werner (2015).
No presente estudo, supõe-se que um modelo de previsão combinada possibilite a previsão de vendas acurada, pois as previsões pontuais de modelos estocásticos podem ser agregadas para obter as melhores projeções de vendas de um produto ao longo do tempo. Além disso, previsões combinadas podem superar previsões individuais. 3.4 MEDIDAS DE ACURÁCIA
Para verificar desempenho dos diversos modelos de previsão e identificar o modelo mais assertivo, é necessário realizar o cálculo da medida de acurácia para cada tipo de modelagem. As diferentes medidas de acurácia apresentadas na literatura de previsão de demanda, geralmente estão sob a forma de percentuais de erro absoluto ou erros quadrados (JACOBS; ZANINI; COSTA, 2015). Os erros são identificados pela análise de medidas de tendência central. A escolha de uma medida de erro varia de acordo com a situação de uso (seleção de
48
métodos ou calibração de um dado modelo) do número de séries temporais analisadas.
A utilização de diferentes medidas de acurácia é uma alternativa para compensar os defeitos das diferentes medidas. Segundo Jacobs, Zanini e Costa (2015), as medidas de acurácia são: Mean Absolute Percentual Error (MAPE), Mean Square Error (MSE) e Mean Absolute Error (MAE). O cálculo das medidas MAPE, MAE e MSE é obtido conforme as equações 14, 15 e 16, respectivamente.
𝑀𝐴𝑃𝐸 = ∑ (14)
𝑀𝐴𝐸 = ∑ | | (15)
𝑀𝑆𝐸 = ∑ (16)
Onde:
et corresponde ao erro de previsão; n é o número de observações;
Yt é o valor observado no tempo t, t–1,2, ... ,n.
A medida MAPE é uma das mais utilizadas para comparar séries, pois é menos afetada por valores extremos do que as medidas quadradas. Utiliza percentuais do erro e não depende da unidade dos dados (GOODWIN; LAWTON, 1999). A utilização de diferentes medidas de acurácia é uma alternativa para compensar os defeitos das diferentes medidas (ARMSTRONG; COLLOPY, 1992). A medida de erro MSE é a medida de acurácia de previsão preferida nos estudos empíricos, mas não é recomendada para comparações entre diferentes séries, pois depende da escala dos dados.
A MAPE é a medida mais utilizada nos estudos empíricos com comparação de métodos, pois é menos afetada por valores extremos do que as medidas quadradas. Utiliza percentuais do erro e não depende da unidade dos dados. Quando se trata da utilização de métodos quantitativos de previsão, há necessidade de mensurar o desempenho das modelagens, com o intuito de identificar a acurácia da previsão, a utilização da MAPE, MAE e MSE se faz necessária para medir o desempenho das modelagens (GOODWIN; LAWTON, 1999). Nesse estudo, como se trata da utilização da mesma série temporal e escala de
dados, foi selecionado o método de MAE para análise da acurácia e comparação dos métodos de previsão.
3.5 CONSIDERAÇÕES SOBRE O CAPÍTULO
O Capítulo 3 apresentou os principais conceitos de modelos temporais de previsão de vendas, medidas de comparação de assertividade do modelo de previsão, modelo combinado de previsão de vendas, modelo de suavização exponencial simples e modelos causais.
Esse capítulo contemplou conceitualmente o terceiro e o quarto objetivo específico, que são: identificar a taxa das relações entre as alterações do valor percebido do produto pelo cliente e as vendas e estabelecer a combinação do modelo de previsão de vendas e a taxa de valor percebida do produto pelo cliente, bem como o objetivo geral desse estudo, incorporar o uso da taxa de valor percebido para melhorar a assertividade dos modelos de previsão de vendas de séries temporais.
CAPÍTULO 4 – MODELO
Esse capítulo exibe o modelo proposto para a realização da pesquisa empírica, bem como detalha as respectivas etapas. Nesse sentido, apresenta-se uma visão geral do modelo desenvolvido, representado na Figura 5.
Figura 5 - Fluxograma das etapas do modelo proposto
Fonte: o autor (2018).
A seguir, de acordo com a Figura 5, as etapas do modelo foram detalhadas.
4.1 EPATA 1 - DEFINIÇÃO DO PROBLEMA
Para a definição do problema, é necessário entender como o mesmo está sendo gerado, quais os produtos da família de produtos são analisados, quais são os atributos que reduzem e aumentam o VP e a preferência de compras pelos consumidores. Essas informações focam a projeção e a previsão de vendas e o melhoramento do planejamento e direcionamento de ações para aumentar o resultado das empresas em curto e médio prazos.
52
4.2 ETAPA 2- DEFINIÇÃO DOS ATRIBUTOS
Definiu-se nesse estudo, os atributos como características do produto, julgadas conforme a percepção do cliente entre os Benefícios Percebidos e o Esforço para adquirir um produto. O Benefícios Percebidos consiste no somatório de atributos atrativos para o cliente. O Esforço pode ser definido como o somatório de atributos de empenho para o cliente, conforme descrito na equação (3).
Os Benefícios Percebidos são aqueles que despertam o interesse de compra, como por exemplo, velocidade, potência, qualidade, marca e sabor, entre outros. Propõe-se que quanto maior o somatório desses atributos, maior o VP pelo cliente para um mesmo esforço, se comparado a um outro produto semelhante, por conseguinte maior a preferência de compra.
O Esforço pode ser traduzido pelo preço ou a quantidade em dinheiro apurada para a compra do produto. Quanto menor o somatório do esforço, maior o VP do produto para um mesmo benefício, se comparado a um outro produto semelhante. Como apresentado no referencial teórico, existem diferentes tipos de atributos intrínsecos ou extrínsecos, salientes, importantes e determinantes. No Quadro 3 segue a listagem de atributos sugeridos para a quantificação de seus graus de satisfação e importância.
Quadro 3 - Listagem de atributos
Listagem de Atributos
Capacidade do Produto Marca
Peso Qualidade
Volume Garantia
Velocidade do Produto Acessibilidade
Sabor Design
Limpeza/Higiênico Assistência Técnica
Facilidade de Pagamento Pronta Entrega Qualidade Matéria-Prima Tecnologia
Sustentável Tamanho
Saudável Qualidade do atendimento
Ecológico Cor
4.3 ETAPA 3 - APLICAÇÃO DO QUESTIONÁRIO
Nessa etapa, sugere-se aplicar uma técnica de investigação composta por questões apresentadas aos clientes com a intenção de identificar as percepções sobre cada um dos atributos. O questionário deve ser formulado com questões específicas sobre os atributos de acordo com o problema e o produto em estudo. Antes da aplicação definitiva do questionário, deve ser realizado um pré-teste para evitar possíveis falhas, como a complexidade das questões, imprecisão na redação, questões desnecessárias, possíveis constrangimentos aos pesquisados, tempo de resposta alto, que possam levar a exaustão e consequentemente perda da qualidade da coleta de informações.
Os dados coletados devem ser padronizados e tabulados, consistindo na representação dos atributos que refletem os benefícios percebidos. Os benefícios são valorados segundo o seu nível de importância e desempenho. A Tabela 1 mostra o formulário de tabulação utilizado nesse trabalho para os produtos de A a N.
Tabela 1 - Coleta de dados sobre a mensuração do benefício dos produtos
Fonte: o autor (2018).
Conforme exibido na Tabela 1, cada atributo deve receber uma nota de 1 a 5, correspondente ao desempenho que apresenta no referido atributo. Já para definir a importância de cada atributo, pode-se utilizar o diagrama de MUDGE ou qualquer outro método que evidencie o quanto a falta ou o mau desempenho de um atributo é percebida pelo cliente.
A tabulação do questionário, identifica o benefício percebido pelo cliente para cada produto e discrimina os atributos que refletem o maior potencial e menor potencial de vendas. Todos os dados provenientes do questionário devem ser sintetizados segundo o modelo da Tabela 2.
54
Tabela 2 - Questionário para medir do grau de satisfação e importância
Fonte: o autor (2016).
A média das notas das repostas do questionário quanto à satisfação dos atributos de cada produto, deve ser calculada e inserida na Tabela 2, bem como a média das respostas do grau de importância de cada atributo que serão utilizados para estabelecer o benefício percebido.
4.4 ETAPA 4 - CÁLCULO DO VALOR PERCEBIDO
O próximo passo é a multiplicação das médias dos atributos de cada produto pelo grau de importância de cada atributo e na sequência realizar o somatório de todos os valores dos atributos por produto. Dessa forma, identifica-se o benefício percebido pelo cliente de cada produto (Tabela 3).
Tabela 3 - Benefício percebido pelo cliente
Na sequência, levanta-se o esforço despendido pelo cliente para adquirir cada um dos produtos, ou seja, o valor em dinheiro gasto na compra, na manutenção ou no tempo para obter o produto.
Tabela 4 - Esforço para aquisição/manutenção
Fonte: o autor (2018).
Para trabalhar com uma escala padrão, os valores absolutos tanto do benefício como do esforço, devem ser relativizados entre si. Para isso, escolhe-se um produto como padrão e divide-se os benefícios dos produtos pelo benefício do produto padrão. O mesmo procedimento para relativizar os esforços entre os produtos. Com os resultados do Esforço e Benefício relativos, o próximo passo é dividir os benefícios pelos esforços para cada produto, identificando assim o VP em cada produto (Tabela 5). Tabela 5 - Cálculo do valor percebido
Cód. Produtos Esforço Relativo Benefício Relativo Percebido Valor 1 Produto A
2 Produto B 3 Produto C 4 Produto N Fonte: o autor (2018).
Com os valores relativos, gera-se um gráfico Benefício e Esforço. Esse gráfico tem uma linha diagonal em 45 graus, no qual é apresentado no eixo X os Esforços e no eixo Y os Benefícios. Os produtos que estão localizados acima da linha diagonal, apresentam um maior Benefício relativo ao produto padrão. Aqueles localizados abaixo da linha diagonal, apresentam um menor Benefício quando comparados ao produto padrão. No Gráfico 1 é possível identificar os produtos com maior VP pelos clientes, localizados acima da linha diagonal.
56
Gráfico 1 - Benefício e esforço relativos
Fonte: o autor (2018).
O Gráfico 1 permite visualizar o VP de cada produto, sendo que para os produtos que estiverem na parte superior da linha diagonal, quanto mais distantes dessa linha, maior o VP pelo cliente, ou seja, maior será a preferência de compra. Para os produtos que estiverem abaixo da linha diagonal, quanto mais distante da linha, menor o VP, ou seja, menor será a preferência de compra pelo cliente.
A identificação da relação existente entre VP e preferência de compra, pode ser identificada por meio da correlação estatística. A forma dessa relação é obtida por meio da análise de regressão estatística. O cálculo de coeficiente de correlação de Pearson é utilizado para medir força e direção da correlação. Assim, pode-se estimar que quanto maior for o VP pelo cliente de um determinado produto entre seus similares, maior será a preferência de compra.
O método estatístico de regressão deve ser utilizado para identificar a equação que aponta o melhor ajuste da preferência de compra através do VP. Resultando em uma linha de tendência com o melhor ajuste quadrado entre a quantidade vendida (variável dependente) e VP pelo cliente (variável independente).
Com os valores do VP como “X” de cada produto e as suas respetivas vendas relacionadas como “Y”, calcula-se a correlação entre as duas variáveis, onde o R máximo pode chegar a 1 ou -1. Para formular a
equação da regressão, busca-se um resultado de R ≥ 0,7 em módulo, confirmando assim uma forte correlação entre essas duas variáveis. A equação de regressão busca apresentar a forma da relação existente entre VP e as vendas. Essa Equação pode ser linear, potência, média móvel, exponencial, polinomial ou logarítmica. Abaixo segue modelo, onde Quadro apresenta as variáveis X e Y, VP e Vendas no Período respectivo do estudo.
Quadro 4 - Modelo de quadro X e Y
X (Valor Percebido
pelo Cliente) Y (Produtos Vendidos)
Fonte: o autor (2018).
Com os dados de X e Y é possível calcular as equações de correlação e regressão estatística, exibidas no Gráfico 2 (exemplo hipotético).
Gráfico 2 - Valor percebido versus preferência de compras
58
A Equação 17 apresenta a forma da correlação existente entre as variáveis VP e Preferência de Compra, onde R² significa a força dessa correlação, representada por n3.
𝑌1 = 𝑛1 · 𝑥1 + 𝑛2 (17)
Onde:
Y1: vendas em X1;
n1 e n2: são as constantes da equação; X1: é o Valor Percebido no período presente.
Quanto mais próximo de 1,00 o resultado do valor de R, maior a força de correlação (HAIR et al., 2005) entre VP e as vendas. Quanto maior é o VP no eixo X do gráfico, maior a Preferência de Compra do eixo Y, sendo maior as vendas. Frente à alteração do VP de algum produto, o cálculo deve ser novamente realizado para identificar a nova preferência de compra pelo cliente. A equação 18 exemplifica esta situação.
𝑌2 = 𝑛1 · 𝑥2 + 𝑛2 (18)
Onde:
Y2: preferência de compra ou vendas em X2; n1 e n2: são as constantes da equação; X2: é o Valor Percebido no período futuro.
No próximo passo, deve-se inserir o fator de correção do VP no modelo de previsão temporal, resultante na Equação (19).
𝑌𝑣𝑝 = Y2/Y1 (19)
Onde:
Yvp: fator de correção de Valor Percebido;
Y1: significa a Preferência de Compra com VP no período presente;
Y2: significa a Preferência de Compra com VP no período futuro. Se o resultado do fator de correção de VP (Yvp), for maior que 1, significa um aumento de VP, consequentemente um incremento de vendas para o período previsto. A apresentação de um resultado menor
