CONHECIMENTO DO CONSUMIDOR, TENDÊNCIA À MAXIMIZAÇÃO E A BUSCA DE INFORMAÇÃO APÓS DECISÕES

RESUMO

Consumidores têm mais conhecimento prévio ao tomarem decisões. Este estudo mostra os efeitos desse conhecimento na quantidade de informação buscada após a tomada de decisão. Segundo a literatura, variáveis como dissonância cognitiva e sentimentos de arrependimento e insatisfação predizem essa busca. Porém, por meio de um experimento e dois estudos correlacionais, mostramos que essa visão está incompleta. Nossos achados indicam que consumidores com maior conhecimento prévio sobre determinado produto buscam mais informação após tomarem uma decisão, mesmo quando esta não pode ser modificada. Ainda, esse efeito é intensificado (ou minimizado) para pessoas com tendência à maximização (ou satisficers). Mostramos não somente que variáveis como dissonância cognitiva afetam o comportamento de busca de informação após decisões, mas que o nível de conhecimento prévio que consumidores têm sobre o produto também pode afetar tal busca. Logo, sugerimos uma nova variável para o modelo de busca de informação após decisões.

PALAVRAS-CHAVE:
Conhecimento prévio do consumidor; busca de informação; pós-decisão; tendência à maximização; dissonância cognitiva

ABSTRACT

Nowadays consumers have more previous knowledge about products and services before making decisions. This study sheds light on the effects of consumers’ previous knowledge on post-decision information search. Previous studies argue that cognitive dissonance and feelings of regret or dissatisfaction elicit this search. However, we show through one experimental and two correlational studies that this view is incomplete. Our findings indicate that knowledgeable consumers search for more information at the post-decision stage, even when the decision cannot be modified. This main effect is stronger (weaker) for maximizers (satisficers). Also, cognitive dissonance affects the post-decision information search behavior. Therefore, we suggest a new variable, consumers’ previous knowledge, for consideration in the post-decision information search model.

KEYWORDS:
Consumers’ previous knowledge; information search behavior; post-decision stage; maximizing tendencies; cognitive dissonance

RESUMEN

Los consumidores tienen más conocimiento previo antes de tomar decisiones. Este estudio presenta los efectos de ese conocimiento sobre la cantidad de información buscada posterior a la decisión. Según la literatura anterior, variables como disonancia cognitiva y sentimientos de arrepentimiento o insatisfacción provocan esta búsqueda. No obstante, a través de un experimento y dos estudios correlacionales, demostramos que esta visión es incompleta. Nuestros hallazgos sugieren que los consumidores con mayor conocimiento previo buscan más información después de tomar una decisión, incluso cuando está ya no se puede modificar. Además, este efecto es más fuerte (más débil) para los consumidores con tendencias maximizadoras altas (bajas). También mostramos que no solo variables como disonancia cognitiva afectan el comportamiento de búsqueda de información posterior a la decisión, sino que el nivel de conocimiento previo que los consumidores tienen sobre el producto también puede afectar dicha búsqueda. Finalmente, sugerimos una nueva variable para el modelo de búsqueda de información después de la decisión.

PALABRAS CLAVE:
Conocimiento previo; Búsqueda de información; Posdecisión; Maximización; Disonancia cognitiva

INTRODUÇÃO

Coletivamente, 264 milhões de usuários de smartphones nos EUA visualizam seus dispositivos 12 bilhões de vezes por dia (Deloitte, 2017), e brasileiros estão, em média, 9 horas por dia online (Kemp, 2018). Essas estatísticas indicam que as ferramentas para acessar e obter informações fazem parte do dia a dia dos consumidores (Dholakia, Zwick, & Denegri-Knott, 2013). Por exemplo, os consumidores geralmente praticam showrooming, ou seja, examinar um produto em uma loja e depois comprar o mesmo produto on-line, pois eles podem facilmente buscar informações (Mehra, Kumar, & Raju, 2017). Consequentemente, eles se tornam mais informados sobre as opções disponíveis e características dos produtos antes de tomar decisões (Dholakia et al., 2013).

Como a busca de informações continua após a aquisição, ela afeta a percepção dos consumidores sobre suas compras (Teodorescu, Sang, & Todd, 2018). No entanto, pesquisadores e comerciantes têm negligenciado esse comportamento. Quando investigam o comportamento dos consumidores na fase após a decisão, os pesquisadores concentram-se principalmente em comportamentos como boca a boca (por exemplo, Chu & Kim, 2011; Hennig-Thurau, Gwinner, Walsh, & Gremler, 2004), satisfação do consumidor e sentimentos de arrependimento (por exemplo, Lee & Kim, 2008; Wirtz, Matilla & Tan, 2007; Zeelenberg & Pietres, 2007). Os poucos estudos sobre busca de informações após a decisão mencionam que essa busca é impulsionada principalmente pela dissonância cognitiva e sentimentos de arrependimento/insatisfação (Oliver, 2014; Shani & Zeelenberg, 2007). No entanto, alegamos que essa visão é incompleta, pois os pesquisadores não consideram o conhecimento prévio dos consumidores em seus modelos de busca de informações após a decisão. O efeito do conhecimento prévio dos consumidores na busca por informações nas fases iniciais da jornada do cliente já foi explorado (Brucks, 1985; Carlson, Vincent, Hardesty, & Bearden, 2009; Hadar, Sood, & Fox, 2013). No entanto, até onde sabemos, estudos anteriores não estenderam esse efeito a um contexto pós-decisão.

Este estudo aborda essa lacuna na literatura explorando o efeito do conhecimento prévio dos consumidores, acumulado antes da tomada de decisão, na busca de informações após a decisão. Além disso, apresentamos uma interação entre o conhecimento prévio dos consumidores e a tendência à maximização - controlando as variáveis dissonância cognitiva e satisfação. Por meio de três estudos (um experimento e dois estudos correlacionais), mostramos que consumidores experientes buscam mais informações na fase após a decisão, mesmo quando não podem mudar suas escolhas, pois podem acessar informações facilmente e seu conhecimento facilita a busca (Brucks, 1985; Dholakia et al., 2013). Altos níveis de tendência à maximização realçam esse efeito. Além disso, a dissonância cognitiva tem um efeito significativo na busca de informações após a decisão, enquanto satisfação não.

Nosso estudo tem várias contribuições teóricas. Primeiro, ele propõe um novo preditor de busca de informações após a decisão, o conhecimento prévio do consumidor, atualizando a literatura sobre esse tema. Esse novo preditor está em consonância com um fenômeno importante, caracterizado pelo aumento do conhecimento dos consumidores, aumento gerado pelo acesso facilitado à informação (Dholakia et al., 2013). Em segundo lugar, até onde sabemos, apresentamos um novo efeito de interação entre o conhecimento prévio e a tendência à maximização na busca de informações após a decisão, expandindo a literatura sobre tendência à maximização visto que poucos estudos têm investigado os efeitos deste traço no comportamento do consumidor na fase após a decisão (Ma & Roese, 2014). Em terceiro lugar, esta pesquisa explora o papel da dissonância cognitiva, que até então não havia sido testada empiricamente, embora Donelly e Ivancevich (1970) e Oliver (2014) afirmem ser um importante preditor para a busca de informação após a decisão. Em quarto lugar, com base na afirmação de Lemon e Verhoef (2016), analisamos o comportamento do consumidor por meio da ligação entre duas etapas diferentes de sua jornada: as fases antes e após a decisão. Assim, apresentamos uma visão mais completa do comportamento do consumidor durante o processo de tomada de decisão.

Para os comerciantes, apresentamos um dos efeitos do conhecimento que os consumidores tem sobre produtos/serviços - o engajamento em busca de informação após a tomada de decisão. Empresas geralmente concentram menos esforços na fase após a decisão (Brega, 2018) e, portanto, pode perder, por exemplo, a oportunidade de diminuir comportamentos como a devolução de produtos e reforçar a escolha do consumidor (Donelly & Ivancevich, 1970; Oliver, 2014). Se as empresas entenderem e investirem nessa fase, elas podem aumentar suas capacidades para criar um "loop de fidelidade" (Brega, 2018). Auxiliar profissional de marketing a melhor compreender o comportamento de busca de informações dos consumidores na fase após a decisão e quais variáveis afetam esse comportamento pode ampliar as chances de as empresas conquistarem este loop de fidelidade.

ANTECEDENTES TEÓRICOS

Conhecimento prévio dos consumidores

O conhecimento prévio do tomador de decisões atrai a atenção de pesquisadores em diferentes áreas (Bettman & Park, 1980; Brucks, 1985; Hadar et al., 2013). Neste trabalho, seguimos a abordagem de Brucks (1985), que afirma que o conhecimento prévio consiste em informações armazenadas nas memórias dos indivíduos em um momento específico. No nosso caso, esse conhecimento é aquele que os consumidores têm antes da tomada de decisão. Em ambientes de consumo, o conhecimento prévio reflete o grau de conhecimento de marcas, procedimentos de uso e características de produtos, entre outros atributos (Carlson et al., 2009).

O conhecimento prévio pode ser categorizado em dois tipos: objetivo e subjetivo. Conhecimento objetivo é o conhecimento que é de fato armazenado na memória de um indivíduo. Esse conhecimento depende da capacidade real do consumidor de avaliar e usar um produto (Alba & Hutchinson, 2000). Ao medir o conhecimento objetivo, os pesquisadores podem testar os sujeitos em um tópico focal. Por outro lado, os pesquisadores tendem a manter o conhecimento objetivo constante para todos os participantes a fim de evitar possíveis problemas que podem ser gerados na tentativa de mensurar tal conhecimento (Brucks, 1985). Eles podem fazer isso fornecendo a mesma informação sobre um produto desconhecido para os participantes, por exemplo (Brucks, 1985; Alba & Hutchinson, 2000).

Conhecimento subjetivo refere-se a um processo no qual um indivíduo examina sua memória buscando pistas para avaliar seu nível de conhecimento sobre um determinado domínio (Park, Monthersbaugh, & Feick, 1994). Esse conhecimento baseia-se nas informações que um indivíduo pensa ter armazenadas na memória (Hadar et al., 2013). Geralmente é medido usando itens que solicitam aos indivíduos que relatem o conhecimento que acreditam ter sobre um tópico focal (Hadar et al., 2013).

Embora muitos pesquisadores tenham usado medidas subjetivas de conhecimento em seus estudos (Brucks, 1985; Hadar et al., 2013), há alguma preocupação sobre a efetividade delas como proxy para o conhecimento objetivo. Carlson et al. (2009) e Brucks (1985), particularmente, sugerem que a autoconfiança influencia as medidas subjetvas de conhecimento, pois os indivíduos podem superestimar (ou subestimar) seus conhecimentos dependendo de sua confiança. No entanto, alguns críticos argumentam que o conhecimento autorrelatado muitas vezes se aproxima do conhecimento real (Alba & Hutchinson, 2000). Carlson et al. (2009) demonstraram, por meio de uma meta-análise, que o conhecimento subjetivo e o conhecimento objetivo estão significativamente e positivamente correlacionados.

A calibração do conhecimento é uma questão importante para estudos que analisam o efeito do conhecimento prévio na busca de informações, refletindo a concordância entre conhecimento objetivo e conhecimento autoavaliado (Alba & Hutchinson, 2000; Carlson et al., 2009). Considerando essa discussão, os estudos aqui apresentados investigaram conhecimentos prévios objetivos e subjetivos.

Conhecimento prévio e busca de informação

O conhecimento é um conceito-chave na pesquisa sobre processamento de informações (Raju, Lonial, & Mangold, 1995). Pesquisas tendem a explorar os efeitos do conhecimento dos consumidores na busca de informação que ocorre na fase inicial da jornada do cliente (antes da tomada de decisão). Estes estudos relatam tanto relações positivas quanto negativas (Brucks, 1985; Carlson et al., 2009; Hadar et al., 2013; Kiel & Layton, 1981). Efeitos positivos ocorrem porque indivíduos com elevando conhecimento sobre específico tópico percebem o processamento de novas informações como uma tarefa fácil (Carlson et al., 2009; Punj & Staelin 1983). Eles podem formular mais perguntas relacionadas ao domínio focal e procurar mais informações para responder a suas próprias perguntas. Além disso, elevados níveis de conhecimento aumentam os benefícios das novas informações (Brucks, 1985).

Por outro lado, pesquisadores que encontraram efeitos negativos justificam seus resultados argumentando que indivíduos com elevado conhecimento sabem mais sobre os atributos das opções disponíveis. Assim, eles não precisam adquirir mais informações externas (Brucks, 1985). Embora Bettman e Park (1980) tenham explicado essa aparente contradição (isto é, a existência de efeitos negativos e positivos) como uma relação invertida em forma de U, outros autores encontraram efeitos lineares significativos tanto positivos quanto negativos (por exemplo, Brucks, 1985; Hadar et al., 2013; Kiel & Layton, 1981). Como a literatura favorece os efeitos positivos (ver Carlson et al., 2009; Hadar et al., 2013), seguimos a lógica de que o conhecimento aumenta a busca de informações.

Estudos sobre a relação entre o conhecimento prévio do consumidor e a busca de informações têm focado a busca de informações que ocorre antes da decisão final (Brucks, 1985; Hadar et al., 2013). No entanto, os consumidores ainda buscam informações após tomarem uma decisão (Teodorescu et al., 2018), e o conhecimento que obtiveram antes da compra também pode afetar essa busca. O conhecimento prévio dos consumidores pode aumentar a busca de informações após a decisão, porque os consumidores informados estão mais conscientes sobre onde podem buscar informação; podem também processar novas informações mais facilmente do que consumidores com menor nível de conhecimento (Brucks, 1985).

Estudos sobre busca de informações após a decisão têm listado dois principais preditores de tal comportamento: dissonância cognitiva e sentimentos de arrependimento/ insatisfação (ver Donelly & Ivancevich, 1970; Ehrlich, Guttman, Schönbach, & Mills, 1957; Oliver, 2014; Shani & Zeelenberg, 2007). Por exemplo, Ehrlich et al. (1957) concluíram que os consumidores buscaram informações após a decisão para confirmar as suas escolhas. Os autores utilizaram argumentos baseados na teoria da dissonância cognitiva para explicar esse comportamento. A visão deles era de que os consumidores buscam informações, a fim de, minimizar sua experiência de dissonância. No entanto, esses autores não exploraram empiricamente o efeito da dissonância cognitiva. Da mesma forma, Donelly e Ivancevich (1970) mostraram que os consumidores não desejavam trocar seus carros quando eles recebiam mais informação após a compra, reforçando suas escolhas. Tal informação, segundo os autores, minimizou a dissonância cognitiva dos compradores. No entanto, os autores também não testaram empiricamente o papel da dissonância cognitiva. Finalmente, Shani e Zeelenberg (2007) mostraram que sentimentos de arrependimento ou insatisfação motivam os indivíduos a obter ou evitar mais informações após a compra.

Dissonância cognitiva e sentimentos de arrependimento/insatisfação são provocados durante a fase após a decisão da jornada do consumidor. No entanto, os consumidores podem não ser afetados apenas pelas variáveis que surgem nessa fase após tomar suas decisões, uma vez que variáveis que influenciam o comportamento do consumidor durante a fase inicial da jornada do cliente ainda influenciam o final dessa jornada (Lemon & Verhoef, 2016). Na verdade, as etapas da jornada do cliente estão ligadas, embora os pesquisadores na área de comportamento do consumidor as tratem como fases isoladas (Lemon & Verhoef, 2016). Assim, propomos que o conhecimento prévio dos consumidores, obtido na fase antes da decisão, aumenta a busca de informações após a decisão:

H1: O conhecimento que os consumidores têm antes de tomar sua decisão final aumentará a busca de informações após a decisão.

Interação entre o conhecimento prévio dos consumidores e tendência à maximização

Embora as capacidades limitadas de processamento de informações dos indivíduos impossibilitem a maximização perfeita (Simon, 1956), estudos têm demonstrado que alguns indivíduos têm mais tendência à maximização do que outros (por exemplo, Goldsmith, Roux, & Ma, 2018; Luan & Li, 2017). Os maximizadores geralmente se envolvem mais com suas decisões (Iyengar, Wells, & Schwartz, 2006). Mais do que os satisficers, eles se envolvem exaustivamente no processo de tomada de decisão, buscando informações e verificando todas as opções disponíveis que puderem porque querem escolher a melhor opção disponível (Iyengar et al., 2006).

Propomos que a tendência à maximização modera o efeito do conhecimento prévio dos consumidores na busca de informações após a decisão. Pressupondo uma relação positiva entre conhecimento prévio e busca de informações após a decisão (H1) e predizendo uma relação positiva entre maximização e necessidade de mais informações, inferimos que os maximizadores são mais propensos a usar seu conhecimento prévio ao máximo como base para buscar informações. Assim, propomos que o efeito do conhecimento prévio é intensificado, ou facilitado, pela tendência "natural" do maximizador em buscar mais informações. Os satisficers, ao contrário, têm parâmetros predefinidos para julgar quando uma opção é satisfatória ou não antes de tomar a decisão final (Iyengar et al., 2006). Assim, quando os satisficers encontram uma opção que se encaixa nesses parâmetros, eles cessam a busca e pressupõem que o benefício de investir mais na maximização de sua escolha não compensa (Iyengar et al., 2006). Logo, quanto mais "conformista" um consumidor é, mais fraca é a relação positiva entre o seu conhecimento prévio e a busca de informações após a decisão. Assim, o conhecimento prévio pode diminuir a busca de informações após a decisão para baixos níveis de tendência à maximização. Em consonância com isso, quanto mais conhecimento prévio os satisficers tiverem antes da decisão final, mais seguros eles podem estar de que fizeram uma escolha que se adapta aos seus parâmetros e que reunir mais informações depois de decidir não os beneficiará.

H2: O efeito do conhecimento prévio dos consumidores no volume de buscas de informações após a decisão será mais forte para os maximizadores do que para os satisficers.

No Estudo 1, investigamos o principal efeito, proposto em H1, por meio de um estudo experimental para compreender a existência de tal efeito principal e aumentar a validade interna (Field & Hole, 2003). No Estudo 2A e no Estudo 2B, estudos correlacionais, investigamos efeitos propostos por H1 e H2 em um cenário mais naturalista para aumentar a validade externa (Field & Hole, 2003). Por meio desses estudos, exploramos dois momentos na fase após a decisão: 1) quando os consumidores fizeram uma compra, mas ainda não experimentaram o produto (por exemplo, quando compram on-line e estão à espera da entrega da compra); e 2) quando fizeram uma compra e experimentaram o produto (por exemplo, quando receberam o produto e o usaram). No Estudo 2A, os participantes foram convidados a relembrar uma compra on-line que ainda não tinham recebido, o que é uma experiência comum para os consumidores. Por exemplo, os brasileiros gastaram R$ 2 bilhões em compras on-line entre março de 2017 e março de 2018 (Redação Forbes, 2018) e os americanos gastaram US$ 517,36 bilhões em 2018 (Ali, 2019). Esses consumidores não experimentam imediatamente seus produtos após a compra. Em vez disso, eles precisam esperar até que o produto comprado seja entregue. Durante esse período, eles podem buscar mais informações sobre suas compras. No Estudo 2B, os participantes recordaram um produto que já tinham experimentado. Nesses estudos, testamos a interação proposta, bem como o efeito da dissonância cognitiva e satisfação.

ESTUDO 1: O EFEITO PRINCIPAL

Procedimentos

Investigamos o efeito principal proposto por meio de um experimento de fator único com dados coletados no Amazon Mechanical Turk. Manipulamos o conhecimento prévio objetivo para manter maior controle sobre o conhecimento dos participantes. Uma vez que o conhecimento subjetivo pode ser afetado pela autoconfiança dos indivíduos (Hadar et al., 2013), neste primeiro estudo optamos por manipular o conhecimento objetivo dos participantes a fim de evitar a influência de outras variáveis que podem afetar o conhecimento subjetivo.

Os participantes foram designados aleatoriamente a uma das duas condições (ausência vs. presença de conhecimento prévio objetivo). Eles foram informados de que deveriam escolher um jogo formulado para melhorar o raciocínio durante uma tarefa. Como uma recompensa adicional pela participação, eles ganhariam uma senha para acessar o jogo de sua escolha em um site de jogos gratuitamente por um mês. Todas as opções disponíveis eram jogos para melhorar o raciocínio ou memória, a saber, Torre de Hanói, Jogos de Rotação e Quebra-cabeças de Lógica.

Apresentamos aos participantes jogos incomuns a fim de evitar confusões decorrentes do seu conhecimento e familiaridade com os jogos antes de participarem do estudo, visto que nosso objetivo era o de manipular o conhecimento objetivo dos participantes. O grupo “ausência de conhecimento prévio” recebeu apenas os nomes dos jogos e nenhuma outra informação sobre eles antes de tomar sua decisão. Por outro lado, o grupo “presença de conhecimento prévio” recebeu um texto informativo sobre cada jogo juntamente com seus nomes e uma imagem representativa. É importante ressaltar que o nosso objetivo ao fornecer (ou não) informações sobre os jogos aos participantes era gerar diferentes níveis de conhecimento prévio objetivo, não conhecimento prévio subjetivo.

Depois de escolher o jogo, pedimos aos participantes que procurassem informações on-line sobre os jogos da lista sem impor limites a eles. Medimos o tempo que cada participante passou buscando e utilizamos essa medida como proxy do nível de busca de informações após a decisão de cada um deles. Para garantir que os participantes buscaram informações relacionadas à tomada de decisão no jogo, eles colaram os URLs que acessaram durante a atividade em um espaço apropriado.

Além disso, controlamos a experiência prévia dos participantes com os jogos e seu envolvimento com a decisão usando dois itens adaptados de Mittal (1989) (“Quão importante foi para você fazer a escolha certa?” -1: “Nem um pouco importante” e 7: “Extremamente importante”; “Ao escolher esse jogo, quão preocupado você estava com o resultado de sua escolha?” -1: “Nem um pouco preocupado” e 7: “Muito preocupado”) (r = 0,722).

Amostra

Oitenta e três participantes foram recrutados. Eles demoraram aproximadamente 14 minutos (em média) para completar a tarefa. Para controlar o efeito principal, pedimos aos participantes que relatassem até que ponto eles recorreram à busca de informações para concluir a tarefa rapidamente (“Eu fiz minha pesquisa on-line o mais rápido possível para completar essa tarefa o mais rápido possível” -1: “Discordo plenamente” e 7: “Concordo plenamente”). Os indivíduos que marcaram “7” foram filtrados (sete casos). Além disso, para investigar a atenção dos participantes, incluímos um item de verificação de atenção (“Quão importante foi essa escolha para você? Ignore esta pergunta e vá para o item abaixo”). Seis participantes falharam nessa verificação de atenção, e assim foram removidos. No total, 13 participantes foram eliminados da análise. A amostra final foi composta por 70 participantes (42 mulheres; _Midade = 37,56).

Verificação de manipulação

Uma vez que manipulamos o conhecimento objetivo, para controlar o conhecimento acumulado antes do experimento, os participantes relataram sua experiência com as opções de jogos que apresentamos (“Tenho experiência com as opções de jogos que me foram apresentadas” -1: “Discordo plenamente” e 7: “Concordo plenamente”). A experiência dos participantes com os jogos foi baixa (M = 3,09, DP = 1,631) e significativamente abaixo do ponto médio da escala, com t (69) = 4,69 e p < 0,001. Além disso, eles relataram sua experiência com o jogo que escolheram (“Eu tenho experiência com o jogo que escolhi” -1: “Discordo plenamente” e 7: “Concordo plenamente”). Os participantes não tinham muita experiência com o jogo que escolheram (M = 2,96; DP = 1,876), sendo a média para essa medida também abaixo do ponto médio da escala, com t (69) = 4,65 e p < 0,001.

A verificação de manipulação foi medida com um único item (“As informações fornecidas foram suficientes para que eu escolhesse o jogo” -1: “Discordo plenamente” e 7: “Concordo plenamente”). Esperávamos que os participantes alocados no grupo “ausência de conhecimento prévio” relatassem menores níveis de percepção de suficiência de informações. De fato, estes participantes relataram ter maior sensação de insuficiência de informações ao escolher o jogo (N = 34, M = 4,53, DP = 1,813) do que os participantes do grupo “presença de conhecimento prévio” (N = 36, M = 5,50, DP = 1,648), com t (66) = -2,340 e p < 0,05. Também foi realizada uma análise de covariância (ACOVA) para testar se o efeito da condição experimental permaneceria ao controlar a experiência prévia com os jogos da lista e experiência prévia com o jogo escolhido. O efeito da condição experimental permaneceu significativo, enquanto as covariáveis potenciais não afetaram a suficiência da informação (experiência com os jogos na lista, F (1,66) = 0,506, n.s; experiência com o jogo escolhido, F (1, 66) = 0,711, n.s).

Resultados

Foi realizado um teste t de amostra independente. Indivíduos designados ao grupo “presença de conhecimento prévio” (M = 253,907 segundos, DP = 107,108 segundos) passaram mais tempo buscando informações do que indivíduos designados ao grupo “ausência de conhecimento prévio” (M = 140,106 segundos, DP = 235,200), com t (68) = 2,579, p < 0,05 e d = 0,62. O Gráfico 1 ilustra estes resultados. Uma ANCOVA complementar mostrou que o efeito permaneceu ao controlar a experiência dos participantes com o jogo. O item em que os participantes relataram sua experiência com as opções disponíveis foi insignificante, com F (1,66) = 0,326, n.s, bem como o item em que relataram sua experiência com o jogo escolhido, com F (1,66) = 0,013, n.s. Uma ANCOVA também mostrou que o envolvimento não exerceu efeito, com F (1,67) = 0,013, n.s.

Gráfico 1
Barras com médias por condição

As barras de erros representam ±1 SEM

CP: Conhecimento Prévio

Discussão

Os resultados sugerem que, mesmo após a tomada de uma decisão final (que não pode ser alterada), os participantes expostos ao conhecimento prévio dedicaram mais tempo à busca de informações complementares depois de decidirem do que os indivíduos que não foram expostos a esse conhecimento. Esse resultado confirma H1. Uma relação positiva entre conhecimento prévio e busca de informações após a decisão pode existir porque indivíduos com conhecimento sobre um domínio focal podem formular mais perguntas sobre um tema e podem processar novas informações com menos esforço (Brucks, 1985).

É importante ressaltar que o estudo foi realizado em ambiente controlado, em que a tomada de decisão dos participantes envolveu compras que eles não desejavam na realidade. Portanto, investigar o efeito em um cenário mais realista é importante para validar os resultados do Estudo 1. Para resolver essa questão e testar a H2, conduzimos o Estudo 2A e o Estudo 2B, nos quais pedimos aos participantes que se lembrassem de uma compra real. Além disso, a dissonância cognitiva surge em situações específicas, como quando os indivíduos são responsáveis por suas decisões e quando uma decisão é importante para eles. Isso pode, por sua vez, explicar a busca de informações após a decisão (Harmon-Jones, 2002).

No Estudo 1, embora os participantes fossem responsáveis por suas escolhas, a contabilização dos efeitos da dissonância cognitiva seria inadequada, já que a decisão dos participantes não teria sido tão importante para eles quanto uma compra real, por exemplo. É importante ressaltar que não investigamos a satisfação deles com a decisão porque os participantes não jogaram o jogo. A satisfação também pode afetar o comportamento de busca de informações dos consumidores (Shani & Zeelenberg, 2007).

Assim, os Estudos 2A e 2B abordam o efeito potencial da interação entre o conhecimento prévio do consumidor e tendência à maximização e o papel da dissonância cognitiva. O Estudo 2B também trata a satisfação como uma covariável. Além disso, nos estudos seguintes, investigamos o conhecimento prévio subjetivo dos consumidores para saber se o efeito encontrado no Estudo 1 ocorre quando os consumidores relatam o conhecimento que pensam ter antes de comprar um produto.

ESTUDO 2A: ESTUDO COM UMA COMPRA REAL, ANTES DE EXPERIMENTAR O PRODUTO

Procedimento

Cento e cinquenta e um participantes foram recrutados no Amazon Mechanical Turk. Eles lembraram uma compra recente e planejada que fizeram on-line, mas ainda não tinham tido a oportunidade de experimentar. Pedimos a eles que completassem a pesquisa lembrando-se da compra que fizeram. Como os participantes não experimentaram o produto, seu comportamento de busca de informações após a decisão poderia ter sido maior do que se já tivessem o experimentado (Oliver, 2014). Isso nos permitiu investigar o comportamento de busca de informações em uma “condição extrema”.

Pedimos explicitamente aos participantes que não pensassem em uma compra do dia a dia (por exemplo, leite, pão etc.), porque esses produtos tendem a ser comprados rotineiramente. Dessa forma, as compras do dia a dia podem atenuar o comportamento de busca de informações, independentemente do conhecimento prévio e da tendência à maximização. Na verdade, elas podem nem mesmo gerar experiências de forte dissonância cognitiva. Neste estudo, não investigamos a satisfação dos consumidores porque eles não experimentaram seus produtos.

Um único item mediu o conhecimento prévio subjetivo dos consumidores ("Eu tinha muito conhecimento sobre essa compra antes de tomar minha decisão final" --1: "Discordo plenamente" e 7: "Concordo plenamente") (Hadar et al., 2013). Para medir a busca de informações após a decisão, os participantes usaram uma escala de controle deslizante para relatar com qual intensidade eles usaram abordagens específicas para encontrar informações sobre sua compra (onde 0: "Eu não usei essa abordagem" e 100: "Eu usei essa abordagem muito intensamente"). Mostramos a eles algumas abordagens (por exemplo, navegar em sites ou conversar com amigos/parentes) mencionadas em estudos anteriores sobre comportamento de busca de informações. Medimos a busca de informações por meio da soma das pontuações que os participantes atribuíram a cada fonte de informação apresentada para eles. A tendência à maximização foi medida utilizando 13 itens de Schwartz et al. (2002) (1: "Discordo plenamente" e 7: "Concordo plenamente", com α = 0,737). A dissonância cognitiva foi medida por meio de uma escala adaptada de Montgomery e Barnes (1993) com 11 itens (1: "discordo plenamente" e 7: "concordo plenamente", α = 0,843).

Amostra

Como no Estudo 1, um item de verificação de atenção serviu como filtro e levou à exclusão de 50 casos da amostra. Verificamos também se os participantes pensavam em uma compra do dia a dia, mas não foi necessário excluir nenhum caso devido a esse critério. A amostra final incluiu 101 participantes (53 mulheres, _Midade = 36,86).

Resultados

Realizamos uma regressão hierárquica para determinar como a introdução de diferentes variáveis afetou os resultados no modelo (Field, 2013). No modelo completo, foram incluídos como preditores o conhecimento prévio, a tendência à maximização, o termo de interação e a dissonância cognitiva. Os dados atenderam ao pressuposto de não colinearidade (conhecimento prévio: Tolerância = 0,939, FIV = 1,065; tendência à maximização: Tolerância = 0,887 e FIV = 1,127; dissonância cognitiva: Tolerância = 0,862 e FIV = 1,160) (Field, 2013). A busca de informações após a decisão foi incluída como variável dependente. A Tabela 1 relata a ordem na qual foram incluídas as variáveis.

Tabela 1
Resumo da análise de regressão hierárquica para variáveis preditoras de busca de informações após a decisão (Estudo 2A)

Variável	Β	T	R	R2	∆R2
Nível 1			0,095	0,009	-0,001
Conhecimento Prévio (CP)	6,826	0,949
Nível 2			0,295	0,087	0,059
Conhecimento Prévio (CP)	7,010	0,999
Tendência à Maximização (TM)	25,561	1,879
TM*CP	13,712	1,809
Nível 3			0,454	0,206	0,173
Conhecimento Prévio (CP)	12,707	1,8831
Tendência à Maximização (TM)	11,414	0,856
TM*CP	17,301	2,413*
Dissonância Cognitiva	47,489	3,769**

• Nota:
• ¹
  p = 0,063
• ^*
  p < 0,05
• ^**
  p < 0,01.

No nível 1, o conhecimento prévio foi um preditor não significativo, com F (1,99) = 0,900, n.s; representou apenas 0,9% da variação no grau de busca de informações. A introdução da tendência à maximização e o termo de interação explicaram um adicional de 7,8% da variação. Essa mudança no R² foi significativa, com F (2,97) = 4,134 e p < 0,05. A última inclusão, dissonância cognitiva, explicou um adicional de 11,8% da variação. Novamente, a mudança no R² foi significativa, com F (1,96) = 1,756 e p < 0,001.

O modelo completo (nível 3) foi significativo, com F (4,96) = 6,228 e p < 0,001, explicando 20,6% da busca de informações. Esse modelo revelou um efeito do conhecimento prévio de significância marginal (β = 12,707, t = 1,883 e p = 0,063) O resultado teve a mesma direção que o resultado do Estudo 1, estando em consonância com a H1.

Os modelos inseridos nos níveis 1 e 2 da análise de regressão hierárquica indicaram efeitos do conhecimento prévio não significativos. Isso levanta a hipótese de que o conhecimento prévio possa ser sensível aos supressores (MacKinnon, Krull, & Lockwood, 2000). Como esta pesquisa utilizou uma compra real, o efeito do conhecimento prévio pode competir com o de vários outros fatores que influenciam o comportamento após a decisão dos consumidores (por exemplo, dissonância cognitiva), o que pode ser relevante para um melhor ajuste da regressão. Não surpreendentemente, o efeito do conhecimento prévio atingiu seu melhor nível de significância quando o modelo incluiu mais preditores. A interação proposta foi estatisticamente significativa (β = 17,301, t = 2,413 e p < 0,05), bem como o efeito da dissonância cognitiva (β = 47,489, t = 3,796 e p < 0,01).

Para estimar os efeitos do conhecimento prévio de acordo com os valores de tendência à maximização, realizamos uma análise utilizando a técnica Floodlight de Johnson-Neyman (Spiller, Fitzsimons, Lynch, & McClelland, 2013). Utilizamos o modelo 1-PROCESS (Hayes, 2013) para esse procedimento. Os resultados sugerem que o conhecimento prévio não afetou a busca de informações após a decisão nos níveis mais baixos de maximização. Já nos níveis de maximização mais próximos da média amostral (tendência à maximização > 0,039, média centrada), os efeitos do conhecimento prévio foram significativos e positivos, aumentando em tamanho em função da tendência à maximização. Ou seja, os efeitos positivos do conhecimento prévio tendem a aumentar com a tendência à maximização (veja Gráfico 2).

Gráfico 2
Floodlight: O efeito da interação na busca de informações após a decisão (Estudo 2A)

Nota: As faixas de Intervalo de Confiança (IC) representam o “intervalo” para IC 95%.

Replicamos no Estudo 2B o estudo acima descrito. No entanto, dessa vez, os participantes foram convidados a relembrar uma compra planejada em que eles já tinham experimentado o produto. Dessa forma, pudemos explorar a influência da satisfação no comportamento de busca de informações e determinar se os achados do Estudo 2A são replicáveis.

ESTUDO 2B: ESTUDO COM UMA COMPRA REAL DEPOIS DE EXPERIMENTAR O PRODUTO

Procedimentos

Cento e sessenta participantes do Amazon Mechanical Turk foram recrutados. Os participantes recordaram uma compra recente e planejada que tinham feito e na qual tinham experimentado o produto. Com essas informações em mente, completaram uma pesquisa sobre a compra deles. Medimos conhecimentos prévios, tendência à maximização e a busca de informações após a decisão como no Estudo 2A. Entretanto, para medir a dissonância cognitiva dos participantes após a decisão final deles, foram utilizados 21 itens de Sweeney, Hausknecht e Soutar (2000) (1: “Discordo plenamente” e 7: “Concordo plenamente”, com α = 0,972), porque esses autores apresentaram uma alternativa à escala de Montgomery e Barnes (1993) (usada no Estudo 2A). A satisfação com a compra foi mensurada por meio de quatro itens adaptados de Oliver (2014) (1: "Discordo plenamente" e 7: "Concordo plenamente", α = 0,960).

Amostra

Utilizamos os mesmos filtros do Estudo 2A, oito casos foram removidos da amostra, pois não seguiam as instruções relativas à lembrança da compra. Também foram filtrados os participantes que falharam na checagem de atenção (47 casos), seguindo o mesmo procedimento utilizado nos estudos anteriores. Cinquenta e cinco casos foram excluídos, sendo a amostra final constituída por 105 participantes (65 mulheres;_Midade = 36,96).

Resultados

Uma análise de correlação testou a relação entre satisfação e busca de informações após a decisão (r = 0,068, n.s). O mesmo procedimento utilizado no Estudo 2A foi colocado em prática para investigar o efeito do conhecimento prévio, tendência à maximização, a interação entre eles e a dissonância cognitiva na busca de informações após a decisão. A Tabela 2 relata os resultados da regressão hierárquica múltipla.

Tabela 2
Resumo da análise de regressão hierárquica para variáveis preditoras de busca de informações após a decisão (Estudo 2B)

Variável	Β	t		R	R2	∆R2
Nível 1				0,156	0,024	0,015
Conhecimento Prévio (CP)	14,478	1,605
Nível 2				0,376	0,141	0,116
Conhecimento Prévio (CP)	15,551	1,804
Tendência à Maximização (TM)	27,088	1,537
TM*CP	29,533	2,919**
Nível 3				0,460	0,212	0,181
Conhecimento Prévio (CP)	16,982	2,0441
Tendência à Maximização (TM)	25,608	1,509
TM*CP	25,862	2,635**
Dissonância Cognitiva	25,231	3.002**

• Nota:
• ¹
  0,0591.
• ^**
  p < 0,01.

O conhecimento prévio, por si só, não contribuiu significativamente para o modelo, sendo F (1,103) = 2,577, n.s (ver nível 1). A tendência à maximização e o termo de interação explicaram um adicional de 11,7% da variação na busca de informações, em que a mudança de R² foi estatisticamente significativa, com F (2,101) = 6,856 e p < 0,01. A introdução da dissonância cognitiva explicou um adicional de 7,1% da variação. Essa mudança também foi significativa, com F (1,100) = 9,014 e p < 0,01. De acordo com os resultados da regressão hierárquica, o modelo de nível 3 é estatisticamente significativo, com F (4,100) = 6,728 e p < 0,001, explicando 21,2% da variável dependente. Esse modelo indicou um efeito positivo do conhecimento prévio com significância moderada (β = 16,982, t= 2,044 e p = 0,0591) e um efeito estatisticamente não significativo da tendência à maximização (β = 25,608 e t = 1,509, n.s). A interação proposta teve efeito estatisticamente significativo (β = 25,862, t = 2,635 e p < 0,01), o que está em consonância com os achados do Estudo 2A.

Uma análise utilizando a técnica Floodlight de Johnson- Neyman (Spiller et al., 2013) revelou que, em altos níveis de maximização (tendência à maximização >0,032, média centrada), os efeitos do conhecimento prévio foram positivos e aumentaram em função da tendência à maximização (veja Gráfico 3). Esse resultado está em consonância com os resultados do Estudo 2A. Por outro lado, os efeitos negativos do conhecimento prévio sobre a busca de informações após a decisão alcançaram níveis moderados de significância nos níveis mais baixos de maximização (tendência à maximização < -1,934, média centrada).

Gráfico 3
Floodlight: O efeito da interação na busca de informações após a decisão (Estudo 2B)

Nota: As faixas de Intervalo de Confiança (IC) representam o “intervalo” para IC 95%.

Por fim, uma vez que os participantes indicaram quão intensamente buscavam informações após a decisão em diferentes fontes, exploramos os níveis de intensidade relatados por eles para cada busca de informações que propusemos. Consumidores buscaram em lojas on-line (M = 41,89); conversando com amigos/parentes (M = 36,00); lendo avaliações on-line (M = 33,31); visitando lojas físicas (M = 32,43); comparando a opção comprada com escolhas equivalentes de outros consumidores (M = 29,57); visualizando informações sobre os produtos nas redes sociais (M = 18,00); olhando vitrines (M = 14,51); e clicando em anúncios on-line relacionados ao produto escolhido (M = 10,19).

Discussão

Os estudos 2A e 2B mostram um efeito positivo e moderadamente significativo do conhecimento prévio na busca de informações após a decisão quando outras variáveis foram incluídas no modelo. A direção do efeito do conhecimento prévio está condizente com os achados do Estudo 1. No entanto, em um ambiente menos controlado, o conhecimento prévio, por si só, não afetou a busca de informações após a decisão, pois outras variáveis, como o termo de interação e a dissonância cognitiva, poderiam ter suprimido seu efeito. É importante notar que a tendência à maximização, por si só, não exerce qualquer efeito na busca de informações após a decisão, mas sua interação com o conhecimento prévio afeta a variável dependente. Esse efeito é confirmado pelos Estudos 2A e 2B.

No Estudo 2A, não encontramos efeito significativo para os níveis mais baixos de tendência à maximização, como fizemos no Estudo 2B. No Estudo 2B, a análise Floodlight mostrou quando o efeito principal muda seu sinal. Nos satisficers, o efeito do conhecimento prévio na busca de informações foi negativo, produzindo efeitos marginalmente significativos nos níveis mais baixos de maximização. Assim, a busca de informações após a experiência tende a ser em participantes experientes com baixa tendência à maximização (ou seja, os satisficers). Os satisficers geralmente escolhem de acordo com expectativas previamente bem estabelecidas (Schwartz et al., 2002). Assim, quando encontram uma opção que está em conformidade com seus parâmetros, eles se contentam com isso e dificilmente se envolvem em comportamentos após a compra (Ma & Roese, 2014), como busca de informações. Na medida em que os satisficers tenham conhecimento sobre as suas compras e possam experimentar o produto adquirido por eles, como no Estudo 2B, é improvável que procurem mais informações sobre as suas compras.

Além disso, a dissonância cognitiva aumentou significativamente a capacidade explicativa do modelo no Estudo 2A. No Estudo 2B, encontramos o mesmo resultado com uma escala diferente para dissonância cognitiva. Esse resultado está em consonância com estudos anteriores (por exemplo, Ehrlich et al., 1957; Sweeney et al., 2000), embora tais estudos não tenham investigado empiricamente o efeito da dissonância cognitiva na busca de informações após a decisão. Assim, os Estudos 2A e 2B contribuem para uma primeira compreensão dos efeitos reais da dissonância cognitiva na busca de informações após a decisão. Vale ressaltar que a satisfação não teve efeito significativo na variável dependente. Entretanto, esse resultado não é conclusivo, pois testamos essa variável em apenas um estudo.

CONCLUSÃO

Neste estudo, investigamos os efeitos do conhecimento prévio dos consumidores, sua interação com a tendência à maximização dos consumidores e os efeitos da dissonância cognitiva e satisfação na busca de informações após a decisão. No Estudo 1, mostramos que indivíduos com conhecimento prévio objetivo antes de fazer uma escolha buscaram mais informações relacionadas às opções disponíveis após tomarem sua decisão mesmo sabendo que eles não poderiam mudar a a decisão tomada. Os Estudos 2A e 2B reforçam os achados do Estudo 1 com um novo tipo de conhecimento prévio (conhecimento subjetivo) e exploraram o efeito de moderação da tendência à maximização e a influência da dissonância cognitiva. Verificamos que, em ambientes não controlados, o conhecimento prévio teve um efeito significativo quando preditores adicionais foram introduzidos no modelo de regressão. Os resultados mostram uma interação na qual maximizadores são mais propensos a procurar informações após fazerem a sua escolha final com base em seu conhecimento prévio.

Esta pesquisa tem diversas contribuições teóricas. Em primeiro lugar, apresenta o conhecimento prévio dos consumidores como um novo preditor de comportamento de busca de informações. Dessa forma, expande a literatura sobre busca de informações após a decisão. Em segundo lugar, até onde sabemos, este estudo é o primeiro a mostrar o efeito da interação entre o conhecimento prévio e a tendência à maximização na busca de informações após a decisão. Dessa forma, também contribui para a literatura sobre tendência à maximização, principalmente se considerarmos que poucos estudos têm explorado os efeitos desse traço nos comportamentos suscitados na fase após a decisão (Ma & Roese, 2014). Em terceiro lugar, a pesquisa expande a teoria sobre o efeito empírico da dissonância cognitiva na busca de informações após a decisão. Mais uma vez ressaltando que, até onde sabemos, estudos anteriores não testaram esse efeito. Em quarto lugar, analisamos holisticamente o comportamento do consumidor seguindo as sugestões de Lemon e Verhoef (2016), pois associamos diferentes estágios da jornada do cliente ao investigar uma variável suscitada na fase pré-compra (ou seja, conhecimento prévio dos consumidores) que afeta o comportamento do consumidor na fase pós-compra (ou seja, busca de informações).

Nosso estudo também tem implicações gerenciais. O conhecimento dos consumidores pode ser uma preocupação para as empresas porque os consumidores buscam mais informações sobre bens e serviços antes de comprar, tendo, em muitos casos, mais conhecimento que o vendedor e sendo mais empoderados pelo conhecimento que possuem (Gensler, Neslin, & Verhoef, 2017). Por meio de três estudos, mostramos que consumidores experientes continuam buscando mais informações sobre os produtos que compraram. Dessa forma, os comerciantes devem ajudar os consumidores nessa tarefa. Por exemplo, as empresas podem fornecer mais informações sobre o produto adquirido (por exemplo, reforçar a decisão dos consumidores e dar dicas sobre como usar o produto comprado, o que pode melhorar a experiência do consumidor com o produto) algumas horas ou dias após ele ter feito a compra. Além disso, as informações que os consumidores encontram após fazerem uma escolha podem servir de “elemento calibrador” para os seus julgamentos. Isso pode exercer influência adicional sobre variáveis importantes para o desempenho de marketing, como satisfação e intenções de recompra (Shani & Zeelenberg, 2007). Ainda, se empresas fornecerem aos consumidores mais informações na fase pós-compra, poderão ter mais controle sobre a informação a que os consumidores estão tendo acesso.

Também apresentamos abordagens utilizadas pelos consumidores para buscar informações na fase após a compra. Se os varejistas sabem onde os consumidores buscam informações nesta fase, podem escolher a melhor abordagem para reforçar a decisão dos consumidores e, consequentemente, diminuir comportamentos tais como devolução de produtos (Donelly & Ivancevich, 1970) e sentimentos de arrependimento (Shani & Zeelenberg, 2007).

Por fim, nosso estudo não está isento de limitações. Primeiramente, não foi possível replicar os resultados do Estudo 1 nos Estudos 2A e 2B. No entanto, encontramos um efeito marginal significativo do conhecimento prévio no nível 3 do modelo após a introdução da tendência à maximização, do termo de interação e da dissonância cognitiva. Isso pode indicar que as outras variáveis exercem um efeito de supressão (MacKinnon et al., 2000) quando investigamos o conhecimento prévio dos consumidores em uma condição mais naturalista. Ao longo dos três estudos, o efeito do conhecimento prévio tem a mesma direção que propusemos na H1. Em segundo lugar, no Estudo 2B, não foram avaliados sentimentos de arrependimento, o que pode aumentar ou diminuir o comportamento de busca de informações (Shani & Zeleenberg, 2007). Utilizamos uma escala para medir a satisfação, que pode ser um indicador dos sentimentos de arrependimento dos indivíduos. Por fim, não foram explorados os efeitos da busca de informações após a decisão sobre a satisfação dos participantes com a decisão e suas intenções de recompra. Estudos futuros podem investigar essas variáveis, pois elas são importantes para melhorar o desempenho de marketing (Brega, 2018).

Esta pesquisa amplifica a compreensão da experiência pós-decisão dos consumidores, divergindo da literatura de marketing que, ao investigar comportamentos após decisão, se concentra principalmente em variáveis como satisfação, intenção de recompra e tópicos sobre falhas de serviço (e.g., Bach & Kim, 2012; Wirtz et al., 2007). Diferentemente dessa literatura, aqui investigamos o comportamento de busca de informações após a decisão, o que pode afetar fortemente as ações dos consumidores em relação a marcas, bens e serviços (Oliver, 2014).

NOTA DE AGRADECIMENTO

Agradecemos à CAPES pelo apoio financeiro à pesquisa.

REFERENCES

• Alba, J. W., & Hutchinson, J. W. (2000). Knowledge calibration: What consumers know and what they think they know. Journal of Consumer Research, 27(2), 123-156. doi: doi.org/10.1086/314317
  » https://doi.org/doi.org/10.1086/314317
• Ali, F. (2019). U.S sales grow 15.0% in 2018. Recuperado de https://www.digitalcommerce360.com/article/us-ecommerce-sales/
  » https://www.digitalcommerce360.com/article/us-ecommerce-sales/
• Bach, S. B., & Kim, S. (2012). Online consumer complaint behaviors: The dynamics of service failures, consumers' word of mouth, and organization-consumer relationships.International Journal of Strategic Communication, 6(1), 59-76. doi: 10.1080/1553118X.2011.634871
  » https://doi.org/10.1080/1553118X.2011.634871
• Bettman, J. R, & Park, C. W. (1980). Effects of prior knowledge and experience and phase of the choice process on consumer decision processes: a protocol analysis. Journal of Consumer Research, 7, 234-248. doi: 10.1086/208812
  » https://doi.org/10.1086/208812
• Brega, J. (2018). O sucesso da Whirlpool crescendo em qualquer contexto. Retrieved from: https://www.mckinsey.com.br/our-insights/blog-made-in-brazil/o-sucesso-da-whirlpool-crescendo-em-qualquer-contexto/
  » https://www.mckinsey.com.br/our-insights/blog-made-in-brazil/o-sucesso-da-whirlpool-crescendo-em-qualquer-contexto/
• Brucks, M. (1985). The effects of product class knowledge on information search behavior.Journal of Consumer Research, 12, 1-16. doi: 10.1086/209031
  » https://doi.org/10.1086/209031
• Carlson, J. P., Vincent, L. H., Hardesty, D. M., & Bearden, W. O. (2009). Objective and subjective knowledge relationships: a quantitative analysis of consumer research findings. Journal of Consumer Research, 35, 864-876. doi: 10.1086/593688
  » https://doi.org/10.1086/593688
• Chu, S. C., & Kim, Y. (2011). Determinants of consumer engagement in electronic word-of-mouth (eWOM) in social networking sites.International Journal of Advertising, 30(1), 47-75. doi: 10.2501/ija-30-1-047-075
  » https://doi.org/10.2501/ija-30-1-047-075
• Delloite. (2017). 2017 Global Mobile Consumer Survey: US edition. Retrieved from https://www2.deloitte.com/content/dam/Deloitte/us/Documents/technology-media-telecommunications/us-tmt-2017-global-mobile-consumer-survey-executive-summary.pdf
  » https://www2.deloitte.com/content/dam/Deloitte/us/Documents/technology-media-telecommunications/us-tmt-2017-global-mobile-consumer-survey-executive-summary.pdf
• Dholakia, N., Zwick, D., & Denegri-Knott, J. (2013), Technology, consumers and marketing theory. In P. Maclaran, M. Saren, B. Stern, & M. Tadajewski (Eds.), The Sage handbook of marketing theory (pp. 494-511). London, UK: Sage.
• Donelly, J. H., & Ivancevich, J. M. (1970). Post-purchase reinforcement and back-out behavior. Journal of Marketing Research, 7, 399-400. doi: 10.2307/3150746
  » https://doi.org/10.2307/3150746
• Ehrlich, D., Guttman, I., Schönbach, P., & Mills, J. (1957). Postdecision exposure to relevant information.The Journal of Abnormal and Social Psychology, 54(1), 98. doi: 10.1037/h0042740
  » https://doi.org/10.1037/h0042740
• Field, A. & Graham, H. (2003). How to design and report experiments London, UK: Sage .
• Field, A. (2013). Discovering statistics using IBM SPSS London, UK: Sage .
• Gensler, S., Neslin, S. A., & Verhoef, P.C. (2017). The showrooming phenomenon: It’s more than just about price. Journal of Interactive Marketing, 38, 29-43. doi: 10.1016/j.intmar.2017.01.003
  » https://doi.org/10.1016/j.intmar.2017.01.003
• Goldsmith, K., Roux, C., & Ma, J. (2018). When seeking the best brings out the worst in consumers: Understanding the relationship between a maximizing mindset and immoral behavior.Journal of Consumer Psychology, 28(2), 293-309. doi: 0.1002/jcpy.1017
  » https://doi.org/0.1002/jcpy.1017
• Hadar, L., Sood, S., & Fox, C. R. (2013). Subjective knowledge in consumer financial decisions.Journal of Marketing Research, 50(3), 303-316. doi: 10.1509/jmr.10.0518
  » https://doi.org/10.1509/jmr.10.0518
• Hayes, A. (2013). Introduction to mediation, moderation, and conditional process analysis: A regression-based approach New York City, NY: The Guilford Press New York.
• Hennig‐Thurau, T., Gwinner, K. P., Walsh, G., & Gremler, D. D. (2004). Electronic word‐of‐mouth via consumer‐opinion platforms: What motivates consumers to articulate themselves on the Internet? Journal of Interactive Marketing, 18(1), 38-52. doi: 10.1002/dir.10073
  » https://doi.org/10.1002/dir.10073
• Iyengar, S. S, Wells, R. E., & Schwartz, B. (2006). Doing better but feeling worse. Psychological Science, 17, 143-150. doi: 10.1111/j.1467-9280.2006.01677.x
  » https://doi.org/10.1111/j.1467-9280.2006.01677.x
• Jones, E. H. (2002). A cognitive dissonance theory perspective on persuasion. In J. Dillard, M. Pfau (Eds.), The persuasion handbook: Developments in theory and practice (pp. 99-117). CA: SAGE Publications.
• Kemp, S. (2018). Digital in 2018: World’s internet users pass the 4 billion mark. Retrieved from https://wearesocial.com/blog/2018/01/global-digital-report-2018/
  » https://wearesocial.com/blog/2018/01/global-digital-report-2018/
• Kiel, G. C., & Layton, R. A. (1981). Dimensions of consumer information seeking. Journal of Marketing Research, 18, 233-239. doi: 10.1177/002224378101800210
  » https://doi.org/10.1177/002224378101800210
• Lee, H. H., & Kim, J. (2008). The effects of shopping orientations on consumers' satisfaction with product search and purchases in a multi-channel environment.Journal of Fashion Marketing and Management: An International Journal, 12(2), 193-216. doi: 10.1108/09590550910934272
  » https://doi.org/10.1108/09590550910934272
• Lemon, K.N., & Verhoef, P. C. (2016). Understanding customer experience throughout the customer journey. Journal of Marketing, 80(6), 69-96. doi: 10.1509/jm.15.0420
  » https://doi.org/10.1509/jm.15.0420
• Luan, M., & Li, H, (2017). Maximization paradox: result of believing in an objective best. Personality and Social Psychology Bulletin, 43(5), 652-661. doi: 10.1177/0146167217695552
  » https://doi.org/10.1177/0146167217695552
• Ma, J., & Roese, N. J. (2014). The maximizing mind-set. Journal of Consumer Research, 41, 71-92. doi: 10.1086/674977
  » https://doi.org/10.1086/674977
• MacKinnon, D. P., Krull, J. L., & Lockwood, C. M. (2000). Equivalence of the mediation, confounding and suppression effect.Prevention Science, 1(4), 173-181.
• Mehra, A., Kumar, S., & Raju, J. S. (2017). Competitive strategies for brick-and-mortar stores to counter “showrooming.”Management Science, 64(7), 3076-3090. doi: 10.1287/mnsc.2017.2764
  » https://doi.org/10.1287/mnsc.2017.2764
• Mittal, B. (1989). Measuring purchase‐decision involvement.Psychology & Marketing, 6(2), 147-162. doi: 10.1002/mar.4220060206
  » https://doi.org/10.1002/mar.4220060206
• Montgomery, C., & Barnes, J. H. (1993). POSTDIS: A short rating scale for measuring postpurchase dissonance. Journal of Consumer Satisfaction, Dissatisfaction and Complaining Behavior, 6, 204-216.
• Oliver, R. L. (2014). Satisfaction: A behavioral perspective on the consumer New York City, NY: Routledge.
• Park, C. W., Monthersbaugh, D. L., & Feick, L. (1994). Consumer knowledge assessment.Journal of Consumer Research, 21(1), 71-82. doi: 10.1086/209383
  » https://doi.org/10.1086/209383
• Punj, G. N., & Staelin, R. (1983). A model of consumer information search behavior for new automobiles.Journal of Consumer Research, 9(4), 366-380. doi: 10.1086/208931
  » https://doi.org/10.1086/208931
• Raju, P. S., Lonial, S. C., & Mangold, W. G. (1995). Differential effects of subjective knowledge, objective knowledge, and usage experience on decision making: An exploratory investigation.Journal of Consumer Psychology, 4(2), 153-180. doi: 10.1207/s15327663jcp0402_04
  » https://doi.org/10.1207/s15327663jcp0402_04
• Redação Forbes (2018). Compras online somaram R$ 166.2 bi no Brasil. Retrieved from https://forbes.uol.com.br/colunas/2018/09/compras-online-somaram-r-1662-bi-no-brasil/
  » https://forbes.uol.com.br/colunas/2018/09/compras-online-somaram-r-1662-bi-no-brasil/
• Schwartz, B., Ward, A., Monterosso, J., Lyubomirsky, S., White, K., & Lehman, D. R. (2002). Maximizing versus satisficing: Happiness is a matter of choice.Journal of personality and social psychology, 83(5), 1178-1197. doi: 10.1037//0022-3514.83.5.1178
  » https://doi.org/10.1037//0022-3514.83.5.1178
• Shani, Y., & Zeelenberg, M. (2007). When and why do we want to know? Experienced regret promotes post-decision information search. Journal of Behavioral Decision Making, 20(3), 207-222. doi: 10.1002/bdm.550
  » https://doi.org/10.1002/bdm.550
• Simon, H. A. (1956). Rational choice and the structure of the environment.Psychological Review, 63(2), 129. doi: 10.1037/h0042769
  » https://doi.org/10.1037/h0042769
• Spiller, S. A., Fitzsimons, G. J., Lynch, J. R., & McClelland, G. H. (2013). Spotlights, floodlights, and the magic number zero: Simple effects tests in moderated regression. Journal of Marketing Research, 50(2), 277-288. doi: 10.1509/jmr.12.0420
  » https://doi.org/10.1509/jmr.12.0420
• Sweeney, J. C., Hausknecht, D., & Soutar, G. N. (2000). Cognitive dissonance after purchase: A multidimensional scale. Psychology and Marketing, 17, 369-385. doi: 10.1002/(SICI)1520-6793(200005)17:5<369::AID-MAR1>3.0.CO;2-G
  » https://doi.org/10.1002/(SICI)1520-6793
• Teodorescu, K., Sang, K., & Todd, P. M. (2018). Post-decision search in repeated and variable environments.Judgment & Decision Making, 13(5). doi: 18/18202/jdm18202
  » https://doi.org/18/18202/jdm18202
• Wirtz, J., Mattila, A. S., & Tan, R. L. (2007). The role of arousal congruency in influencing consumers' satisfaction evaluations and in-store behaviors.International Journal of Service Industry Management, 18(1), 6-24. doi: 10.1108/09564230710732876
  » https://doi.org/10.1108/09564230710732876

Editado por

Avaliado através de um processo de revisão duplo-cego. Editores científicos convidados: Delane Botelho e Leandro Angotti Guissoni

Datas de Publicação

• Publicação nesta coleção
  13 Mar 2020
• Data do Fascículo
  Jan-Feb 2020

Histórico

• Recebido
  01 Ago 2019
• Aceito
  02 Ago 2019