1 INTRODUÇÃO

As mudanças no ambiente do marketing nos últimos tempos geraram uma necessidade de estudo e entendimento desse novo ambiente, para que as empresas se adaptem rapidamente para atender as demandas geradas pelos consumidores. Nessa direção, diversos consumidores utilizam as redes sociais como meios de pesquisa e de informação na hora de realizar suas compras ou identificar produtos que têm intenção de adquirir. Muitas marcas têm percebido esse crescente interesse dos consumidores e buscam utilizar isso a seu favor, criando assim, novos segmentos de marketing, Marketing Analytics e Social Media Analytics (Chamlertwat et al., 2012; Wedel & Kannan, 2016).

As mídias sociais (social media) são plataformas de comunicação on-line que proporcionam poder de alcance, como ferramenta de marketing. Isto ocorre pelos compartilhamentos e atividades que nelas podem ser realizadas (Gomes & Mondo, 2016). Outros autores caracterizam as mídias sociais como grupos de aplicativos com poder de fonte de informação que fornecem interatividade (Kaplan & Haenlin, 2010; Serra, Storopoli & Serra, 2013).

Ainda, o uso das mídias sociais tornou-se parte importante na vida das pessoas, e consequentemente, dos consumidores de produtos e serviços na internet (Salvador, Strehalay & Ikeda, 2015). Dados recentes da Social Media Engagement Summary, desenvolvido pela Global Web Index (2015) ranqueou que as cinco mídias sociais mais acessadas do mundo são: Facebook, YouTube, Google+, Twitter e Instagram.

Há diversas lacunas na literatura relacionadas ao entendimento de fatores que potencialmente podem influenciar a compra on-line. Dentre os principais fatores estão: o tempo de utilização e permanência na internet e a interatividade entre marcas e consumidores. Nesse contexto, sugere-se que o maior tempo de exposição às mídias sociais podem produzir apego entre marcas e consumidores além do maior nível de interatividade que pode influenciar no desempenho de uma determinada marca (Porto, Mendonça & Milan, 2016; Santo & Pinto, 2016; Hoffman & Fodor, 2010; Menegatti, 2017).

No que se refere a divulgação de suas marcas, as empresas vêm investindo na potencialidade das mídias sociais como forma de ampliar as interações e buscar análises do nível de aceitação de uma marca por parte do consumidor (Shimp & Andrews, 2013). Nesse sentido, a marca pode afetar positivamente a avaliação do consumidor dentro de um ambiente on-line, e isto pode permitir que as marcas se diferenciem quanto a comercialização e divulgação de seus produtos e serviços (Brexendorf, Bayus & Keller, 2015).

O termo “métrica” tem por significado “aquilo que pode ser mensurado”. Portanto, as métricas são as medidas mais simples de algo que pode ser mensurado. A grande vantagem do Marketing Digital é a possibilidade de medir praticamente todas as ações desenvolvidas nos mais variados canais. Assim, observam-se métricas para mídias sociais, tais como: sites e e-commerce, streaming de vídeos, entre outros; e métricas para indicadores de desempenho do site que são divididos, basicamente, em duas vertentes: área comercial e estratégias de Marketing Digital (Jäevinen & Karjaluoto, 2015).

Além da importância em analisar as métricas nos últimos anos, percebe-se também que o mercado de cosméticos vem crescendo significativamente no mundo todo, e no Brasil em especial, conforme dados fornecidos pela Associação Brasileira da Indústria de Higiene Pessoal Perfumaria e Cosméticos gerados pelo Euromonitor (ABIHPEC, 2010). A análise das métricas em mídias sociais possibilita mapear gostos, ideias, atos e conexões das pessoas, sendo possível estabelecer padrões nessas múltiplas redes, principalmente por meio das interações que são mediadas por essas ferramentas (Recuero, 2014).

Este artigo procura analisar a utilização de métricas em “mídias sociais” e “indicadores de desempenho do site” e sua relação com o “valor da marca” pelas empresas de cosméticos instaladas no Brasil. Esta análise foi realizada com base no uso de aplicativos (apps) e softwares de Digital Analytics.

O artigo possui a seguinte estrutura: introdução, fundamentação teórica que fornece base conceitual do tema, na sequência são apresentados: a metodologia, a análise de dados e, por fim, as conclusões e recomendações gerenciais.

2 FUNDAMENTAÇÃO TEÓRICA

Esta seção apresenta os conceitos de Marketing Analytics e Social Media Analytics; e por fim, a definição de métricas em “mídias sociais” e “indicadores de desempenho no site” com base em estratégias de Digital Analytics.

2.1 Marketing Analytics e Social Media Analytics

Uma maneira muito conhecida de utilização de Marketing Digital é a propaganda em mídias sociais feitas pelas marcas, atualmente percebe-se uma grande interação entre as marcas e seus consumidores por meio de suas plataformas (Morgan & Hunt, 1994). A academia reflete sobre as mídias sociais com propostas de modelo de gestão colaborativa no processo de comunicação da marca no qual conceitos como Marketing Analytics e Social Media Analytics impulsionam novas tendências na área.

Davenport e Harris (2007) desenvolveram o conceito de Analytics ou Business Analytics que é definido como o uso extensivo de dados, análise estatística e quantitativa, modelos explicativos e preditivos e gerenciamento baseado em fatos para condução das decisões e ações. Evans e Lindner (2012) observaram que o Business Analytics é uma convergência das disciplinas fundamentais: Estatística; Inteligência de Negócios (BI); Sistemas de Informação (SI); e Pesquisa Operacional (uso de Modelagem e Otimização).

O conceito de Marketing Analytics por Rackley (2015) apresenta abordagens específicas, e Wedel e Kannan (2016) encontraram uma definição contemporânea que aborda a coleta, o gerenciamento e a análise de dados (descritivos, preditivos e prescritivos) na busca da obtenção de insights sobre o desempenho do marketing, para maximizar a eficácia e os instrumentos de controle (sistemas de informação específicos de marketing) para otimização do Return on Investment (ROI) das empresas.

Dentro deste escopo é que surge o conceito de Social Media Analytics (SMA) que envolve o uso de recursos analíticos para analisar e interpretar grandes quantidades de dados semiestruturados e não estruturados de fontes on-line (Kurniawati, Shanks & Bekmamedova, 2013). A Social Media Analytics oferece às empresas informações sobre valores, opiniões, sentimentos e perspectivas sobre as marcas, campanhas de marketing e novas oportunidades de produtos de serviços (Chamlertwat et al., 2012).

2.2 Métricas em “Mídias Sociais” e “Indicadores de Desempenho do Site” com base em Estratégias de Digital Analytics

As métricas são importantes indicadores para avaliar o desempenho/performance de um objeto de análise, principalmente, tornam-se relevantes dentro do cenário de Marketing Digital no qual as redes sociais estão inseridas.

As métricas de “mídias sociais” – também chamadas pelo mercado de “métricas de vaidade” são aquelas que servem para “inflar o ego” de forma quantitativa de uma publicação ou site, e não permitem tirar muitas conclusões para melhorar os resultados efetivos da sua empresa. Nesse sentido, as métricas simples de engajamento nas mídias sociais são excelentes para acompanhar uma publicação individualmente, mas podem significar pouco para o negócio se observadas isoladamente. Portanto, faz-se necessário que as métricas simples de engajamento sejam analisadas dentro de um conjunto com outras métricas que possuem relação com a exposição da marca (Cutroni, 2010; Jäevinen & Karjaluoto, 2015).

Os “indicadores de desempenho do site” são parâmetros quantificados ou qualitativamente elaborados que servem para detalhar se os objetivos de uma proposta estão sendo adequadamente conduzidos ou foram alcançados. Estes indicadores podem auxiliar a empresa a obter melhor produtividade (melhorando a operação de vendas), qualidade (ajudam a avaliar as conformidades no processo comercial), capacidade (respostas aos processos da área comercial), estratégia (desempenho da equipe de acordo com o planejamento de uma campanha), lucratividade (mais do que quantidade de volume de vendas é preciso medir lucratividade) e satisfação do cliente (indicadores de rapidez no atendimento). No caso desta pesquisa os indicadores utilizados refletem métricas calculadas com base na experiência de uso do site pelos consumidores frente a exposição da marca (Cutroni, 2010).

Os sites de relacionamentos ou as redes sociais, são ambientes que buscam reunir pessoas, e uma vez inscritos podem expor em seus perfis suas fotos, textos, mensagens, além de poder interagir com outros membros. A rede de sites de mídias sociais permite que indivíduos criem perfis públicos ou semi-públicos dentro de um sistema, que identifiquem outros indivíduos que compartilhem uma conexão e que vejam informações sobre essas conexões dentro do sistema (Boyd & Ellison, 2007). Além disso, para Nair (2011), as mídias sociais também oferecem uma plataforma para servir e ouvir os consumidores, além de monitorar o feedback dos consumidores, encorajar o diálogo e estabelecer conexões.

O ambiente das marcas e de mercado está mudando, o gerenciamento de marcas deve responder com ferramentas e enquadramentos adequados (Fisher-Buttinger & Valaster, 2008), de modo a adaptar-se ao ambiente digital em que os consumidores estão inseridos, isto leva que diversos especialistas de mercado procurem entender como utilizar as redes sociais como um meio de alavancar suas vendas, melhorar o relacionamento com consumidores, entre outros (Macy & Thompson, 2011).

Com o surgimento e a expansão das redes sociais on-line, tornou-se possível obter dados reais em larga escala para pesquisadores de diversas áreas, por meio de coletas feitas nas redes sociais e em softwares especializados. Outra opção são os agregadores de redes sociais, ou seja, sistemas que permitem o acesso a várias redes sociais simultaneamente, por meio de um único portal que serve para auxiliar as pessoas que utilizam vários aplicativos/sistemas de redes sociais, pois conseguem gerenciar suas páginas e atividades de todas essas redes de uma forma unificada. As mídias sociais promovem a oportunidade de interações em tempo real entre a marca e os consumidores, mas o aspecto mais importante é saber como construir e gerir o processo de interação (Planton, 2014).

Para Cutroni (2010), a definição de Digital Analytics engloba três principais tarefas que cada empresa deve enfrentar ao utilizar essas ferramentas: medição de dados quantitativos e qualitativos; melhoria contínua do website; alinhamento da estratégia de medição com a estratégia do negócio.

As ferramentas de Digital Analytics podem servir para realizar uma abordagem estratégica, a fim de alavancar as competências da empresa e de seus clientes (Prahalad & Ramaswamy, 2004), para gestão de conhecimento sobre os consumidores, para rastrear a presença on-line da empresa e acima de tudo para estudar depoimentos dos consumidores da empresa no ambiente digital. No mercado existem serviços gratuitos de Analytics que podem ser usados para fornecer métricas sobre o número de visitas a um site, páginas do site que recebem o maior volume de tráfego, quanto tempo os usuários gastam em determinada página, além de palavras-chave utilizadas em um site buscador para chegar ao site estudado (Winterberg, 2010; Mishra, Kumar & Bhasker, 2014).

Os dados obtidos nesta prática de monitoramento são muito importantes para determinar se as métricas de mídias sociais utilizadas estão influenciando realmente o acesso ao site da empresa, caso realmente esteja, se essa influência compensa o investimento realizado, ou se deve haver um aumento nesse investimento.

3 METODOLOGIA

Esta seção está estruturada da seguinte forma: é apresentada uma breve descrição do mercado de cosméticos e da escolha das marcas utilizadas na pesquisa. Na sequência são apresentadas as variáveis explicativas utilizadas na análise. Por fim, é apresentado o método da regressão múltipla que foi utilizada para a análise dos dados.

3.1 Mercado de Cosméticos

O setor de cosméticos foi escolhido por ser um ambiente muito dinâmico e que sofre uma forte influência dentro das mídias sociais, pois cada vez mais estas empresas marcam sua presença dentro das mais diferentes redes sociais. Isto se deve ao fato de que as organizações são pressionadas pelo ambiente, com a finalidade de se tornarem homogêneas a ele (DiMaggio & Powel, 1983; Garcia, 2005). A escolha das marcas utilizadas nesse estudo foi feita com base na lista de empresas de cosméticos mais valiosas do mundo divulgada pela consultoria Brand Finance.

Com base nesse ranking, o critério de seleção foi a avaliação dos sites das respectivas marcas de cosméticos que apresentam domínio no Brasil (ou seja, sites.com.br). Logo, as empresas que não se encaixaram nesse critério foram excluídas do estudo, obtendo assim, uma lista final com 14 marcas (vide Tabela 1).

A construção do banco de dados utilizou como critério o ranking fornecido pela consultoria Brand Finance que divulgou uma listagem com as marcas de cosméticos mais valiosas do mundo em 2015. Essa lista contém todas as 14 marcas selecionadas no estudo, país de origem, e o valor de mercado.

3.2 Procedimentos Metodológicos e a Identificação das Variáveis Explicativas em Métricas: em “Mídias Sociais” e “Indicadores De Desempenho Do Site”

Nesta pesquisa foi necessária a criação de uma base de dados dentro do período observado nas 14 marcas de cosméticos selecionadas. Para a construção dessa base foram extraídos dados de aplicativos (apps) de Redes Sociais e ferramentas de Digital Analytics. Ao todo foram utilizadas 2 Redes Sociais (Facebook e Instagram), além de 3 softwares de Digital Analytics (SimilarWeb, Alexa e Nibbler).

Os dados foram tabulados em uma planilha, utilizando o software Microsoft Excel©, e em seguida foram agrupados e ordenados segundo a marca correspondente, com seus respectivos atributos que indicam as variáveis independentes que foram utilizados para a análise de dados. A base de dados foi construída entre os meses de novembro de 2015 a abril de 2016, gerando um total de 21 coletas para cada empresa. Cada coleta demandou cerca de 4 horas para ser realizada integralmente, desde o momento da extração, organização e digitação dos dados. Ao todo foram selecionadas 18 variáveis observadas, sendo que 6 derivaram do software SimilarWeb, 4 do Alexa, 3 do Nibbler, 1 do Facebook e 4 do Instagram.

Alguns dados utilizados neste trabalho foram gerados por meio de ferramentas presentes nas próprias redes sociais do Facebook e Instagram e ferramentas de Digital Analytics (vide Tabela 2). O critério de seleção das ferramentas utilizadas foi a gratuidade e que disponibilizem acesso no Brasil dada a relevância para esta pesquisa.

Nesta pesquisa a variável dependente foi o valor da marca e as variáveis independentes compreenderam os atributos relacionados as 18 variáveis explicativas, sendo analisadas separadamente por dois grupos de métricas: “mídias sociais” e “indicadores de desempenho do site”, bem como seus subgrupos.

Hair et al. (2010) explicam que o R² é influenciado pela razão entre o tamanho da amostra e o número de variáveis independentes, e várias normas práticas têm sido propostas, com uma variação entre 10 e 15 observações por variável dependente.

Considerando as 294 observações obtidas neste trabalho (registros coletados), optou-se pela utilização de 18 variáveis que tem o objetivo de analisar a exposição da marca, sendo que cada grupo contou respectivamente com 7 variáveis em “mídias sociais” e 11 em “indicadores de desempenho do site” específicas, sendo analisadas separadamente por subgrupos temáticos.

Os dados foram divididos em métricas em “mídias sociais” e “indicadores de desempenho do site” com a finalidade de entender qual tipo de variável explicaria melhor a variável dependente (valor de mercado em 2015). Do total das 18 variáveis independentes, 7 foram classificadas como métricas em “mídias sociais” e 11 como “indicadores de desempenho do site”.

Portanto, variáveis em “mídias sociais” são aquelas que dependem diretamente da interação direta dos usuários dentro das redes sociais para sua construção de métricas, como por exemplo, o número de curtidas no Facebook. Por outro lado, as variáveis em “indicadores de desempenho do site” são aquelas que não dependem da interação dos usuários dentro das redes sociais para sua construção de métricas, dependem apenas do acesso desses usuários ao site da marca, por exemplo, avaliação do site. Normalmente as variáveis em indicadores de desempenho do site servem para o monitoramento gerencial da empresa em relação a qualidade dos serviços prestados.

No presente estudo utilizou-se a análise de regressão múltipla, que é uma técnica estatística, que pode ser usada para se analisar a relação entre uma única variável dependente (critério) com várias variáveis independentes (preditoras explicativas).

Para a apuração dos dados apresentados no trabalho, utilizou-se o software estatístico IBM SPSS Statistics v. 22, no qual foram inseridos os dados coletados durante os meses de coleta. Nessa pesquisa buscou-se mensurar o impacto direto e a magnitude da probabilidade de se detectar estatisticamente o nível significativo específico dos R².

A regressão múltipla é um dos vários modelos estatísticos explanatórios causais referentes ao tratamento de séries temporais de dados. É também considerada a previsão de valores de uma ou mais variáveis de resposta (dependentes) por meio de um conjunto de variáveis explicativas (independentes). Esta metodologia pode ser utilizada também para a avaliação dos efeitos das variáveis explicativas como previsoras das variáveis de resposta.

4 ANÁLISE DOS RESULTADOS

Esta seção é estruturada com a apresentação dos dados e resultados da análise das variáveis e das unidades de significância nas métricas em: “mídias sociais” e “indicadores de desempenho do site”.

4.1 Teste de Normalidade e Multicolinearidade

A normalidade foi verificada por meio do teste de Kolgomorov-Smirnov (K-S) obtendo p0,001. Nesse caso, pode-se afirmar que a “BrandValue” ou valor da marca não segue uma distribuição normal. Hair et al. (2010, p.136) explicam que a grande maioria dos estudos na área de ciências sociais aplicadas (especificamente na Administração em estudos de Ciências Sociais Aplicadas) não apresentam normalidade em suas amostras e que “... para amostras pequenas, recomenda-se que sejam utilizados procedimentos não paramétricos diretamente para a análise, em função da baixa performance dos testes de aderência à normalidade”.

A multicolinearidade refere-se à existência de mais de uma relação linear exata, o que significa a existência de uma “perfeita” (ou exata) relação linear entre algumas ou todas as variáveis explicativas de um modelo de regressão. O Fator de Inflação de Variância (VIF) pode ser calculado para cada variável explicativa em um modelo de regressão. Calcula-se o R² deste modelo no qual o cálculo do VIF ocorre pela formula: 1/(1-R²). Hair et al. (2010) considera que VIF’s acima de 5 ou 10 podem ser considerados como valor de corte.

Na sequência são apresentadas as variáveis explicativas, bem como suas respectivas descrições, relacionamentos esperados, saídas das regressões múltiplas por agrupamentos em “Unidades de Significância”, além dos testes de ANOVA e de multicolinearidade.

4.2 Análise das Variáveis em Métricas em “Mídias Sociais”

Unidade de Significância: “Relacionamento pelo Facebook”

Analisando os valores médios da variável “FBLikes” percebeu-se que a marca Dove possui em média o maior número de curtidas entre as marcas pesquisadas, sua média foi de 25.320.332,95 curtidas. Isso se deve pelo fato da marca Dove ser muito conhecida pelos consumidores brasileiros, já que há fácil acesso a ela em qualquer supermercado ou farmácia. Além disso, a Dove realiza muitas campanhas em sua página do Facebook (vide Figura 1), o que cria uma maior interação com o consumidor. A Dove é famosa mundialmente por suas campanhas sobre o empoderamento feminino.

Figura 1
Página do Facebook da Dove Brasil
Disponível em: https://facebook.com/DoveBr Acesso em: 25 de junho de 2016.

Por outro lado, as marcas com menores números médios de curtidas no Facebook são Schwarzkopf e Shiseido, que são marcas dificilmente encontradas no Brasil, e por serem importadas, possuem produtos mais caros em relação aos produtos que se encontram facilmente no mercado brasileiro.

Como resultado no caso do “Relacionamento pelo Facebook” (vide Tabela 3), o teste ANOVA apresentou uma estatística F(2,291)=33,956 e uma significância inferior a 0,001 (1%). Isto aponta para que o modelo observado, em todas as varáveis, é bastante significativo. O resumo do modelo forneceu um R2 ajustado de 0,184, com 2 variáveis significativas: “SWSocialFacebook” e “FBLikes”. Dos relacionamentos esperados, (+) e (-), ambas as variáveis tiveram correspondência com o resultado obtido pelo p-value.

Unidade de Significância: “Relacionamento pelo Instagram”

A marca Nivea apresentou destaque neste estudo por estar presente em praticamente todas as principais redes sociais, criando um bom canal de interação com seu público, divulgando seus produtos, ações de marketing, como por exemplo, shows patrocinados pelas marcas (vide Figura 2) e parcerias com outras empresas como o Spotify – aplicativo que permite a criação de um perfil oficial para promover playlists (vide Figura 3).

Figura 2
Publicação no Instagram oficial da Nivea Brasil divulgando show patrocinado pela marca
Aplicativo Instagram. Acesso em: 24 de junho de 2016

Figura 3
Publicação no Instagram oficial da Nivea Brasil divulgando parceria com o aplicativo Spotify
Aplicativo Instagram. Acesso em: 24 de junho de 2016.

Por outro lado, os dados indicaram que a L’oréal e Dove são as marcas estudadas que possuem menos acessos provenientes das redes sociais. No caso da Dove, isso representa que a marca precisa melhorar a gestão de suas redes sociais, um exemplo disso é que a Dove não possui perfil na rede social Instagram voltada especificamente para o público brasileiro. Já a L’oréal apesar de possuir perfis nas principais redes sociais, precisa trabalhar para que o seu público utilize mais as redes sociais como meio de acesso ao site principal da marca, a fim de obter maiores informações sobre os produtos.

Os valores médios da variável “INSFollowing” indicaram que a marca L’occitane é a marca que mais segue perfis na rede social Instagram. Quando a marca segue alguns de seus consumidores no Instagram, o consumidor sente uma interação ainda maior com a marca, porém grandes marcas tendem a seguir o menor número de perfis. As marcas que seguem o menor número de perfis entre as estudadas são: Neutrogena, que seguiu uma média de 7,75 perfis durante o tempo da pesquisa e Shiseido, que não segue nenhum perfil.

Os valores médios da variável “INSHashtagBrasil” indicaram que a marca mais citada entre os usuários do Instagram é a Avon, com a Hashtag #AvonBrasil (vide Figura 4), que foi usada uma média de 9.033,81 vezes durante o tempo do estudo. Esse dado confirma que a Avon é uma das principais marcas de cosméticos utilizada pelas brasileiras, devido ao seu baixo preço e a facilidade de adquirir produtos da marca.

Figura 4
Pesquisa pela hashtag #AvonBrasil na rede social Instagram
Aplicativo Instagram. Acesso em: 25 de junho de 2016

Figura 5
Pesquisa pela hashtag #JohnsonandjohnsonBrasil na rede social Instagram
Aplicativo Instagram. Acesso em: 25 de junho de 2016.

A marca que foi menos vezes citada foi a marca Johnson & Johnson, sendo citada apenas uma vez com a hashtag #Johnson&JohnsonBrasil (vide Figura 5). A provável causa para isso é a dificuldade do público brasileiro em escrever o nome da marca, além disso os produtos da marca são conhecidos como “Johnsons” no Brasil, o que também pode justificar a falta de uso de hashtags com o nome correto da marca.

Para o “Relacionamento pelo Instagram” (vide Tabela 4), o teste ANOVA apresentou uma estatística F(5,288)=18,529 e uma significância inferior a 0,001 (1%). Isto aponta que o modelo observado, em todas as varáveis, é bastante significativo. O resumo do modelo forneceu um R2 ajustado de 0,230, com 3 variáveis significativas: “INSPosts”, “INSFollowers” e “INSHashtagMarcaBrasil”. Dos relacionamentos esperados, (+) e (-), 3 das 5 variáveis tiveram correspondência com o resultado obtido pelo p-value.

4.3 Análise das Variáveis em Métricas em “Indicadores de Desempenho do Site”

Unidade de Significância: “Divulgação da Marca pelo SimilarWeb”

Os valores médios da variável “SWDisplayAdvertising” indicaram que as marcas Nivea e Johnson & Johnson são as marcas que possuem as maiores médias percentuais de acessos ao site que são provenientes de anúncios na internet. Sendo a Johnson & Johnson com 36,04% do total de acessos e a Nivea com 33,162%. Isso significa que essas empresas têm conseguido um bom número de acessos aos seus sites principais ao realizar anúncios em outros sites.

Figura 6
Exemplo de anúncio da marca Natura no portal iG
Disponível em: https://ig.com.br Acesso em: 26 de junho de 2016.

No caso da “Divulgação da Marca pelo SimilarWeb” (vide Tabela 5), o teste ANOVA apresentou uma estatística F(4,289)=26,169 e uma significância inferior a 0,001 (1%). Isto aponta que o modelo observado, em todas as varáveis, é bastante significativo. O resumo do modelo forneceu um R2 ajustado de 0,256, com 3 variáveis significativas: “SWOrganicSearch”, “SWPaidSearch” e “SWDisplayAdvertising”. Dos relacionamentos esperados, (+) e (-), 3 das 4 variáveis tiveram correspondência com o resultado obtido pelo p-value.

Unidade de Significância: “Análise do Site pelo Alexa”

Os valores médios da variável “ALXTimeOnSite” indicaram que os consumidores passam mais tempo nos sites da Natura (média de 3,34 minutos) e em seguida da Avon (média de 3,25 minutos). Isso se explica, pois são marcas com grande número de consumidores fiéis que passam maior tempo no site das empresas explorando o conteúdo e conhecendo os produtos.

Em relação a “Análise do Site pelo Alexa” (vide Tabela 6), o teste ANOVA apresentou uma estatística F(4,289)=5,315 e uma significância inferior a 0,001 (1%). Isto aponta que o modelo observado, em todas as varáveis, é bastante significativo. O resumo do modelo forneceu um R2 ajustado de 0,056, com apenas 1 variável significativa: “ALXTimeOnSite”. Dos relacionamentos esperados, (+) e (-), apenas 1 das 4 variáveis obteve correspondência com o resultado obtido pelo p-value.

Unidade de Significância: “Análise do Site pelo Nibbler”

Os valores médios da variável “NBBPopularity” indicaram que o software Nibbler avalia a popularidade de cada site pesquisado. Ou seja, os sites que são mais “populares” entre os consumidores, os que têm maiores números de acessos recebem as maiores notas na classificação deste quesito (entre 0 e 10). A marca que tem o site mais popular entre todas as pesquisadas é a Natura com uma nota média de 9,0, seguida pela Avon com 8,3. Isto reforça que a Natura e a Avon são as principais marcas de cosméticos no Brasil. Os consumidores brasileiros têm fácil acesso a essas marcas, inclusive pelo fato da Natura (primeira colocada) ser uma marca nacional.

Por outro lado, a marca com a menor nota média de popularidade foi a L’occitane (com média 2,0), que é uma empresa ainda pouco conhecida pelo público brasileiro. Além disso, a grande maioria dos produtos da marca são importados e, portanto, possuem preços superiores as marcas que tem produção nacional.

Por fim, no caso da “Análise do Site pelo Nibbler” (vide Tabela 7), o teste ANOVA apresentou uma estatística F(3,290)=49,610 e uma significância inferior a 0,001 (1%). Isto aponta que o modelo observado, em todas as varáveis, é bastante significativo. O resumo do modelo forneceu um R2 ajustado de 0,332, com todas as 3 variáveis significativas: “NBBMobile”, “NBBPopularity” e “NBBImages”. Dos relacionamentos esperados, (+) e (-), apenas 1 das 4 variáveis obteve correspondência com o resultado obtido pelo p-value.

5 Conclusões

A escolha de um produto de cosméticos é influenciada não somente pela tradicional mídia (impressa ou televisiva), mas também pelos meios eletrônicos com base em estratégias de Marketing Digital.

De maneira geral, observou-se neste estudo que a análise das métricas é feita com base em métricas calculadas a partir da rede com variáveis que podem medir características externas (mídias sociais) e internas (indicadores de desempenho do site).

Estas métricas podem ser calculadas tanto para a rede como um todo em aplicativos (apps), quanto para cada um dos atores da rede representados pelas empresas de softwares (Digital Analytics) que analisam o tráfego de informações e desenvolvem métricas específicas para cada situação. Com isso, é possível que uma empresa possa ser analisada em relação às outras concorrentes na rede. Isto, permite entender o comportamento de uma empresa em relação as outras em uma determinada solução de software de monitoramento de rede.

Como resultado, verificou-se que dentre as variáveis analisadas, as métricas em “mídias sociais” tiveram 5 das 7 selecionadas com o resultado significativo, e as métricas em “indicadores de desempenho do site” 7 das 11 significativas, para explicar o efeito da relação com a variável dependente valor da marca. A Figura 7 a seguir apresenta o mapa mental destas variáveis que demonstraram maior relação com o valor da marca para este estudo.

Figura 7
Mapa mental das variáveis que foram significativas dos aplicativos de redes sociais e ferramentas de Digital Analytics agrupadas em relação as suas respectivas métricas
elaboração própria com o apoio do software de mapa mental Goconqr.

Muitas agências de propaganda utilizam indicadores de redes sociais, como curtidas, fan page, posts, seguidores, entre outros no Facebook e Instagram, para aferir o desempenho dos esforços das estratégias de comunicação de Marketing Digital (Jäevinen & Karjaluoto, 2015). Assim, o uso das plataformas de redes sociais possibilita o amadurecimento da análise das métricas em “mídias sociais” e se de fato estes indicadores podem ser relevantes. Isto está implicitamente aliado a estratégia de comunicação que a empresa está empregando para a sua marca.

As curtidas devem ser encaradas como um “meio” e não um “fim”. O “fim” está associado aos objetivos estratégicos da marca, como por exemplo, brand equity, vendas, posicionamento, retenção de clientes, entre outros. No caso do “meio”, o bom uso das ferramentas de redes sociais ou Digital Analytics podem transmitir em seus posts, ações qualitativas que são observadas e os likes, ações quantitativas que podem servir para aferir algum tipo de aderência do seu conteúdo publicitário ao seu público (Winterberg, 2010; Mishra, Kumar & Bhasker, 2014). O Facebook e Instagram, apps que foram selecionados nesta pesquisa, geram tráfego, e consequentemente, cadastros que geram leads e podem vir a conduzir além da disseminação de conteúdos de informações, também vendas.

Naturalmente, há aqueles (público) que se posicionam defendendo a marca após uma intervenção publicitária por meio de uma propaganda ou divulgação de algum conteúdo específico. De forma contrária, podem existir manifestações que discutem a qualidade dos produtos associados as marcas. Contudo, observa-se o fenômeno que muitos seguidores utilizam os canais digitais para comentar e transmitir seus sentimentos que podem ser positivos ou negativos.

Muitas fan pages tem alto índice de atividade quando a marca consegue construir um canal que envolva uma audiência sólida com a inserção de outros recursos computacionais como: vídeos em podcast e/ou streaming, que fazem o Facebook, e mesmo o Instagram redirecionar sua comunicação para outras redes sociais (por exemplo, para o YouTube). Dessa forma, o Facebook e o Instagram cumprem uma das principais estratégias de comunicação que é o relacionamento com outras plataformas. Isto confirma que as curtidas e os posts podem aferir se o “meio” está contribuindo para o “fim”. No caso desta pesquisa o “meio” está mais próximo as diferentes estratégias publicitárias empregadas nas fan pages das empresas de cosméticos, e o “fim”, associado ao resultado do valor da marca.

Nesta pesquisa ficou claro, que não é possível afirmar que há uma relação direta com tipos de curtidas e valor de marca, porém é provável que a marca possua maior presença. Diante desse fenômeno, o Facebook desenvolveu em 2016 um algoritmo para medir as reações à uma publicação com sentimentos que não se limita apenas a uma variável “curtir”, mas as opções alternativas “Amei”, “Haha”, “Uau”, “Triste” e “Grr” – todos Emoji, ampliaram condições que favorecem as empresas nas publicações exibidas em seu feed. Além disso, é possível que a fan page possua algoritmos que estejam monitorando as atividades dos seus seguidores por meio dos compartilhamentos dos posts.

Por outro lado, há casos em que empresas querem se distinguir dos seus concorrentes com o quantitativo numérico. Isto é observado quando a empresa paga para a promoção de posts podendo distorcer o tamanho do público real. Portanto, apesar de não existir uma precisão numérica em relação ao valor da marca é possível presumir que a quantidade de posts pode determinar uma forte presença na comunicação, porém não positiva ou negativa em relação a marca, apenas uma métrica de validade que poderá colaborar com as estratégias de “meio” para o Facebook ou Instagram, contribuindo assim para os “fins” da marca – no caso do seu valor. Assim, sugere-se que as empresas não observem ou inflem apenas os números, mas que formem um público (Boyd & Ellison, 2007).

As empresas vêm reformulando suas estratégias de Marketing Digital apoiadas pelas tecnologias emergentes que realizam análises específicas de seus diferentes públicos (usuários e empresas). O critério de seleção de ferramentas foi por conveniência, em função da gratuidade por não requerer cadastro prévio para o seu uso, além de fornecer pelo menos uma atualização semanal dos dados, as de Digital Analytics selecionadas estão entre as principais utilizadas no mercado. Outras ferramentas que não estavam de acordo com esses requisitos foram descartadas.

Na análise geral das variáveis explicativas selecionadas, constatou-se que algumas destas tecnologias possuíam um conjunto melhor de parâmetros para explicar o valor da marca. Como o objetivo deste estudo não era analisar especificamente cada aplicativo ou ferramenta de Digital Analytics, mas sim, encontrar formas de agrupamento de variáveis que tivessem algum tipo de relação, optou-se pelos agrupamentos: Relacionamento pelo Facebook; Relacionamento pelo Instagram; Divulgação da Marca pelo SimilarWeb; e aspectos técnicos que avaliam os sites pelo Alexa e pelo Nibbler. Nos agrupamentos selecionados (Unidades de Significância) observou-se que a “Análise do site pelo Nibbler” obteve nos testes o maior R2 ajustado (0,332), sendo, para este estudo, o agrupamento que melhor explica o valor da marca dentro das variáveis explicativas que foram selecionadas após a coleta de dados.

É importante ressaltar que os resultados podem variar em função de variáveis externas, como cenário macroeconômico e período no qual foram coletados os dados para esta pesquisa. Apesar de todos os R2 apresentarem valores positivos, praticamente todos tiveram valores baixos, pois conforme Hair et al. (2010) um R2 indica uma relação forte entre as variáveis explicativas e suas dependentes. A seguir são apresentados os valores de R2 ajustados (Tabela 8), bem como sua identificação com seus respectivos agrupamentos analíticos (Unidades de Significância).

Analisando os R² ajustados das ferramentas, as métricas em “indicadores de desempenho do site”, aparentemente, demonstraram uma melhor avaliação do que as “mídias sociais” relacionadas ao valor da marca para os gestores das empresas de cosméticos. Isto indica, que apesar da relevância da participação dos colaboradores em alimentar “dados” nos sites, percebe-se que neste estudo, a apresentação dos sites, bem como estratégias de divulgação da marca são mais adequados para aspectos relacionados a tomada de decisão e desenvolvimentos de estratégias de Marketing Digital.

Verificou-se que a regressão linear múltipla é considerada adequada para este tipo de pesquisa, dado que estão sendo analisadas diversas variáveis independentes em função do valor da marca. Este método possibilita identificar com maior acurácia o nível de significância dos agrupamentos de variáveis que formaram as análises individuais de cada uma das ferramentas.

A utilização deste tipo de metodologia proposta nesta pesquisa pode auxiliar as estratégias de marketing das marcas para que sejam mais conhecidas, para divulgação de produtos, entre outras possibilidades de promoção. Porém, acima de qualquer quesito, as empresas devem se preocupar em manter um canal de comunicação com o consumidor, para que este possa estar numa relação de proximidade e até de identificação com a própria marca.

Limitações da pesquisa

O estudo limita-se nesta pesquisa a escolha de apenas 18 das 60 variáveis inicialmente identificadas e mapeadas durante o período de coleta, o que levou a um exaustivo levantamento na construção da base de dados. Como estratégia metodológica apresentou-se somente o processo de análise regressiva, bem como a interpretação dos dados que fazem parte de aplicativos (apps) e ferramentas de Digital Analytics que influenciaram diretamente sobre o valor das marcas. Dessa forma, outros cortes ou proposições na seleção das variáveis poderiam possibilitar sugestões para futuros estudos derivados do mesmo.

As ferramentas de Digital Analytics selecionadas para este estudo, tiveram limitações na obtenção de dados, considerando as restrições de gratuidade dos softwares. Contudo, foi possível a construção da base com um trabalho exaustivo de coleta e importação dos dados. Estas ferramentas de Digital Analytics estão entre as principais no consumo empresarial.

Recomendações gerenciais

É de fundamental importância definir o escopo de atuação de marketing de maneira que se tenha claro quais suas atividades, e somente após, desenvolver e operacionalizar as métricas e, por conseguinte, a parte analítica com base na escolha de um software ou aplicativo específico.

Este escopo irá definir também as atividades realizadas pela área de Marketing Digital com o apoio do Marketing Analytics, bem como de Social Media Analytics. Desse modo, o que se propõe é que o Marketing Analytics permeie todas as atividades do processo de marketing na empresa. Isto irá permitir que as decisões sejam tomadas dentro de um processo estruturado, utilizando métricas para mensuração que com o apoio das análises desenvolvidas no Social Media Analytics poderão identificar oportunidades para novas estratégias nas empresas, e consequentemente, para aumentar o valor de suas marcas.

A fim de obter vantagem competitiva em um mercado tão concorrido como o mercado de cosméticos é essencial que as empresas se atentem as novidades no ambiente digital. Levando em consideração não somente o que o mercado estabelece, mas acima de tudo a opinião de seus consumidores. No decorrer deste estudo, verificou-se que as métricas em mídias sociais são indispensáveis no mundo digital, dado que as empresas precisam não só manter um perfil nas redes mais relevantes no momento, mas conservá-las constantemente atualizadas com informações pertinentes de seus produtos e serviços para seu público alvo.

Desse modo, é importante que as 14 marcas pesquisadas invistam cada vez mais em análises e monitoramento em mídias sociais, para que possibilite a adequação de objetivos para o seu investimento. Para tanto, a empresa deve desenvolver estas estratégias de Marketing Digital dentro do departamento de marketing com o apoio da área de sistemas de informação, ou contratando um serviço terceirizado de agências especializadas em Marketing Digital e Gestão de Mídias Sociais (Chamlertwat et al., 2012; Wedel & Kannan, 2016).

Dentro dos principais benefícios que este tipo de metodologia poderia trazer para as empresas, pode-se verificar: gestão da reputação; suporte ao consumidor; proteção da marca; benchmarking; pesquisa de mercado; exposição da marca; pesquisa de marketing; mensuração de campanha; segmentação de público; mapeamento de influenciadores; geração de leads; inovação; entre outros.

Por influenciar diretamente no investimento final, o preço geralmente é o primeiro fator que influencia na definição da escolha da ferramenta de software para o monitoramento das métricas em “mídias sociais” e em “indicadores de desempenho no site”. Não é difícil encontrar propostas que são elaboradas sem nenhum teste prático em ferramentas, com base apenas no preço, o que pode comprometer a entrega final. O custo que será investido na tecnologia deve ser analisado com cautela observando as vantagens que são oferecidas para o objetivo do projeto. Outros influenciadores no investimento que devem ser percebidos são o suporte (dado que quanto mais funcionalidades as ferramentas tecnológicas oferecem, mais será necessário o suporte qualificado); funcionalidades na usabilidade (esse fator passa principalmente pelas soluções que interferem na análise dos dados e em sua visualização após os agrupamentos serem organizados e classificados – convém testar várias possibilidades de comparações) e eficiência operacional (relacionado à produtividade da equipe que realiza a operação).

Quando se observam os aspectos apresentados anteriormente, é possível decidir qual o intuito de se fazer uma análise nas redes sociais, e após a análise, qual a melhor direção a ser tomada. O entendimento da utilização das métricas em “mídias sociais” ou em “indicadores de desempenho do site” como ferramentas de marketing se faz importante, pois percebe-se que os consumidores buscam cada vez mais por esse meio de informação e comunicação. As empresas devem saber aproveitar essa oportunidade a fim de conquistar mais clientes e aumentar suas vendas.

Portanto, sugere-se que as empresas visem entender melhor o alcance e a relevância do monitoramento das métricas em “mídias sociais” e em “indicadores de desempenho do site”. A tendência é que com a expansão da internet, principalmente em dispositivos móveis, essa prática seja cada vez maior.

Referências

ABIHPEC. (2010). Higiene Pessoal, Perfumaria e Cosméticos. Disponível em: http://portal.anvisa.gov.br/wps/wcm/connect/f569ef804822feed95bed754098589a5/2_Palestra.pdf?MOD=AJPERES. Acesso em: 03 de dezembro de 2014.

Boyd, D. M. & Ellison, N. (2007). Social network sites: Definition, history, and scholarship. Journal of Computer-Mediated Communication, 13(1), 210-230, Blackwell.

Brexendorf, T. O., Bayus, B. & Keller, K. L. (2015). Understanding the interplay between brand and innovation management: findings and future research directions. Journal of the Academy of Marketing Science, p. 1-10.

Chamlertwat, W., Bhattarakosol, P., Rungkasiri, T. & Haruechaiyasak, C. (2012). Discovering Consumer Insight from Twitter via Sentiment Analysis. J. UCS, 18(8), 973-992.

Cutroni, J. (2010). Google analytics. “O'Reilly Media, Inc.”.

Davenport, T. H. & Harris, J. G. (2007). Competing on analytics: The new science of winning. Harvard Business Press.

DiMaggio, P. J. & Powell, W. W. (1983). The iron cage revisited: institutional isomorphism and collective rationality in organizational fields. American Sociological Review, v.48.

Evans, J. R. & Lindner, C. H. (2012). Business analytics: the next frontier for decision sciences. Decision Line, 43(2), 4-6.

Fisher-Buttinger, C. & Vallaster, C. (2008). Connective Branding: Building Brand Equity in a Demanding World. Chichester, West Sussex, England: John Wiley & Sons Ltd.

Garcia, R. (2005). Internacionalização comercial e produtiva na indústria de cosméticos: desafios competitivos para empresas brasileiras. Revista Produção, v.15, n.2. São Paulo.

Global Web Index. (2015). Social media engagement summary. Recuperado em: 27 nov. 2015, de http://www.globalwebindex.net/blog/gwi-insight-report-social-media-engagement

Gomes, B. L. T. & Mondo, T. (2016) A contribuição das redes sociais na captação de clientes sob a percepção dos gestores hoteleiros. REMark - Revista Brasileira de Marketing, 15(2), 195- 206.

Hair, J. F., Black, W. C. Babin, B. J. & Anderson, R. E. (2010). Multivariate Data Analysis. Seventh Edition. Prentice Hall, Upper Saddle River, New Jersey.

Hoffman, D. L. & Fodor, M. (2010). Can you measure the ROI of your social media marketing? MIT Sloan Management Review, 52(1), 40-49.

Järvinen, J. & Karjaluoto, H. (2015). The use of Web analytics for digital marketing performance measurement. Industrial Marketing Management. Volume 50, October, P. 117-127. DOI: 10.1016/j.indmarman.2015.04.009

Kaplan, A. M. & Haenlein, M. (2010). Users of the world, unite! The challenges and opportunities of Social Media. Business Horizons, 53(1), 59– 68.

Kurniawati, K., Shanks, G. G. & Bekmamedova, N. (2013). The Business Impact of Social Media Analytics. IN ECIS (Vol. 13, p. 13).

Macy, B. & Thompson, T. (2011). The power of real-time social media marketing: How to attract and retain customers and grow the bottom line in the globally connected world. USA: McGraw-Hill.

Menegatti, M. S., Ribeiro, I., Meneghatti, M. R. & Serra, F.A. R. (2017). Decisão de compras pela internet: uma análise a partir do tempo de utilização de mídias sociais e da interatividade com a marca. REMark - Revista Brasileira de Marketing. Vol. 16, N. 1. Janeiro/Março, p. 41-54. DOI: 10.5585/remark.v16i1.3353

Mishra, R., Kumar, P. & Bhasker, B. (2014). An alternative approach for clustering web user sessions considering sequential information. Intelligent Data Analysis, v. 18, n. 2, p. 137-156.

Morgan, R. M. & Hunt, S. D. (1994). The commitment-trust theory of relationship marketing. Journal of Marketing, [S. l.], v. 58, p. 20-38.

Nair, M. (2011). Understanding and measuring the value of social media. The Journal of Corporate Accounting & Finance, 22(3), 45-51.

Planton, O. E. (2014). An Analysis of the Social Media Presence of the Brands. Budapest: The Budapest University of Economic Studies.

Porto, R., Mendonça, T. & Milan, G. (2016) Desempenho da marca organizacional na rede social: dinamismo e sinergia da comunicação integrada de marketing. REMark - Revista Brasileira de Marketing, 15(2), 177-194.

Prahalad, C. K. & Ramaswamy, V. (2004). Co‐creating unique value with customers. Strategy & Leadership, Vol. 32 Iss: 3, pp. 4–9.

Recuero, R. (2014). Contribuição da Análise de Redes Sociais para o estudo das redes sociais na Internet: o caso da hashtag #TamojuntoDilma e #CalabocaDilma. Revista Fronteiras. Unisinos.

Salvador, A. B., Strehlau, V. I. & Ikeda, A. A. (2015) Crise local de marca global e o uso de monitoramento de redes sociais. REMark - Revista Brasileira de Marketing, 14(4), 438-450.

Serra, B., Storopoli, J., Pinto, C. & Serra, F. (2013) Mídias sociais e negócios: um estudo Delphi. Revista Ibero-Americana de Estratégia, 12(1), 236-256.

Shimp, T. & Andrews, J. C. (2013) Advertising promotion and other aspects of integrated marketing communications. Mason USA: Cengage Learning.

Wedel, M. & Kannan, P. K. (2016). Marketing analytics for data-rich environments. Journal of Marketing, 80(6), 97-121.

Winterberg, B. (2010). Tools and Techniques to Leverage Social Media. Journal of Financial Planning, v. 23, n. 5, p. 40-43.

Notas

Autor notes

Ligação alternative

https://periodicos.uninove.br/index.php?journal=remark&page=article&op=view&path%5B%5D=12217&path%5B%5D=5861 (pdf)