utilizaÇÃo de um modelo de variÁveis latentes na avaliaÇÃo dos fatores que afetam o...

UTILIZAÇÃO DE UM MODELO DE

VARIÁVEIS LATENTES NA AVALIAÇÃO DOS FATORES QUE

AFETAM O COMPORTAMENTO DE COMPRA: UM CASO NA INDÚSTRIA

AUTOMOBILÍSTICA

Pedro Ivo Guedes (ITA) [email protected]

Rodrigo Arnaldo Scarpel (ITA) [email protected]

No desenvolvimento de novos produtos e na estimação de seu potencial

de vendas é fundamental compreender os desejos dos consumidores

buscando determinar a combinação de atributos que otimizaria suas

vendas. Para lidar com essa questão, uma possível alternativa é

empregar um modelo de variáveis latentes que auxiliam no

entendimento do comportamento dos consumidores e na identificação

de quais fatores mais influenciam na decisão de compra dos

consumidores. O presente trabalho tem por objetivo identificar quais

os fatores que afetam o comportamento de compra através de um

modelo de variáveis latentes. Para tal foi utilizado um caso na

indústria automobilística, para avaliar a importância relativa dos

fatores determinantes das vendas de veículos de passeio e utilitários e

capturar os desejos “top-level” de consumidores.

Palavras-chaves: Potencial de mercado, Variáveis latentes

XXVIII ENCONTRO NACIONAL DE ENGENHARIA DE PRODUÇÃO A integração de cadeias produtivas com a abordagem da manufatura sustentável.

Rio de Janeiro, RJ, Brasil, 13 a 16 de outubro de 2008



2

1. Introdução

Em um ambiente competitivo, caracterizado pela contínua inovação dos produtos e pelas constantes mudanças, a sistemática e consistente transformação de informações em conhecimento têm se tornado cada vez mais importante. Foi neste ambiente competitivo e com esse propósito que surgiu a inteligência de mercado que auxilia no processo de tomada de decisões quanto à definição de mercado e do público-alvo, em análise da concorrência e da estrutura de mercado, no desenvolvimento de novos produtos e na estimação do seu potencial de vendas.

No que diz respeito ao desenvolvimento de novos produtos e na estimação de seu potencial de vendas é fundamental compreender, dentre outras coisas: (i) o desejo dos consumidores no momento de trocar o produto por um modelo mais atual da mesma empresa, ou por um produto de uma empresa concorrente, ou de adquirir o produto pela primeira vez; (ii) qual o melhor momento para se lançar um produto no mercado, qual a configuração que otimiza as vendas e ainda quais modificações deveriam ser feitas nos atuais produtos.

Para lidar com essas questões, uma possível alternativa é empregar um modelo de variáveis latentes que auxiliam no entendimento do comportamento dos consumidores e na identificação de quais fatores mais influenciam em sua decisão de compra.

Assim, o presente trabalho tem por objetivo identificar quais os fatores que afetam o comportamento de compra através de um modelo de variáveis latentes. Para tal foi utilizado um caso na indústria automobilística, para avaliar a importância relativa dos fatores determinantes das vendas de veículos de passeio e utilitários e capturar os desejos “top-level” de consumidores.

2. Previsão do potencial de mercado de produtos novos

No processo de desenvolvimento de novos produtos, um modelo de previsão do potencial de mercado é crucial para a avaliação tanto de seu potencial de geração de lucro quanto para determinação do custo associado para sua produção (WASSENAAR et al., 2004).

São vários os modelos de previsão do potencial de mercado de produtos novos. Donndelinger e Cook (1997) propuseram o chamado Modelo-S, que utiliza uma expansão de Taylor em relação a um ponto de referência, em que o valor e o preço de todos os produtos sejam idênticos, resultando em um modelo de demanda igual para cada produto. Li e Azarm (2000) propuseram uma abordagem em que a demanda pelos produtos é estimada pela comparação do valor das utilidades multiatributo de todos os produtos ofertados pelo mercado. Besharati et al. (2002) propuseram uma abordagem em que a demanda pelos produtos é estimada a partir da utilidade esperada pelos consumidores tomando-se os valores de utilidade multiatributos dos produtos, obtidos com análise conjunta (GREEN E WIND, 1975), assumindo que os clientes compram um produto quando os atributos satisfazem a determinados limites.

Georgiopoulos et al. (2002) foram os primeiro a utilizar o conceito de portfólio de produtos para estimar potencial de mercado. Assim, propuseram um modelo econômico de demanda para avaliar o portfólio dos produtos de uma empresa.

Outra possibilidade é a criação de modelos de previsão de demanda, ou da fatia de mercado, utilizando modelos de escolhas discretas. Wassenaar e Chen (2003) utilizaram um modelo de



3

escolhas discretas em que os dados de indivíduos, ao invés da média de grupos de indivíduos, são utilizados para representar as preferências pelos atributos de um produto. A vantagem desse método consiste na possibilidade de capturar variações nas características dos indivíduos evitando vícios encontrados quando se utiliza preferências agregadas.

Modelos de variáveis latentes foram utilizados por Wassenaar et al. (2004) com o intuito de capturar os desejos “top-level” de consumidores e suas percepções integrando-os utilizando um modelo de escolhas discretas. De forma geral, os modelos de variáveis latentes são empregados quando o interesse é medir fatores não observáveis, que possuem um significado intuitivo para todos, porém que na maioria das vezes não podem ser medidos diretamente. Esses fatores são chamamos de variáveis latentes. Assim, embora esses fatores possam ser facilmente descritos e listados, como conforto, performance, acessibilidade e inteligência, eles não podem ser diretamente medidos ou observáveis como, por exemplo, altura, peso e comprimento.

3. O modelo de variáveis latentes

O modelo de variáveis latentes surgiu como uma técnica que se propõe a capturar a percepção do consumidor com o uso de dados psicométricos, obtidos muitas vezes através de questionários (EVERITT, 1984). As perguntas psicométricas do exame pedem que os consumidores indiquem quão satisfeitos ou insatisfeitos eles estão com respeito aos aspectos das variáveis latentes. O nível do desempenho da variável latente pode ser medido usando as avaliações que os clientes dão nos aspectos relacionados ao desempenho, por exemplo, potência na ultrapassagem, velocidade de cruzeiro, entre outros (LOEHLIN, 1998).

Modelos de variáveis latentes se relacionam à análise fatorial confirmatória e aos modelos de equações estruturais, sendo um dos mais abrangentes e flexíveis de todas as abordagens disponíveis para determinação dos fatores que impactam na demanda por produtos. Keesling (1972), Joreskog (1973), Wiley (1973) e Bentler (1980) contribuíram para a teoria das variáveis latentes desenvolvendo a formulação das equações estruturais e das medidas e uma metodologia para especificar e estimar modelos de variáveis latentes (BEN-AKIVA et al., 2002).

O modelo de variáveis latentes (Figura 1) mede o relacionamento entre as variáveis latentes (L), ou fatores, e os indicadores (I). A forma funcional das equações estruturais não é prescrita, mas é freqüentemente suposta como aditiva. O modelo das medições contém uma equação para cada indicador. Assim,

∑=

=+=

p

jiijiji kiLI

1

,...,1,υα (1)

em que αij são os parâmetros a serem estimados (i = 1,...,k e j = 1,...,p), sendo p o número de variáveis latentes do modelo e k o número de indicadores existentes e ν é o erro aleatório, freqüentemente suposto como normalmente distribuído, e é uma indicação da qualidade do ajuste do modelo, isto é, ν é uma indicação de quão bom a equação da medida explica a variação encontrada nos valores observados do indicador.

De forma matricial, o modelo de variáveis latentes é representado por

υLαI += I (2)

em que I é o vetor dos indicadores (kx1, em que k é o número de indicadores), αI é uma



4

matriz de cargas fatoriais (k x p, em que p é o número de fatores ou variáveis latentes) e ν é o

vetor dos erros aleatórios (kx1). A matriz de variâncias e covariâncias entre os indicadores, Σ (p x p), é dada por

υIΘΦαΣ +=

Τ

Ια (3)

em que αI é a matriz de cargas fatoriais (p x m, em que m é o número de fatores ou variáveis

latentes), Σ é uma matriz (p x p) com as variâncias e covariâncias entre as variáveis latentes e

Θν é uma matriz (k x k) com as variâncias e covariâncias entre os erros aleatórios. Desta forma, o processo de estimação dos parâmetros, que é feito utilizando o método da máxima verossimilhança, pode ser encarado como uma decomposição da matriz de variâncias e covariâncias entre os indicadores para se obter a matriz de cargas fatoriais.

Figura 1 – Exemplo de modelo de variáveis latentes

A implementação do modelo de variáveis latentes envolve quatro etapas. Na primeira, deve-se escolher quantas e quais variáveis latentes (L) serão empregadas, sendo que essa escolha é baseada, principalmente, na experiência do pesquisador e na compreensão do problema em estudo. A segunda etapa é dedicada a identificação dos indicadores I, para que cada variável latente, sendo que essa escolha também é baseada na experiência dos pesquisadores em relação ao problema em estudo. A terceira etapa envolve a determinação das equações estruturais e das equações de medição para o modelo de variáveis latentes Na quarta etapa, o desenvolvimento da função da máxima verossimilhança e a estimação dos parâmetros do modelo são realizados, conforme explicado anteriormente.

Neste trabalho, focou-se a identificação de quais os fatores mais afetam o comportamento de compra de veículos de passeio e utilitários através de um modelo de variáveis latentes buscando avaliar a importância relativa dos fatores determinantes e capturar os desejos “top-level” de consumidores.

4. Análises e resultados

O estudo realizado, neste trabalho se propôs a analisar os fatores que afetam o comportamento de compra de veículos de passeio e utilitários. Para isso, foram coletados dados de vendas (em mil unidades) de 41 modelos de veículos de 12 marcas diferentes (Chevrolet, Fiat, Ford, Volkswagen, Audi, Toyota, Mitsubishi, Peugeot, Honda, Renault, Mercedes e Citroën), no ano de 2005, além dos atributos: potência do motor (em CV), preço de venda (em R$mil), número de concessionárias (em unidades) de cada uma das marcas, comprimento do veículo (em centímetros), altura do veículo (em centímetros) e volume do porta-malas do veículo (em



5

litros). Todos os dados foram padronizados para eliminar o efeito de escala.

Foi considerado que a demanda dos automóveis depende, principalmente, de quatro fatores: acessibilidade, performance, disponibilidade e porte, que foram as variáveis latentes escolhidas neste estudo. Em relação aos indicadores relacionados a cada um dos fatores, apenas o indicador preço do veículo foi associado ao fator acessibilidade, somente o indicador número de concessionárias foi associado ao fator disponibilidade, apenas o indicador potência do veículo foi associado ao fator performance e três indicadores: comprimento, altura e volume do porta-malas, foram associados ao porte do veículo. Para a variável latente demanda somente um indicador foi associado (vendas no ano de 2005). No que diz respeito à relação entre as variáveis latentes, considerou-se que há associação entre a acessibilidade e a performance, uma vez que os veículos com maior performance tendem a ser menos acessíveis, entre a acessibilidade e o porte, visto que os veículos de maior porte tendem a ser menos acessíveis e entre a performance e o porte, dado que os veículos de maior porte demandam maior performance. A Figura 2 mostra o modelo de demanda proposto para o estudo das variáveis latentes.

Para facilitar o entendimento da estrutura do modelo proposto adotou-se a seguinte nomenclatura para as variáveis latentes:

F1 = Demanda

F2 = Acessibilidade

F3 = Performance

F4 = Porte

F5 = Disponibilidade

I1 = Número de concessionárias (unidades)

I2 = Preço (R$mil)

I3 = Vendas em 2005 ( mil unidades)

I4 = Potência (CV)

I5 = Volume de porta-malas (litros)

I6 = Comprimento do veículo (centímetros)

I7 = Altura do veículo (centímetros)



6

Vendas 2005

Preço Potência Comprimento Altura Porta-Malas

Demanda

Acessibilidade Performance Porte

Número de Concessionárias

Disponibilidade

Figura 2 – Modelo de demanda proposto para o estudo das variáveis latentes

As equações estimadas, empregando o método da máxima verossimilhança, para o modelo proposto (Figura 2) são:

F1 = 0,241 F2 – 0,099 F3 – 0,171 F4 + 0,181 F5 + 0,865

I1 = 0,999 F5 + 1,000

I2 = 1,005 F2 + 0,068

I3 = 1,007 F1 + 1,000

I4 = 1,003 F3 + 0,171

I5 = 0,850 F4 + 0,526

I6 = 0,921 F4 + 0,389

I7 = 0,429 F4 + 0,903

Em relação aos parâmetros estimados, todos foram significativos ao nível de 1%. Desta forma, as contribuições de cada atributo neste modelo, podem ser vistas no diagrama da Figura 3.

A partir dos resultados obtidos verifica-se que a variável latente, ou fator, que mais impacta na demanda por veículos de passeio e utilitários é a acessibilidade, seguida pela disponibilidade, depois pelo porte e a variável latente com menor impacto na demanda é a performance dos veículos. Quanto ao impacto dessas variáveis latentes na demanda, como esperado, quanto maior a acessibilidade e/ou a disponibilidade, maior será a demanda e quanto maior o porte e/ou a performance menor será a demanda. A Figura 4 mostra o impacto das variáveis latentes consideradas.

Para avaliar a importância relativa de cada uma das variáveis latentes na demanda por veículos de passeio e utilitários tomou-se a razão entre o valor absoluto da sua carga fatorial e a soma dos valores absolutos da carga fatorial de todas as variáveis latentes. Desta forma,



7

estima-se que a importância relativa da acessibilidade é de 35%, da disponibilidade é de 26%, do porte é de 25% e da performance é de apenas 14%. A Figura 5 mostra a importância relativa de cada uma das variáveis latentes do estudo.

Vendas 2005

Preço Potência Comprimento Altura Porta-Malas

Demanda

Acessibilidade Performance Porte

Número de Concessionárias

Disponibilidade

Figura 3 – Parâmetros estimados para o modelo proposto

Esses resultados mostram o quanto o preço e a facilidade de compra influenciam na demanda, ou seja, quanto menor for o preço e quanto maior for o número de concessionárias, maior serão as vendas de veículos, o que para a realidade brasileira é bem intuitivo.

Em relação ao efeito negativo que a performance e o porte apresentam, uma possível explicação, é que um incremento nesses acarreta um aumento do custo de produção para as montadoras e conseqüentemente um aumento no preço para o consumidor.

Outro resultado gerado pelo modelo se refere à variável porte. Embora, nos últimos anos, a altura do veículo venha sendo explorada como um diferencial no espaço interno dos veículos, os resultados mostram que esse é o indicador menos influenciado pelo porte, sendo menos da metade da influencia nos indicadores comprimento e volume do porta-malas.



8

-0,2

-0,15

-0,1

-0,05

0

0,05

0,1

0,15

0,2

0,25

0,3

Acessibilidade Disponibilidade

Performance Porte

Figura 4 – Impacto de cada variável latente na demanda de veículos

No que diz respeito aos desejos “top-level” dos consumidores, o estudo mostra que a acessibilidade do produto, como já era esperado, é o maior dos desejos. Analisando a importância do fator disponibilidade, fica claro que os consumidores desejam que as montadoras tenham um grande número de concessionárias, provavelmente, pela importância dos serviços de manutenção e reparos que esse produto demanda.

Disponibilidade 26%

Porte 25%

Performance 14%

Acessibilidade 35%

Figura 5 – Importância relativa de cada variável latente na demanda de veículos

5. Comentários e conclusões

Este trabalho foi proposto com o objetivo de apresentar o modelo de variáveis latentes como uma abordagem analítica útil no tratamento de problemas pertinentes à inteligência de mercado. Assim, explorou-se a avaliação dos fatores que impactam no comportamento de compra dos consumidores com o objetivo de capturar sues desejos “top-level”.

Para tal foi utilizado um caso na indústria automobilística em que se identificou que a maior importância é dada a acessibilidade do produto. Assim, as questões relacionadas ao preço e a outros mecanismos que facilitem o acesso ao produto, como, por exemplo, as linhas de crédito



9

disponíveis e as taxas de juros praticadas devem ser exploradas pelas montadoras.

Outro fator identificado com grande importância é a disponibilidade, indicando que a ampliação da rede de concessionárias deve ser considerada como uma questão de alta prioridade pelas montadoras, principalmente as que pretendem se instalar no país.

Como sugestão para trabalhos futuros pretende-se segmentar os veículos de passeio e utilitários para captar os desejos dos consumidores para os diferentes segmentados que serão identificados. Assim, os direcionadores poderão refletir os desejos enfocando diferentes segmentos de mercado. Além disso, pretende-se utilizar o modelo proposto para a previsão de demanda de veículos de passeio e utilitários para avaliar sua performance preditiva.

Referências

BENTER, P. M. Multivariate Analysis with Latent Variables. Annual Review of Psychology Vol. 31, p. 419-456, 1980.

BESHARATI, B.; AZARM, S. & FARHANG-MEHR, A. A Customer-Based Expected Utility for Product

Design Selection. Proceedings of the ASME Design Engineering Technical Conference, Montreal, Canada, 2002.

BEN-AKIVA, M.; WALKER, J.; BERNARDINO, A. T.; GOPINATH, D. A.; MORIKAWA, T. & POLYDOROPOULOU, A. Integration of Choice and Latent Variable Models, In: Perceptual Motion: Travel

Behaviour Research Opportunities and Application Challenges. Elsevier Science, 2002.

DONNDELINGER, J. & COOK, H. E. Methods for Analyzing the Value of Automobiles. SAE Paper 970762, Warrendale, PA, Society of Automotive Engineers, Inc., 1997.

EVERITT, B.S. An Introduction to Latent Variable Models, Monographs on Statistical and Applied

Probability. Chapman and Hall, 1984.

GEORGIOPOULOS, P.; FELLINI, R.; SASENA, M. & PAPALAMBROS, P. Y. Optimal Design Decisions

in Product Portfolio Valuation. Proceedings of the 2002 ASME Design Engineering Technical Conferences, Montreal, Canada, 2002.

GREEN, P. E. & WIND, Y. New Ways to Measure Consumer Judgments. Harvard Business Review, 1975.

JORESKOG, K. G. A General Method for Estimating a Linear Structural Equation System, Structural Models

in the Social Sciences. Eds. Academic Press, New York, 1973.

KEESLING, J. W. Maximum Likelihood Approaches to Causal Analysis. Ph.D. Thesis, University of Chicago, 1972.

LI H. & AZARM, S. Product Design Selection under Uncertainty and with Competitive Advantage. ASME Design Technical Conference, DETC2000/DAC-14234, Baltimore MD, 2000.

LOEHLIN, J. C. Latent Variable Models, an introduction to factor, path, and structural analysis.. 3rd ed. Mahwah, NJ: L. Erlbaum Associates, 1998.

WASSENAAR, H.J. & CHEN, W. Enhancing Discrete Choice Demand Modeling for Decision-Based Design. DETCDTM48683, Proceedings of the 2003 ASME Design Engineering Technical Conferences, Chicago, IL., 2003.

WASSENAAR, H. J.; CHEN, W.; CHENG, J. & SUDJIANTO, A. An Integrated latent variable choice

modeling for enhancing product demand modeling. Proceedings of DETC’04, ASME 2004 Design Engineering Technical Conference, Salt Lake City, Utah, 2004.

WILEY, D. E. The Identification Problem for Structural Equation Models with Unmeasured Variables, Structural Models in the Social Sciences. Eds. Academic Press, New York, 1973.

utilizaÇÃo de um modelo de variÁveis latentes na avaliaÇÃo dos fatores que afetam o...

Documents