o emprego da análise fatorial para a avaliação da ... · ... um elemento importante no movimento...

XXIII Encontro Nac. de Eng. de Produção - Ouro Preto, MG, Brasil, 21 a 24 de out de 2003

ENEGEP 2003 ABEPRO 1

O emprego da análise fatorial para a avaliação da qualidade dos serviços da RBS - TV em um município do RS

Gilvete Silvania Wolff Lírio(UFSM) [email protected] Vanusa Hackenhaar PierretUFSM) [email protected] Adriano Mendonça Souza(UFSM) amsouza@ ccne.ufsm.br

Resumo A qualidade em serviços traz melhorias em todos os ramos da sociedade. Nesta pesquisa foi aplicado um questionário na sucursal da RBS – TV de um município do Rio Grande do Sul, para verificar a qualidade dos serviços prestados e diagnosticar possíveis falhas. Por meio de uma amostra representativa, foi possível conhecer a satisfação dos clientes, utilizando métodos estatísticos descritivos, análise de correspondência e técnicas da qualidade. A técnica empregada foi capaz de mostrar quais são os itens que são mais relevantes para os clientes e os de maior importância para a gerência.

Palavras Chave: Melhoria na Qualidade dos Serviços , Amostragem, Análise Fatorial.

1. Introdução A medida das reações dos clientes torna-se, gradativamente, um elemento importante no movimento de qualidade das organizações americanas. Por exemplo, o prêmio Nacional da qualidade de Malcolm Baldrige (1990), outorgado anualmente para empresas americanas, que demonstram altos padrões de práticas empresariais, inclui sete categorias, pelas quais as empresas são julgadas.

Entre as sete categorias, a que apresenta maior relevância é a Satisfação do Cliente. Dentro dessa categoria, as empresas são julgadas acerca do conhecimento sobre as necessidades e expectativas dos clientes, a gestão do relacionamento com os mesmos, os compromissos assumidos com eles, os métodos para determinação de sua satisfação, os resultados da satisfação deles e por fim, as comparações do grau de satisfação dos seus clientes com o de seus concorrentes (HAYES, 2001).

Como a RBS TV é uma empresa que trabalha exclusivamente com mídia, surgiu a necessidade de verificar como está a relação entre vendas e pós-vendas dos serviços oferecidos ou seja, a visão do cliente após o recebimento de um serviço.

Para isso, técnicas estatísticas e da qualidade serão utilizadas para diagnosticar possíveis falhas e proporcionar estudos de melhoria na qualidade dos serviços prestados.

2. Metodologia

Neste trabalho, buscou-se demonstrar a relação entre empresa e clientes através de um questionário estruturado, um estudo da população alvo e através dessas informações decidiu-se pelo tipo de amostragem a ser utilizada e a determinação do tamanho da amostra.

Após a aplicação do questionário, procedeu-se uma análise estatística descritiva e posteriormente a aplicação da análise fatorial, a qual se dará maior ênfase por ser uma técnica estatística multivariada bastante eficaz em trabalhos de pesquisa de marketing, pois reduz um grande número de variáveis originais para um pequeno número de variáveis as quais,

mailto:[email protected]



apresentam um melhor entendimento dos dados, fornecendo subsídios para empresa avaliar o comportamento dos clientes em relação à satisfação dos serviços e possibilitando um melhor entendimento sobre os critérios que os clientes utilizam para escolher o tipo de mídia e o horário que traz mais retorno para a empresa.

3. Técnicas Estatísticas e da Qualidade As técnicas estatísticas são utilizadas para reduzir e controlar a incerteza envolvida nas situações de tomada de decisões e contribuem para a redução da variabilidade dos processos. As técnicas da qualidade podem, por sua vez, ser utilizadas para a coleta, o processamento e a disposição das informações dos processos produtivos (WERKEMA, 1995).

3.1 Ferramentas para avaliar a qualidade A utilidade dos questionários de satisfação do cliente, depende em parte da aplicação dos dados e da determinação das dimensões da qualidade que são mais importantes para a satisfação geral do cliente (HAYES,2001).

Para aplicação do questionário a técnica de amostragem utilizada foi a Amostragem Aleatória Simples, na qual cada amostra possível de um tamanho (n) tem uma probabilidade igual e conhecida de ser a amostra efetivamente selecionada. Isso implica que cada elemento é escolhido independentemente de qualquer outro elemento. A amostra é extraída de um arcabouço amostral por um processo aleatório (MALHOTRA, 2001).

O tamanho da amostra diz respeito ao número de elementos a serem incluídos no estudo. Para dimensionar-se o tamanho da amostra, vários fatores qualitativos devem ser levados em conta, entre eles a importância da decisão, a natureza da pesquisa, o número de variáveis, a natureza da análise e o tamanho da amostra utilizada em estudos similares.

Portanto, segundo Malhotra (2001), o tamanho da amostra utilizado em Estudos de Mercado, neste caso específico, a propaganda por TV/rádio/imprensa (por comercial ou anúncio testado) é obtido a partir de uma abrangência média de 200 a 300 clientes, utilizando-se uma amostra de tamanho mínimo de 150 clientes.

Neste estudo, dimensionou-se o tamanho da amostra utilizando um erro de 7% e os valores de p e q igual a 50%, chegando-se a um valor de 101,62 que corresponde ao número de empresas que devem ser entrevistadas para se conhecer as suas necessidades. A população alvo era composta de 210 empresas das quais foram retiradas 105 amostras, quatro a mais do que foi sugerido pelo cálculo de dimensionamento da amostra.

Na etapa de elaboração e aplicação do questionário sobre a satisfação do cliente, de acordo com Hayes (2001), deve-se levar em consideração três fases:

1º) determinar as necessidades do cliente;

2º) elaborar e avaliar o questionário;

3º) aplicar o questionário.

Na 2ª fase, que se refere a elaboração do questionário, optou-se por utilizar a escala de Likert, pois esse tipo de questionário permite que os clientes respondam cada item em graus variados, conforme esquema abaixo.



1 _________ 2 _________ 3 _________ 4 _________5

Muito Insatisfeito Nem Satisfeito Muito insatisfeito satisfeito satisfeito

nem insatisfeito

Outras ferramentas utilizadas foram o box-plot, histograma e o gráfico de Pareto.

3.2 Métodos Multivariados – Análise Fatorial A Análise Multivariada (AM) envolve uma grande multiplicidade de conceitos estatísticos e matemáticos e é a rigor qualquer abordagem analítica que considere o comportamento de muitas variáveis simultaneamente (PEREIRA, 1999).

Pode-se afirmar que a AM é a área da análise estatística que se preocupa com as relações entre as variáveis e que tal análise apresenta duas características principais: os valores das diferentes variáveis que devem ser obtidos sobre os mesmos indivíduos e que as mesmas devem ser interdependentes e consideradas simultaneamente (KENDALL, 1963).

A Análise Fatorial (AF) teve início, no princípio do século XX com Karl Pearson e Charles Spearman, que estudaram as medidas de inteligência. A técnica não se difundiu com maior velocidade, devido a dificuldade em proceder os cálculos, os quais foram facilitados com o advento do computador.

Segundo Latif (1994), a AF possui quatro etapas para a sua elaboração que são descritas a seguir:

1ª) cálculo da matriz de correlação das variáveis em estudo para verificação do grau de associação entre as variáveis. Nesta etapa, é verificada a adequação da aplicação da Análise Fatorial por meio do teste de Kaise-Meyer-Oklin ou o teste de esfericidade de Bartllet; 2ª) retirada dos fatores mais significativos que representarão os dados, para saber se o modelo representa ou não os dados em estudo utilizando a análise de componentes principais; 3ª ) aplicação de rotação nos fatores, para facilitar o entendimento dos mesmos, se necessário; 4ª) geração de escores fatoriais para utilização em outras análises.

Um esquema prático para se encontrar as raízes características que formarão os autovetores é descrita na Figura 01. Embora existam diversos métodos para se encontrar os autovalores e autovetores, a Análise de Componentes Principais (ACP) é a que melhor desempenha este papel, sem que o pesquisador mantenha um profundo conhecimento, pois dessa forma sempre se tem a garantia de se obter fatores únicos e não-correlacionados (JOHNSON,1995).



::

P - variáveis

MatrizRouΣ

Encontrar

Λ

autovalores

Encontrar

l

autovetores

Seleçãodas

NovasVariáveis

::

P - componentesPrincipais

Análise de Componentes PrincipaisAnálise de Componentes Principais

X1

X2

X3

Xp

Y1

Y3

Y2

Yp

Figura 1– Esquema da aplicação da Análise de Componentes Principais

Para a aplicação da análise fatorial precisamos testar se os dados estão ligados o suficiente para se proceder uma análise de componentes principais e a análise fatorial. Para isso será utilizado o método de Kaiser-Meyer-Olkin Measure of Sampling Adequacy (KMO).

KMO = )...()...(

...22

122

1122

22

1

223

22

21

knn

n

rrrrrrrrrr

+++++++++++

(1)

O KMO é um teste que examina o ajuste de dados, tomando todas as variáveis simultaneamente e provê uma informação sintética sobre os dados.

Um outro teste que precede a Análise Fatorial com vistas a verificação de suas premissas, é o Bartlett Test of Sphericity (BTS), que testa a hipótese de que a matriz de correlação é uma matriz identidade (diagonal igual a 1 e todas as outras medidas igual a zero), ou seja, que não há correlação entre as variáveis (PEREIRA, 1999).

Cada componente principal explica uma proporção da variabilidade total e essa proporção pode ser calculada mediante o quociente entre o valor original e o traço da matriz de variância-covariância amostral S. Esse quociente denomina-se proporção da variabilidade total explicada pela K-ésima componente, e se calcula através da fórmula (PLA, 1986):

=tsR

k)(λ variação explicada (2)

A definição do número de componentes a serem utilizados é feita por meio de dois critérios. O primeiro, denominado de método gráfico, representa graficamente a porcentagem de variação explicada pela componente nas ordenadas e os autovalores em ordem decrescente nas abscissas. Esse critério, que considera as componentes anteriores ao ponto de inflexão da curva, foi sugerido por CATTEL (1996).

O segundo critério de seleção consiste em incluir somente aquelas componentes cujos valores próprios sejam superiores a 1. Esse critério é sugerido por Kaiser (1960) apud Mardia (1979). Ele tende a incluir poucas componentes quando o número de variáveis originais é inferior a vinte e em geral, utilizam-se aquelas componentes que conseguem sintetizar uma variância acumulada em torno de 70%.

4. Aplicação “O cliente é a referência essencial de um negócio e a justificativa da existência de qualquer empresa” (Vera Lúcia de Souza- Banas Qualidade, Novembro/2001).

As organizações, com informações exatas acerca das percepções de seus clientes sobre a Qualidade do Serviço, podem tomar decisões mais acertadas para melhor servi-los (HAYES, 2001).



4.1 Análise Exploratória Com o objetivo de conhecer o comportamento das variáveis em estudo, partiu-se para a análise das variáveis mais significativas, onde a maioria das empresas pesquisadas (71,4%) é do tipo comercial, justificando-se esse percentual pelo fato de que a cidade, onde foi realizada a pesquisa, ser predominantemente comercial.

Observou-se o tempo de atuação das empresas no mercado local e verificou-se que 50,5% atuam há mais de 10 anos. As empresas entrevistadas são dirigidas pelo proprietário e possuem em média 16 empregados, sendo que o número mínimo é nenhum empregado.

Dentre as empresas, destaca-se uma com um alto número de funcionários (250), o que é uma exceção, devido ao porte da cidade.

4.2 Análise Fatorial Neste item aplica-se a AF na amostra coletada, com a intenção de obter quais são as variáveis mais importantes e entender o seu inter-relacionamento. Além de se realizar um estudo das correlações entre as variáveis, mediu-se a adequação dos dados através do teste KMO, o qual forneceu um valor de 0,865 e o Bartlett Test com valor de 1126,00 e nível de significância de p = 0,000. Através desses valores demonstra-se que a AF pode se conduzida, obtendo um grau de adequação próximo de ótimo, conforme a classificação do KMO.

Aproximadamente 67% da variabilidade dos dados é explicado por quatro fatores principais. Isso significa que de dezoito variáveis com 105 observações, passamos a utilizar quatro fatores com 105 observações que representam o conjunto original, com isso houve uma redução de dimensionalidade com perda de explicação de 33%.

Após a extração dos autovalores e percentual da variância explicada, é necessário decidir-se pelo número de fatores a serem retirados para análise. Para isso, utiliza-se o método gráfico sugerido por Cattel(1996), como mensionado anteriormente no qual verificou-se que a partir do quarto (ou quinto) fator, os autovalores apresentam uma disposição levemente mais próxima da parte inferior(abscissa) do gráfico. Isso demonstra que neste ponto pode ser feito o corte do número de fatores a serem utilizados no modelo que está sendo desenvolvido.

O fator 1, é explicado pelas variáveis Q12, Q13, e Q14, que corresponde, a:

Q12: quando marco um horário de reunião, o agente está disponível para a reunião num horário que me era conveniente; Q13: presteza do agente quando cheguei à reunião; Q14: pontualidade do horário de início da reunião.

O fator 2, é explicado pela variável Q2 que corresponde a:

Q2: quanto ao retorno que consegue investindo em publicidade na RBS TV.

Já o fator 3 explica a variável Q7 que corresponde a:

Q7: Quanto ao atendimento recebido no Departamento Comercial.

E o fator 4 é explicado pela variável Q16 que corresponde a:

Q16: Tabela de preços da RBS TV.

Os três primeiros fatores estão representados nas Figuras 2 e 3, onde podem ser visualizadas as questões 12, 13 e 14, distantes da origem no eixo 1, representando o fator característica de atendimento do agente. Também visualiza-se a questão 2 que é representante do fator retorno



com mídia que se apresenta distante da origem, mostrando-se bastante significativo. O mesmo procedimento segue para a questão 7 e 16.

Fator 1

Fato

r 2

Q 1

Q 2

Q 3

Q 4

Q 5 Q 6

Q 7 Q 8 Q 9Q 10Q 11

Q 12Q 13Q 14

Q 15Q 16Q 17

Q 18

-0,1

0,1

0,3

0,5

0,7

0,9

1,1

-0,1 0,1 0,3 0,5 0,7 0,9 1,1

Figura 2 – Representação gráfica do Fator 1 com o Fator 2

Fator 1

Fato

r 3

Q 1Q 2

Q 3Q 4

Q 5Q 6

Q 7

Q 8

Q 9Q 10

Q 11

Q 12Q 13

Q 14

Q 15Q 16Q 17Q 18

-0,1

0,1

0,3

0,5

0,7

0,9

1,1

-0,1 0,1 0,3 0,5 0,7 0,9 1,1

Figura 3 – Representação Gráfica do Fator 1 com o Fator 3

Categorias

Obs

erva

ções

Perc

entu

al

��

43

��

30

��

21

��8 ��3

0

20

40

60

80

100

0

10

20

30

40

50

60

70

80

90

100

110

Satisf Indeciso Insatisf M. Satisf Insatisf

Figura 4 - Relação das categorias de satisfação em relação à tabela de preços



Das empresas entrevistadas, apenas 2,85% não gostariam ou não teriam interesse em utilizar os serviços da RBS-TV. Da análise global da pesquisa, observou-se também que a mídia mais utilizada pelas empresas é o rádio com 36,2%, o jornal com 24,8%, sendo a TV a mídia que mais traz retorno em 62% dos casos. Observou-se também que os clientes não utilizam mais a mídia TV em função do investimento elevado quando comparado ao rádio e ou jornal. Uma nota que se faz necessária, é que a abrangência da RBS TV (66 municípios) é bem maior se comparada aos meios de divulgação rádio e jornal.

Na Figura 5, observa-se que a maioria dos clientes estão satisfeitos com o horário em que o seu anúncio foi veiculado, contemplando dessa maneira o seu público alvo isso é, corroborado pelo retorno do investimento nos anúncios de TV como mostrado anteriormente.

Categorias

Obs

erva

ções

Perc

entu

al

��

55

��

21 ��

20

��

8

��10

20

40

60

80

100

0

10

20

30

40

50

60

70

80

90

100

110

Satisf M. Satisf Indeciso Insatisf M. Insatisf

Figura 5 – Gráfico de Pareto para a questão satisfação do horário de mídia que foi oferecido

para contemplar o público alvo.

5. Conclusões As ferramentas estatísticas, em nível de análise exploratória de dados, sempre se mostraram importantes na tomada de decisões. Neste estudo pôde-se verificar como os clientes da RBS TV conseguem ver a empresa e os resultados que eles esperam após o anuncio de sua empresa neste veículo de comunicação.

Após realizada a pesquisa de campo e as análises necessárias e chegou-se aos seguintes resultados finais:

- o maior número de empresas retiradas da amostra aleatória são empresas comerciais, predominando empresas de pequeno porte com mais de 10 anos no mercado.

- as empresas são dirigidas por homens e consideradas empresas familiares. - a mídia mais utilizada é o rádio, seguido do jornal e da televisão, sendo que, no item que

se refere ao retorno com a mídia, as empresas na grande maioria consideram a TV a mídia que mais traz retorno.

Analisando-se o conjunto de perguntas, envolvendo a qualidade dos serviços prestados pela RBS TV, pode-se constatar que o nível de aceitação satisfatório é o que predomina. Porém, existe uma quantidade significativa de clientes que não estão satisfeitos nem insatisfeitos. Em vista disso, cabe à RBS verificar o porquê desse quadro e propor alternativas diferenciadas a estes clientes para que eles venham a se tornar clientes com níveis de aceitação satisfatório, perante os serviços prestados.

A partir dos dados obtidos, pode-se dizer que os clientes da RBS TV desse município escolhem esse veículo de comunicação pela seguinte ordem de importância: 1ª) atendimento do agente; 2ª) retorno com a mídia; 3ª) atendimento do departamento comercial;



4ª) tabela de preços da RBS TV.

Em suma, o item mais importante e no qual a empresa deverá dedicar maior atenção é com relação ao departamento de recursos humanos, pois a contínua melhoria nos serviços oferecidos pela RBS TV, está principalmente nas mãos dos agentes que fazem as negociações com os clientes.

Sugere-se então que a empresa mantenha a política que vem sendo adotada e a utilize na obtenção de novos clientes para a emissora.

6. Referências Bibliográficas Caderno de Pesquisas em Administração. Sumaia Abdei Latif. São Paulo, 2º semestre 1994.

HAYES, Bob E. Medindo a Satisfação do Cliente. Rio de Janeiro, Qualitymark Ed., 2001.

JOHNSON,R. A., WICHERN, D. W. Applied Multivariate Statistical Analysis. 3ª ed. Prentice-Hall. New Jersey, 1992.

KENDALL, M. G. A Course in Multivariate Analysis. Griffin, London,1963.

MALHOTRA, Naresh, Pesquisa de Marketing: uma orientação aplicada. Porto Alegre, Bookman, 2001.

PEREIRA, Julio César R. Análise de Dados Qualitativos – Estratégias Mercadológicas para as Ciências da Saúde, Humanas e Sociais. 3ª ed. – São Paulo: Editora da Universidade de São Paulo, 2001.

PLA, Laura. Análisis Multivariado: Metodo de Componentes Principales. Departamento de Producción Vegetal. Universidad Nacional Experimental Francisco de Miranda. Coro, Falcón, Venezuela, 1986.

SOUZA, Vera Lucia Bonato de. Clientes: do deseja à satisfação. Banas Qualidade, São Paulo, n.114, p.48-50, nov. 2001.

VIEIRA, Sonia. Estatística para a qualidade: como avaliar com precisão a qualidade em produtos e serviços - Rio de Janeiro: Campus, 1999.

WERKEMA, Maria Cristina Catarino. As ferramentas de qualidade no gerenciamento de processos. Belo Horizonte, Fundação Christiano Ottoni, Escola de Engenharia da UFMG, 1995.

o emprego da análise fatorial para a avaliação da ... · ... um elemento importante no movimento...

Documents