Beruflich Dokumente
Kultur Dokumente
UTILIZAÇÃO DE UM MODELO DE
VARIÁVEIS LATENTES NA
AVALIAÇÃO DOS FATORES QUE
AFETAM O COMPORTAMENTO DE
COMPRA: UM CASO NA INDÚSTRIA
AUTOMOBILÍSTICA
Pedro Ivo Guedes (ITA)
pedroivo.guedes@gmail.com
Rodrigo Arnaldo Scarpel (ITA)
rodrigo@ita.br
1. Introdução
Em um ambiente competitivo, caracterizado pela contínua inovação dos produtos e pelas
constantes mudanças, a sistemática e consistente transformação de informações em
conhecimento têm se tornado cada vez mais importante. Foi neste ambiente competitivo e
com esse propósito que surgiu a inteligência de mercado que auxilia no processo de tomada
de decisões quanto à definição de mercado e do público-alvo, em análise da concorrência e da
estrutura de mercado, no desenvolvimento de novos produtos e na estimação do seu potencial
de vendas.
No que diz respeito ao desenvolvimento de novos produtos e na estimação de seu potencial de
vendas é fundamental compreender, dentre outras coisas: (i) o desejo dos consumidores no
momento de trocar o produto por um modelo mais atual da mesma empresa, ou por um
produto de uma empresa concorrente, ou de adquirir o produto pela primeira vez; (ii) qual o
melhor momento para se lançar um produto no mercado, qual a configuração que otimiza as
vendas e ainda quais modificações deveriam ser feitas nos atuais produtos.
Para lidar com essas questões, uma possível alternativa é empregar um modelo de variáveis
latentes que auxiliam no entendimento do comportamento dos consumidores e na
identificação de quais fatores mais influenciam em sua decisão de compra.
Assim, o presente trabalho tem por objetivo identificar quais os fatores que afetam o
comportamento de compra através de um modelo de variáveis latentes. Para tal foi utilizado
um caso na indústria automobilística, para avaliar a importância relativa dos fatores
determinantes das vendas de veículos de passeio e utilitários e capturar os desejos “top-level”
de consumidores.
2. Previsão do potencial de mercado de produtos novos
No processo de desenvolvimento de novos produtos, um modelo de previsão do potencial de
mercado é crucial para a avaliação tanto de seu potencial de geração de lucro quanto para
determinação do custo associado para sua produção (WASSENAAR et al., 2004).
São vários os modelos de previsão do potencial de mercado de produtos novos. Donndelinger
e Cook (1997) propuseram o chamado Modelo-S, que utiliza uma expansão de Taylor em
relação a um ponto de referência, em que o valor e o preço de todos os produtos sejam
idênticos, resultando em um modelo de demanda igual para cada produto. Li e Azarm (2000)
propuseram uma abordagem em que a demanda pelos produtos é estimada pela comparação
do valor das utilidades multiatributo de todos os produtos ofertados pelo mercado. Besharati
et al. (2002) propuseram uma abordagem em que a demanda pelos produtos é estimada a
partir da utilidade esperada pelos consumidores tomando-se os valores de utilidade
multiatributos dos produtos, obtidos com análise conjunta (GREEN E WIND, 1975),
assumindo que os clientes compram um produto quando os atributos satisfazem a
determinados limites.
Georgiopoulos et al. (2002) foram os primeiro a utilizar o conceito de portfólio de produtos
para estimar potencial de mercado. Assim, propuseram um modelo econômico de demanda
para avaliar o portfólio dos produtos de uma empresa.
Outra possibilidade é a criação de modelos de previsão de demanda, ou da fatia de mercado,
utilizando modelos de escolhas discretas. Wassenaar e Chen (2003) utilizaram um modelo de
2
XXVIII ENCONTRO NACIONAL DE ENGENHARIA DE PRODUÇÃO
A integração de cadeias produtivas com a abordagem da manufatura sustentável.
Rio de Janeiro, RJ, Brasil, 13 a 16 de outubro de 2008
em que αij são os parâmetros a serem estimados (i = 1,...,k e j = 1,...,p), sendo p o número de
variáveis latentes do modelo e k o número de indicadores existentes e ν é o erro aleatório,
freqüentemente suposto como normalmente distribuído, e é uma indicação da qualidade do
ajuste do modelo, isto é, ν é uma indicação de quão bom a equação da medida explica a
variação encontrada nos valores observados do indicador.
De forma matricial, o modelo de variáveis latentes é representado por
I = αI L + υ (2)
em que I é o vetor dos indicadores (kx1, em que k é o número de indicadores), αI é uma
3
XXVIII ENCONTRO NACIONAL DE ENGENHARIA DE PRODUÇÃO
A integração de cadeias produtivas com a abordagem da manufatura sustentável.
Rio de Janeiro, RJ, Brasil, 13 a 16 de outubro de 2008
Σ = α I Φα Ι Τ + Θ υ (3)
em que αI é a matriz de cargas fatoriais (p x m, em que m é o número de fatores ou variáveis
latentes), Σ é uma matriz (p x p) com as variâncias e covariâncias entre as variáveis latentes e
Θν é uma matriz (k x k) com as variâncias e covariâncias entre os erros aleatórios. Desta
forma, o processo de estimação dos parâmetros, que é feito utilizando o método da máxima
verossimilhança, pode ser encarado como uma decomposição da matriz de variâncias e
covariâncias entre os indicadores para se obter a matriz de cargas fatoriais.
4
XXVIII ENCONTRO NACIONAL DE ENGENHARIA DE PRODUÇÃO
A integração de cadeias produtivas com a abordagem da manufatura sustentável.
Rio de Janeiro, RJ, Brasil, 13 a 16 de outubro de 2008
5
XXVIII ENCONTRO NACIONAL DE ENGENHARIA DE PRODUÇÃO
A integração de cadeias produtivas com a abordagem da manufatura sustentável.
Rio de Janeiro, RJ, Brasil, 13 a 16 de outubro de 2008
Vendas 2005
Demanda
Acessibilidade
Disponibilidade Performance Porte
6
XXVIII ENCONTRO NACIONAL DE ENGENHARIA DE PRODUÇÃO
A integração de cadeias produtivas com a abordagem da manufatura sustentável.
Rio de Janeiro, RJ, Brasil, 13 a 16 de outubro de 2008
Vendas 2005
Demanda
Acessibilidade
Disponibilidade Performance Porte
7
XXVIII ENCONTRO NACIONAL DE ENGENHARIA DE PRODUÇÃO
A integração de cadeias produtivas com a abordagem da manufatura sustentável.
Rio de Janeiro, RJ, Brasil, 13 a 16 de outubro de 2008
0,3
0,25
0,2
0,15
0,1
0,05
Performance Porte
0
Acessibilidade Disponibilidade
-0,05
-0,1
-0,15
-0,2
No que diz respeito aos desejos “top-level” dos consumidores, o estudo mostra que a
acessibilidade do produto, como já era esperado, é o maior dos desejos. Analisando a
importância do fator disponibilidade, fica claro que os consumidores desejam que as
montadoras tenham um grande número de concessionárias, provavelmente, pela importância
dos serviços de manutenção e reparos que esse produto demanda.
Porte
25%
Acessibilidade
35%
Performance
14%
Disponibilidade
26%
5. Comentários e conclusões
Este trabalho foi proposto com o objetivo de apresentar o modelo de variáveis latentes como
uma abordagem analítica útil no tratamento de problemas pertinentes à inteligência de
mercado. Assim, explorou-se a avaliação dos fatores que impactam no comportamento de
compra dos consumidores com o objetivo de capturar sues desejos “top-level”.
Para tal foi utilizado um caso na indústria automobilística em que se identificou que a maior
importância é dada a acessibilidade do produto. Assim, as questões relacionadas ao preço e a
outros mecanismos que facilitem o acesso ao produto, como, por exemplo, as linhas de crédito
8
XXVIII ENCONTRO NACIONAL DE ENGENHARIA DE PRODUÇÃO
A integração de cadeias produtivas com a abordagem da manufatura sustentável.
Rio de Janeiro, RJ, Brasil, 13 a 16 de outubro de 2008
Referências
BENTER, P. M. Multivariate Analysis with Latent Variables. Annual Review of Psychology Vol. 31, p. 419-
456, 1980.
BESHARATI, B.; AZARM, S. & FARHANG-MEHR, A. A Customer-Based Expected Utility for Product
Design Selection. Proceedings of the ASME Design Engineering Technical Conference, Montreal, Canada,
2002.
BEN-AKIVA, M.; WALKER, J.; BERNARDINO, A. T.; GOPINATH, D. A.; MORIKAWA, T. &
POLYDOROPOULOU, A. Integration of Choice and Latent Variable Models, In: Perceptual Motion: Travel
Behaviour Research Opportunities and Application Challenges. Elsevier Science, 2002.
DONNDELINGER, J. & COOK, H. E. Methods for Analyzing the Value of Automobiles. SAE Paper 970762,
Warrendale, PA, Society of Automotive Engineers, Inc., 1997.
EVERITT, B.S. An Introduction to Latent Variable Models, Monographs on Statistical and Applied
Probability. Chapman and Hall, 1984.
GEORGIOPOULOS, P.; FELLINI, R.; SASENA, M. & PAPALAMBROS, P. Y. Optimal Design Decisions
in Product Portfolio Valuation. Proceedings of the 2002 ASME Design Engineering Technical Conferences,
Montreal, Canada, 2002.
GREEN, P. E. & WIND, Y. New Ways to Measure Consumer Judgments. Harvard Business Review, 1975.
JORESKOG, K. G. A General Method for Estimating a Linear Structural Equation System, Structural Models
in the Social Sciences. Eds. Academic Press, New York, 1973.
KEESLING, J. W. Maximum Likelihood Approaches to Causal Analysis. Ph.D. Thesis, University of Chicago,
1972.
LI H. & AZARM, S. Product Design Selection under Uncertainty and with Competitive Advantage. ASME
Design Technical Conference, DETC2000/DAC-14234, Baltimore MD, 2000.
LOEHLIN, J. C. Latent Variable Models, an introduction to factor, path, and structural analysis.. 3rd ed.
Mahwah, NJ: L. Erlbaum Associates, 1998.
WASSENAAR, H.J. & CHEN, W. Enhancing Discrete Choice Demand Modeling for Decision-Based Design.
DETCDTM48683, Proceedings of the 2003 ASME Design Engineering Technical Conferences, Chicago, IL.,
2003.
WASSENAAR, H. J.; CHEN, W.; CHENG, J. & SUDJIANTO, A. An Integrated latent variable choice
modeling for enhancing product demand modeling. Proceedings of DETC’04, ASME 2004 Design Engineering
Technical Conference, Salt Lake City, Utah, 2004.
WILEY, D. E. The Identification Problem for Structural Equation Models with Unmeasured Variables,
Structural Models in the Social Sciences. Eds. Academic Press, New York, 1973.