SciELO - Scientific Electronic Library Online

 
vol.20 issue2The effect of advergames, banners and user type on the attitude to brand and intention to purchaseDevelopment, Validation, and Reliability Testing of the Brief Instrument to Assess Workers› Productivity during a Working Day (IAPT) author indexsubject indexarticles search
Home Pagealphabetic serial listing  

Services on Demand

Journal

Article

Indicators

Related links

Share


Revista Brasileira de Gestão de Negócios

Print version ISSN 1806-4892On-line version ISSN 1983-0807

Rev. bras. gest. neg. vol.20 no.2 São Paulo Apr./Jun. 2018

http://dx.doi.org/10.7819/rbgn.v20i2.3798 

Artigo

A influência do valor do cliente na recomendação: um estudo empírico no mercado brasileiro de previdência privada

Sandro Bonfim da Costa1 
http://orcid.org/0000-0002-2163-3427

Danny Pimentel Claro1 
http://orcid.org/0000-0002-8387-0938

Adriana Bruscato Bortoluzzo2 
http://orcid.org/0000-0003-2872-031X

1Insper, Departamento de Marketing, São Paulo, Brasil

2Insper, Departamento de Métodos Quantitativos, São Paulo, Brasil

Resumo

Objetivo:

Este trabalho busca aprofundar o entendimento do impacto da recomendação gerada pelo boca a boca no desempenho do cliente para empresa de serviço, identificando ainda a relação entre a recomendação e o valor do cliente.

Metodologia:

Foi elaborado e aplicado aleatoriamente um questionário a uma carteira de clientes de uma instituição financeira. Nessa coleta foram capturados os índices gerais de satisfação e de recomendação, além da citação de nomes para quem foi feita a recomendação. Desses dados foram calculados o Índice de Desempenho de Clientes (IDC) e o Índice de Recomendação Efetiva (IRE).

Resultados:

Os resultados indicam a existência de uma relação não linear em formato U entre o desempenho dos clientes e sua recomendação efetiva, além de uma relação linear negativa das notas de recomendação e satisfação, demonstrando que nem sempre as maiores notas atribuídas a essas duas questões representam maior volume de indicações efetivas. Pode-se inferir, ainda, que clientes com maior volume realizado e potencial, medido pelo IDC, nem sempre são aqueles promotores da marca.

Contribuições:

Com base neste estudo, algumas recomendações para gestores de relacionamento com os clientes podem ser seguidas se o objetivo do gestor é expandir a venda de produtos por meio do conceito boca a boca e acompanhar o desempenho dos clientes com foco não só no valor agregado individualmente pelo cliente (i.e. IDC) como também o valor oriundo dos clientes por ele indicados (i.e. IRE).

Palavras-chave: Boca a boca; relacionamento; recomendação; desempenho de clientes

1 Introdução

O marketing de relacionamento pode ser conceituado como todas as atividades de marketing para se estabelecer, desenvolver e manter relacionamentos de troca de sucesso (Palmatier, Dant, Grewal & Evans, 2006). A implantação bem-sucedida de um modelo de relacionamento melhora, entre outros fatores, o nível de lealdade dos clientes e amplia a retenção genuína, baseada em relacionamento sólido e constante. Em particular, empresas podem criar vantagem competitiva alavancando suas atividades de marketing de forma a transformar os clientes em ativos baseados em marketing de relacionamento (Chang & Ijose, 2016). Como consequência, o modelo de relacionamento pode gerar também a recomendação da empresa para outros clientes em potencial, o chamado boca a boca.

Existe a necessidade social por parte do ser humano de se relacionar com outras pessoas, abrindo um caminho para a troca de experiências. Nesse contexto, o estudo clássico de Westbrook (1987) definiu as comunicações boca a boca como comunicações informais direcionadas a outros consumidores sobre a posse, o uso ou características de produtos ou serviços e seus vendedores/fornecedores. O boca a boca afeta a maioria das decisões de compra e vem ganhando cada vez mais espaço nos últimos anos, tendo em vista que, historicamente, os consumidores confiam nas referências e aprendizados oriundos de observações de outros consumidores ao tomar uma decisão de compra (Berger & Schwartz, 2011). Esse movimento é ainda mais forte em um cenário de troca mais intensa por meio de canais digitais, como a internet e as mídias sociais. Soma-se a isso o esforço de empresas, que intensificam campanhas nesses canais, utilizando-os como importante ferramenta para influenciar e monitorar o boca a boca (Kozinets, Valck, Wojnicki & Wilner, 2010). Em complementação, a manutenção do boca a boca depende menos de quão interessantes os produtos são e mais sobre o quanto eles ficam acessíveis na mente do consumidor (Kumar, Petersen & Leone, 2010).

Para tangibilizar o efeito do boca a boca, existe a necessidade de identificar indicadores que gerem medidas quantitativas, que levem em consideração também o aspecto financeiro. Kumar et al. (2010) citam que o valor financeiro do boca a boca deve ser grande, porém afirmam que se trata de indicador de difícil mensuração. A necessidade de mensuração não só do boca a boca, como também do desempenho de cada cliente, torna-se ainda mais relevante no modelo corporativo atual, competitivo e com recursos escassos. Indicadores devem permitir ainda diferenciar os clientes, considerando o impacto conjunto do boca a boca e de seu desempenho individual, e consequentemente identificar oportunidades de ações direcionadas. Essa é outra preocupação latente do marketing, que visa atuar de maneira assertiva sobre os melhores clientes. Essa preocupação se encontra inclusive no centro da agenda de pesquisa de marketing dada por Kumar e Reinartz (2016).

Este estudo tem como objetivo principal analisar o impacto do valor do cliente, ou seja, do desempenho do cliente para a empresa, no valor gerado em recomendação. Assim, primeiramente aprofunda-se o entendimento do impacto do desempenho do cliente na recomendação efetiva gerada pelo boca a boca. Depois, estuda-se a relação entre o valor do cliente e a intenção de recomendação, mensurada pela nota atribuída pelo cliente na questão de recomendação. Por último, realiza-se a segmentação dos clientes em relação a seu desempenho e o valor efetivo de recomendação para caracterizar aqueles clientes considerados promotores da marca e seu respectivo valor atual e potencial para a empresa. Para subsidiar esses objetivos e mensurar o valor financeiro do boca a boca e do desempenho de clientes, dois indicadores foram desenvolvidos neste estudo. A contribuição deste artigo ocupa um espaço na literatura que é carente de estudos do impacto do valor e da recomendação. Além disso, esses indicadores são importantes para a gestão de empresas na obtenção de melhores resultados nas ações de marketing de relacionamento.

O primeiro indicador, que visa mensurar o impacto financeiro do boca a boca, é o Índice de Recomendação Efetiva (IRE), inspirado na métrica proposta por Kumar et al. (2010). O IRE é composto pelo valor oriundo das recomendações dos clientes, baseado na aplicação de indicador de desempenho para cada indivíduo indicado. O IRE final de um cliente é a soma do desempenho de todos os indivíduos por ele indicados. A maioria dos estudos que abordaram tema semelhante utilizou o indicador de valor do cliente chamado Customer Referral Value (CRV), que busca identificar o potencial de recomendação futura de determinado consumidor, baseado em seu histórico de recomendação (Kumar, Petersen & Leone, 2007). Aqui, trabalha-se com a recomendação efetiva ocorrida até o presente momento, sendo o IRE um valor que representa de forma real o valor gerado pelas recomendações de um cliente. É importante salientar a dificuldade de obter tais dados de recomendação efetiva, uma vez que é necessário ter indicação da recomendação e depois buscar na base de dados da empresa aquele nome indicado e calcular seu valor.

O segundo indicador é o Índice de Desempenho do Cliente (IDC). Além de mensurar o desempenho individual do cliente, esse índice é utilizado como insumo na construção do IRE. Levando em consideração o histórico e potencial de receita futura de cada cliente, o IDC permite estimar o valor do cliente para a empresa no tempo, incorporando também o valor gerado nas recorrentes compras passadas. Outros estudos também buscaram métricas para avaliar o desempenho do cliente e o IDC foi inspirado em uma dessas métricas, o Customer Life Time Value (CLV), proposto por Venkatesan e Kumar (2004). Kumar e Reinartz (2016) definiram CLV como o valor de todo o fluxo de compras que um cliente faz durante toda a vida. Também pode ser definido como o valor presente do fluxo de caixa futuro relacionado aos clientes (Pfeifer, Haskins & Conroy, 2005) ou a soma do fluxo de caixa descontado gerado por um indivíduo durante o relacionamento (Berger & Nasr, 1998). Além disso, o CLV é uma métrica de futuro que leva em consideração a natureza variável do comportamento do cliente e permite que as empresas tratem os clientes de forma individualizada, dependendo de suas contribuições para a empresa (Kotler & Armstrong, 1996).

Visto que adquirir novos clientes é mais caro do que reter os atuais, medir e alavancar o CLV, que pode ajudar a empresa a identificar os clientes mais rentáveis, tem se tornado nos anos recentes uma importante habilidade no relacionamento com clientes (Chang & Ijose, 2016). Além disso, para maximizar ainda mais a rentabilidade da empresa, é fator crítico de sucesso gerenciar os clientes considerando conjuntamente os indicadores de desempenho e os indicadores de recomendação (Kumar et al., 2010). Essa análise conjunta traz à tona uma visão mais ampla do valor de cada cliente para a empresa, levando em conta também seu comportamento de difundir marca, produtos e/ou serviços. Em função disso, esse estudo buscou atuar sobre a relação entre o IRE e o IDC, sendo que esse modelo pode alterar a forma como se avalia o valor de cada cliente nas organizações. Kumar et al. (2007) indicaram que a relação entre essas duas métricas pode inclusive não ser linear, identificando perfis de clientes com baixo CLV e alto CRV e clientes com alto CLV e baixo CRV.

Para entender a relação entre IDC e IRE, esse trabalho utilizou dados de clientes de uma instituição financeira que fornece serviços de previdência complementar aberta. Apesar de haver um crescimento acelerado, este ainda é um setor que gera no consumidor questionamentos e dúvidas, somado a baixa percepção de valor de investimentos de longo prazo no país. Uma amostra aleatória de 768 clientes permitiu testar as hipóteses deste estudo sobre recomendação. Foi solicitado aos respondentes que avaliassem a intenção de recomendação (nota de 0 a 10) e que indicassem os nomes completos de pessoas para as quais realizaram a recomendação. Depois de capturadas as indicações, os respondentes e os indicados foram identificados na base de dados da instituição e a eles foi atribuído valor de IDC e IRE, além da inclusão de outros dados demográficos e de comportamento de consumo do produto.

2 Recomendação e valor do cliente

Diversos autores estudaram ao longo do tempo formas de mensuração do CLV, bem como sua utilização como direcionadores de ações de marketing. Um número menor de estudos, entretanto, avançou sobre conceitos relacionados ao valor quantitativo da recomendação, bem como sua utilização prática nas empresas (Tabela 1). A literatura de marketing de relacionamento sugere que a implantação bem-sucedida de um modelo de relacionamento pode gerar como resultado a recomendação da empresa para outros clientes em potencial, o chamado boca a boca (Palmatier et al., 2006). Os trabalhos clássicos de Brooks (1957) e Dichter (1966) mostram como o processo de boca a boca afeta a maioria das decisões de compra. É importante refletir sobre a influência das comunicações interpessoais nas escolhas dos indivíduos (Katz & Lazarsfeld, 1955). Alguns fatores podem, inclusive, aumentar a relevância dessas comunicações no contexto de consumo. A interação cada vez mais intensa entre as pessoas, seja no trabalho, nas escolas ou até mesmo nas redes sociais, é propícia à disseminação mais intensa de informações sobre produtos e serviços nos dias atuais. A disseminação acontece de forma ativa, por meio da apresentação direta das características e das opiniões de um produto, e de forma passiva, como uma divulgação visual por meio de fotografias.

O boca a boca pode acontecer em situações em que o consumidor busca informações sobre um produto que ele pretende adquirir ou quando recebe reativamente opiniões e informações de alguém que tenha adquirido ou que possua alguma referência sobre um produto. Alguns autores afirmam que, na compra de serviços, o consumidor tende a se basear ainda mais nas indicações de outras pessoas, pois os serviços são intangíveis. Assim, o consumidor, antes de comprar, utiliza referências como preço, evidências (aparências) do serviço, imagem da empresa e referências de pessoas próximas, como amigos e parentes (Zeithaml, Berry & Parasuraman, 1993).

Autores sugerem que, em níveis extremos da avaliação de satisfação, a ocorrência do boca a boca é mais provável, pois a situação de maior satisfação ativa o efeito do encantamento, e a de menor satisfação pode ativar o arrependimento (Steiner, Schlemer & Pádua, 2005). Uma pressuposição comum é a de que a satisfação por um determinado produto leve a comportamento de repetição de compra, de boca a boca positivo e de maior tolerância em casos de problemas que venha a ter com o produto.

Tabela 1
Referência Evidência Empírica WOM CLV CRV Principais insumos e limitações
Berger, Jonah and Schwartz, Eric M. (2011) Journal of Marketing Research Três estudos:

  1. Estudo com mais 2.000 voluntários, que recebiam informações de produtos e brindes, reportando recomendações.

  2. Estudo com 1.687 voluntários, através do envio de campanhas por e-mail.

  3. Estudo com 120 voluntários, através de conversas em pares, em pequena sala e com estímulos.

Mede nível de recomendação, considerando:

  • Nível de interesse do produto,

  • Acessibilidade / visibilidade, dicas, brindes promocionais

N/A N/A

  • Acessibilidade forma WOM.

  • Visibilidade pública e dicas influenciam o que as pessoas falam.

  • Porém, nem sempre os produtos mais interessantes são discutidos.

  • Apesar de bem abrangente, não investiga ganho efetivo do WOM em vendas e/ou resultado, bem como a qualidade e duração do WOM.

Hidalgo, Pedro, Manzur, Enrique, Olavarrieta, Sergio and Farías, Pablo (2007) Journal of Business Research Cálculo do CLV de AFPs Chilenas, com base em dados públicos das principais empresas do país. N/A Mede CLV considerando:

  • Taxas pagas pelo cliente, menos as despesas operacionais.

  • Taxa de retenção com base no % de clientes que permanecem na empresa após 1 ano.

  • Por fim, utiliza taxa de desconto de 12%

.
N/A

  • Para indústria com baixo nível de diferenciação de marca e baixo nível de envolvimento de cliente, buscar preço do competidor mais barato reduz o CLV e, por consequência, estímulo por investimento em marketing.

  • Porém, estudos futuros devem levar em conta (i) comportamento de consumidores no pós-venda, (ii) desenho de serviços que importantes para o cliente e (iii) investimento na força de vendas, brindes, esforços de marketing, etc.

Chang, Chun-Wei and Ijose,Olumide (2016) Journal of Business Research 4.675 clientes de grande banco de Taiwan, com 224.112 transações (Janeiro de 2011 a Janeiro de 2013).

  • Considera no estudo dados demográficos (idade, renda, ocupação, CEP, tamanho da família e estado civil); e

  • Dados da transação (valor da compra, localização e nome da loja e data da compra).

N/A Cálculo do CLV considerando 4 componentes:

  • Expectativa de gastos;

  • Despesas de marketing;

  • Taxa de retenção; e

  • Taxa de desconto.

N/A

  • Cria 4 perfis de clientes, considerando não só CLV como Valor Atual (Most Valuable Customers, Potentialities, Loyalty Crisis and Less Valuable Customers).

  • Busca orientar caminhos para tratamento de cada um dos perfis identificados.

  • Como evolução em futuros estudos, pode se buscar taxa de retenção individualizada, ao invés de taxa de retenção constante.

  • Além disso, pode agregar informações adicionais de ações de marketing, interações e etc., buscando impacto dessas ações no CLV.

Persson, Andreas (2013) European Journal of Marketing

  • Método qualitativo, com análise de 3 grandes bancos.

  • Entrevistas com 4 a 6 funcionários.

  • Informações relativas a custos das ações e resultados de mudança de comportamento capturados, avaliando efeitos em CLV e ROI.

N/A Busca ampliar resultado medido pelo CLV através da redução de custos, baseado em estratégias para adequação do comportamento do cliente N/A

  • Empresas que identificam fontes de altos custos relacionados aos seus clientes podem obter benefícios substanciais na redução desses custos, independentemente da lucratividade do cliente.

  • Casos avaliados demonstram que mudança no comportamento dos clientes reduz custos, mantendo ou até aumentando a retenção e a margem, medida pelo CLV.

  • Como evolução futura, deveria ampliar número de casos avaliados, expandir para outras indústrias e com maior prazo para análise dos resultados.

  • Além disso, interessante estudo longitudinal que mensurasse os efeitos de longo prazo no CLV.

  • Outro ponto é que as entrevistas não levaram diretamente em consideração a visão do cliente.

Kumar, V. and Reinartz, Werner (2016) Journal of Marketing Ampla revisão de literatura relacionada a marketing de relacionamento e CLV, utilizando-se de estudos empíricos de diversos autores. N/A Ampla revisão de literatura relacionada ao CLV, considerando uso e forma de introdução. N/A

  • Agrega visão de Valor para o Cliente e Valor do Cliente.

  • Quando analisa Valor para o Cliente define conceito de Valor Percebido pelo cliente, que pode ser medido por atributos objetivos ou atributos percebidos.

  • Quando aborda Valor do Cliente, utiliza CLV como índice que mensura valor presente de um cliente, de acordo com futuras compras, considerando receitas, despesas e comportamento.

  • Além disso, agrega a ideia de estratégia baseada em CLV, utilizada também para aquisição, retenção e recuperação.

  • Por fim, traz a visão de que valor do cliente vem não só do valor financeiro de suas compras, como também da sua influência sobre outros consumidores.

V. Kumar, J. Andrew Petersen, & Robert P. Leone (2010) Journal of Marketing Quatro estudos:

  1. Empresa de serviços financeiros, contemplando campanha de marketing direto para uma amostra de 300 clientes, de um total de 14.160 clientes.

  2. Amostra de 600 clientes, da mesma empresa, considerando total residual de 13.860 clientes.

  3. Amostra (6.700) e grupo de controle (6.560) da amostra residual, descontados os dois grupos anteriores (13.260).

  4. Empresa de varejo e amostra de 40.000 clientes, coletada de 2005 a 2007

N/A Cálculo do CLV considerando, em um determinado período:

  • Expectativa de gastos do cliente;

  • Despesas de marketing; e

  • Taxa de desconto.

Cálculo do CRV, considerando:

  • Tempo de recomendação;

  • Número de recomendações no período e contribuição em margem (excluindo-se margem já existente);

  • Economia de custos de aquisição no caso de cliente oriundo de recomendação.

  • O artigo mostra como quantificar o ganho incremental em resultado nas estratégias de marketing guiadas de acordo com CLV e CRV;

  • Além disso, ilustra empiricamente como determinar um conjunto de drivers comportamentais de CRV, usando dados de uma empresa de varejo para direcionar campanhas de marketing de forma mais eficiente, bem como oportunidades para alavancar o CRV.

  • Como limitações, CRV pode não ser aplicado a todas as indústrias.

  • Além disso, nem todas as empresas terão a capacidade e sistemas para manter o CRV.

  • Por fim, identifica que CRV trabalha bem em ambiente mais estável.

Valenzuela, Leslier, Torres, Eduardo, Hidalgo, Pedro e Farías, Pablo (2013) Journal of Business Research

  • Força de vendas de um grande banco de varejo Chileno, mediante envio de 150 questionários (medindo 207 itens).

  • Resposta foi de 132 questionários (88% de taxa de retorno).

N/A Não calcula CLV diretamente, mas o efeito de uma força de vendas orientada a CLV no resultado da força de vendas N/A

  • Estudo demonstra que existe relação positiva entre força de vendas orientada a CLV e sua performance.

  • Assim, comportamento da força de vendas orientada a CLV é importante para construir o valor dos clientes e da empresa.

  • Como principal limitação pode se considerar o fato da medição para construção deste estudo é auto relatada por um único respondente, quando o ideal seria coletar as informações de fontes variadas.

Este estudo Pesquisa realizada com amostra aleatória de 768 clientes de uma instituição financeira brasileira, seguindo-se três etapas:

  • Captura dos índices de satisfação e recomendação;

  • Mapeamento do comportamento de recomendação; e

  • Aquisições efetivas sobre os que afirmam recomendar.

  • Capturado na pesquisa, através da pergunta de recomendação.

  • Além disso, foi criada pergunta que buscava identificar efetiva recomendação, através da indicação de nomes das pessoas que receberam recomendação e cruzamento com base total de clientes para identificar compra efetiva.

Cria IDC (Índice de Desempenho do Cliente), inspirado no CLV, mas buscando simplificar o cálculo e torná-lo aplicável a maior parte das empresas, considerando como principais variáveis:

  • Potencial de receita futura, de acordo com posse de produtos e saldo acumulado;

  • Taxa de sobrevivência, medindo a probabilidade de permanência do cliente.

  • Cria IRE (Índice de Recomendação Efetiva), inspirado no CRV, métrica criada por Kumar et al (2010).

  • O IRE é composto pelo valor oriundo das recomendações dos clientes, sendo a soma do IDC de todos os indivíduos por ele indicados.

  • Através do IDC e IRE, estudo gera insumos e recomendações para empresas que buscam expandir vendas através do WOM, acompanhando desempenho não só pelo valor agregado individualmente pelo cliente (IDC), mas também o valor dos clientes por ele indicados (IRE).

  • Ao desenvolver critérios de mensuração da recomendação (índice de mensuração é pouco explorado academicamente) estudo gera índice prático, que pode ser criado e administrado por boa parte das corporações.

  • Existem oportunidades para estudos futuros, como por exemplo expansão do estudo para empresas de outras indústrias, buscando eventuais adaptações específicas.

Em resumo, o boca a boca captura a propensão com que o cliente irá recomendar positivamente um serviço ou produto para outro potencial cliente, indicando dimensões atitudinais e comportamentais da lealdade. Em complementação, resultados comprovam que o boca a boca pode ser o melhor indicador para a “lealdade intensa” (Reichheld, 2003). Apenas clientes que têm uma forte relação com uma empresa, marca, produto e/ou vendedor estão dispostos a arriscar sua reputação ao recomendar. A lealdade é proposta como antecedente de boca a boca com base na lógica de que clientes leais (i) fazem recomendações positivas da empresa aos indivíduos de seu grupo de referência (amigos e parentes); (ii) têm maior motivação para processar novas informações sobre a empresa (tomar conhecimento das inovações, por exemplo); e (iii) possuem maior resistência a serem persuadidos por informação contrária a suas atitudes (Dick & Basu, 1994). O boca a boca foi também discutido na literatura como um conceito de referência. A referência é o momento em que um cliente entra em uma transação com uma empresa e passa sua motivação de compra a outro cliente da mesma empresa. Estudos mostram que clientes que receberam uma referência e adquiriram produtos e/ou serviços se mostraram mais rentáveis ao longo do tempo (Kumar et al., 2010).

A decisão de recomendar ou não uma empresa depende da percepção do indivíduo de custo e benefício dessa troca (Ryu & Feick, 2007). Em função disso, naturalmente, boa parte das intenções de recomendação não se concretiza. Logo, usar como referência a intenção de recomendação pode trazer inconsistência (Kumar et al., 2010). Existem alguns benefícios ou motivações identificadas na recomendação por meio do boca a boca, como (i) redução de ansiedade pós compra, (ii) gerar impacto na impressão de outras pessoas sobre o indivíduo ou (iii) preocupação efetiva com outro e consequente ajuda na melhor escolha (Ryu & Feick, 2007). Os autores alertam para os custos dessa recomendação, sendo o mais óbvio o custo de esforço e tempo gasto na comunicação. Existe ainda o risco de a indicação desgastar o relacionamento, caso o produto e/ou serviço não seja considerado adequado.

Empresas passaram a influenciar o boca a boca de maneira intencional, por meio de uma comunicação de consumidor para consumidor, utilizando-se de campanhas específicas, o chamado marketing de boca a boca (Word of Mouth Marketing ou WOMM, na sigla em inglês) (Kozinets et al., 2010). São desenvolvidas campanhas para potencializar o boca a boca e incrementar as referências, conquistando assim novos clientes (Kumar et al., 2010), intensificadas com o crescente uso da internet, ganhando ainda mais força e dimensão (Kozinets et al., 2010). Por isso, decisões sobre quanto dinheiro gastar em cada esforço de marketing se tornam particularmente importantes. Consequentemente, no marketing há uma necessidade de desenvolver modelos que se concentrem na maximização em vez de apenas medir CLV (Hidalgo, Manzur, Olavarrieta & Farías, 2008).

Além do crescimento da utilização de recomendação como indicador de relacionamento, existe evidência de que a maioria das pesquisas de satisfação de consumidores não é muito útil (Reichheld, 2003). Em um estudo que levou dois anos, com o objetivo de relacionar respostas de questionários com comportamento real de consumidor (padrões de compra e recomendação) e, em última instância, com crescimento da receita, o autor concluiu que a questão que surgiu como preditiva de crescimento não era sobre satisfação de consumidor ou lealdade, e sim sobre a predisposição de se recomendar o produto ou serviço a outra pessoa. Nessa pesquisa, foi descoberta uma ausência de conexão direta entre satisfação e comportamento do consumidor e crescimento. A questão que se provou como a melhor, como preditiva de crescimento, foi “quão propenso você está para recomendar esta empresa para um amigo ou colega?”. Assim, o estudo descobriu que em várias indústrias há uma forte correlação entre crescimento da empresa e o percentual de clientes que são “promotores”, ou seja, aqueles que respondem ser propensos a recomendar a empresa a um amigo ou colega (Reichheld, 2003).

O IDC permite estimar o valor presente e futuro do cliente para a empresa, considerando o histórico e o potencial de compras desse cliente. Baseado no conceito de Customer Lifetime Value (CLV), proposto por Venkatesan e Kumar (2004), o IDC considera o potencial de receita futura de cada cliente para a empresa, de acordo com a posse de produtos e o saldo acumulado de compra de produtos. Dessa forma, é possível incorporar todo o valor gerado pelo cliente nas recorrentes compras passadas. O IDC considera, ainda, uma taxa de sobrevivência desse cliente, que mede a probabilidade de permanência de cada cliente no longo prazo. A inclusão do componente de sobrevivência visa agregar ao indicador uma forma de mensurar a força do relacionamento de cada cliente com a empresa. É importante um componente que viabilize o acompanhamento dessa força, segundo Berger e Nars (1998), o desenvolvimento e a manutenção de relacionamento de longo prazo com os clientes no centro do marketing de relacionamento.

Estudos demonstram que a correta alocação dos recursos de marketing com objetivo de maximizar o CLV traz resultados efetivos sobre o desempenho financeiro das empresas. Em complementação, o CLV ganhou aceitação como métrica de conquistar, crescer e reter os clientes certos no gerenciamento de relacionamento com o cliente (Boulding, Staelin, Ehret & Johnston, 2005). Vários pesquisadores têm recomendado o CLV como métrica para selecionar clientes e desenhar programas de marketing, pois os clientes selecionados para ações de marketing por meio do modelo CLV podem agregar mais valor do que os clientes selecionados com base em outros indicadores de relacionamento (Reinartz & Kumar, 2003).

Os componentes do CLV incluem frequência de compra, margem de contribuição e custos de marketing. O CLV, portanto, é função da futura margem de contribuição, a propensão de o cliente continuar o relacionamento (retenção) e os recursos de marketing alocados ao cliente (Venkatesan & Kumar, 2004). Logo, grande parte dos fatores que compõe o cálculo do CLV pode ser positivamente influenciada pela implantação de uma estratégia consistente de relacionamento. Um exemplo disso é que entre os fatores que compõem o CLV está a frequência de compra, que pode ser fortemente influenciada pelo modelo de relacionamento adotado pela empresa.

Foi desenvolvido para esse estudo o Índice de Recomendação Efetiva (IRE). O IRE visa mensurar o impacto financeiro do boca a boca e é inspirado na métrica proposta por Kumar et al. (2010). O IRE é composto pelo valor oriundo das recomendações dos clientes, baseado na aplicação de indicador de desempenho para cada indivíduo indicado, sendo neste estudo o IDC. O IRE final de um cliente é a soma do IDC de todos os indivíduos por ele indicados. De acordo com Rust et al. (2000), o efeito do boca a boca é de difícil mensuração e de grande importância para o marketing. Poucos estudos evoluíram na mensuração financeira do boca a boca e no comportamento de referência ou como a informação sobre o boca a boca pode ser usada para direcionar os clientes de maneira consistente (Villanueva, Yoo & Hanssens, 2008).

Clientes podem ser estimulados por meio de ações ativas de marketing, visando incrementar não só o resultado de desempenho como o de recomendação (Kumar et al., 2007). Trabalhar com campanhas focadas em incrementar um dos dois indicadores também ajuda a alavancar os resultados. Os autores demonstram que é melhor manter o foco e realizar ações para aprimorar o indicador mais fraco, mesmo que o custo para encaminhar duas campanhas seja praticamente o mesmo. Isso porque muitas campanhas simultâneas podem gerar confusão de informações para o cliente (Kumar et al., 2010). Outra descoberta do estudo é que se um cliente, que apresenta moderada frequência de consumo e alto CRV, reduz a referida frequência, tende até a aumentar a indicação (Kumar et al., 2010). Cada compra adicional, com menor frequência, pode ser um gatilho para compartilhar com amigos essa nova compra.

3 Hipóteses

O modelo tradicional, que avalia os consumidores como indivíduos isolados uns dos outros e em que as interações sociais podem ser ignoradas, é inapropriado. Esse modelo falha ao não considerar o efeito social, como o boca a boca e a imitação, que influenciam compras futuras (Hogan, Lemon & Libai, 2004). Para maximizar a rentabilidade da empresa, é fator crítico de sucesso gerenciar os clientes considerando conjuntamente o indicador de desempenho do cliente e o indicador de recomendação (Kumar et al., 2010). Estudos passados encontraram evidencia da importância do indicador de desempenho (Berger & Schwartz, 2011) e do indicador de recomendação (Persson, 2013) isoladamente, deixando a análise dos efeitos integrados para futuras pesquisas.

É necessário avaliar o impacto do desempenho do cliente na recomendação. Observar essa relação de maneira integrada é relevante, pois o valor do cliente não reside apenas no que a pessoa compra, mas também em como ela se sente em relação a sua marca e o que ela pode dizer aos outros que influencie suas receitas e lucros (Reichheld, 2003). Visando avançar na análise da relação entre IRE e IDC, buscou-se reforçar a tendência de uma relação não linear encontrada em estudos passados (Kumar et al., 2007). Apesar de pouco explorado na literatura, estudo passado sugere potencial efeito não linear entre as duas métricas, recomendando mais estudos nessa direção (e.g. Kumar et al., 2010). A relação entre desempenho do cliente e recomendação pode não ser linear, em que perfis de clientes com baixo desempenho podem levar a uma alta recomendação, e clientes com alto desempenho podem também levar a recomendação. Clientes com baixo IDC podem se sentir compelidos a recomendar para potenciais compradores como forma de compensação e retribuição daquilo que a empresa faz bem. Clientes com alto IDC são recomendadores natos pelo próprio volume de compras e investimentos (Chang & Ijose, 2016). Esses clientes são referências sólidas e aspiracionais de futuros investimentos dos potenciais compradores. Dessa forma, a primeira hipótese é apresentada a seguir:

H1: Existe relação não linear U-shape positiva entre o Índice de Desempenho de Clientes (IDC) e o Índice de Recomendação Efetiva (IRE).

A predisposição de recomendar os produtos e ou serviços da empresa surge como uma variável preditiva importante do crescimento de receita. Estudos passados mostraram a associação entre crescimento da empresa e a quantidade de “promotores”, supostamente clientes com maior potencial de recompra e que agregam as maiores margens à companhia (Reichheld, 2003). Por outro lado, clientes que mais geram negócios com as empresas não necessariamente são os que apresentam maior intenção de recomendação (Kumar et al., 2007). Dessa forma, os promotores identificados em pesquisas de recomendação não necessariamente seriam os melhores clientes da empresa em termos de rentabilidade total, que inclui o desempenho em vendas e a geração de vendas por meio daqueles clientes que foram impactados pelo boca a boca daquele cliente específico.

O alto índice de recomendação na verdade apresenta resultados diversos para diferentes indústrias. A relação da recomendação com crescimento em indústrias marcadas pelo monopólio ou próximas do monopólio, em que o consumidor tem poucas opções de escolha, pode apresentar baixo efeito de recomendação nos resultados da empresa (Reichheld, 2003). Em indústrias com baixa diferenciação de marca e baixo envolvimento do cliente, como é o caso atualmente do segmento de planos de previdência no Brasil, a escolha muitas vezes é realizada por inércia (Hidalgo et al., 2008). Além disso, estudos também indicam que produtos mais interessantes geram recomendação imediata, mas os produtos que geram recomendação mais sustentável são os que estão mais visíveis ou com maior publicidade (Berger & Schwartz, 2011). Como o setor abordado neste artigo congrega parte das características que levam a um baixo movimento de recomendação (produto pouco atrativo para curto prazo e com baixa exposição), espera-se que exista uma relação negativa entre recomendação e crescimento de receita da firma somado ao valor do cliente (i.e., IDC). Como consequência desse fato, surge o questionamento sobre o real valor dos clientes denominados promotores. Logo, espera-se uma relação negativa entre a intenção de recomendação, representada pela nota atribuída à intenção de recomendação, e o valor efetivo do cliente identificado como promotor. Dessa forma, usam-se duas hipóteses:

H2: Existe uma relação negativa entre o valor do cliente (volume corrente de negócios) e a intenção de recomendação.

H3: Existe uma relação negativa entre o índice de desempenho do cliente (IDC) intenção de recomendação.

4 Método

A evidência empírica para o teste de hipóteses foi levantada por um questionário aplicado a clientes de uma instituição financeira. A amostra foi aleatória da carteira de clientes, selecionada a partir da lista de todos os clientes, de forma a ser representativa por modalidade de plano comprado (PGBL, VGBL e Tradicional) e por tipo de plano (Individual e/ou para um investidor menor), com erro amostral de 5% e 95% de confiança. Assim, essa seleção inicial contou com aproximadamente 1.000 clientes e seus contatos foram enviados para uma empresa terceirizada de pesquisa de mercado, que efetivamente realizou a coleta das informações do questionário e devolveu os dados para os pesquisadores, para que não houvesse, por parte da instituição financeira, interferência nos resultados. A amostra de respondentes contém 768 clientes, com taxa de resposta próxima de 77%. Desses 768 clientes que responderam ao questionário, foram retirados os que não responderam integralmente ao questionário, ou seja, deixaram alguma questão sem resposta. E, ainda, foram identificados cerca de 20 clientes considerados outliers, com valores de IRE e IDC acima de 8.000, valor do limite superior do boxplot (LS = 3ºquartil + 1,5 × IntervaloInterqualtil), visando evitar distorções na análise da regressão múltipla.

Foram executadas três etapas na coleta. Primeiro, houve a captura da intenção de recomendação da base de clientes, baseada em uma questão com escala variando de 0 a 10. Para testar as hipóteses 2 e 3, foi utilizada a amostra de 553 clientes que responderam a pergunta de intenção de recomendação. As duas outras etapas de coleta e tratamento dos dados foram utilizadas para construir a base para testar a hipótese 1.

Na segunda etapa, foi realizado um mapeamento do comportamento de recomendação do consumidor, por meio de pergunta específica sobre a efetiva recomendação do produto, em que o cliente respondia se havia recomendado o produto (com possível resposta “sim” ou “não”). A amostra de respondentes que afirmaram recomendar foi de 345 clientes.

Finalmente, na terceira etapa, a partir dos indivíduos que afirmam ter recomendado o produto, obteve-se o número de aquisições efetivas oriundas dessas recomendações, por meio de pergunta que solicitava a indicação de nomes completos de pessoas para as quais o plano foi indicado. Nessa etapa final, 109 respondentes informaram 205 nomes de indivíduos que foram impactados com recomendação. Desses nomes recomendados, foi possível identificar 153 nomes de pessoas que receberam algum tipo de recomendação dos respondentes, atingindo uma média de 1,4 nomes indicados/respondente. Entre os nomes de pessoas impactadas, foram localizadas na base de clientes da instituição financeira as indicações feitas. Para os nomes indicados pelos respondentes foram então calculados os respectivos indicadores de IDC e utilizados para o cálculo do IRE de cada um dos 109 respondentes.

4.1 Mensuração do IDC

A operacionalização do IDC se baseou nos princípios básicos do CLV (Venkatesan & Kumar, 2004), com duas adaptações para este trabalho. A primeira adaptação foi a criação de uma variável específica de sobrevivência, com o objetivo de expandir o conceito da propensão de permanência do cliente. Para isso, por meio de metodologia aderente em especial ao mercado de serviços, foi desenvolvido cálculo, buscando identificar a probabilidade de sobrevivência de cada cliente na base da empresa pelos próximos 24 meses. A segunda diferença é a utilização apenas de informações relativas à receita dos clientes, visando à simplificação do cálculo sem prejuízo para o indicador. Dessa forma, o IDC captura o desempenho do cliente de maneira efetiva e se traduz também como um importante indicador para avaliar a capacidade de recomendação do cliente, apresentada no tópico a seguir.

O IDC é composto por dois componentes: um modelo de sobrevivência, para estimar a propensão de o indivíduo permanecer na base de clientes da empresa pelos próximos 24 meses, e um modelo financeiro, para estimar a receita gerada pelo indivíduo ao longo do relacionamento com a empresa. O modelo de sobrevivência se baseia na análise do comportamento histórico dos clientes e, em função disso, da identificação dos principais fatores que afetam na permanência ou na saída do cliente. Após essa avaliação, esses fatores são replicados na base total de clientes visando identificar padrões de comportamento e a probabilidade de cada participante permanecer com seu plano ativo no período de 24 meses. Para sua construção, o modelo levou em consideração:

  1. a análise do comportamento passado dos planos ativos e com mais de seis meses, no final do ano de coleta de dados; e

  2. a observação do comportamento de resgate, seguido de cancelamento desses mesmos planos no ano seguinte de coleta.

O modelo financeiro tem como objetivo identificar a perspectiva de receitas de cada um dos indivíduos com relacionamento com a instituição financeira. Neste estudo, para simplificar e adaptar o indicador às características e necessidades do segmento em análise, o modelo financeiro do IDC foi concebido levando-se em consideração apenas os fatores geradores de receita: frequência e valor de contribuição ao plano; resgates realizados no período; compra de benefícios adicionais ao plano de previdência, como benefícios de proteção (seguro de vida, pensão por morte, entre outros); tipo(s) de fundo(s) de investimento(s) escolhido(s) pelo cliente, que pode ser Fundo de Renda Fixa, ou seja, com 100% dos recursos alocados em títulos de renda fixa, públicos ou privados, e/ou Fundo Composto, ou seja, com parte dos recursos investidos em ações e parte em títulos de renda fixa, públicos ou privados; e saldo acumulado no plano de previdência, em função da entrada e saída de recursos e rentabilidade obtida no período. As premissas, metodologia, fórmulas e validações dos modelos de sobrevivência e financeiro encontram-se disponíveis com os autores e podem ser consultadas sob demanda.

Para finalizar, o IDC contempla o cruzamento da receita apurada para cada um dos respondentes, na visão do cliente, com a respectiva probabilidade de sobrevivência de cada um desses indivíduos como clientes da empresa, ou seja,

IDCi = Si(t) × Receitai

em que i indica o i-ésimo indivíduo, S(t) é a função de sobrevivência no mês t e Receita é a receita projetada para k planos do participante, pelo período de, no máximo, 24 meses.

4.2 Mensuração do IRE

A mensuração prática do IRE é relativamente complexa, fator que pode explicar, pelo menos em parte, sua baixa utilização no mercado por empresas. Portanto, é importante a aplicação do IRE para cobrir a lacuna existente na mensuração financeira do boca a boca. O IRE busca, inclusive, agregar simplificação ao cálculo do CRV proposto por Kumar et al. (2010), tornando-o aplicável à grande parte das empresas, em especial às do segmento de serviços, e ampliando o uso dessa métrica, permitindo a mensuração do valor financeiro do boca a boca, identificando sua real contribuição para o negócio e formas de expandi-lo.

A pesquisa de recomendação realizada apresentou, entre outros insumos, um número de respondentes que citaram nomes completos de pessoas para as quais recomendaram o produto e que, segundo os respondentes, adquiriram planos. Posteriormente, esses nomes foram mapeados na base de clientes da instituição financeira. Com base na identificação de parte dos indicados que efetivamente adquiriram planos na empresa, foi possível desenvolver o modelo para estimar o IRE do cliente que fomentou a indicação. Nesse caso, o IRE foi calculado em função da soma do IDC das m indicações identificadas para o i-ésimo cliente, isto é,

IREi= j=1mIDC_Indicadoj

Ao término desse processo, foi possível diferenciar a intenção de recomendação, representada pelo índice de recomendação da pesquisa com nota entre 0 e 10, e o comportamento real de indicação, representado pelo indicador de IRE. A Tabela 2 resume as variáveis utilizadas neste trabalho.

Tabela 2: Descrição das variáveis 

Variável Descrição
IRE Valor do Índice de Recomendação Efetiva (IRE), calculado para cada participante com indicação válida de nomes - (em logaritmo)
Recomendação Nota atribuída à questão de recomendação (0 a 10) - (Padronizada)
IDC Valor do Índice de Desempenho do Cliente (IDC), calculado para cada participante - (em logaritmo)
Saldo do(s) plano(s) Valor do saldo de reserva acumulado no plano (em R$) - (em logaritmo)
Satisfação Nota atribuída à questão de satisfação (0 a 10) - (Padronizada)
Idade Idade dos clientes (em anos) - (Padronizada)
Gênero Gênero do cliente, sendo Feminino 0 e Masculino 1
Potencial Potencial do cliente em função de sua segmentação de valor na companhia, representada por três grandes classes, sendo 3 AB ou clientes com renda declarada superior a R$ 6 mil, 2 C ou clientes com renda entre R$ 4 mil e R$ 6 mil e 1 DE ou clientes com renda abaixo de R$ 4 mil
Estado civil casado Estado civil do cliente, sendo casado 1 e solteiro 0
Escolaridade superior Escolaridade do cliente, sendo ensino superior 1 e demais 0
Tipo de Plano VGBL Tipo de plano do cliente, sendo VGBL 1 e PGBL ou Tradicional 0
Opção de tributação regressiva Opção de tributação escolhida pelo participante, sendo Regressivo 1 e Progressivo ou Tradicional 0
Plano para menores Posse de plano de previdência para menores de idade, sendo Não 0 e Sim 1
Tempo de plano Tempo de plano (em meses) - (Padronizada)
Último aporte Data desde o último aporte para o plano (em meses) - (Padronizada)

A Tabela 3 apresenta as medidas descritivas e as correlações entre as variáveis numéricas consideradas no estudo. Nota-se que a dispersão do IRE, IDC e Saldo dos planos é muito elevada, como esperado, sendo então utilizada a transformação logaritmo para estabilizar a variância dessas variáveis, como descrito na Tabela 2. Percebe-se, também, que a média de Recomendação e de Satisfação (notas que variam entre 0 e 10) é elevada para os clientes da instituição financeira. Avaliando as correlações entre as variáveis explicativas e de controle, há apenas uma correlação forte entre IDC e Saldo (0,811), que é esperada e não considerada forte o suficiente, isto é, acima de 0,9, em módulo, segundo Gujarati e Porter (2011), para trazer problemas de forte multicolinearidade ao modelo de regressão. Além disso, existe uma correlação negativa entre a recomendação e IDC e Saldo, indo ao encontro com o sinal esperado nas hipóteses H2 e H3, apesar de essas correlações serem consideradas fracas.

Tabela 3: Medidas descritivas e correlações entre as variáveis numéricas 

Variável (1) (2) (3) (4) (5) (6) (7) (8)
IRE (1) 1
Recomendação (2) 0,051 1
IDC (3) 0,016 -0,036 1
Saldo (4) 0,008 -0,040 0,811 1
Satisfação (5) 0,051 0,696 -0,054 -0,038 1
Idade (6) -0,008 -0,042 0,296 0,368 -0,010 1
Tempo de plano (7) 0,065 -0,081 0,050 0,061 -0,072 0,059 1
Último aporte (8) 0,032 -0,035 0,024 0,045 -0,009 0,089 -0,016 1
Média 151,21 8,20 2139,46 54812,84 7,94 47,64 82,83 10,69
Desvio Padrão 1690,18 2,47 4787,09 133653,94 2,00 13,49 59,17 53,66

5 Resultados

Assim como apresentado na seção de método, a base de dados final contou com 553 respondentes para avaliar H2 e H3 e com 109 clientes para avaliar H1, como explicado anteriormente. As hipóteses foram testadas por meio de uma série de regressões lineares múltiplas estimadas com uso do software Stata (12). Foi feita uma análise de resíduos para verificar a validade das suposições do modelo de regressão, em especial para homocedasticidade (teste de White) e normalidade (teste Jarque-Bera) dos erros. Os modelos para o IRE não apresentaram normalidade dos erros, porém se pode considerar que o tamanho da amostra seja grande o suficiente (n = 109) para que os resultados sejam robustos. Também houve falha na suposição de homocedasticidade dos erros, então todos os erros padrões apresentados são robustos à heterocedasticidade. Além disso, os modelos apresentam os coeficientes padronizados para facilitar a comparação do efeito das variáveis no IRE e na recomendação.

A Tabela 4 reporta os modelos de regressão (1-3), para avaliar o impacto do IDC no IRE baseado em uma subamostra de 109 observações de clientes respondentes credenciados como recomendações efetivas (i.e. geraram nomes que compraram da instituição financeira). O coeficiente de IDC2 em IRE é positivo e apresenta significância estatística, corroborando com a hipótese 1 a existência da relação não linear em formato U do (b = 0,05; p < 0,05). Além disso, o modelo completo (Modelo 1) atingiu um bom poder de explicação (R2adj: 0,64). Nota-se ainda uma relação linear negativa das notas de recomendação e satisfação, demonstrando que nem sempre as maiores notas atribuídas a essas duas questões representam maior volume de indicações efetivas para a empresa.

Com o objetivo de avaliar a robustez dos resultados, foram elaborados dois modelos concorrentes com restrições, ou seja, retirando as variáveis estatisticamente irrelevantes (Modelos 2 e 3 da Tabela 4), que confirmam o efeito quadrático do IDC no IRE. Os modelos estimados demonstram que existem outras variáveis que impactam o IRE. Existe impacto positivo do gênero masculino, da variável de potencial para classes mais altas, do tempo de plano e período desde o último aporte. Além das notas de satisfação e recomendação, existe também relação negativa com clientes com posse de planos para menores de idade.

Tabela 4: Resultados dos modelos para análise de H1 

Variáveis Hipóteses Relação com IRE (Índice de Recomendação Efetiva)
Modelo 1 Modelo 2 Modelo 3
Variáveis independentes
IDC2 H1 ,05 (2,50)** ,05 (3,04)*** ,04 (2,76)***
IDC -,37 (-2,6)** -,39 (-2,95)*** ,35 (-2,68)***
Variáveis de Controle
Recomendação -66 (-2,39)** -,69 (-2,61)** -,73(2,77)***
Satisfação -,57 (-3,73)*** -,55 (-3,73)*** -,54 (-3,65)***
Idade -,21 (-1,76)* -1,7 (-1,57)
Gênero 1,06 (6,07)*** 1,08 (6,29)*** 1,12 (6,58)***
Potencial ,31 (2,61)** ,30 (2,66)*** ,23 (2,20 )**
Estado Civil Casado -38 (-1,91)* -,36 (-1,87)* -,47 (-2,54)**
Região -,12 (-2,47)** -,12 (2,60)** -,12 (-2,71)***
Escolaridade Superior -,05 (-,25)
Tipo de Plano VGBL ,49 (2,28)** ,49 (2,33)** ,46 (2,22)**
Opção de Tributação Regressiva -,14 (-,76)
Plano Menor -,87 (-3,33)*** -,95 (-4,86)*** -,96(-4,86)***
Tempo de Plano ,23 (2,02)** ,25 (2,50)** ,25 (2,53)**
Último Aporte ,57 (2,31)** ,55 (2,29)** ,46 (1,96)*
Saldo do(s) Plano(s) ,22 (,62)
Constante 5,75 (12,42)*** 5,66 (13,70)*** 5,88 (15,04)***
R2 0,69 0,69 0,68
Adjusted R2 0,64 0,65 0,64
F-statistic 12,06** 16,16** 17,05**
Observações 109 109 109

Nota. A tabela reporta os coeficientes, com o t-valor entre parênteses. * p < ,10; ** p < ,05; *** p < ,01.

Para testar as hipóteses 2 e 3 utilizou-se a amostra contendo 553 observações. O objetivo foi identificar a relação da intenção de recomendação, mensurada por nota de 0 a 10, com as variáveis independentes IDC e Saldo dos Planos. Os modelos 3 e 4 da Tabela 5 permitem identificar a relação linear negativa entre IDC e recomendação (b = -0,01; p < 0,05 e b = -0,03; p < 0,10), o que está em linha com a Hipótese 3. Pode-se então inferir que clientes com maior volume realizado e potencial, medido pelo IDC, nem sempre são os promotores da marca. A Hipótese 2 não foi confirmada, uma vez que o coeficiente para Saldo do(s) Plano(s) não se mostrou significativo, indicando que, independente do volume corrente de negócios (Saldo dos Planos), a intenção de recomendação é a mesma em média.

Tabela 5: Resultados dos modelos para análise de H2 e H3 

Variáveis Hipóteses Relação com IRE (Índice de Recomendação Efetiva)
Modelo 1 Modelo 2 Modelo 3 Modelo 4
Variáveis independentes
IDC2 -,00 (-,25) -,00 (-,23)
IDC H3 -,01 (-,26) -,01 (-,28) -0,1 (-2,21)** -,03 (-1,72)*
Saldo do(s) Plano(s) H2 -,00 (-,03) -,00 (-,02) -0,1 (-,15) -,03 (-,65)
Variáveis de Controle
Satisfação ,29(13,09)*** ,29(13,12)*** ,29 (13,21)*** ,29 (13,63)***
Idade ,01 (,54) ,01 (,55)
Gênero -,07 (-2,07)** -,07 (-2,10)** -,07 (-2,18)** -,07 (-2,37)**
Potencial -,04 (1,79)* -,04 (-1,80)* -,04 (-1,97)** -,04 (-2,13)**
Estado Civil Casado ,00 (,02)
Escolaridade Superior -,07 (-1,65)* -,06 (-1,64) -,06 (-1,67)
Tipo de Plano VGBL ,08 (2,05)** ,08 (2,07)** ,08 (2,00)** ,06 (1,83)*
Opção de Tributação Regressiva -,03 (-,90) -,03 (-,90)
Plano Menor -,01 (-,02) -,00 (,13)
Tempo de Plano -,02 (-,1,17) ,00 (,13)
Último Aporte -,03 (-1,80)* -,03 (-1,80)* -,03 (-1,86)* -,02 (-1,76)*
Constante ,50 (8,04)*** ,50 (8,11)*** ,50 (8,51)*** ,40 (8,64)***
R2 0,29 0,29 0,29 0,28
Adjusted R2 0,27 0,27 0,27 0,27
F-statistic 14,23*** 16,48*** 21,41*** 29,92***
Observações 553 553 553 553

Nota. A tabela reporta os coeficientes, com o t-valor entre parênteses. * p < ,10; ** p < ,05; *** p < ,01.

6 Discussão e implicações

6.1 Efeito não linear do valor do cliente no índice de recomendação

Tendo como base a teoria existente da influência do desempenho do cliente na recomendação efetiva, este trabalho busca expandir as análises para as relações entre desempenho de cliente e recomendação para uma instituição financeira. Os resultados, obtidos por meio de pesquisa de recomendação, cálculo e atribuição de IDC e IRE e regressões lineares múltiplas, indicam a presença da relação não linear entre IRE e IDC, no formato U. Esse resultado também encontra amparo nos insumos apresentados no artigo de Kumar et al. (2007), que sinaliza relação não linear entre os indicadores de desempenho de clientes (CLV) e de recomendação (CRV). Esse resultado encontra amparo em estudos que demonstram que produtos e/ou segmentos de negócios com uma baixa diferenciação de marca percebida e baixo envolvimento dos clientes, como é o caso atualmente do segmento de previdência complementar no Brasil, não geram busca de informações por parte dos clientes, tampouco envolvimento com os principais atributos do produto. Ao contrário, os consumidores são recebedores passivos de informação (Hidalgo et al., 2008).

Vale destacar, entretanto, que as pesquisas anteriores não avançaram na identificação da relação efetiva entre desempenho e recomendação em setores com baixo envolvimento. Sendo assim, uma das contribuições deste trabalho é a identificação de um padrão definido para a relação entre os indicadores de desempenho de clientes, neste estudo IDC, e de recomendação, neste estudo IRE, no formato U. Para tanto, a intenção foi identificar três perfis típicos de cada um dos tipos de recomendadores (Figura 1).

Uma análise de agrupamentos (cluster) foi realizada para segmentar os clientes por IRE e IDC (em logaritmo), sendo depois identificadas as características marcantes de clientes em cada uma das faixas apresentadas no gráfico da Figura 1, bem como a linha tendência não linear cujo R2 foi igual a 10,8%. Na análise de agrupamentos foi utilizado o método hierárquico, a distância euclidiana como medida de dissimilaridade e o método de Ward, sendo a escolha do número de grupos feita via dendrograma.

A Faixa I demonstra a existência de clientes com baixo valor de IDC e alto IRE. Essa faixa é formada por clientes com reservas reduzidas e/ou baixo potencial futuro, porém com alto poder de recomendação. Os clientes que inativaram seus planos após a realização da pesquisa eram clientes com baixa propensão de permanência no longo prazo, porém também com bom volume de indicações. De acordo com seu perfil básico, pode-se definir esse grupo de clientes como “Catalisadores”, que, apesar de possuírem baixo potencial de receita para a empresa (IDC), fomentam rentabilidade por meio de número consistente de indicações (IRE). Com base no resultado obtido por meio de análise de agrupamento, pode-se afirmar que nesse grupo existe equilíbrio entre os gêneros e segmentos potenciais. Parte significativa dessa faixa é representada por grupo do segmento de varejo, ou seja, classes C e D. Essa faixa possui ainda maior média de nota de satisfação e de recomendação e maior proximidade dos grandes centros.

A Faixa II contempla, em sua maioria, clientes com médio potencial futuro de geração de receita (IDC) e indicações que não geram os maiores volumes de recomendação (IRE). De acordo com seu perfil básico, poderíamos definir esse grupo de clientes como “Neutros”, que são aqueles que não agregam valor significativamente elevado por meio de seus planos (IDC) e não possuem comportamento de recomendação agressivo (IRE). Essa faixa possui boa média de notas de satisfação e recomendação, porém intermediária, se comparada aos demais grupos. Existe ainda predominância de clientes com baixo potencial (varejo), com baixa escolaridade e maior participação do gênero feminino. Esse grupo possui, ainda, a maior participação de planos para menores de idade.

Por fim, a Faixa III contempla o nicho de clientes com maior IDC e com IRE que indica um bom nível de recomendação. Assim, esse grupo pode ser definido como “Estrelas”, pois nele existe a predominância de clientes com alto potencial (alta renda), com alta escolaridade, participação do gênero masculino e com baixa participação de plano para menores de idade.

Os clientes do segmento varejo, encontrados em sua maioria nas Faixas I e II, pertencem ao grupo de indivíduos que vem sendo denominado no mercado brasileiro Nova Classe Média. Eles apresentam menor nível renda e, consequentemente, menor poder aquisitivo e IDC médio. Nesse grupo, entretanto, em especial nos perfis da Faixa I, encontra-se potencial de recomendação significativo.

Figura 1: Gráfico de dispersão e curva de tendência do IRE em função do IDC, ambos em logaritmo. 

Dados os resultados obtidos por meio da análise da Hipótese 1, surgem oportunidades para esse segmento, associadas ao cenário da forte expansão da classe média brasileira. De acordo com estudo realizado por Neri (2010), a nova classe média brasileira (i) já representava cerca de 50% da população, contra 32,5% em 1992, (ii) possui características crescentes de renda e (iii) cada vez mais tempo de escolaridade, com escolaridade média de 7,27 anos em 2009 contra 4,98 em 1992. Sendo assim, torna-se um público altamente propenso ao consumo futuro de poupança. Além disso, a expansão do acesso dessa faixa da população à saúde com melhor qualidade acelera o movimento já identificado no Brasil de aumento da expectativa de vida e, consequentemente, da necessidade de preparação adequada, seja pessoal, profissional e financeira para conviver com essa nova realidade.

O desafio passa pelo correto entendimento das demandas e necessidades desse público, que possui características comportamentais diferentes dos atuais clientes das seguradoras de vida e previdência, cuja concentração se dá nos segmentos com maior renda (classes A e B), e pelo desenvolvimento de produtos e serviços aderentes às necessidades identificadas.

6.2 Efeito negativo de valor do cliente na intenção de recomendação

O resultado obtido na Hipótese 2 deste estudo demonstra que nem sempre o cliente promotor da marca, identificado nas pesquisas de recomendação, é o que agrega maior valor potencial para a empresa, medido pelo IDC. Esse resultado encontra amparo na teoria, inclusive no artigo que deu origem ao conceito de NPS (Reichheld, 2003). Neste artigo, apesar de considerar que os clientes promotores da marca seriam os clientes com maior valor e potencial de recompra, o autor destaca que não encontrou relação do NPS com crescimento em indústrias com características similares ao monopólio, em que o consumidor tem poucas opções de escolha, e em segmentos em forte expansão. O segmento de previdência complementar no Brasil apresenta essas características, destacando-se (i) crescimento acelerado, (ii) alta concentração em três grandes bancos, (iii) forte influência dos gerentes de banco no processo de venda do produto e (iv) baixo nível de comparação por parte dos consumidores no momento da venda. Esses itens geram questionamentos com relação à validade da utilização da metodologia NPS como indicador de desempenho da base de clientes e de direcionamento de recursos e ações de marketing de relacionamento.

Em complementação, alguns pesquisadores também questionam o resultado das pesquisas com NPS, pois boa parte das intenções de recomendação não se concretiza. Esse fato pode gerar inconsistências por ocasião do uso da intenção de recomendação como ferramenta de relacionamento (Kumar et al., 2010). Keiningham, Cooil, Andreassen & Aksoy (2007) também reforçaram essa tese, citando que é baixa a correlação entre o NPS e o crescimento da receita da empresa. Vale ressaltar ainda que, apesar de apresentar crescimento sustentável nos últimos anos e valor comprovado para a sociedade no longo prazo, o produto de investimento ainda não se constitui em produto de massa e possui atributos considerados, por muitos, complexos. Além disso, para muitas pessoas esses não são considerados produtos e/ou serviços que geram impacto sobre percepção de outras pessoas, por se tratar de bem de longo prazo, com benefícios pouco tangíveis no curto prazo. Essa percepção difere de produtos e/ou serviços de consumo imediato, como carros ou restaurantes, em que a disseminação por meio do boca a boca pode ser dar de maneira mais intensa.

7 Considerações finais e estudos futuros

Com base neste estudo, algumas recomendações para gestores de relacionamento com os clientes podem ser seguidas se o objetivo do gestor é expandir a venda de produtos por meio do conceito boca a boca e acompanhar o desempenho dos clientes com foco não só no valor agregado individualmente pelo cliente (i.e. IDC) como também o valor oriundo dos clientes por ele indicados (i.e. IRE). Primeiro, a empresa pode aprofundar o conhecimento dos clientes com forte propensão à recomendação efetiva, por meio do mapeamento de dados demográficos, geográficos, comportamentais e psicográficos. Segundo, podem-se mapear, na base atual de clientes, indivíduos com perfil similar de recomendação, de forma a estruturar ações de relacionamento específicas que fomentem a expansão, nessa base de consumidores, do processo de boca a boca e, consequentemente, a captação de novos negócios a custo de aquisição reduzido em relação aos negócios originalmente gerados na rede bancária. Pesquisa anterior demonstrou a importância e a efetividade de ações que tenham como objetivo atuar sobre nichos definidos de clientes, tendo objetivos claros de aumento de desempenho e/ou recomendação (Kumar et al., 2010). Terceiro, existe ainda a possibilidade de identificação de consumidores com esse perfil de recomendação na relação de potenciais clientes da organização, visando inicialmente à captação de novos planos e, posteriormente, aplicação de modelo de relacionamento que privilegie a fidelização e a expansão do processo de boca a boca por meio desses novos participantes.

Com base em algumas limitações deste estudo, oportunidades para estudos futuros podem ser levantadas. Apesar de abordar um número significativo de clientes, o trabalho possui oportunidades que podem ser tratadas em futuros estudos que abordem temas similares. Este estudo, realizado com referência no segmento de previdência brasileiro, reforça a tese da fragilidade da intenção de recomendação como indicador que direciona ações voltadas a clientes e aumento de receita. Uma das possíveis situações que podem ter levado a esse resultado pode ser capturada na literatura que deu origem ao conceito de NPS (Reichheld, 2003), que descreve características específicas de indústrias em que o NPS não seria aplicável, muitas das quais similares às observadas no segmento de previdência brasileiro. Em indústrias com baixa diferenciação de marketing e baixo envolvimento do cliente (como sistema de previdência complementar), pode-se verificar que as escolhas da marca são feitas por inércia (Hidalgo et al., 2008). Embora, entretanto, executivos muitas vezes pensem que apenas os produtos surpreendentes são dignos de boca a boca, mesmo produtos menos atraentes podem obter grande quantidade de boca a boca, mediante publicidade (Berger & Schwartz, 2011). Logo, futuros estudos podem expandir análise para outras indústrias com perfil de competição mais acirrada.

Neste artigo, trabalham-se as hipóteses propostas considerando uma amostra de consumidores de uma única empresa em uma única indústria do mercado brasileiro. Apesar de a amostra incluir uma parcela da população, futuros trabalhos podem aprofundar o tema (i) expandindo a análise para consumidores de outras empresas da mesma indústria ou mesmo (ii) buscando expansão para outras indústrias, que já utilizam o conceito de recomendação como forma de mensurar o desempenho da base de clientes.

O estudo considerou IDC e IRE, aderentes ao segmento de serviços e baseados nos indicadores de CLV e CRV. Em função da necessidade e objetivos, outros estudos podem buscar nova adaptação em função das características específicas da empresa e/ou indústria em análise. Finalmente, visando simplificar o modelo de captura de dados, este estudo não contemplou se os clientes indicados comprariam ou não o produto e/ou serviços sem a recomendação. Esse fator é um dos itens considerados processo de construção do indicador de CRV (Kumar et al., 2010) e pode ser aprimorado em estudos futuros.

Referências

Berger, J., & Schwartz, E. M. (2011). What drives immediate and ongoing word of mouth. Journal of Marketing Research, 48(5), 869-880. [ Links ]

Berger, P. D., & Nars, N. I. (1998). Customer lifetime value: Marketing models and applications. Journal of Interactive Marketing, 12(1), 17-30. [ Links ]

Boulding, W., Staelin, R., Ehret, M., & Johnston, W. J. (2005). A customer relationship roadmap: What is known, potential pitfalls, and where to go. Journal of Marketing, 69(4), 155-166. [ Links ]

Brooks, R. C. (1957). “Word of mouth” advertising in selling new products. Journal of Marketing, 22(2), 154-161. [ Links ]

Chang, C.-W., & Ijose, O. (2016). Measuring customer lifetime value: An application in credit card industry. Journal of Business Research, 1, 7-24 [ Links ]

Dichter, E. (1966). How word-of-mouth advertising works. Harvard Business Review, 44(6), 147-166. [ Links ]

Dick, A. S., & Basu, K. (1994). Customer loyalty: Toward an integrated conceptual framework. Journal of the Academy of Marketing Science, 22(2), 99-113. [ Links ]

Gujarati, D. N., & Porter, D. C. (2011). Econometria básica. Porto Alegre: AMGH. [ Links ]

Hidalgo, P., Manzur, E., Olavarrieta, S., & Farías, P. (2008). Customer retention and price matching: The AFPs case. Journal of Business Research, 61(6), 691-696. [ Links ]

Hogan, J. E., Lemon, K. N., & Libai, B. (2004). Quantifying the ripple: Word-of-mouth and advertising effectiveness. Journal of Advertising Research, 44(3), 271-280. [ Links ]

Katz, E., & Lazarsfeld, P. F. (1955). Personal influence. New York: The Free Press. [ Links ]

Keiningham, T. L., Cooil, B., Andreassen, T. W., & Aksoy, L. (2007). A longitudinal examination of net promoter and firm revenue growth. Journal of Marketing, 71(3), 39-51. [ Links ]

Kotler, P., & Armstrong, G. (1996). Principles of marketing. New Jersey: Prentice Hall. [ Links ]

Kozinets, R. V., Valck, K., Wojnicki, A. C., & Wilner, S. J. S. (2010). Networked narratives: Understanding word-of-mouth marketing in online communities. Journal of Marketing, 74(2), 71-89. [ Links ]

Kumar, V., Petersen, J. A., & Leone, R. P. (2007). How valuable is word of mouth? Harvard Business Review, 85(10), 139-146. [ Links ]

Kumar, V., Petersen, J. A., & Leone, R. P. (2010). Driving profitability by encouraging customer referrals: Who, when, and how. Journal of Marketing, 74(5), 1-17. [ Links ]

Kumar, V., & Reinartz, W. (2016). Creating enduring customer value. Journal of Marketing, 80(6), 36-68. [ Links ]

Neri, M. C. (2010). A nova classe média: O lado brilhante dos pobres. Rio de Janeiro: FGV/CPS. [ Links ]

Palmatier, R. W., Dant, R. P., Grewal, D., & Evans, K. R. (2006). Factors influencing the effectiveness of relationship marketing: A meta-analysis. Journal of Marketing, 70(4), 136-153. [ Links ]

Persson, A. (2013). Profitable customer management: Reducing costs by influencing customer behaviour. European Journal of Marketing, 47(5-6), 857-876. [ Links ]

Pfeifer, P. E., Haskins, M. E., & Conroy, R. M. (2005) Customer lifetime value, customer profitability, and the treatment of acquisition spending. Journal of Managerial Issues, 17(1), 11-25. [ Links ]

Reichheld, F. F. (2003). The one number you need. Harvard Business Review, 81(12), 46-54. [ Links ]

Reinartz, W. J., & Kumar, V. (2003). The impact of customer relationship characteristics on profitable lifetime duration. Journal of Marketing, 67(1), 77-99. [ Links ]

Rust, R. T., Lemon, K. N., & Zeithaml, V. A. (2004). Return on marketing: Using customer equity to focus marketing strategy. Journal of Marketing, 68(1), 109-127. [ Links ]

Ryu, G., & Feick, L. (2007). A penny for your thoughts: Referral reward programs and referral likelihood. Journal of Marketing, 71(1), 84-94. [ Links ]

Steiner, P. J., Neto, Schlemer, C. B., & Pádua, F. P., Jr. (2005). Um estudo sobre o arrependimento de adolescentes proprietários de aparelho celular na cidade de Curitiba. Revista Eletrônica de Ciência Administrativa (RECADM), 4(2), 1-15. Recuperado de http://www.periodicosibepes.org.br/index.php/recadm/article/view/392/291Links ]

Valenzuela, L., Torres, E., Hidalgo, P., & Farías, P. (2014). Salesperson CLV orientation’s effect on performance. Journal of Business Research, 67(4), 550-557. [ Links ]

Venkatesan, R., & Kumar, V. (2004). A customer lifetime value framework for customer selection and resource allocation strategy. Journal of Marketing, 68(4), 106-125. [ Links ]

Villanueva, J., Yoo, S., & Hanssens, D. M. (2008). The impact of marketing-induced versus word-of-mouth customer acquisition on customer equity growth. Journal of Marketing Research, 45(1), 48-59. [ Links ]

Westbrook, R. A. (1987). Product/consumption - based affective responses and postpurchase processes. Journal of Marketing, 24(3), 258-270. [ Links ]

Zeithaml, V. A., Berry, L. L., & Parasuraman, A. (1993). The nature and determinants of customer expectations of service. Journal of the Academy of Marketing Science, 21(1), 1-12. [ Links ]

2Avaliado pelo sistema: Double Blind Review

Recebido: 06 de Março de 2017; Aceito: 05 de Setembro de 2017

Editor responsável: Prof. Dr. Susana Costa e Silva

1

. Sandro Bonfim da Costa, Mestrado em administração, Insper, Brasil. E-mail: Sandro_bonfim@hotmail.com

2

. Danny Pimentel Claro, PhD in Business, Wageningen University, Holanda. E-mail: dannypc@insper.edu.br

3

. Adriana Bruscato Bortoluzzo, Doutorado em Estatística, Universidade de São Paulo, Brasil. E-mail: adrianab@insper.edu.br

Contribuição dos autores:

Creative Commons License Este é um artigo publicado em acesso aberto sob uma licença Creative Commons