A RELAÇÃO DO GREENWASHING COM A REPUTAÇÃO DA MARCA E A DESCONFIANÇA DO CONSUMIDOR

GREENWASHING'S RELATIONSHIP WITH MARKET REPUTATION AND CONSUMER DISCOUNT

Esta obra está bajo una Licencia Creative Commons Atribución-NoComercial-CompartirIgual 4.0 Internacional.

Com a crescente preocupação da sociedade em torno de questões ambientais e sociais, as empresas a fim de fortalecerem sua marca perante a população, passaram a introduzir produtos verdes no mercado (Delmas & Burbano, 2011; Ceccantoni, Tarola & Zanaj, 2018). Nos Estados Unidos, a população gasta mais de US$ 40 bilhões por ano com produtos verdes, sendo eles: alimentos orgânicos; veículos híbridos, lâmpadas econômicas e produtos de limpeza ecológicos (Solomon, 2016).

Assim, o varejo também passou a visualizar uma oportunidade de ganho e começou a ofertar mais produtos verdes em suas lojas (Silva, Urdan, Merlo, & Dias, 2015; Braga et al., 2016). Devido a sua proximidade com os clientes, os varejistas desempenham um papel fundamental nas iniciativas de sustentabilidade. Podendo influenciar a intenção de compra verde por meio de informações relevantes sobre os produtos, orientações aos consumidores dentro da loja e oferta de produtos verdes (Guyader, Ottosson & Witell, 2017).

No entanto, em uma pesquisa realizada pelo TerraChoice, em empresas varejistas de quatro países (Estados Unidos, Reino Unido, Canadá e Austrália) para identificar a veracidade das declarações verdes contidas nos rótulos dos produtos, mostrou que 98% dos produtos pesquisados tinham algum problema relacionado a veracidade das declarações ambientais (TerraChoice, 2009). Sendo que, as informações presentes nas embalagens influenciaram parcialmente 52% dos consumidores durante a decisão de compra, de acordo com a pesquisa da Global Corporate Social Responsibility de 2014, desenvolvida pela Nielsen com consumidores de 60 países, incluindo o Brasil (Nielsen, 2015).

Isso revela que, algumas empresas, para atrair o consumidor, muitas vezes usam afirmações que soam ambientalmente amigáveis, mas na verdade são vagas, e, por vezes, falsas (Parguel, Benoît-Moreau & Larceneux, 2011; Cardoso & Van Schoor, 2017). Essa prática é conhecida como greenwashing.

O greenwashing tem sido associado na literatura como uma estratégia simbólica, pois cria simplesmente a ilusão de que o consumidor está comprando algo virtuoso, mas na verdade, seus méritos ecológicos são apenas aparentes (Goleman, 2017; Marquis, Toffel & Zhau, 2016; Siano, Vollero, Conte, & Amabile 2017). Neste sentido, Pagotto (2016) considerou o greenwashing uma violação ética, pois induz o consumidor ao erro, criando um conflito racional e comprometendo a autonomia e a coerência da escolha.

Com isso, o consumidor tem dificuldade em identificar se o produto é realmente verde e, portanto, não consegue decidir suas compras ecológicas. Nesse sentido, a divulgação exagerada ou incompleta de características ambientais, afeta negativamente a confiança dos consumidores (Chen & Chang, 2013). Além de afetar negativamente a imagem da marca (Yadav, Dokania & Patak, 2016).

Dentro desse contexto, este artigo teve como problema a seguinte questão: “Como as características percebidas do greenwashing interferem na reputação da marca e na desconfiança do consumidor?”. Para responder a questão, a pesquisa teve como objetivo analisar a relação das características percebidas do greenwashing na reputação da marca e na desconfiança do consumidor.

Com isso, pretendeu-se analisar as características dos produtos com greenwashing que são percebidas pelos consumidores no varejo, para verificar como isso na reputação da marca e na desconfiança do consumidor. Sendo assim, foram avaliadas as seguintes hipóteses:

H1: As características percebidas do greenwashing afetam a reputação da marca;

H2: As características percebidas do greenwashing afetam a confiança do consumidor no produto.

Para testar as hipóteses, foi realizada uma pesquisa exploratória de caráter quantitativa por meio de um survey aplicado a uma amostra de 170 respondentes do Estado de São Paulo e analisados por meio de Modelagem de Equações Estruturais.

Para a verificação do objetivo proposto, foi realizada uma pesquisa exploratória, de abordagem quantitativa, por meio de um survey junto a uma amostra de 170 respondentes coletada durante o mês de maio de 2018.

Para a definição do tamanho mínimo da amostra, foi utilizado o software G*Power 3.1.7 com as especificações de Cohen (1988). Para a área de ciências sociais e do comportamento, o tamanho do efeito médio é de 0,15 e o poder do teste é 0,80 ou 80% (explica o quanto o modelo pode retratar a realidade) (Hair, 2014). Desta forma, o tamanho mínimo da amostra deveria ser de 55 respondentes. Mesmo assim, para ter um modelo mais consistente, Ringle, Silva & Bido (2014) recomendam coletar o dobro ou o triplo do valor mínimo estimado, que no caso da presente pesquisa, foi de 3,09 vezes maior que o mínimo.

A amostra foi estratificada, pois se pretende investigar apenas consumidores que frequentam o supermercado pelo menos uma vez por mês. Entende-se que estes possuem mais contato com os produtos, e tendem a serem pessoas com tomada de decisão na compra. A amostragem foi não probabilística por conveniência, pois envolve a seleção de elementos da amostra que estejam mais disponíveis para tomar parte do estudo e que possam oferecer as informações necessárias (Hair, Babin, Money, & Samouel 2005).

Assim, a coleta de dados foi via internet, em que os respondentes foram convidados via e-mail e redes sociais, visto que, de acordo com Hair et al. (2005), as surveys por internet são rápidas e oferecem dados de alta qualidade. Para filtrar apenas consumidores que frequentam supermercados pelo menos uma vez por mês, foi elaborada uma questão filtro que eliminava os respondentes que não faziam parte da amostra.

Por meio dos dados levantados na survey, se buscou testar o modelo proposto (Figura 2), que foi construído e validado por uma escala (Figura 3) que passou pelo procedimento recomendado por DeVellis (2016) onde a tradução, avaliação e validação de fase da escala deve passar por, no mínimo, cinco especialistas da área que contribuam para ajustar as frases e avaliar se as mesmas se encaixavam no construto proposto pela pesquisa (validação de face).

Na aplicação, foi utilizada uma escala do tipo Likert com cinco pontos de concordância/discordância, onde um significou discordância total e cinco, concordância total. Quanto as variáveis categóricas da pesquisa, foram as variáveis sexo, faixa etária, renda familiar e estado civil.

Figura 2
Modelo inicial proposto

Fonte: Elaborado pelos autores com base nos dados da pesquisa.

Os dados levantados foram analisados por meio da modelagem de equações estruturais (SEM) para avaliar a consistência do modelo que será proposto na figura 1. A SEM foi eleita por permitir a avaliação das relações causais entre constructos e o subsequente teste de hipóteses pela avaliação dos coeficientes de caminho (path coefficients) (Ringle, Wende & Will, 2005).

Para tanto, foi utilizado o Software SmatPLS 2.0M3, porque permite uma melhor análise de dados não normalizados (Ringle, Wende & Will, 2005). Justifica-se sua aplicação, pois as pesquisas da área das Ciências Sociais Aplicadas e do Comportamento se deparam com dados não aderentes a uma distribuição normal multivariada e a modelos mais complexos (muitos constructos e muitas variáveis observadas) (Mackenzie & Podsakoff & Podsakoff, 2011).

Figura 3
Escala utilizada na pesquisa

Fonte: Elaborado pelos autores

Sendo assim, a primeira etapa da análise consiste na avaliação e ajustes do modelo que será proposto. Dessa maneira, o primeiro aspecto a ser observado foi a validade convergente, obtida pelas observações das Variâncias Médias Extraídas (Average Variance Extracted - AVEs).

A AVE é a porção dos dados (nas respectivas variáveis) que é explicada por cada um dos constructos, respectivos aos seus conjuntos de variáveis ou quanto, em média, as variáveis se correlacionam positivamente com os seus respectivos constructos. Assim, quando as AVEs são maiores que 0,50 admite-se que o modelo converge a um resultado satisfatório (Fornell & Larcker, 1981). Quando a AVE é menor que 0,50 devem-se eliminar essas variáveis, assim, as eliminando se consegue valores de todas as AVEs e atingir a validade convergente (Ringle, Silva & Bido, 2014).

O próximo aspecto de validação foi a observação dos valores da consistência interna, alfa de Cronbach (AC) e confiabilidade composta (CC). A CC é mais adequada ao PLS-PM, pois prioriza as variáveis de acordo com as suas confiabilidades, enquanto o AC é muito sensível ao número de variáveis em cada constructo. Os dois casos são usados para se avaliar se a amostra está livre de vieses, ou ainda, se as respostas são confiáveis. Valores do AC acima de 0,60 e 0,70 são considerados adequados em pesquisas exploratórias e valores de 0,70 e 0,90 do CC são considerados satisfatórios (Hair et al., 2014).

Em seguida foi realizada a avaliação da validade discriminante (VD) da Modelagem de Equações Estruturais, que é entendida como um indicador de que os constructos ou variáveis latentes são independentes um dos outros (Hair et al., 2014). Para tanto, será utilizado o critério de Fornell e Larcker (1981), no qual compara-se as raízes quadradas dos valores das AVEs de cada constructo com as correlações (de Pearson) entre os constructos (ou variáveis latentes). As raízes quadradas das AVEs devem ser maiores que as correlações entre os constructos (Ringle, Silva & Bido, 2014).

A partir da validade discriminante, é realizada a análise do modelo estrutural. A primeira análise é a avaliação dos coeficientes de determinação de Pearson (R2). Os R2 indica a qualidade do modelo ajustado (Ringle, Silva & Bido, 2014). Para a área de ciências sociais e comportamentais, Cohen (1988) sugere que R2=2% seja classificado como efeito pequeno, R2=13% como efeito médio e R2=26% como efeito grande.

Em sequência, foi avaliado se as relações são significantes, para tanto, p-valor deve ser menor ou igual que 0,05 (p ≤ 0,05). No entanto, o software calcula testes t de Student e não os p-valores. Assim, segundo Ringle, Silva e Bido (2014) deve-se interpretar que para os graus de liberdade elevados, valores acima de 1,96 correspondem a p-valores ≤ 0,05 (entre -1,96 e +1,96 corresponde à probabilidade de 95% e fora desse intervalo 5%, em uma distribuição normal). Para testar a significância das relações apontadas, será usado o módulo “Bootstrapping” do PLS.

Após rodar o módulo Bootstrapping aparecerá no modelo os valores do teste t. Assim, se os valores das relações forem acima de 1,96, pode-se dizer que as correlações são significantes e aceita-se as hipóteses da pesquisa (Ringle, Silva & Bido, 2014).

Em seguida será avaliado os valores dos indicadores para qualidade de Relevância ou Validade Preditiva (Q2) ou indicador de Stone-Geisser e Tamanho do efeito (f2) ou Indicador de Cohen. O primeiro (Q2) avalia quanto o modelo se aproxima do que se esperava dele (ou a qualidade da predição do modelo ou acurácia do modelo ajustado). Um modelo perfeito teria Q2 = 1 (mostra que o modelo reflete a realidade – sem erros) (Hair et al., 2014).

Já o Tamanho do efeito (f2) ou Indicador de Cohen é obtido pela inclusão e exclusão de constructos do modelo. Avalia-se quanto cada constructo é útil para o ajuste do modelo. Valores de 0,02, 0,15 e 0,35 são considerados pequenos, médios e grandes, respectivamente (Hair, et al., 2014).

Para o ajuste geral do modelo, Tenenhuaus et al. (2005) recomendam um índice de adequação do modelo (GoF – Goodness of Fit), que é a média geométrica (raiz quadrada do produto de dois indicadores) entre o R2 médio (adequação do modelo estrutural) e a média ponderada das AVE (adequação do modelo de mensuração). Para a avaliação desse indicador Wetzels, Odekerken-Schröder, & Van Oppen (2009) sugerem o valor de 0,36 como adequado, para as áreas de ciências sociais e do comportamento.

A análise descritiva da amostra com questionários validos revelou que 61,8% são mulheres e 38,2% são homens; com idade predominante de 18 a 35 anos; 47,9% casados e/ou têm união estável e 52,1% solteiros; predominante com ensino superior (22,4%) e pós-graduação (41,1%); e faixas renda familiar predominantes de três até sete salários mínimos com 40,6% e acima de sete salários mínimos com 31,2%.

Como foi discutido, para a análise dos dados foi utilizado o software SmartPLS 2.0.M3. Partindo do modelo criado a partir da geração de hipóteses, o modelo foi testado e removido os itens GW_1, GW_2, GW_5, GW_6, GW_7, DP_3, DP_4, DP_6, DP_8, DP_9, DP_10, DP_11, RM_1, RM_3 e RM_5 que não apresentavam cargas fatoriais acima de 0,50 (Hair et al., 2014), para atender ao critério de Validade Convergente – Variância Média Extraída (Average Variance Extracted) (AVE) ou critério de Fornell e Larcker (1981), isto é, AVE 0,50.

Dando sequência às análises, avaliaram-se os R2 (parte das variáveis que explicam os constructos e indicam a qualidade do modelo de ajustamento), o alfa de Cronbrach (consistência interna) e Confiabilidade Composta (usados para avaliar se a amostra está livre de vieses, ou se as respostas como um todo, são confiáveis). O tamanho do Efeito ou indicador de Cohen (f2), avaliando como cada construção é "útil" para o ajuste do modelo e a validade preditiva (Q2) ou indicador de Stone-Geisse (avalia a precisão do modelo de ajuste) (Hair et al., 2014). Os referidos indicadores de qualidade estão expressos na tabela 1.

A análise da tabela 1 indica nitidamente que o modelo pode ser considerado ajustado como um todo, pois após a eliminação de variáveis pouco aderentes ao mesmo, obteve-se indicadores que atendem os requisitos de ajuste do PLS – SEM mesmo o alfa de Cronbach apresentado valores um pouco abaixo do valor de referência, pois ambos os constructos que apresentaram os valores abaixo de 0,60, ficaram com poucos itens ajustados.

Tabela 1
Critérios de qualidade de ajuste de modelos de especificação - SEM - variância extraída média (AVE), Confiabilidade Composta, R2, Alfa de Cronbach, Validade Preditiva (Q2) ou indicador de Stone-Geisser e Tamanho do efeito (f2) ou Indicador de Cohen

Fonte: Dados da pesquisa Nota 1: Valores referenciais para o R2 para área de ciências sociais e comportamentais: R2=2% seja classificado como pequeno, R2=13% como médio e R2=26% como grande (Cohen, 1998).

Nota 2: Valores de 0,02, 0,15 e 0,35 são considerados pequenos, médios e grandes, respectivamente

Além da qualidade do ajuste do modelo, deve-se analisar a validade discriminante, pois os constructos devem s relacionar, mas serem independentes (Hair Junior et al., 2014). Usa-se para tal o critério de Fornell e Larcker (1981), compara-se as raízes quadradas dos valores AVE para cada construção com as correlações (Pearson) entre os constructos (ou variáveis latentes). As raízes quadradas das AVE devem ser maiores do que a correlação entre os constructos. (tabela 2).

Tabela 2
Avaliação da Validade Discriminante - Comparação das raízes quadradas das AVE (em amarelo na diagonal principal) versus correlação entre construtos

Fonte: Dados da pesquisa

A análise da tabela 2 mostra que as raízes quadradas das AVE são maiores, em todos os casos, que as correlações entre os constructos. Esse fato mostra que o modelo tem validade discriminante e pode ser interpretado.

Figura 4
Modelo final da pesquisa
Nota: todos os coeficientes de caminho e as cargas fatoriais se mostraram significantes (t 1,96; p 0,05), tendo sido estimados por meio do método de reamostragem (bootstrap) com n=170 e 1000 repetições (Ringle, Wende & Will, 2005).

Por fim, com o objetivo de avaliar a qualidade geral do modelo, calculou-se o indicador GoF (Goodness -of -Fit), que é dado pela média geométrica do R2 médio e AVE ponderada média (Ringle, Wende & Will, 2005). O valor calculado foi de 0,368 e indicou que o modelo pode ser considerado com bem ajustado, uma vez que valores acima de 0,36 são considerados bons para áreas como ciências sociais e comportamentais (Wetzels, Odekerken-Schröder & Oppen, 2009).

Após a constatação de que o modelo teve um ajuste adequado, pode-se analisar as hipóteses criadas a partir da teoria e que são apresentadas na figura 4. Neste modelo é possível observar que a intenção de compra de produtos verdes é preditiva da compra declarada e corrobora com a teoria. Contudo, quando o ceticismo passa a intermediar esta relação, é possível observar que a intenção sofre uma queda acentuada para que seja transformada em compra declarada, conforme a tabela 3 que apresenta a avaliação das hipóteses.

Tabela 3
Avaliação das hipóteses

Fonte: Dados da pesquisa

A análise da tabela 3 mostra que as três hipóteses foram suportadas, pois apresentam caminhos significantes (p 0,05). Assim, para esta amostra é possível afirmar que o ceticismo influência na decisão de compra do consumidor quando se trata de produtos verdes no varejo e que este pode ser um dos caminhos que justifiquem a baixa participação deste tipo de produto nos supermercados convencionais brasileiros, pois as pessoas ainda tendem a desconfiar dos produtos verdes.

Em uma análise mais detalhada e aplicada dos resultados alcançados por meio da Modelagem de Equações Estruturais com o Método de Mínimos Quadrados Parciais (Partial Least Square – PLS), pode-se inferir que a relação do greenwashing provoca a desconfiança no produto e prejudica a reputação da marca, visto que as cargas de inferências são altas.

Um aspecto que pode justificar estas relações é o fato que, para a amostra coletada, o Greenwashing é percebido pela imagem e pela publicidade que a empresa faz do produto. Consequentemente, quando existe algum tipo de problema com a imagem da marca ou do produto, o reflexo acontece.

Analisando os itens que ficaram no modelo para o cosntructo “Reputação da Marca”, é nídida a questão do “eu confio, mas se você me trair, eu te abandono”, pois, ficaram no modelo os itens que demonstram a disposição do consumidor em abandonar a marca quando a mesma se envolve em escândalos ambientais.

Quando a desconfiança no produto, é possivel notar que a questão da certificação ainda é algo reconhecido pelo consumidor e ao que se percebe na amostra coletada, este aspecto possivelmente é observado pelos respondentes.

Também pode-se observar que o consumidor está se tornando cada vez mais exigente e observador visto que o greenwashing presente nas embalagens dos produtos também está sendo identificado pelo consumidor quando observados os itens que formaram o modelo como um todo.

Pelo lado empresarial, a pesquisa demonstrou que não basta a empresa “entrar na onda” do produto verde apenas apresentando uma embalagens maquiada, pois, a partir do momento que o consumidor passa a perceber a falsa mensagem, o produto tenderá a perder mercado e cair em descrédito.

Atualmente, os consumidores estão mais interessados em empresas responsáveis ambientalmente. Com isso, aumentou o número de organizações que utilizam o marketing verde a fim de fortalecer sua marca e imagem corporativa. No entanto, como mostra a literatura, as empresas não adotam o marketing verde da maneira correta e consequentemente surge o greenwashing.

A presente pesquisa mostrou que as características do greenwashing quando percebidas pelo consumidor afeta a desconfiança do consumidor perante produtos verdes e a reputação da marca. Uma vez que, a confiança e a marca interferem diretamente da decisão de compra do consumidor como já foi demonstrado por Ottman (2011), Chen e Chang (2013), Chen (2010) e Sirieix et al. (2013).

Assim, ao desconfiar do produto e da reputação da marca, o consumidor pode passar a não ter intenção de comprar qualquer produto verde como discutiram Chen e Chang (2013), Guyader, Ottosson e Witell (2017) e Correa, Braga e Silva (2017). Com isso, as práticas de greenwashing podem prejudicar empresas que adotam realmente práticas ambientais.

Esse resultado pode ter relação com a desconexão entre a postura dos consumidores e seu comportamento real de compra verde, conforme discutido por Solomon (2016) e Englis e Phillips (2013). Assim, não estando dispostos a pagar mais por produtos comuns.

Sendo assim, o atual desafio do marketing vai além de eliminar as práticas de greenwashing, precisa também fazer com que os consumidores voltem a confiar em suas ações. Isso é reforçado quando o consumidor passa a desconfiar e, como consequência, não mais acreditar no produto e na empresa.

Outro contraponto a ser refletido e que já foi levantado por Braga, Merlo e Silva (2016) é a possibilidade de os consumidores estarem buscando produtos orgânicos ou ecologicamente corretos em varejos especializados nestes produtos e com menos frequência em supermercados convencionais, possibilitando assim, uma menor exigência por parte do consumidor.

Por fim, como limitação da pesquisa, não foi explicitado ao respondente, no questionário utilizado, a definição de produto verde e de consumo verde, pois era esperado que os mesmos já possuíam um conhecimento básico sobre o tema. Mesmo assim, acredita-se que a principal contribuição deste estudo foi comprovar que o greenwashing, ao ser percebido pelo consumidor em produtos verdes no varejo, existe um reflexo imediato e real na reputação da marca e na desconfiança no produto e isto, para uma empresa recuperar, é muito custoso e demorado.

https://periodicos.uninove.br/index.php?journal=remark&page=article&op=view&path%5B%5D=12458&path%5B%5D=6017 (pdf)