Human Resource

Primeiramente, foi realizado o teste de Hausman para a escolha dos modelos em painel, entre efeitos fixos e aleatórios. Como resultado, rejeita-se a hipótese de nulidade para os dois modelos (p-valor <0,001), concluindo-se ser o mais adequado o de efeitos fixos. Nos dois casos, dado chi² igual a 236,46 e 952,99, respectivamente. Todas as regressões deste trabalho foram efetuadas utilizando-se inferência robusta para corrigir a heterocedasticidade. Todavia, os problemas de multicolinearidade dos modelos foram verificados através das correlações entre as variáveis explicativas, onde não há correlação superiores a 0,81 e inferior a -0,52 (Tabela 6), apontando a não existência deste problema.

Para analisar o relacionamento dos clientes após a implantação do CRM analítico e consequentemente avaliar as hipóteses apresentadas, os resultados das regressões múltiplas, a fim de testar as hipóteses 1a a 1c, são apresentados na Tabela 7. Os dois primeiros modelos são regressões em painel e o terceiro tobit em painel, estimados através do software STATA 11. O valor de p-valor<0,05 (5%) será considerado estatisticamente significante para todas as variáveis analisadas.

Tabela 6 - Correlação entre variáveis explicativas

Fonte: elaborado pelo autor através do software Stata com banco de dados da empresa estudada (2015).

crm nvendedores evendedores etvendedores ntvendedores nligacoes nligacoesprosp nemails nemailsprosp pibsetor prodindustrial d1 d2 d3 d4 d5 d6 crm 10.000 nvendedores 0.2856 10.000 evendedores 0.1161 0.4055 10.000 etvendedores 0.7810 0.2690 0.3145 10.000 ntvendedores 0.4087 0.2393 0.1347 0.6704 10.000 nligacoes -0.0320 0.0287 0.0171 -0.0196 -0.0246 10.000 nligacoesprosp 0.0014 0.0260 -0.0202 -0.0138 -0.0057 0.2522 10.000 nemails 0.1436 0.0868 0.0546 0.1662 0.1367 0.5199 0.1848 10.000 nemailsprosp 0.0972 0.0559 0.0397 0.0769 0.0168 0.1796 0.3835 0.2021 10.000 pibsetor -0.1989 -0.1156 -0.0159 -0.0969 0.0606 -0.0064 -0.0416 -0.0281 -0.0086 10.000 prodindustrial -0.0597 -0.0979 0.0154 -0.0164 -0.0377 0.0249 0.0048 -0.0149 0.0473 0.3554 10.000 d1 -0.4332 -0.1575 -0.0804 -0.4948 -0.5339 0.0442 0.0259 -0.0860 -0.0536 -0.4818 -0.1096 10.000 d2 -0.4783 -0.2753 -0.0772 -0.1834 -0.0250 0.0214 -0.0356 -0.0772 -0.0546 0.5820 0.2900 -0.1412 10000 d3 -0.5228 0.0103 -0.0142 -0.4504 -0.0627 -0.0154 0.0089 -0.0463 -0.0332 0.1419 -0.0962 -0.1543 -0.1704 10000 d4 0.3819 0.1582 0.0673 -0.0609 -0.0450 -0.0155 0.0078 -0.0129 0.0457 -0.0715 -0.0247 -0.1654 -0.1827 -0.1997 10000 d5 0.4067 0.0806 -0.0010 0.3233 -0.2987 -0.0047 -0.0137 0.0438 0.0673 0.1159 0.0599 -0.1762 -0.1945 -0.2126 -0.2280 10000 d6 0.4423 0.1152 0.0762 0.6689 0.8076 -0.0192 0.0076 0.1395 0.0088 -0.2795 -0.1049 -0.1916 -0.2116 -0.2313 -0.2479 -0.2640 10000

Tabela 7 – Resultado das regressões. Modelo 01: ticket médio; modelo 2: cross-selling; modelo 3: retenção de clientes.

Fonte: elaborado pelo autor através do software Stata com banco de dados da empresa estudada (2015).

Ticket médio (H1a) Cross-selling (H1b) Retenção de clientes (H1c)

-179,5** -0,046** -0,408*** (-2,82) (-3,13) (-3,75) -7,535 -0,004 0,048 (-0,44) (-0,81) (1,19) 1,901 -0,002 -0,016 (0,28) (-1,65) (-1,2) -0,091 0,000 -0,000 (-0,24) (1,48) (-0,59) 0,247 0,000 0,001 (1,37) (1,94) (1,37) 20,59** 0,013*** 0,065*** (3,16) (7,81) (14,42) -14,81 -0,009* -0,018 (-0,88) (-2,24) (-0,96) 55,33*** 0,027*** 0,106*** (4,27) (15,54) (30,94) 17,41 -0,003 0,020 (0,89) (-0,76) (1,27) 0,188 0,000 -0,001 (0,10) (0,48) (-0,32) -0,066 -0.000 -0,000 (-0,52) (-0,81) (-0,38) 0,037 (0,49) -60,33 0,003 0,105 (-1,30) (0,29) (1,52) -33,20 -0,006 (-0,85) (-0,68) 100.4** 0.034*** 0,308*** (2.92) (3,94) (3,75) 47,76 0,01 0,125 (0,87) (0,95) (1,31) -86,09 0,039 -2,881*** (-1.03) (1,71) (-12,11) Observations 54512 54512 54512 Adjusted R-squared 0,018 0,074 t statistics in parentheses * p<0.05, ** p<0.01, *** p<0.001 CRM analítico N° ligações

Total experiência dos vendedores Experência vendedores N° total de vendedores N° vendedores N° e-mails N° ligações de prospecção Produção Industrial Pib setorial N° e-mails de prospecção Constant 2013 2012 2011 - - - 2010 2009

5.3 Resultados, Análises e Discussão

O efeito da implantação do CRM analítico na variável independente ticket médio pode ser visto no modelo 1 da tabela 3. Dado a significância estatística do coeficiente (p-valor <0,01), o coeficiente negativo da variável CRM indica uma queda de R$179,50 no ticket médio dos clientes em comparação com o período anterior a implantação da ferramenta. Portanto, a hipótese 1a, de que a implantação do CRM analítico está positivamente relacionado com o aumento do ticket médio, é rejeitada.

O modelo 2 da tabela 3 mostra que o cross-selling quase não se altera após a implantação do CRM (p-valor <0,001), apesar de sua amplitude resultar negativa, a queda é de -0,05 unidades. Ou seja, a hipótese 1b é rejeitada e, portanto, a implantação do CRM analítico não está positivamente relacionado com o aumento do cross-selling.

No modelo 3 da tabela 3 é analisada a retenção de clientes de acordo com seu período de ativação na empresa. Seu efeito na implantação do CRM também foi negativo e relevante estatisticamente (p-valor<0,001), de forma que a implantação do CRM gerou uma diminuição de 40,8% de clientes ativos. Desta forma, rejeita-se a hipótese 1c, em que se afirma haver uma relação positiva da retenção de clientes com a implantação do CRM analítico.

Portanto, ao contrário da expectativa da empresa em estudo, os resultados não foram satisfatórios com a implantação do CRM analítico. Ao contrário, todas as hipóteses foram rejeitadas e com isso, houve uma relação negativa com o ticket médio, o cross-selling e a retenção de clientes. Analisando-se os fatores de sucesso da implementação da ferramenta de grandes empresas, levantados na revisão bibliográfica, pode-se tirar assunções na tentativa de entender o porquê do fracasso da implantação da ferramenta na PME, já que, como discutido anteriormente, apenas a implantação do software não garante a melhora em seus resultados. É necessário uma combinação de tecnologia, organização de processos e de recursos humanos.

Um dos fatores de sucesso é a performance tecnológica da ferramenta (VERHOEF; LANGERAK, 2002). Devido à restrição orçamentária, apesar da diversidade deste tipo de ferramenta no mercado, as PMEs tem acesso limitado aos diversos tipos e pacotes de CRM. Também não há possibilidade de contratação de

uma consultoria especializada, a qual poderia otimizar os processos internos e atenuar todos os pontos de resistência à mudança (MONTEIRO, 2009).

A fonte escassa de recursos de marketing das PMEs pode ser deficitária para acompanhar a implantação do CRM analítico. O marketing destas empresas pode significar não um departamento, mas uma pessoa, e seus recursos podem se limitar a pro-atividade deste colaborador, e não a processos estruturados. De fato, a empresa estudada possui recursos limitados de marketing. Desta forma, mesmo que haja abundância de dados disponibilizados dos clientes através da ferramenta implantada, não serão úteis se não houver expertise em interpretá-los. Ao contrário, o excesso de informação não objetiva pode atrapalhar a tomada de decisão. Sob este ponto de vista, as PMEs estão claramente mais sujeitas ao fracasso que as grandes empresas, não apenas pelos recursos de marketing, mas também pela qualificação dos recursos humanos (BALBINOT, 2007; CALDEIRA, 1988).

O relacionamento mais pessoal, às vezes até excessivamente informal, condiciona a dependência das PMEs nos seus profissionais. Se por um lado, as PMEs costumam ter a orientação ao cliente embebidas na própria organização -diminuindo as barreiras dentro da organização para entregar valor ao cliente e praticar o marketing de relacionamento-, por outro lado este relacionamento é dependente de seus profissionais. As variáveis relacionadas aos contatos dos vendedores para com o cliente, apresentaram relação estatisticamente significante às três variáveis dependentes. As ligações realizadas com finalidade diversa representaram um aumento de R$20,59 no ticket médio (p-valor <0,01), de 0,013 unidades no cross- selling (p-valor <0,001), e de 6,5% na retenção de clientes (p-valor <0,001). Os e- mails com finalidade diversa, representaram um aumento de R$55,33 no ticket médio (p-valor <0,001), de 0,027 unidades no cross-selling (p-valor <0,001), e de 10,6% na retenção de clientes (p-valor <0,001).

Esta dependência da empresa no sales force se mostrou negativa, por sua vez, no caso do cross-selling, em que houve uma influência negativa de 0,009 unidades a cada ligação de prospecção (p-valor <0,05). Uma possível explicação para este resultado está na falsa impressão de que o excesso de informação pode causar quando esta não bem organizada e analisada. O CRM busca identificar estrategicamente os clientes significantes, segmentar os clientes para personalizar serviços, acompanhar e modelar o comportamento do cliente (isto é, selecionar os

grupos de clientes-alvo, desenvolver métodos para monitorar o comportamento do cliente, acompanhar e gerar modelos emergentes, e prever possíveis ações) (XU; WALTON, 2005), direcionando assim a prospecção. Entretanto, não basta apenas ter as informações, estas devem ser fáceis e objetivas de visualizar.

De acordo com Mendoza et al (2007), dois fatores críticos para o sucesso do CRM seriam a automatização de vendas e a automatização de marketing. Na primeira considera-se importante o tempo médio gasto pela equipe de vendas com diversas funções: trabalho administrativo de vendas, emissão de pedidos, busca por informações sobre documentação e ofertas enviadas para os clientes, e procura da gerencia de vendas para obter uma visão unificada da situação de cada cliente. A segunda corresponde à gerencia de campanhas, à personalização de clientes e o acompanhamento de suas permissões para coletar informações pessoais e interagir com o cliente potencial a partir da autorização.

Fica evidente a importância de um plano estratégico de implementação do CRM analítico que envolva e integre a tecnologia e os processos aos recursos humanos, principalmente do sales force, que são os agentes principais desenvolvedores de relacionamento nas PMEs. Porém, ao contrário das grandes empresas, dificilmente as PMEs terão um plano estratégico, devido à falta de recursos para tal finalidade. Quando há, apenas o CEO tem conhecimento dos mesmos, pois há pouca confiança nos profissionais para dividir os projetos de gestão e de inovação da empresa (CALDEIRA, 1998). É comum que o CEO seja o próprio proprietário da empresa (GHOBAKHLOO et al, 2011) e que esteja envolvido em todos os processos, desempenhando muitas tarefas simultaneamente, e que procure empregar táticas mais pontuais às oportunidades e às ameaças encontradas. Desta forma, a implantação da ferramenta também irá representar uma tática, e não constituirá a estratégia, que é inexistente.

Considerando a dificuldade do plano estratégico das PMEs, torna-se condição fundamental para o sucesso da implantação da ferramenta o envolvimento do CEO.

As PMEs normalmente tem processos e estruturas hierárquicas muito mais simples –

se comparadas às grandes empresas-, o que as tornam muito mais flexíveis e rápidas às mudanças, e são altamente centralizadas nos CEOs, que faz com que toda a organização esteja inclinada a responder às decisões que estes apontam como de

alta significância e valor. Desta forma, suas decisões influenciam todas as atividades momentâneas e futuras da empresa (GHOBAKHLOO, 2011).

As variáveis de mercado, PIB setorial e produção industrial, mostraram não ter relação estatisticamente significante com as proxys de relacionamento, levando a crer que, neste caso, o relacionamento é efetivamente influenciado por fatores internos a organização.