Variáveis latentes e equações estruturais

14.1Construtos e indicadores

Muitos conceitos centrais de marketing não podem ser observados diretamente, como satisfação, confiança na marca, qualidade percebida e intenção de recompra. Esses conceitos são denominados construtos ou variáveis latentes e são medidos por indicadores, em geral perguntas de pesquisa, que captam partes do conceito com algum erro.

Há duas formas de relacionar indicadores e construto. No modelo reflexivo, o construto causa as respostas, de modo que quem confia mais na marca concorda mais com afirmações como “cumpre o que promete”, “é honesta” e “é confiável”; nesse caso, os indicadores são intercambiáveis e devem estar fortemente correlacionados. No modelo formativo, os indicadores compõem o construto, como o status socioeconômico, formado por renda, escolaridade e ocupação, que não precisam estar correlacionadas entre si e não são intercambiáveis.

Essa distinção define a forma de construção e de avaliação da escala. A remoção de um indicador redundante de um construto reflexivo não altera seu significado, enquanto a remoção de um indicador de um construto formativo altera o próprio conceito medido.

14.1.1Caso de mercado: índice formativo de experiência do aluno avaliado por consistência interna em uma rede de academias

Uma rede de academias criou um índice de “experiência do aluno” com notas para limpeza, equipamentos, professores e preço e avaliou o índice com critérios de consistência interna. O alfa era baixo, e a equipe considerou remover itens. Como o índice era formativo, a baixa correlação entre os itens era esperada, e sua remoção alteraria o que o índice representa.

14.1.2Definição escrita do construto e escolha entre indicadores reflexivos e formativos

Antes da construção de uma escala, o construto deve ser definido por escrito, e deve-se decidir se os indicadores são reflexos do construto ou componentes que o formam. Os critérios de avaliação devem ser compatíveis com essa escolha.

14.1.3Erros comuns na relação entre construtos e indicadores

• Avaliar índices formativos com critérios de consistência interna.
• Utilizar um único item para medir um construto complexo.
• Iniciar a pesquisa sem uma definição escrita do construto.

14.2Construção de escalas

Uma escala é um conjunto de itens que, combinados, medem um construto. A construção começa pela definição do conceito e pela redação de itens que abranjam suas facetas. Cada item deve tratar de uma única ideia, com linguagem simples e sem induzir a resposta. Itens com duas ideias, como “o atendimento é rápido e educado”, impedem a identificação do aspecto com o qual o respondente concordou.

Escalas de concordância com cinco ou sete pontos são as mais comuns. A inclusão de alguns itens com sentido invertido, como “a marca não cumpre o que promete”, auxilia a identificação de respondentes que concordam com todas as afirmações sem lê-las, tendência conhecida como aquiescência. Esses itens precisam ser recodificados antes da soma da escala, e a omissão dessa etapa constitui um erro frequente que compromete a medida.

Antes da aplicação definitiva, a escala deve passar por um pré-teste, que inclui entrevistas cognitivas para verificar se os itens são compreendidos conforme pretendido e uma aplicação piloto para examinar a distribuição das respostas e a relação entre os itens.

14.2.1Caso de mercado: soma de itens invertidos sem recodificação em uma escala de confiança de um banco

Um banco aplicou uma escala de confiança com seis itens, dois deles invertidos. O analista somou os itens sem recodificar os invertidos, e a escala apresentou média quase constante entre agências, sem relação com a recomendação dos clientes. Após a correção da recodificação, a escala passou a diferenciar as agências e a prever a recomendação.

14.2.2Número de itens, itens invertidos e pré-teste da escala

Recomenda-se redigir de três a seis itens por construto, cada um com uma única ideia, incluir um ou dois itens invertidos e realizar o pré-teste da escala. A correlação de cada item com o total da escala deve ser verificada antes de sua utilização.

14.2.3Erros comuns na construção de escalas

• Somar itens invertidos sem recodificá-los.
• Utilizar itens com duas ideias na mesma frase.
• Aplicar a escala sem pré-teste.

14.3Análise fatorial exploratória

A análise fatorial investiga padrões de covariação entre indicadores para representar dimensões subjacentes. Na versão exploratória, a estrutura ainda não é conhecida, e a análise sugere, a partir das correlações entre os itens, o número de fatores existentes e os itens associados a cada um.

O resultado principal são as cargas fatoriais, que indicam o grau de relação de cada item com cada fator. Um item adequado apresenta carga alta em um fator e baixa nos demais, enquanto cargas cruzadas, isto é, altas em mais de um fator, indicam itens ambíguos. O número de fatores é escolhido pela combinação de critérios estatísticos, como a variância explicada por cada fator, com a interpretabilidade da solução.

Uma solução estatística não define, isoladamente, o significado dos fatores. A interpretação depende do conteúdo dos itens, da população e da estabilidade da estrutura, e itens ambíguos ou muito semelhantes podem criar fatores de difícil generalização.

14.3.1Caso de mercado: itens de inovação associados à proximidade por mencionarem comunicação amigável em uma pesquisa de marca

Uma pesquisa de marca contém doze afirmações sobre confiança, inovação e proximidade. A análise sugere três dimensões, mas dois itens de inovação também se associam à proximidade. A revisão revela que esses itens mencionam comunicação amigável, o que combina os construtos.

14.3.2Erros comuns na análise fatorial exploratória

• Nomear fatores apenas pelas cargas, sem ler o conteúdo dos itens.
• Manter itens com cargas cruzadas altas sem revisão.
• Executar a análise com amostras pequenas e tratar a estrutura como definitiva.

14.4Análise fatorial confirmatória

Na análise fatorial confirmatória, a estrutura é definida antes do exame dos dados, especificando-se quais itens medem quais construtos e quais construtos se correlacionam. O modelo verifica, então, se essa estrutura reproduz adequadamente as correlações observadas entre os itens.

O diagnóstico central compara as correlações observadas com as correlações previstas pelo modelo. As diferenças, denominadas resíduos, indicam onde o modelo falha. Um bloco de resíduos grandes indica, por exemplo, que um item mede outro construto além do atribuído ou que dois itens compartilham uma característica não representada no modelo, como redação semelhante. Os índices de ajuste resumem esses resíduos em um único número.

Modificações orientadas exclusivamente por índices estatísticos podem produzir uma estrutura específica da amostra e sem justificativa substantiva. Cada mudança no modelo deve ter uma justificativa de conteúdo e, idealmente, ser confirmada em outra amostra.

14.4.1Caso de mercado: resíduos concentrados entre um item de facilidade e os itens de valor no modelo de uma empresa de seguros

Uma empresa de seguros testou um modelo com três construtos: confiança, facilidade e valor. O ajuste foi fraco, e os resíduos concentravam-se entre o item “o aplicativo é fácil de usar” e os itens de valor. A leitura do questionário revelou que o item aparecia logo após perguntas sobre preço, e muitos respondentes o interpretavam como “vale a pena usar”. O item foi reescrito e reposicionado na aplicação seguinte.

14.4.2Especificação teórica do modelo, exame dos resíduos e validação em nova amostra

O modelo deve ser especificado a partir da teoria e do conteúdo dos itens, os resíduos devem ser examinados para localizar problemas e qualquer alteração deve ser justificada pelo conteúdo, e não apenas pelo ganho de ajuste. A estrutura final deve ser validada em uma nova amostra.

14.4.3Erros comuns na análise fatorial confirmatória

• Examinar apenas os índices de ajuste globais, sem analisar os resíduos.
• Alterar o modelo repetidamente até obter bom ajuste.
• Utilizar a mesma amostra para identificar e para confirmar a estrutura.

14.5Confiabilidade

A confiabilidade descreve a consistência da mensuração, isto é, a produção de resultados semelhantes quando a escala é aplicada várias vezes ao mesmo respondente nas mesmas condições. Em escalas com vários itens, a medida mais utilizada é o alfa de Cronbach, que cresce com a correlação média entre os itens e com o número de itens. Valores acima de 0,7 costumam ser considerados aceitáveis para pesquisa.

A validade, por sua vez, descreve se os indicadores representam o construto pretendido. Um conjunto de itens pode ser altamente consistente e, ainda assim, medir repetidamente um conceito diferente.

Um alfa muito alto, próximo de 0,95, também pode indicar um problema, pois itens quase idênticos, que repetem a mesma pergunta com outras palavras, elevam o alfa sem acrescentar informação e aumentam a fadiga do respondente.

14.5.1Relato do alfa por escala e combinação com evidências de validade

O alfa de cada escala deve ser reportado, deve-se verificar se a remoção de algum item elevaria substancialmente o valor e valores próximos de 1 devem ser tratados com cautela. A análise de confiabilidade deve ser combinada com evidências de validade.

14.5.2Erros comuns na interpretação da confiabilidade

• Tratar um alfa alto como prova de que a escala mede o construto correto.
• Aumentar o número de itens repetitivos para elevar o alfa.
• Calcular o alfa para índices formativos.

14.6Validade convergente e discriminante

A validade convergente verifica se os indicadores de um mesmo construto estão efetivamente relacionados entre si e com o construto. Uma medida comum é a variância média extraída, ou AVE, que corresponde à média dos quadrados das cargas dos itens. Uma AVE superior a 0,5 indica que o construto explica mais da metade da variação de seus indicadores.

A validade discriminante verifica se construtos que deveriam ser diferentes são efetivamente distintos. Se satisfação e lealdade apresentarem correlação de 0,95, a pesquisa provavelmente mede o mesmo fenômeno duas vezes. Um critério usual compara a AVE de cada construto com o quadrado da correlação entre eles, de modo que cada construto deve explicar uma parcela da variação dos próprios itens superior à parcela que compartilha com o outro construto.

Problemas de validade discriminante têm consequências práticas, pois, se dois construtos não se distinguem, não se justifica estimar o efeito de um sobre o outro nem apresentá-los como prioridades separadas.

14.6.1Caso de mercado: correlação de 0,92 entre dois construtos e unificação dos indicadores em uma operadora de saúde

Uma operadora de saúde media separadamente “satisfação com o atendimento” e “percepção de cuidado” e reportava ambas como indicadores distintos. A correlação entre os construtos era de 0,92, valor superior à raiz da AVE de cada um. A empresa unificou os indicadores em um único construto e utilizou o espaço do questionário para medir o tempo de espera, que não estava contemplado.

14.6.2Comparação entre a AVE e as correlações entre construtos

A AVE de cada construto deve ser calculada e comparada com as correlações entre construtos. Quando dois construtos não se distinguem, os itens devem ser revisados ou os conceitos devem ser unificados antes da utilização dos resultados.

14.6.3Erros comuns na avaliação da validade convergente e discriminante

• Reportar construtos altamente correlacionados como dimensões independentes.
• Avaliar apenas a confiabilidade, sem verificar a validade convergente e discriminante.
• Estimar o efeito de um construto sobre outro que mede praticamente o mesmo fenômeno.

14.7Modelagem de equações estruturais

Modelagem de equações estruturais combina um modelo de mensuração com relações entre construtos. O procedimento permite avaliar simultaneamente se os indicadores representam os conceitos e se as relações propostas são compatíveis com os dados.

Uma vantagem central desse procedimento é o tratamento do erro de mensuração. Quando os construtos são medidos com erro, a correlação entre as médias simples dos itens subestima a relação verdadeira entre eles. O modelo estrutural estima a relação entre os construtos corrigindo essa atenuação, desde que o modelo de mensuração esteja correto.

Bom ajuste global não confirma uma narrativa causal. Modelos alternativos podem apresentar ajuste semelhante, e relações transversais continuam sujeitas a temporalidade e variáveis omitidas.

14.7.1Elementos necessários na apresentação de um modelo de equações estruturais

Os resultados devem ser apresentados com a definição dos construtos, a qualidade dos indicadores, a incerteza e as alternativas teóricas. Assim como na análise confirmatória, modificações orientadas exclusivamente por índices estatísticos podem produzir uma estrutura específica da amostra e sem justificativa substantiva.

14.7.2Erros comuns na interpretação de modelos de equações estruturais

• Interpretar relações estruturais em dados transversais como efeitos causais comprovados.
• Avaliar apenas o modelo preferido, sem modelos alternativos plausíveis.
• Desconsiderar problemas no modelo de mensuração na interpretação do modelo estrutural.

14.8Mediação e moderação

Mediação e moderação descrevem formas diferentes de ocorrência de uma relação. Na mediação, a variável X afeta o resultado Y por meio de uma terceira variável M, como ocorre quando um atendimento melhor aumenta a satisfação e a satisfação aumenta a recompra. O efeito total de X sobre Y divide-se em um efeito indireto, que passa por M, e um efeito direto, que não passa por M.

Na moderação, a força da relação entre X e Y depende de uma terceira variável Z, de modo que o efeito do atendimento sobre a recompra pode ser maior para clientes novos do que para clientes antigos. A moderação é estimada por meio de interações, como apresentado no capítulo 6, e responde à pergunta sobre os grupos ou as condições em que o efeito é maior.

A afirmação de mediação exige cuidado causal. Ainda que M esteja associado a X e a Y, outros fatores podem explicar essas associações. Desenhos em que X é manipulado experimentalmente, com M e Y medidos posteriormente, oferecem evidência muito mais forte do que pesquisas transversais.

14.8.1Caso de mercado: efeito do treinamento sobre a recompra mediado pela cordialidade e moderado pelo tipo de hóspede em uma rede de hotéis

Uma rede de hotéis estimou que o treinamento da equipe aumentava a recompra principalmente por meio da percepção de cordialidade, e não da rapidez do check-in. A análise também indicou moderação, pois o efeito era duas vezes maior entre hóspedes a lazer do que entre hóspedes a negócios. Em consequência, o treinamento passou a ser priorizado nos hotéis de destinos turísticos.

14.8.2Apresentação dos efeitos total, indireto e direto e uso da moderação na priorização

Devem ser apresentados o efeito total, o efeito indireto e o efeito direto, com seus intervalos, e a moderação deve ser utilizada para identificar onde a ação gera mais valor. Sempre que possível, os mecanismos de mediação devem ser confirmados por experimentos.

14.8.3Erros comuns na análise de mediação e moderação

• Confundir mediação com moderação.
• Afirmar mediação causal a partir de uma única pesquisa transversal.
• Reportar apenas o efeito indireto, sem o efeito total.

14.9Monitoramento de marca

Pesquisas de monitoramento de marca, ou brand tracking, acompanham ao longo do tempo indicadores como conhecimento, consideração, preferência e associações de imagem. Essas pesquisas são aplicadas em ondas mensais ou trimestrais, com amostras comparáveis, e permitem avaliar o efeito de campanhas e de movimentos dos concorrentes sobre a marca.

A dificuldade central consiste em separar mudanças reais da variação amostral. Com 400 entrevistas por onda, uma consideração de 30% apresenta margem de erro de cerca de 4,5 pontos percentuais. Variações de dois ou três pontos entre ondas correspondem, em geral, a ruído, mas costumam ser celebradas ou lamentadas em reuniões.

Médias móveis entre ondas reduzem o ruído, ao custo de reagir com atraso, e amostras maiores reduzem a margem de erro, ao custo de maior investimento. Também é essencial manter constantes o questionário, a ordem das perguntas e o perfil da amostra, porque mudanças de método produzem saltos que parecem mudanças na marca.

14.9.1Caso de mercado: oscilações mensais da consideração compatíveis com o tamanho da amostra no tracking de uma marca de bebidas

Uma marca de bebidas reagia a cada onda mensal do tracking e alterava a comunicação quando a consideração caía dois pontos. Na análise dos dois anos anteriores com média móvel de três meses, a equipe verificou que a consideração estava estável e que as oscilações eram compatíveis com o tamanho da amostra. A empresa passou a reportar a média móvel e a margem de erro.

14.9.2Relato com intervalos, médias móveis e definição prévia da mudança relevante

Cada indicador deve ser reportado com intervalo, médias móveis devem ser utilizadas para acompanhar tendências e a mudança mínima considerada relevante deve ser definida previamente. O método deve permanecer estável, e qualquer alteração deve ser documentada.

14.9.3Erros comuns no monitoramento de marca

• Interpretar variações dentro da margem de erro como mudanças reais.
• Alterar o questionário ou a amostra e comparar os resultados com os de ondas anteriores.
• Reagir a cada onda isolada em vez de acompanhar a tendência.

14.10Análise de direcionadores

A análise de direcionadores identifica os atributos que mais influenciam um resultado, como a satisfação geral ou a recomendação. A importância de cada atributo pode ser declarada, quando o cliente é questionado diretamente sobre o que considera importante, ou derivada, quando se estima a relação estatística entre a avaliação do atributo e o resultado.

As duas medidas costumam divergir. Os clientes declaram como importantes atributos básicos, como segurança e preço, que todos os concorrentes atendem razoavelmente, enquanto a importância derivada tende a destacar atributos que diferenciam a experiência e variam mais entre clientes, como atendimento ou facilidade de uso.

A matriz de importância e desempenho combina a importância de cada atributo com a avaliação média da empresa nesse atributo. Atributos importantes com desempenho baixo constituem prioridades de melhoria, atributos importantes com desempenho alto devem ser mantidos e atributos pouco importantes com desempenho alto podem estar recebendo investimento excessivo.

14.10.1Caso de mercado: importância declarada do preço e importância derivada da estabilidade em uma empresa de internet residencial

Uma empresa de internet residencial questionava os clientes sobre o atributo mais importante, e “preço” sempre liderava. A análise derivada indicou que a recomendação dependia muito mais da estabilidade da conexão e da resolução no primeiro contato. Os investimentos foram redirecionados para infraestrutura e atendimento técnico, e a recomendação aumentou oito pontos em um ano.

14.10.2Priorização pela importância derivada e construção da matriz de importância e desempenho

A importância derivada deve ser utilizada para priorizar, e a importância declarada, como contexto. Deve ser construída a matriz de importância e desempenho, com foco nos atributos importantes de desempenho baixo, considerando-se que a importância derivada também constitui uma associação, sujeita às mesmas precauções causais.

14.10.3Erros comuns na análise de direcionadores

• Priorizar investimentos apenas pela importância declarada.
• Interpretar a importância derivada como efeito causal garantido.
• Estimar importâncias com atributos muito correlacionados entre si sem considerar a multicolinearidade.