Drivers of Customer Satisfaction for Software Products: Implications for Design and Service Support. Management Science/ Vol. 41 No. 9, September 1995.

Apresentação em tema: "Drivers of Customer Satisfaction for Software Products: Implications for Design and Service Support. Management Science/ Vol. 41 No. 9, September 1995."— Transcrição da apresentação:

1 Drivers of Customer Satisfaction for Software Products: Implications for Design and Service Support. Management Science/ Vol. 41 No. 9, September 1995 Sunder Kebre Mayuram S. Krishnan Kannan Srinivasan

2 Resumo Este trabalho estuda os pontos determinantes para a satisfação dos consumidores de softwares. A análise sugere que a usabilidade e a capacidade são as características mais importantes para a satisfação geral do consumidor. Ela também sugere que os pontos determinantes de satisfação variam de acordo com os diferentes tipos de consumidores e de produtos. Os resultados possuem implicações importantes na fabricação e nos serviços que envolvem o mercado de softwares.

3 1. Introdução O mercado de softwares está crescendo rapidamente e produzir produtos que atendam às necessidades dos consumidores está se tornando mais importante que maximizar os lucros. A razão para o crescimento da ênfase na satisfação do consumidor é que um consumidor satisfeito leva a firma à uma posição competitiva mais forte. Esta posição resulta em um ganho de mercado e lucros maiores.

4 1. Introdução Ao contrário do que pesquisas anteriores sobre o assunto concluíram, este trabalho mostra que confiança no produto é um fator significante na satisfação do consumidor. Uma vez que um dado nível de confiança é alcançado, três outros fatores ganham importância: performance, capacidade e usabilidade. Este trabalho também sugere que a importância de cada fator depende de cada grupo de consumidor.

5 1. Introdução Este trabalho faz parte de um contexto de uma literatura crescente. Muitos outros autores já estudaram a importância da satisfação do consumidor na produção de produtos melhores e que atendem melhor às necessidades dos consumidores. A análise deste trabalho provê uma estrutura que usa a resposta do consumidor para produzir produtos e serviços que aumentem a satisfação do mesmo.

6 2. Metodologia e coleta de dados O local alvo da pesquisa foi um laboratório da IBM Canadá. A primeira parte da pesquisa foi focada em 35 consumidores representativos. O objetivo desta etapa era identificar os fatores-chave da satisfação do consumidor. Na segunda fase, um questionário baseado nas respostas dos 35 consumidores representativos foi formulado e passado à uma amostra de 5000 consumidores.

7 2. Metodologia e coleta de dados Um ponto chave desta amostra é que ela contém somente usuários de produtos IBM. Isso é um ponto negativo do trabalho pois pode gerar um viés da amostra. Se o usuário usa IBM, é de se supor que ele está satisfeito com o produto. Uma forma de eliminar este problema seria incluir na amostra consumidores que alguma vez utilizaram produtos da IBM e que por ventura não mais o utilizam. Desta forma a amostra seria menos tendenciosa.

8 2. Metodologia e coleta de dados Os fatores-chave de satisfação identificados pela pesquisa foram: 1. Confiança (REL) 2. Capacidade/Funcionalidade (CAP) 3. Usabilidade (USE) 4. Instalação (INS) 5. Manutenção (MNT) 6. Performance (PEC) 7. Documentação (DOC)

9 2. Metodologia e coleta de dados Esses fatores-chave fazem sentido se forem analisados de acordo com a literatura do tema. Garvin (1987) e Zeithaml et al. (1990) chegaram à fatores que influenciam a satisfação dos consumidores muito parecidos com os encontrados neste trabalho. Davis et al (1989) concluiu que a usabilidade é o fator essencial na satisfação do consumidor. Bailey e Pearson (1983) sugerem que performance e documentação são os fatores mais importantes na satisfação de consumidores usuários de sistemas de informação.

10 2. Metodologia e coleta de dados Na análise deste trabalho foram considerados que as características possuem importâncias para diferentes para diferentes tipos de consumidores. Assumimos aqui, por exemplo, que os fatores performance, manutenção e confiança causam mais impacto na satisfação de usuários que utilizam os serviços de rede. A tabela a seguir apresenta os resultados esperados para cada grupo de consumidor.

11 2. Metodologia e coleta de dados O sinal (+) mostra, para cada grupo de consumidor, qual o tipo de fator que é esperado influenciar mais na satisfação. A primeira coluna, por exemplo, mostra que todos os fatores são esperados influenciar na satisfação total dos consumidores.

12 3. Análise Uma análise preliminar dos dados mostra que a distribuições de freqüência da amostra é viesada para a direita (onde direita é o lado mais satisfeito da distribuição e esquerda o mais insatisfeito). Isso mostra mais uma vez que essa amostra é de fato viesada pois ela só coleta dados de atuais consumidores da IBM. Os consumidores muito satisfeitos estão na escala 5. Eles representam 62% da amostra. Consumidores satisfeitos (escala 4) e indiferentes (escala 3) representam 35 %. Os outros 3% representam os consumidores insatisfeitos (escala 2) e os muito insatisfeitos (escala 1).

13 3. Análise A correlação entre a satisfação geral e cada um dos sete fatores é positiva e significante. A correlação com o fator funcionalidade é a maior dentre as correlações (0,64) e a correlação com a documentação é a menor (0,3).

14 3. Análise A variável dependente do modelo é a satisfação geral, que faz um ranking da satisfação em uma escala ordinal. Um modelo de regressão por MQO não seria viável pois seria ineficiente e as previsões não poderiam ser restritas à um intervalo. Por outro lado, um modelo multinomial logit ou probit também não seriam apropriados pois a variável dependente possui uma ordenação. Portanto, o modelo escolhido foi o probit ordenado.

15 3. Análise É definida uma variável latente (não observada) que é contínua e que mede o valor da satisfação geral. No modelo de regressão padrão esta variável é linear nos parâmetros, como mostra a equação abaixo:

16 3. Análise Xi é um vetor com as variáveis explicativas e β´ é o vetor com os parâmetros associados. ε i é o erro estocástico que é assumido como sendo normalmente distribuído. Para garantir que as probabilidades somem 1, a probabilidade do nível de satisfação 5 é o complemento da soma das outras probabilidades. Para garantir que todas as probabilidades sejam positivas, a seguinte hipótese é feita:

17 3. Análise A expressão de verossimilhança para cada observação i é dada por: onde os limites da integral são: l 0 = - ∞ l 1 = -β´X i l 2 = δ 1 - β´X i l 3 = δ 2 - β´X i l 4 = δ 3 - β´X i l 5 = + ∞

18 3. Análise O formato da função de probabilidade deste modelo é dado pela seguinte figura:

19 3. Análise Note que na equação (3) apenas uma das cinco integrais se aplicam à cada consumidor específico. Mais especificamente, considere um consumidor que tenha o nível de satisfação i pertencente ao intervalo (1, 2,..., 5), D j (j = 1, 2,..., 5) = 1 se j = i e D j (j = 1, 2,..., 5) = 0 se j ≠ i. Como cada observação é tratada como independente, a expressão de verossimilhança para todos os consumidores é dada pelo produtório da expressão de cada consumidor separado:

20 3. Análise O vetor das variáveis explicativas consiste em 7 fatores: capacidade, usabilidade, performance, confiabilidade, instalação, manutenção e documentação. De acordo com este trabalho, cada elemento do vetor β mede o impacto marginal do fator explicativo associado. Isto não é bem verdade dado que para medir o impacto marginal, os elementos deveriam ser multiplicados pelas densidades de probabilidade. Este ponto é mais um fator negativo deste trabalho. A todo momento o autor assume que está calculando os impactos marginais quando na verdade isto não está acontecendo.

21 3. Análise Como discutido anteriormente, os diferentes fatores que afetam a satisfação são captados de forma diferente dependendo do grupo que se estuda. Para tentar capturar estas diferenças, é proposto um outro modelo, chamado de modelo completo. Este modelo é baseado na tabela 1. Ele tenta capturar as diferentes formas com que os fatores afetam os diferentes grupos. O modelo tem o seguinte formato:

22 3. Análise Onde DNW é uma variável dummie para usuários de rede assim como DMF é dummie para usuários de computadores centrais, DEX para programadores experientes e DEU para novos usuários.

23 3. Análise Na equação (6), de α 1 a α 4 captura a diferença de intercepto dada a variação do produto e do consumidor. Os parâmetros β 11 a β 17 medem as interações de efeitos discutidas anteriormente (tabela 1).

24 3. Análise O autor ainda cria outros dois modelos para tentar captar outros tipos de efeitos. Os modelos são: Modelo de efeitos segmentados: restringe os parâmetros de interação ( β 8 a β 17 ) para zero. Neste modelo é possível medir as diferenças da satisfação geral para diferentes segmentos de consumidores e produtos. Modelo de sete fatores: restringe todas as variáveis dummy para zero. Este modelo serve como benchmark para verificar a variação adicional explicada por cada segmento de consumidor ou produto. Os resultados das regressões são apresentados na tabela a seguir:

25 3. Análise

26 A tabela mostra os resultados para os diferentes modelos. Os sete primeiros Betas ( β 1 a β 7 ) captam os efeitos gerais, independente de qual grupo de consumidor estamos tratando. Para saber o efeito total de uma certa variação no modelo completo é preciso somar os parâmetros relacionados. Por exemplo, para saber o efeito total da confiança nos usuários experientes é preciso somar o β 1 com o β 14.

27 3. Análise O ajuste do modelo foi calculado utilizando-se uma medida padrão para este tipo de cálculo em modelo probit (medida análoga ao R 2 da regressão por MQO: onde LF é a verossimilhança do modelo completo e LB é a verossimilhança em um modelo base onde α, δ 3, δ 2 e δ 1 são estimados.

28 3. Análise O modelo base diz que o melhor palpite sobre a probabilidade, na ausência de todas as informações das variáveis explicativas, é a proporção na amostra. Logo, este índice U 2 é um indicador da melhora da verossimilhança quando as informações são adicionadas ao modelo. Para o modelo completo, este índice é de 42,1%. É importante destacar que o valor máximo para este indicador é 50%.

29 3. Análise Um índice mais apropriado seria o U 2 desagregado. Desta forma obtemos um índice no valor de 37,6%, o que sugere uma melhora significativa diante do modelo base.

30 4. Discussões e implicações do modelo. A análise da tabela mostra resultados interessantes. Pela magnitude dos coeficientes vemos que a funcionalidade é o fator mais importante na determinação da satisfação dos consumidores enquanto que a instalação é o menos importante. O modelo também nos mostra que, de fato, existem reações diferentes na satisfação para diferentes grupos de consumidores.

31 4. Discussões e implicações do modelo. Nota-se que os usuários mais experientes são mais rígidos para julgar seu nível de satisfação. Os usuários de sistemas de rede, assim como era esperado, dão grande ênfase à confiança do produto e à performance. Usuários novos dão grande importância à usabilidade do produto e à documentação.

32 4. Discussões e implicações do modelo. Com os resultados obtidos, foi realizada uma análise de sensibilidade. O objetivo é mostrar qual seria a variação em cada grupo de o nível de satisfação variasse um ponto, mantendo todos os outros fatores constantes. Os resultados são apresentados na tabela a seguir:

33 4. Discussões e implicações do modelo. A tabela é analisada da seguinte forma. Tome por exemplo a segunda coluna. Como seria a variação da avaliação dos consumidores se o nível de satisfação com os a funcionalidade do produto aumentasse em um ponto percentual. Deste exemplo vemos que, dos 1251 consumidores que inicialmente eram muito satisfeitos, 1494 passam a se considerar muito satisfeitos. A tabela nos mostra que funcionalidade e usabilidade são os pontos chave onde a IBM deve investir para tentar aumentar a satisfação dos seus cliente. Esses dois fatores são os que possuem as maiores sensibilidades.

34 4. Discussões e implicações do modelo. Uma outra análise de sensibilidade foi feita. No ramo de produtos para usuários de rede, foram modificados os fatores de funcionalidade e confiança. Esses fatores sofreram aumentos positivos. As escalas de 1 a 4 são consideradas “não satisfeitas”. A tabela com os resultados é mostrada a seguir:

35 4. Discussões e implicações do modelo. Note que entre todos os consumidores, um acréscimo no nível de funcionalidade vez com que 12% dos consumidores passassem a se considerar satisfeitos. Em contraste, a confiança aumentou apenas 2%. Para os usuários de rede, o resultado é diferente:

36 4. Discussões e implicações do modelo. Outra análise deste modelo é o impacto das escolhas de fabricação nos fatores que influenciam na satisfação. O resultado é mostrado a seguir:

37 4. Discussões e implicações do modelo. A primeira dimensão, por exemplo, consiste em duas opções para os usuários: personalizável ou fixo. Essa flexibilidade de opções melhora os fatores funcionalidade e usabilidade. Entretanto, incorporar este tipo de interface prejudica a performance do computador. Existe este tradeoff entre computadores personalizáveis e fixos e é isto que a tabela mostra.

38 5. Conclusões O trabalho consiste em tomar a opinião do consumidor como uma informação importante no momento de produzir um determinado produto. Sete fatores são considerados importantes na satisfação do consumidor: funcionalidade e usabilidade são os fatores dominantes, seguidos por performance. Os outros fatores considerados são instalação, documentação, manutenção e confiança.

39 5. Conclusões Aumentar a satisfação do consumidor tem se tornado uma questão chave nas estratégias das firmas. A premissa é de que consumidores satisfeitos geram vantagem competitiva e lucros maiores. É por isso que entender estes fatores de satisfação se tornou tão importante.