Redimensionamento de variáveis utilizadas para avaliar a qualidade em serviços por meio da Análise Hierárquica Gilvete Silvania Wolff Lírio (UFSM) ajlirio@terra.com.br Adriano Mendoça Souza (UFSM) amsouza@smail.ufsm.br Resumo No contexto atual, organizações públicas e privadas estão cada vez mais preocupadas com a busca da qualidade de seus produtos e serviços. Salienta-se, dessa forma, a importância da satisfação do cliente perante a um serviço prestado. Neste trabalho, buscouse verificar a relação de interdependência entre o conjunto de variáveis utilizadas, para determinar a qualidade, e a satisfação dos serviços, em uma empresa de telecomunicações. Para isso, utilizou-se a metodologia de Análise de Cluster, que prevê o agrupamento das variáveis que apresentam semelhanças, ocorrendo, assim, uma redução no número de objetos, fixando-se conseqüentemente a análise em um número menor de conglomerados. Neste contexto, uma classificação hierárquica foi aplicada, por fornecer uma seqüência de partições em classes cada vez mais vastas. Anterior a este estudo, procedeu-se a uma pesquisa de satisfação de clientes, envolvendo quatorze variáveis. Com o objetivo de reduzir o número de variáveis envolvidas, procedeu-se com uma Análise de Cluster nessa amostra piloto, fazendo-se então, um comparativo, o qual verificou-se o mesmo resultado, utilizandose apenas sete variáveis. Palavras-chave: Qualidade em Serviços, Satisfação do Cliente e Análise de Cluster. 1 Introdução Um produto ou serviço possui qualidade quando atende as expectativas e necessidades dos clientes, resultando desse processo o seu grau de satisfação. Muitas pesquisas têm sido realizadas em empresas, junto aos seus clientes, revelando o grau de satisfação com relação à prestação de serviços e ajudando a empresa na tomada de decisão. Segundo Montomery (1997), o aumento da qualidade é a extensão com que os produtos, ou serviços, cumprem as exigências das pessoas que os utilizam. As empresas, muitas vezes, não interpretam corretamente as expectativas dos clientes e também não mantêm um controle de atendimento pós-venda, levando muitas vezes à perda dos clientes. De acordo com Friedrich, Quadros eviegas (03), torna-se um custo bem mais elevado para a empresa adquirir novos clientes do que a manutenção de clientes antigos; por isso a necessidade de um processo de pesquisa contínuo. Esta pesquisa, que ora se apresenta, foi desenvolvida em uma empresa de telecomunicações. Como a empresa atua exclusivamente com mídia, surgiu a necessidade de verificar a relação entre vendas e pós-vendas dos serviços oferecidos. Para tal utilizou-se a Análise de Cluster, técnica usada para classificar objetos ou casos em grupos relativamente homogêneos entre si e heterogêneos com relação aos outros. Os grupos formados são chamados de conglomerados e possibilitam uma interpretação individual de cada grupo, bem como a relação de um com os demais. ENEGEP 04 ABEPRO 1
Essa técnica foi aplicada a uma outra pesquisa na qual foi utilizado um número maior de variáveis e aplicado posteriormente as técnicas de Análise Fatorial e de Componentes Principais, para verificar o que o cliente leva em consideração, quando escolhe a empresa para veicular anúncios e uma estatística descritiva para obtenção do nível de satisfação. Atualmente, tem-se o objetivo de reduzir o número de variáveis envolvidas, a fim de facilitar o desenvolvimento de novas pesquisas e de diminuir os custos e o tempo na realização. 2 Metodologia No trabalho proposto, buscou-se inicialmente usar uma técnica que seja capaz de analisar, simultaneamente, um conjunto de variáveis, sem grandes perdas das informações originais. Para isso, recorreu-se às técnicas estatísticas de Análise Multivariada, a qual, segundo Pereira (1999), envolve uma grande multiplicidade de conceitos estatísticos e matemáticos, sendo, a rigor, qualquer abordagem analítica que considere o comportamento de muitas variáveis simultaneamente. Inicialmente foi feito um estudo da população, decidindo-se pelo tipo de amostragem e a determinação do tamanho da amostra. Nesta pesquisa, busca-se demonstrar a relação existente entre a empresa e os clientes, através de um questionário estruturado, assegurando-se de que os dados obtidos reflitam as informações válidas e viáveis (HAYES, 01). A população em estudo foi composta por 34 empresas, das quais 155 compõem a amostra avaliada, procurando-se ter o cuidado de dimensionar a amostra valendo-se de um erro amostral de 5%. Os municípios pesquisados estão localizados na região noroeste do Estado do Rio Grande do Sul. Observa-se em pesquisas de satisfação dos clientes, e em literaturas sobre o assunto, tais como Kotler (199) e Mattar (1993), que os principais aspectos que devem ser levados em consideração, na avaliação de um serviço, são: presteza, disponibilidade e profissionalismo. Por meio desses três itens, elaborou-se um questionário, o qual constou de questões, que são as variáveis envolvidas no processo. Anterior a este estudo procedeu-se a uma pesquisa de satisfação de clientes, envolvendo as quatorze variáveis mencionadas anteriormente. Com o resultado obtido nessa pesquisa, procedeu-se à aplicação de uma Análise de Cluster, retirando-se variáveis com a mesma representação dentro de cada cluster, para verificar se o resultado após a aplicação da técnica foi o mesmo. 3 Análise Multivariada Em toda pesquisa experimental, ou observacional, trabalha-se com dados que necessitam ser descritos, explorados e analisados. Por isso, uma técnica que é amplamente utilizada nesses tipos de trabalhos é a Análise Multivariada (AM), pois compreende um amplo conjunto de métodos e procedimentos que representam mais de uma característica de uma amostra ou população. Os métodos multivariados são apropriados quando as variáveis se relacionam entre si, estabelecendo uma estrutura de dependência. Essa característica é que diferencia a técnica de análise multivariada da análise univariada, pela qual cada variável é considerada individualmente, sem atenção aos inter-relacionamentos. 3.1 Análise de Cluster As ferramentas Estatísticas são utilizadas com o objetivo de reduzir e controlar as incertezas envolvidas nas situações de tomada de decisões, além de contribuir para a redução da variabilidade dos processos analisados (WERKEMA, 1995). ENEGEP 04 ABEPRO 2
A Análise de Conglomerados, também chamada de Análise de Cluster, é uma técnica usada para classificar objetos ou casos, em grupos relativamente homogêneos, chamados conglomerados (MALHOTRA,01). Os objetos, em cada conglomerado, tendem a ser semelhantes entre si, mas diferentes de objetos em outros conglomerados, não havendo qualquer informação, a priori, sobre a composição do grupo ou conglomerado. Conforme a CNI (Confederação Nacional da Indústria do Brasil, 19), cluster significa agrupamento, ou seja, visa a agrupar variáveis com características comuns, sem perder informações de todo o conjunto em estudo. A Análise de Cluster é amplamente utilizada nas diversas áreas do conhecimento, por se tratar de uma medida contínua e que possibilita a interpretação individual de cada grupo e a relação que esse grupo possui com os demais. Os processos de aglomeração podem se hierárquicos ou não-hierárquicos. Na aglomeração hierárquica é estabelecida uma ordem, ou estrutura em forma de árvore, que produz seqüência de partições em classes cada vez mais vastas. Diferentemente, isso não ocorre na aglomeração não-hierárquica, a qual produz, diretamente, uma partição em um número fixo de classes. Os processos hierárquicos podem ser aglomerativos ou divisivos. Neste trabalho optou-se em utilizar o método aglomerativo. No aglomerativo, cada objeto fica em um conglomerado separado, formando grupos cada vez maiores. O processo continua até que todos os objetos sejam membros de um único conglomerado. Os métodos aglomerativos são de uso comum em pesquisas de marketing. Dividem-se em métodos de encadeamento, métodos de variância e métodos de centróide. No método de encadeamento (Linkage Methods), os objetos se agrupam com base no cálculo da distância entre eles, podendo essa distância ser mínima; regra do vizinho mais próximo (Single Linkage), baseado na distância máxima; regra do vizinho mais distante (Complete Linkage),ou ainda ser baseado na distância média entre todos os pares de objetos, (Average Linkage). O processo não-hierárquico (k-means clustering), por sua vez, caracteriza-se por, inicialmente, determinar ou assumir um centro aglomerado e, logo em seguida, agrupar todos os objetos que estão a menos de um valor pré-estabelecido do centro. Compreende os métodos de Limiar Seqüencial, o Limiar Paralelo e o Particionamento Otimizador. O método mais comum, no entanto, é o da classificação hierárquica, na qual os objetos são agrupados à semelhança de uma classificação taxonômica e representados em um gráfico com uma estrutura em árvore, denominada dendograma. Para proceder a essa classificação, faz-se necessário definir matematicamente o que venha a ser caracterizado como proximidade, ou seja, a distância entre dois objetos, definindo-se a partir daí o critério de agrupamento de duas classes. Entre as medidas mais usuais, para estabelecer o conceito de distância entre dois objetos m e n, baseada nos valores de i variáveis, podem-se destacar as seguintes formas de mensuração: 1ª) Coeficiente Correlação Linear de Pearson; 2ª) Distância Euclidiana; 3ª) Distância de Manhattan; 4ª) Distância de Mahalanobis; 5ª) Distância de Chebychev. A distância Euclidiana é a medida usual quando se utiliza a técnica de análise de cluster. Ela pode ser calculada com base na raiz quadrada da soma dos quadrados das diferenças dos valores de cada variável analisada. ENEGEP 04 ABEPRO 3
D I 2 n, m = ( X in X im ) i= 1 Conforme salienta Pereira (01), a análise de cluster pode ser sintetizada baseando-se nos seguintes procedimentos: 1º) Cálculo das distâncias euclidianas entre os objetos estudados; 2º) Seqüência de agrupamento por proximidade geométrica; 3º) Identificação coerente de grupos dentro do universo de objetos estudados; 4º) Realização das análises através de um pacote estatístico. 4 Aplicação e Resultados O primeiro questionário de satisfação aplicado aos clientes da empresa constou de questões, as quais foram selecionadas por meio de uma amostragem estratificada, no período de março a abril de 03. O propósito da aplicação da Análise de Cluster é trabalhar com um número reduzido de variáveis, ou seja, em uma pesquisa futura utilizar um número menor de questões para reduzir custos e agilizar os resultados. Antes de se apresentarem os resultados, segue abaixo o questionário utilizado, no qual cada questão se encontra resumida em uma palavra e abreviada, para melhor interpretação das variáveis em estudo, quando apresentadas nos gráficos. Questão 1: A empresa como opção de mídia opção (OPÇ); Questão 2: Quanto ao retorno que consegue investindo em publicidade na empresa retorno (RETOR); Questão 3: Quanto as alternativas de anúncios anúncio (ANUNC); Questão 4: O anúncio proposto pela agência atendeu as suas necessidades necessidade (NECESS); Questão 5: Os horários de mídia oferecidos contemplaram o seu público alvo horário (HORA); Questão : Quanto ao atendimento por parte do agente atendimento (ATEND); Questão 7: Quando se dirige à empresa recebe resposta de todas as solicitações, reclamações e/ou sugestões solicitações (SOLIC); Questão : Quando agendo um horário de reunião, o agente está disponível para a reunião num horário que me era conveniente disponibilidade (DISPON); Questão 9: Presteza do agente quando chega na reunião presteza (PREST); Questão : Pontualidade do horário de início da reunião pontualidade (PONTU); Questão 11: Quanto ao atendimento pós-venda pós-venda (POS-VEN) Questão : Tabela de preços da RBS TV Santa Rosa preço (PREÇO); Questão 13: Condição de pagamento condição (CONDI); Questão : Quanto á satisfação em continuar, ou voltar a anunciar na empresa continuar (CONT). Na Figura 1, mostra-se o comportamento do dendograma com todas as variáveis, no qual pode-se identificar a formação de três clusters, obtidos por meio de um corte transversal feito na maior distância entre os clusters, ou a critério do pesquisador. O primeiro cluster é formado pela variável preço, o segundo pelas variáveis solic, pontu, prest, dispon e atend, e o último cluster formado pelas variáveis pos-ven, condi, necess, anunc, hora, retor, cont e opç. ENEGEP 04 ABEPRO 4
4 2 PREÇO PONTU DISPON POS-VEM NECESS HORA CONT SOLIC PREST ATEND CONDI ANUNC RETOR OPÇ Figura 1 Dendograma envolvendo todas as variáveis do questionário. Através da análise do dendograma, optou-se em retirar algumas variáveis que possuem a mesma representação dentro do cluster. No primeiro cluster, como aparece somente a variável preço, não houve alteração. O segundo cluster está relacionado com o atendimento por parte do agente; portanto, retirou-se a variável pont, e no terceiro cluster retirou-se as variáveis anunc e opç, tendo-se um novo dendograma, no qual pode-se verificar a formação de três novos clusters, conforme Figura 2. 4 PREÇO SOLIC DISPON POS-VEM HORA RETOR CONT PREST ATEND CONDI NECESS Figura 2 Dendograma após a retirada de variáveis que apresentam o mesmo grau de relacionamento. Permanecendo novamente a variável preço no primeiro cluster, retiraram-se do segundo e do terceiro cluster, respectivamente, as variáveis dispon e retor, formando um novo dendograma, no qual verifica-se a formação de três novos clusters, conforme Figura 3. ENEGEP 04 ABEPRO 5
Linkage Distance PREÇO CONT SOLIC PREST ATEND POS-VEM CONDI HORA NECESS Figura 3 - Dendograma após a retirada de variáveis que apresentam o mesmo grau de relacionamento Uma vez que dentro do segundo e do terceiro cluster ainda havia variáveis com mesmo perfil, retiraram-se, novamente, as variáveis atend e hora, respectivamente, formando-se um novo dendograma, o qual segue apresentado na Figura 4. Linkage Distance PREÇO POS-VEM CONT PREST SOLIC CONDI NECESS Figura 4 Dendograma final após a retirada de variáveis que apresentam o mesmo grau de relacionamento Por meio do dendograma, pode-se verificar a formação de dois clusters, os quais possuem as variáveis de maior relevância dentro do conjunto original das variáveis pesquisadas. Fazendo-se uma comparação com a pesquisa realizada anteriormente, que previa um número maior de variáveis, constatou-se a possibilidade de agruparem-se algumas variáveis como pertencentes ao mesmo cluster. Em vista disso, permanecendo na análise as variáveis consideradas mais relevantes sob a ótica da empresa e do pesquisador, procedeu-se a Análise Fatorial dessas variáveis, com o objetivo de comparar o comportamento do conjunto, quando ENEGEP 04 ABEPRO
se utilizam todos os dados, bem como o conjunto de dados que fora reduzido através da técnica de Análise de Cluster. 5 Conclusão Antecedente a este trabalho, procedeu-se à aplicação da Análise Fatorial e da Análise de Componentes Principais no conjunto de variáveis originais, para verificar os itens que os clientes levam em consideração no momento da escolha desse veiculo de telecomunicação e o nível de satisfação do cliente perante a empresa em questão. Constatou-se um nível satisfatório em relação os serviços recebidos e os itens mais relevantes na escolha, como sendo o retorno com a mídia, a presteza do agente que os atende, se o anúncio atendeu às necessidades e as condições de pagamento. Portanto, para verificarmos a possibilidade de uma possível redução no número de variáveis envolvidas no questionário, partiu-se para a aplicação de uma Análise de Cluster para identificar as variáveis que pertencem ao mesmo grupo, possibilitando, com isso, verificar quais variáveis são identificadas pelos clientes com efeito semelhante. Como análise final, após a retirada de variáveis com o mesmo significado dentro de cada cluster, obteve-se a formação de dois clusters. No primeiro encontra-se sozinha a variável preço, e no segundo as variáveis pós-vend, cont, prest, solic, cond e necess. Posteriormente, procedeu-se ainda a uma análise fatorial das sete variáveis restantes, as quais foram comparadas com os resultados obtidos quando procedeu-se com a análise fatorial de todas as variáveis, chegando-se à conclusão de que estas sete variáveis podem ser representativas do conjunto de variáveis originais, o qual foi comprovado por meio dos planos fatoriais em ambos os casos. Dessa forma, a empresa poderá utilizar essas sete variáveis para pesquisas posteriores, as quais poderão ser feitas até mesmo via telefone, reduzindo, com isso, o tempo de execução das pesquisas e os custos, servindo ainda para monitorar os serviços pós-venda da empresa e colaborando, dessa forma, em possíveis formulações de estratégias de vendas de seus serviços. Bibliografia FRIEDRICH, A.; QUADROS, F.S.; VIEGAS, N. Medindo a satisfação do consumidor nos hotéis de Porto Alegre. Revista da ESPM. São Paulo, v., p. 39-54, maio/jun., 03. HAYES, B.E. Medindo a Satisfação do Cliente. Rio de Janeiro: Qualitymark, 01. KOTLER, P. Administração de Marketing. 4 ed., São Paulo: Atlas, 199. MALHOTRA, N. Pesquisa de Marketing: uma orientação aplicada. Porto Alegre: Bookman, 01. MATTAR, F. N. Pesquisa de Marketing. 4 ed., São Paulo: Atlas, 1993. MONTGOMERY, D.C. Introduction to statistical quality control. 3. ed., New York: Jonh Wiley & Sons, Inc. 1997. PEREIRA, J.C.R. Análise de Dados Qualitativos: estratégias metodológicas para as ciências da saúde, humanas e sociais. 2. ed.; São Paulo: USP, 1999. WERKEMA, M.C.C. As ferramentas da qualidade no gerenciamento de processos. Belo Horizonte: Fundação Christiano Ottoni, 1995. ENEGEP 04 ABEPRO 7