O monitoramento de redes sociais pode oferecer soluções que vão muito além do monitoramento de crises e comportamento pós-compra. Técnicas como a Netnografia permitem uma análise aprofundada das influências ocorridas no processo de decisão de compra.
O pesquisador Luis Alexandroni descobriu as potencialidades do monitoramento de redes sociais a partir de sua pesquisa de Mestrado intitulada “Valores Motivacionais do Consumo Automobilístico Brasileiro Analisados por Meio de uma Pesquisa Netnográfica no Contexto do Big Data“, a qual foi realizada com a utilização do Buzzmonitor como plataforma para análise de dados.
Luis Alexandroni é graduado em Administração na FGV de São Paulo e realizou seu mestrado também em Administração na Universidade FUMEC de Belo Horizonte, MG. O objetivo da pesquisa era compreender o que influencia a decisão de compra de um carro. Luis Alexandroni encontrou quatro categorias de motivações associadas à visão em relação ao automóvel:
- Hedonista (do Grego “prazer” ou “vontade”)
- Devoção (à marca ou ao veículo)
- Valor Social (agregado ao bem material)
- Utilitária (como aquele bem material pode ser útil ao comprador)
O pesquisador também descobriu uma quantidade expressiva de posts que demonstram receio ou insatisfação por parte dos consumidores potenciais ou ativos, um influência importante na decisão de compra futura de qualquer produto, mas ainda com mais peso na compra de produtos de valor elevado.
Entrevistamos Luis Alexandroni para entender melhor sua pesquisa e como o Buzzmonitor foi benéfico para que ele encontrasse os dados que desejava a respeito dos pontos que mais influenciam a decisão de compra de um veículo.
Buzzmonitor: Qual a importância da sua pesquisa?
Luis Alexandroni: o trabalho é importante por apresentar a utilização da pesquisa netnográfica, que é um método desenvolvido recentemente, finais dos anos 90 e início dos anos 2000, daí ainda não ser expressiva a quantidade de pesquisas utilizando esse procedimento quando comparado com outros métodos tanto qualitativo, como quantitativo. Outra contribuição, a meu ver, é sem dúvida, a utilização de uma ferramenta de Big Data, fenômeno também relativamente recente. Com o Buzzmonitor, pude manipular uma massa expressiva de dados num curto prazo de tempo. Em termos de mercado, acredito que esta pesquisa pode servir de luz para que profissionais da área de marketing conheçam melhor os fatores que estão por trás da motivação para o consumo dos automóveis no Brasil.
B: Qual conclusão da pesquisa?
L: Foram encontrados quatro categorias de motivações associadas a uma visão positiva quanto ao produto, no caso automóvel, e /ou ao prestador de serviço desse bem: hedonista, devoção, valor social e utilitária e mais duas categorias associadas a uma visão negativa do produto e/ou do serviço que foram risco percebido e baixo valor percebido. A pesquisa foi desenvolvida focando o contexto da convergência tecnológica presente nos automóveis, e pretendeu-se constatar até que ponto essa característica impacta na motivação do consumo, e pode-se concluir que pelos dados observados, esse impacto é praticamente inexistente. Por fim, uma conclusão significativa foi constatar a quantidade expressiva de posts que demonstram receio ou insatisfação por parte dos consumidores potenciais ou ativos, respectivamente. Isso pode ser um forte sinal de advertência para os fabricantes, bem como um campo para uma nova pesquisa.
B: O que você aprendeu com sua pesquisa?
L: A pesquisa realizada me ajudou a conhecer o rigor que está por trás de um trabalho acadêmico. Foi para mim um aprendizado prático, uma vez que pude aplicar os conceitos que aprendi no decorrer dos dois anos do meu mestrado acadêmico em Administração.
B: Por que o Buzzmonitor foi fundamental para o desenvolvimento da sua pesquisa?
L: O Buzzmonitor pela sua característica de trabalhar no conceito do Big Data possibilitou que eu, como pesquisador, trabalhasse com uma massa expressiva de dados, neste caso, de posts inseridos no Facebook da Fiat, Ford e Volkswagen durante um mês. O acompanhamento desses posts foi realizado pelo Buzzmonitor, me liberando portanto, para outras tarefas da minha dissertação de mestrado, da qual esta pesquisa fazia parte. Outro benefício do Buzzmonitor foi agilizar a coleta, pois para que eu obtivesse a mesma massa de dados sem uma ferramenta de software, eu certamente, levaria muito tempo e quem sabe, comprometeria o prazo de conclusão da pesquisa e consequentemente, de defesa da minha dissertação.
B: Como o Buzzmonitor ajudou você a encontrar os dados que precisava e obter os insights necessários para seu estudo?
L: Tudo começou quando tentando encontrar a melhor forma de realizar a coleta dos dados para minha pesquisa, me deparei na internet com uma matéria comparando alguns comentários postados sobre duas montadoras de carros. Aprofundando, soube que esta matéria provinha do Buzzmonitor e assim em contato com um dos executivos da E.life, pude conhecer melhor esta ferramenta e percebi sua utilidade para minha pesquisa. Com a ajuda de uma das responsáveis pelo suporte do Buzzmonitor, comecei a utilizar a ferramenta inicialmente de forma experimental e passado um período, já conhecendo melhor os recursos do Buzzmonitor, dei início ao período de coleta dos dados. Creio que os principais insights para minha pesquisa foi o de poder utilizar uma ferramenta de Big Data, pois desde o início da definição do escopo da minha pesquisa, desejava relacionar o Big Data de alguma forma com meu tema, e o outro foi perceber o quanto essa ferramenta pode otimizar o processo de coleta de dados.
Conheça o Buzzmonitor e comece a usá-lo hoje mesmo para suas pesquisas acadêmicas!
