Espacios. Vol. 37 (Nº 38) Año 2016. Pág. 16
Matheus Frohlich MARQUETTO 1; Luciana Flores BATTISTELLA 2; Márcia Zampieri GROHMANN 3; Cristiane Rosa MOREIRA 4
Recibido: 15/07/16 • Aprobado: 11/08/2016
RESUMO: Em 2013, as vendas online no Brasil ultrapassaram os R$ 28 bilhões e tiveram um crescimento de 25%. Com o crescimento das vendas, aumentam os números de reclamações e problemas que os consumidores enfrentam em compras online, e para melhorar um serviço é preciso ouvir as reclamações dos clientes. Assim, surgiu a necessidade de estudar quais são os antecedentes da satisfação do consumidor em compras online e a sua relação com a intenção de reclamar. Foi realizada uma pesquisa descritiva, causal e com abordagem quantitativa, por meio de uma survey online aplicada com 341 professores universitários do Brasil. |
ABSTRACT: In 2013, online sales in Brazil exceeded R $ 28 billion and grew by 25%. With sales growth, increase the numbers of complaints and problems that consumers face in online shopping, and to improve a service it is necessary to listen to customer complaints. Thus, came the need to study what are the antecedents of customer satisfaction in online shopping and its relationship with the intention of complaining. a descriptive and causal research was conducted with a quantitative approach through an online survey applied to 341 university professors in Brazil. |
Com uma abordagem diferenciada das lojas físicas, as lojas online atraem cada vez mais consumidores e, ao contrário do baixo crescimento das vendas no comercio tradicional, elas vem aumentando os seus ganhos. Segundo a Câmara Brasileira de Comércio Eletrônico (2013), em 2013, as vendas online no Brasil ultrapassaram os R$ 28 bilhões e tiveram um crescimento de 25%.
As estimativas são otimistas para o Brasil e para o resto do mundo. Nos Estados Unidos, de acordo com a Forrester Research, as vendas online devem crescer a US$ 250 bilhões, em 2014, e espera-se que apresentem um aumento anual de 8% a 10% (WU, 2013).
Com o crescimento das vendas aumentam os números de reclamações e problemas que os consumidores enfrentam nas suas compras online que são feitas em um ambiente virtual, onde não há contato físico. Os comportamentos de reclamação são fundamentais para a fidelidade e retenção de clientes além da rentabilidade (HOLLOWAY, WANG E PARISH, 2005).
Ao estabelecer um processo de análise das queixas dos clientes é possível melhorar o serviço. Segundo Breazeale (2009), pesquisas mostram que a aquisição de um novo cliente é cerca de cinco a oito vezes mais onerosa do que manter um já existente. Isso proporciona motivação para compreender as intenções de reclamação em compras online.
Algumas pesquisas sobre comportamento do consumidor, como as de Chea e Luo (2010) e Kim e Son (2009), tem se concentrado na compreensão dos comportamentos de compra e adoção, porém, recentemente mais atenção vêm sendo dada aos comportamentos de pós-compra e reclamação.
O estudo dos comportamentos ligados a voltar a comprar colocam ênfase na compreensão da satisfação do cliente e as suas atitudes com relação a reclamações e queixas (FINN, WANG E FRANK, 2009). Como os consumidores são cada vez mais exigentes e prezam por um melhor produto/serviço, eles tendem a se sentirem mais insatisfeitos com os serviços que lhe são prestados e a propensão de reclamar aumenta (HOLLOWAY, WANG E PARISH, 2005).
Para Wu (2013), as pesquisas sobre comportamentos de reclamação e recompra tem duas abordagens principais: trocas sociais e uso de tecnologia. Os estudo sobre trocas sociais têm enfatizado a importância da justiça percebida pelos indivíduos (SON E KIM, 2008).
Já os estudos focados no uso da tecnologia em relações comercias online tem utilizado os modelos existentes na literatura, como o TAM – Modelo de Aceitação de Tecnologia. Este modelo está baseado basicamente em dois construtos: a utilidade percebida e a facilidade de uso percebida (DAVIS, 1989).
A intenção desse modelo é representar o impacto de fatores externos relacionados a tecnologia de informação sobre aqueles internos do indivíduo como as crenças, atitudes e intenções de uso (FILHO E PIRES, 2005). Ressalta-se que investigar as crenças do consumidor em seu fornecedor online é fundamental, já que deve haver confiança para que as relações comerciais sejam efetivadas.
As compras online envolvem uma loja virtual, ao invés de uma loja física, onde não há contato direto com outras pessoas, por isso os consumidores online são vistos de uma forma diferente, principalmente pela sua experiência de compra se dar em um ambiente virtual (TEO, 2006). O consumidor online desempenha dois papéis ao mesmo tempo, que são: compradores de produtos ou serviços, e usuários de tecnologia durante o processo.
Em seu estudo Wu (2013) propõe que as intenções de queixa em relação aos fornecedores online devem ser vistas através da combinação de três fatores: a troca social, o uso da tecnologia e a confiança.
A percepção da justiça como uma questão de troca social tem sido amplamente estabelecida como premissa chave da satisfação do cliente e sua ligação com as intenções de reclamação no mercado tradicional (MARTINEZ-TUR et al, 2006). A teoria da justiça afirma que, quando as pessoas sentem que há injustiça, elas estão insatisfeitas e tomam medidas para remediar a injustiça.
Ainda para entender o consumidor online, o Modelo de Confirmação de Expectativa (ECM) tem sido amplamente utilizado para estudar o comércio online e foi ampliado para incluir dois outros comportamentos de pós-adoção: a reclamação e a intenção de recomendar (FINN et al, 2009).
Os fatores e variáveis utilizados para desenvolver o presente estudo baseiam-se no trabalho de Wu (2013) que propôs um modelo para identificar os antecedentes da intenção de reclamação por parte dos consumidores que compram em lojas virtuais. O modelo proposto por Wu (2013) integra as percepções de justiça, a tecnologia e a confiança como antecedentes da satisfação do consumidor e, consequentemente, da intenção de reclamação sendo proposto, no presente trabalho, uma tradução e adaptação deste a realidade brasileira.
Dessa forma, os objetivos do artigo são: adaptar o modelo de Wu (2013) para o contexto nacional, identificar os antecedentes que influenciam a satisfação e consequentemente a intenção de reclamar, analisar a influência dos construtos Confirmação das Expectativas e Confiança na Utilidade Percebida, analisar a influência dos construtos moderadores na relação entre satisfação e intenção de reclamação, e comparar os resultados obtidos no Brasil e em Taiwan.
A satisfação do consumidor está ligada à avaliações de justiça em várias situações de conflitos (CROSBY, EVANS E COWLES, 1990). No contexto do gerenciamento das reclamações sabe-se que, a satisfação do consumidor em um determinado processo se dá através do resultado da avaliação que o mesmo faz com o resultado final obtido. O consumidor avalia como foi tratado, informado e o quão justos foram os aspectos envolvidos nesse episódio (SMITH, BOLTON E WAGNER, 1999). Portanto é proposto que as três dimensões da justiça - distributiva, processual e interacional - influenciarão nas avaliações dos consumidores sobre a sua satisfação e com a intenção de reclamação.
A justiça distributiva refere-se à alocação de benefícios e custos entre as partes de uma transação. De acordo com Messick e Cook (1983), a justiça distributiva diz respeito à distribuição de bens e condições que afetam o bem-estar dos indivíduos. Em síntese, são questões que permeiam a sociedade, e se fazem presente sempre que há um relacionamento de troca.
Nas compras virtuais portanto, ocorre uma relação de troca entre o consumidor e o vendedor. Segundo Santos (2001), no contexto de satisfação e reclamação, a justiça distributiva é vista como “os resultados tangíveis oferecidos pela empresa para o reclamante (ex: troca do produto ou o dinheiro de volta). A partir desses conceitos, busca-se investigar a relação entre a justiça distributiva e a satisfação do consumidor nas compras online, conforme a hipótese 1:
A justiça processual refere-se a métodos justos e pacíficos de gerenciar, moderar ou resolver disputas (THIBAUT E WALKER, 1975). Pode-se dizer então, que ela está relacionada aos meios utilizados para alcançar um objetivo.
No contexto da presente pesquisa a justiça processual refere-se as políticas e procedimentos adotados pelas empresas durante os seus processos e como isso influenciará a intenção de reclamar por parte do consumidor. A partir disso, tem-se a segunda hipótese:
A justiça interacional é o aspecto comunicacional da justiça. Segundo Bies e Moag (1986) o estilo interacional usado para obter informação e comunicar resultados também irá afetar as percepções de justiça. Ela também envolve a maneira como os empregados tratam os consumidores e se comunicam com eles durante o episódio de reclamação. Seis subdimensões têm sido estudadas: cortesia, honestidade, empatia, esforço, oferecimento de explicações e pedido de desculpas (CLEMMER, 1988). Assim, tem-se a terceira hipótese:
Baseando-se na teoria da expectativa e confirmação (expectation–confirmation theory) na pesquisa do comportamento de consumo, a confirmação dos clientes é determinada por uma combinação de expectativas pré-existentes e o desempenho percebido (OLIVER, 1980). A teoria afirma que a confirmação das expectativas afeta positivamente a satisfação do cliente e, consequentemente, a intenção de recompra (WU, 2013).
A utilidade percebida pelo consumidor tem uma ligação com as suas expectativas. Segundo Bhattacherjee (2001), a confirmação das expectativas pode desempenhar um papel crítico na determinação da utilidade percebida.
Enquanto que a utilidade percebida pode ser considerada um comportamento de pós-compra em um ambiente online, a confirmação das expectativas é um comportamento pré-compra e de desempenho percebido após um período de consumo inicial. De acordo com Kang, Hong, e Lee (2009), a confirmação das expectativas é um antecedente importante na utilidade percebida, para continuação do uso de serviço online. Assim, tem-se a quarta e quinta hipóteses:
Para Pavlou (2003), os consumidores estão mais propensos a desenvolver sentimentos positivos de satisfação com os serviços de compras online quando o site é percebido como útil na prestação de informações de compras.
A utilidade percebida, como foi originalmente definida no modelo TAM, é considerada uma crença pós-expectativa e desempenha um papel importante na determinação da satisfação do usuário (BHATTACHERJEE, 2001). Assim, tem-se a sexta hipótese:
A conexão entre a confiança e a utilidade percebida tem sido amplamente discutida por muitas empresas online (WU e CHEN, 2005). A confiança é um antecedente importante da utilidade percebida e também tem uma influência direta sobre a intenção comportamental de usar. A confiança também é reconhecida como tendo um efeito positivo na utilidade percebida, uma vez que a confiança permite que os consumidores se tornem vulneráveis aos vendedores online, a fim de garantir que eles recebam o esperado de informações e serviços (PAVLOU, 2003). Assim, tem-se a sétima hipótese:
As crenças de confiança tendem a reduzir as incertezas em transações online através do reconhecimento favorável aos comportamentos esperados dos fornecedores online (MCKNIGHT E CHERVANY, 2002). Segundo Hong e Cho (2011), a confiança cria um estado psicológico que influencia a vontade do consumidor de fazer compras online.
Segundo Wu (2013), vários estudos já propuseram uma relação entre a confiança e satisfação dos clientes no comércio online. Para esse autor a confiança é um fator decisivo para a satisfação dos clientes no contexto de compras online. Assim, tem-se a oitava hipótese:
As pesquisas sobre prestação serviços sugerem que há uma ligação potencial entre os níveis mais baixos de satisfação do cliente com a intenção de reclamar (ZEELENBERG E PIETERS, 2004). Em seu estudo, Thogersen et al. (2009) afirma que o antecedente básico das reclamações dos consumidores aos vendedores é a insatisfação com defeitos nos produtos ou serviços. Em síntese, quando os consumidores se sentem mais insatisfeitos com os serviços, as intenções de reclamação aumentam. Assim, tem-se a nona hipótese:
Segundo Wu (2013), os clientes com mais experiência de compra, tendem a estar mais familiarizados com os procedimentos e interações envolvidas em compras online, em comparação com aqueles com menor experiência de compra.
A experiência de compra anterior é um moderador potencial, pois o seu efeito sobre as futuras compras online tem sido percebida em vários estudos, por isso é provável que tenha o impacto sobre a relação entre a satisfação do cliente e as intenções de reclamação (GEFEN, KARAHANNA, STRAUB, 2003). Os consumidores com experiências anteriores em compras online teriam expectativas mais realistas e seriam menos propensos a reclamar.
Para Tax, Brown e Chandrashekaran (1998) a capacidade de resposta percebida é definida como a percepção da boa vontade de um vendedor online para tratar de uma falha do serviço e fornecer um meio de solucionar essas reclamações.
Assim sendo, para as duas variáveis moderadores, a experiência anterior de compra e capacidade de resposta percebida, são propostas as duas últimas hipóteses:
Na Figura 1 são apresentadas as hipóteses:
Figura 1 – Hipóteses de Pesquisa
Fonte: Adaptado de Wu (2013)
A pesquisa tem caráter quantitativo e descritivo, utilizando o modelo de Wu (2013) validado e aplicado em outra realidade (Taiwan). O modelo foi traduzido para o português por meio de tradução reversa e foram submetidas a um pré-teste
No presente estudo, a população-alvo é composta por professores universitários dos cursos de administração de instituições brasileiras. Com a intenção de segmentar a população-alvo, optou-se por aplicar a pesquisa com professores vinculados a instituições qualificadas com notas 4 e 5 conforme o Índice Geral de Cursos (IGC) referente ao ano de 2012, ano da última avaliação. As instituições que não possuem o curso de administração não foram selecionadas.
Conforme o Instituto Nacional de Estudo e Pesquisa Anísio Teixeira (INEP), o IGC é um indicador de qualidade de instituições de educação superior que considera, em sua composição, a qualidade dos cursos de graduação (INEP, 2012). A nota final dos cursos está em valores contínuos, de 0 a 500, e em faixas de 1 a 5.
Através desse método, foram selecionadas 67 instituições dos mais diversos estados do país: Amazonas, Bahia, Ceará, Distrito Federal, Espírito Santo, Goiás, Mato Grosso, Mato Grosso do Sul, Minas Gerais, Paraíba, Paraná, Pernambuco, Rio de Janeiro, Rio Grande do Norte, Rio Grande do Sul, Santa Catarina e São Paulo. A escolha de instituições de diversos estados tem por objetivo tornar a amostra mais heterogênea cultural e economicamente. A coleta de dados ocorreu no segundo semestre de 2014, com um total de 341 respondentes, caracterizando uma amostra probabilística com 95% de grau de confiança.
Para a realização da presente pesquisa optou-se por selecionar docentes de cursos de administração de diversos estados do Brasil. Acredita-se que eles estejam aptos a responder os questionamentos propostos, pois possuem algum conhecimento de marketing devido a sua formação e, em sua grande maioria, já realizaram compras online.
O questionário de coleta de dados apresentou uma primeira parte com perguntas sobre o perfil do respondente e uma segunda parte com as afirmações dos oito construtos da pesquisa. Todas as dimensões foram medidas por uma escala Likert de 5 pontos, em que os respondentes deveriam posicionar-se entre discordo totalmente (1) e concordo totalmente (5).
Este estudo busca comprovar hipóteses de relações causais e, desta forma, utiliza de procedimentos estatísticos mais complexos como a Modelagem de Equações. As análises foram divididas em quatro fases: análise de frequência e percentuais para caracterizar os respondentes da pesquisa; análise fatorial exploratório para a purificação do modelo, análise fatorial confirmatória para a validação do modelo e regressões múltiplas para o testes de hipóteses. Foram utilizados os softwares estatísticos PASW Statistics 18 e Amos.
Dos 341 professores pesquisados, 120 (35,2%) lecionam em instituições privadas e 221 (64,8%) em instituições públicas. As instituições dos respondentes estão distribuídas em 16 estados brasileiros (Figura 2), 103 respondentes ministram aulas em instituições no Rio Grande do Sul (30,21%), 58 no estado de Minas Gerais (17,01%), 32 em São Paulo (9,38%), 24 no Paraná (7,04%), 24 em Santa Catarina (7,04%), 21 no Rio de Janeiro (6,16%), 18 no Mato Grosso do Sul (5,28%), 13 em Goiás (3,81%), 11 no Espírito Santo (3,23%), 8 em Pernambuco (2,35%), 7 na Paraíba (2,05%), 6 na Bahia (1,76%), 6 no Distrito Federal (1,76%), 4 no Ceará (1,17%), 3 no Sergipe (0,88%) e 3 no Rio Grande do Norte (0,88%).
Quanto ao gênero, 129 (38%) são mulheres e 212 (62%) são homens. Considerando a renda mensal familiar, as frequências foram de: 18 até R$ 4.681,00 (5,4%); 114 entre R$ 4.681,01 e R$9.897,00 (33,4%); 156 entre R$ 9.897,01 e R$17.434,00 (45,7%); e 53 acima de R$ 17.434,01 (15,5%).
Em relação a idade dos professores, 24 (7%) tinham até 30 anos, 105 (30,8%) possuíam entre 31 e 40 anos, 94 (26,4%) tinham entre 41 e 50 anos, 90 (27,6%) tinham entre 51 e 60 anos, 28 (8,2%) tinham mais de 60 anos. Sobre a escolaridade dos professores pesquisados, 12 (3,5%) possuem especialização, 119 (34,9%) possuem mestrado, 183 (53,7%) possuem doutorado, e 27 (7,9%) possuem pós-doutorado.
Figura 2 - Estados das instituições dos respondentes
Foi perguntado aos respondentes qual o tempo de experiência prévia em compras online: 10 pessoas com menos de 1 ano (2,9%), 27 pessoas com experiência de 1 a 3 anos (7,9%), 74 pessoas com experiência de 3 a 5 anos (21,7%), 86 pessoas com experiência de 5 a 7 anos (25,2%), e 114 pessoas com experiência há mais de 7 anos (42,2%).
Por fim, foi perguntado se a pessoa já possuía alguma experiência negativa com compras online: 176 respondentes afirmara que sim (51,6%) e 165 afirmaram que não (48,4%).
Inicialmente, foi realizada a Análise Fatorial Exploratória (Tabela 1), utilizando o método de componentes principais, com fatores fixos previamente definidos no estudo de Wu (2013). Para exclusão as variáveis utilizou-se o critério de exclusão de cargas fatoriais e/ou comunalidades inferiores a 0,50.
O construto Justiça Distributiva era composto por quatro variáveis, sendo que duas foram retiradas pelo fato de apresentarem comunalidades inferiores a 0,5. A variável JD3 “Considero comprar em lojas online pois as mesmas possuem um preço melhor do que as lojas físicas” apresentou comunalidade de 0,157 e a variável JD2 “Levando todo o processo em consideração, a oferta das lojas online é justa” com comunalidade de 0,392. As demais variáveis JD1 e JD4 apresentaram comunalidade de 0,741 e carga fatorial de 0,861.
O construto da Justiça Processual apresentou todas as cargas fatoriais e/ou comunalidades superiores a 0,50 e foi constituído por quatro variáveis, que apresentaram comunalidades que variaram entre 0,635 (JP4) a 0,777 (JP2), bem como, cargas fatoriais entre 0,797 (JP4) a 0,882 (JP2).
O construto Justiça Interacional não apresentou comunalidades e cargas fatoriais inferiores a 0,50, desse modo, compreendeu quatro variáveis com comunalidades variando entre 0,656 (JI4) e 0,728 (JI2), bem como, as cargas fatoriais oscilaram entre 0,810 (JI4) e 0,853 (JI2).
O construto Confirmação das Expectativas inicialmente compreendeu três variáveis propostas por Wu (2013). Essas variáveis apresentaram comunalidades e cargas fatoriais superiores a 0,5, com comunalidades variando entre 0,644 (CE3) e 0,799 (CE2), bem como, as cargas fatoriais oscilaram entre 0,803 (CE3) e 0,894 (CE2).
O construto Utilidade Percebida também obteve todas as cargas fatoriais e/ou comunalidades superiores a 0,50 e foi constituído por quatro variáveis, que apresentaram comunalidades que variaram entre 0,690 (UP3) a 0,830 (UP2), bem como, cargas fatoriais entre 0,831 (UP3) a 0,911 (UP2).
Inicialmente, o constructo Satisfação era constituído por cinco variáveis, porém as variáveis S1 “Minha experiência em utilizar lojas online me contenta, porém poderia ser melhor” (0,028) e S2 “Minha experiência na utilização de lojas online é satisfatória e não poderia ser melhor” (0,144) apresentaram comunalidades inferiores a 0,5. Dessa maneira, o construto Satisfação foi formado por três variáveis com comunalidades que variaram entre 0,663 (S3) a 0,737 (S5) e as cargas fatoriais oscilaram entre 0,801 (S4) a 0,858 (S5).
O construto Confiança era composto por quatro variáveis, porém, uma delas foi retirada por apresentar comunalidade inferior a 0,5. A variável C4 “A relação que as lojas online estabelecem comigo não é oportunista.” apresentou comunalidade de 0,436. Dessa maneira, o construto Confiança foi formado por três variáveis com comunalidades que variaram entre 0,719 (C3) a 0,881 (C2) e as cargas fatoriais oscilaram entre 0,848 (C3) a 0,939 (C2).
O constructo Intenção de Reclamar inicialmente foi constituído por cinco variáveis, sendo que, a variável IR2 “Eu não iria esquecer um incidente em compras online e faria algo a respeito” apresentou comunalidade de 0,420 e a variável IR1 “Eu, definitivamente, reclamaria de um problema para a central de atendimento da loja online” apresentou comunalidade de 0,441, valores inferiores a 0,5. Dessa maneira, as referidas variáveis foram excluídas do construto Intenção de Reclamar. O construto compreendeu três variáveis, apresentando comunalidades que variaram entre 0,618 (IR5) a 0,815 (IR4) e as cargas fatoriais oscilaram entre 0,786 (IR5) a 0,903 (IR4).
O construto Capacidade de Resposta Percebida originalmente foi formado por três variáveis que apresentaram comunalidades entre 0,728 (RP3) a 0,878 (RP2) e cargas fatoriais entre 0,853 (RP3) a 0,937 (RP2).
Tabela 1: Análise Fatorial Exploratória
Variáveis |
Com. |
Carga |
|
JD (Justiça Distributiva) |
|
|
|
JD1 |
O processo de compra pelo qual passei na loja online é adequado ao produto que eu Comprei. |
0,741 |
0,861 |
JD4 |
O preço dos produtos em lojas físicas é equivalente ao preço que eu pago em lojas online. |
0,741 |
0,861 |
JP (Justiça Processual) |
|
|
|
JP1 |
As políticas das lojas online são aplicadas de forma justa entre todos os clientes. |
0,714 |
0,845 |
JP2 |
As políticas das lojas online são aplicadas de forma consistente. |
0,777 |
0,882 |
JP3 |
As políticas das lojas online são aplicadas com base em informações precisas. |
0,695 |
0,834 |
JP4 |
As políticas das lojas online asseguram os padrões éticos e morais. |
0,635 |
0,797 |
JI (Justiça Interacional) |
|
|
|
JI1 |
As interface do sistema de lojas online fornece explicações oportunas e específicas. |
0,678 |
0,823 |
JI2 |
As interface do sistema de lojas online explica os procedimentos de forma adequada. |
0,728 |
0,853 |
JI3 |
As interface do sistema de lojas online é fácil de operar de uma forma interessante. |
0,676 |
0,822 |
JI4 |
As interface do sistema de lojas online tem uma boa comunicação comigo. |
0,656 |
0,810 |
CE (Confirmação das Expectativas) |
|
|
|
CE1 |
Minhas experiências com a realização de compras online foram melhor do que eu esperava. |
0,772 |
0,879 |
CE2 |
O nível de serviço prestado por lojas online foi melhor do que eu esperava. |
0,799 |
0,894 |
CE3 |
No geral, a maioria das minhas expectativas ao usar serviços online foram correspondidas. |
0,644 |
0,803 |
UP (Utilidade Percebida) |
|
|
|
UP1 |
As lojas online são úteis para pesquisa e compra de itens. |
0,750 |
0,866 |
UP2 |
As lojas online tornam mais fácil a pesquisa e compra de itens. |
0,830 |
0,911 |
UP3 |
As lojas online permitem-me pesquisar e comprar itens mais rápido. |
0,690 |
0,831 |
UP4 |
As lojas online melhoram a minha eficácia na busca e compra de itens. |
0,815 |
0,903 |
S (Satisfação) |
|
|
|
S3 |
Minha experiência ao utilizar lojas online é muito estimulante. |
0,663 |
0,814 |
S4 |
A compra de produtos em lojas online é uma boa ideia. |
0,641 |
0,801 |
S5 |
Eu gosto de comprar produtos em lojas online. |
0,737 |
0,858 |
C (Confiança) |
|
|
|
C1 |
A relação que as lojas online estabelecem comigo é confiável. |
0,834 |
0,913 |
C2 |
A relação que as lojas online estabelecem comigo é séria/responsável. |
0,881 |
0,939 |
C3 |
A relação que as lojas online estabelecem comigo é previsível. |
0,719 |
0,848 |
IR (Intenção de Reclamar) |
|
|
|
IR3 |
Eu solicito ao atendimento das lojas online que cuidem do meu problema. |
0,691 |
0,832 |
IR4 |
Eu discuto o problema com a central de atendimento das lojas online. |
0,815 |
0,903 |
IR5 |
Eu informo as lojas online sobre o meu problema para que eles possam fazer melhor no futuro. |
0,618 |
0,786 |
RP (Capacidade de Resposta Percebida) |
|
|
|
RP1 |
Se qualquer insatisfação ocorresse, eu estaria confiante de que a loja online resolveria direito o meu problema. |
0,830 |
0,911 |
RP2 |
Estou confiante de que as lojas online iriam fazer algo a respeito da minha queixa. |
0,878 |
0,937 |
RP3 |
Acredito que as lojas online buscam garantir sua reputação quando eu compro. |
0,728 |
0,853 |
A Tabela 2 contém os índices de ajuste da Análise Fatorial Exploratória. O KMO mede a adequação da amostra em relação ao grau de correlação parcial entre as variáveis, sendo que, valores próximos de 1 indicam maior adequação na utilização da análise fatorial (et al. 2009). Os construtos apresentados na presente pesquisa demonstraram valores de KMO bons, variando de 0,500 para o construto Justiça Distributiva até 0,796 para o construto Justiça Processual.
A variância explicada representa o quanto as variáveis explicam o constructo. Hair et al., (2009) indicam que 60% de explicação é o limite aceitável para a variância explicada. Todas as variâncias explicadas foram superiores ao limite aceitável de 60%, apresentando uma variação entre 68,03% para o construto Satisfação até 81,21% para o construto Capacidade de Resposta Percebida.
Tabela 2: Índices de ajuste
Fatores |
KMO |
VE |
Alpha |
Justiça Distributiva |
0,500 |
74,15% |
0,648 |
Justiça Processual |
0,796 |
70,54% |
0,860 |
Justiça Interacional |
0,728 |
68,45% |
0,846 |
Confirmação das Expectativas |
0,691 |
73,83% |
0,822 |
Utilidade Percebida |
0,785 |
77,12% |
0,900 |
Satisfação |
0,684 |
68,03% |
0,759 |
Confiança |
0,700 |
81,13% |
0,880 |
Intenção de Reclamar |
0,647 |
70,83% |
0,784 |
Capacidade de Resposta Percebida |
0,702 |
81,21% |
0,884 |
O Alpha de Cronbach compreende a confiabilidade dos fatores. Hair et al., (2009) sugerem valores superiores a 0,60. Dessa maneira, os construtos apresentaram Alpha de Cronbach superiores a 0,60, oscilando entre 0,648 para o construto Justiça Distributiva até 0,900 para o construto Utilidade Percebida.
Conforme Tabela 2, os valores das variâncias explicadas foram superiores a 60% e os construtos apresentaram valores de Alpha satisfatórios, superiores a 0,60. Dessa maneira, pondera-se que os índices de ajuste da Análise Fatorial Exploratória foram aceitáveis.
Análise Fatorial Confirmatória foi gerada com base na estimação dos parâmetros utilizando o método máxima verossimilhança, no software Amos, tendo por objetivo a validação do modelo de Wu (2013).
O modelo apresentou alguns índices insatisfatórios. Inicialmente, optou-se por retirar o construto da Justiça Distributiva da pesquisa pois as cargas das variáveis não obtiveram níveis satisfatórios: JD1 com carga de 0,392 e JD2 com carga de 0,431.
Também foram excluídas variáveis que possuíam correlações altas com outros modelos (indicando que tal variável poderia estar em outro construto, o que prejudica a unidimensionalidade do modelo). As variáveis excluídas foram: CE3 “No geral, a maioria das minhas expectativas, ao usar os serviços online foram correspondidas.”, por possuir uma forte correlação com os construtos de confiança e justiça interacional e a variável UP3 “As lojas online permitem-me pesquisar e comprar itens mais rápido.”, por possuir forte correlação com as variáveis UP4 “As lojas online melhoram a minha eficácia na busca e compra de itens.” e C2 “A relação que as lojas online estabelecem comigo é séria/responsável.”
A segunda etapa das modificações do modelo foi a inclusão de correlações sugeridas nos outputs do software Amos. Foram inseridas correlações entre os seguintes pares de variáveis: JI3 e JI4; e JP1 e JP2. Um dos principais motivos para a inclusão de correlações entre variáveis é sua proximidade semântica, ou seja, os respondentes consideram as afirmativas similares.
Analisando-se os enunciados das variáveis que foram correlacionadas é possível identificar as proximidades semânticas: “A interface do sistema de lojas online é fácil de operar de uma forma interessante.” (JI3) e “A interface do sistema de lojas online tem uma boa comunicação comigo." (JI4); “As políticas das lojas online são aplicadas de forma justa entre todos os clientes.” (JP1) e “As políticas das lojas online são aplicados de forma consistente.” (JP2)
O modelo final (Figura 3), após os ajustes, apresentou os índices: estatística qui-quadrado (χ²) com o valor de 394,694; graus de liberdade de 193; qui-quadrado/graus de liberdade (χ²/gl) com valor de 2,045; GFI com valor de 0,908; e índice de medida de ajuste absoluto (RMSEA) com valor de 0,055. Estes índices, segundo a literatura (Hair et al, 2009), devem ter valores de RMSEA inferiores à 0,100, qui-quadrado/graus de liberdade entre 1 e 5 e GFI superior a 0,900.
Os índices Baselianos encontrados foram de: NFI com valor de 0,909; TLI com valor de 0,941 e CFI 0,908. Todos estes índices foram considerados satisfatórios, visto que a literatura (Hair et al. 2009) prega índices superiores a 0,900.
Na Figura 3 consta o diagrama de caminho padronizado com o resultado da modelagem de equações estruturais e os resultados da Análise Fatorial Confirmatória referente ao modelo final são demonstrados na Tabela 3.
Após a primeira etapa de validação do modelo, novos procedimentos foram realizados. As confiabilidades dos construtos foram calculadas e os valores dos alphas de Cronbach foram satisfatórios, todos superaram o valor limite de 0,600. O construto Justiça Processual obteve confiabilidade de 0,860; Justiça Interacional 0,846; Confirmação das Expectativas 0,822; Utilidade Percebida 0,900; Satisfação 0,759; Confiança 0,880; Intenção de Reclamar 0,784 e Capacidade de Resposta Percebida 0,884. Desta forma, comprovou-se a confiabilidade de todos os construtos do modelo.
Hair Jr. et al (2009) consideram que a unidimensionalidade significa que um conjunto de variáveis explica apenas um constructo. Para medir a unidimensionalidade do modelo proposto, utilizou-se o critério de resíduos padronizados (erros), os quais devem apresentar valores inferiores a 2,58 (p<0,05) e se a variável apresenta significância para seu respectivo construto. O maior resíduo padronizado encontrado no modelo foi de 0,122 para a variável IR4 e todas as variáveis foram significativas ao nível de 0,001 para seus respectivos constructos, comprovando a unidimensionalidade de todas as variáveis.
Figura 3 – Diagrama de caminho (padronizado) para o modelo final
Os autores Hair Jr. et al (2009) afirmam que para existir validade convergente as cargas fatoriais padronizadas devem ser 0,5 ou mais. Todas as cargas fatoriais foram superiores a 0,6, sendo que a variável IR4 apresentou a menor carga fatorial padronizada, na ordem de 0,629. Também, deve-se considerar o t-valor superior a 2,33 (para um nível de confiança de 1%), diante disso, o menor t-valor encontrado foi de 10,044 para a variável S3. Assim, a validade convergente foi comprovada.
Os autores Hair Jr. et al (2009) afirmam que para existir validade convergente as cargas fatoriais padronizadas devem ser 0,5 ou mais. Todas as cargas fatoriais foram superiores a 0,6, sendo que a variável IR4 apresentou a menor carga fatorial padronizada, na ordem de 0,629. Também, deve-se considerar o t-valor superior a 2,33 (para um nível de confiança de 1%), diante disso, o menor t-valor encontrado foi de 10,044 para a variável S3. Assim, a validade convergente foi comprovada.
Tabela 3 – Resultado da Análise Fatorial Confirmatória
Relações |
Carga |
Carga pd |
erro |
t-valor |
Relações |
Carga |
Carga pd |
erro |
t-valor |
JP4 <--- JP |
1,138 |
0,776 |
0,098 |
11,636 |
UP2 <--- UP |
1,155 |
0,925 |
0,062 |
18,768 |
JP3 <--- JP |
1,030 |
0,799 |
0,078 |
13,264 |
UP1 <--- UP |
1,084 |
0,869 |
0,061 |
17,886 |
JP2 <--- JP |
0,942 |
0,758 |
0,074 |
12,714 |
C3 <--- C |
0,906 |
0,731 |
0,056 |
16,143 |
JP1 <--- JP |
0,879 |
0,687 |
0,075 |
11,662 |
C2 <--- C |
1,192 |
0,940 |
0,070 |
17,003 |
JI4 <--- JI |
0,837 |
0,639 |
0,072 |
11,597 |
C1 <--- C |
1,102 |
0,882 |
0,068 |
16,148 |
JI3 <--- JI |
1,014 |
0,648 |
0,075 |
13,513 |
S3 <--- S |
1,450 |
0,755 |
0,144 |
10,044 |
JI2 <--- JI |
1,323 |
0,859 |
0,114 |
11,659 |
S4 <--- S |
0,691 |
0,655 |
0,069 |
10,047 |
JI1 <--- JI |
1,198 |
0,818 |
0,103 |
11,600 |
S5 <--- S |
1,091 |
0,756 |
0,096 |
11,326 |
CE2 <--- CE |
1,154 |
0,867 |
0,081 |
14,244 |
IR5 <--- IR |
0,776 |
0,629 |
0,073 |
10,560 |
CE1 <--- CE |
0,868 |
0,821 |
0,060 |
14,380 |
IR4 <--- IR |
1,289 |
0,929 |
0,122 |
10,561 |
UP4 <--- UP |
0,858 |
0,794 |
0,062 |
13,819 |
IR3 <--- IR |
0,897 |
0,715 |
0,083 |
10,814 |
Com a validação do modelo, partiu-se para o teste das hipóteses. Para melhor compreensão são apresentados, primeiramente, os resultados das nove hipóteses gerais (Tabela 4) e, posteriormente, os resultados das duas hipóteses que possuíam efeito moderador de um construto (Tabelas 5 e 6).
A primeira hipótese proposta (H1: A justiça distributiva tem um efeito positivo na satisfação dos consumidores, em compras online.) não foi testada pelo fato do construto da Justiça Distributiva ter sido retirado da análise na etapa da Análise Fatorial Exploratória, pois as cargas das variáveis não obtiveram níveis satisfatórios.
A segunda hipótese testada (H2: Justiça processual tem um efeito positivo na satisfação dos consumidores, em compras online.) não foi confirmada, pois a relação entre Justiça Processual e Satisfação não foi significativa (β=-0,058, p<0,213), assim H2 foi rejeitada. No estudo realizado por Wu (2013) a Hipótese 2 também não foi confirmada.
A terceira hipótese testada (H3: Justiça interacional tem um efeito positivo na satisfação dos consumidores, em compras online) foi confirmada com β=0,245 e p<0,001. Em pesquisa desenvolvida por Martinez-Tur et al. (2006) sobre a satisfação de clientes na prestação de serviços, em 38 hotéis e 40 restaurantes, foi confirmado que a justiça interacional tem efeito sobre a satisfação dos clientes. Foram observados os valores de β=0,16, p<0,01 para o impacto da justiça interacional na satisfação dos clientes nos hotéis e β=0,17, p<0,01 para a satisfação dos clientes nos restaurantes pesquisados.
A quarta hipótese testada (H4: A confirmação das expectativas tem um efeito positivo sobre a utilidade percebida, em compras online.) foi confirmada com β=0,314 e p<0,001. Corroborando com essa hipótese, em seu estudo Kang, Hong e Lee (2009) confirmaram a hipótese de que a “confirmação das expectativas influencia positivamente a utilidade percebida” (β=-0,496, p<0,001) em um ambiente online de prestação de serviços.
A quinta hipótese testada (H5: A confirmação das expectativas tem um efeito positivo na satisfação dos consumidores, em compras online.) foi confirmada com β=0,332 e p<0,001. No estudo realizado por Bhattacherjee (2001) para entender os principais fatores que motivam os consumidores a continuar utilizando serviços de e-commerce foi confirmada a relação positiva entre a confirmação das expectativas e a satisfação com os valores β=0,657 e p<0,001.
A sexta hipótese testada (H6: Utilidade percebida tem um efeito positivo na satisfação do cliente, nas compras online.) foi confirmada com β=0,095 e p<0,051. No estudo de Thong, Hong e Tam (2006) a hipótese de que “a utilidade percebida está positivamente relacionada com a satisfação dos usuários no uso de tecnologia da informação” foi confirmada com valores similares ao do presente estudo: β=0,06 e p<0,001.
A sétima hipótese testada (H7: A confiança tem um efeito positivo na utilidade percebida, em compras online.) foi rejeitada, pois a relação entre a Confiança e Utilidade Percebida não foi significativa β=0,060, p<0,244. No estudo realizado por Wu (2013) a Hipótese 7 foi confirmada com valores de β=0,27 e p<0,01.
A oitava hipótese testada (H8: Confiança tem um efeito positivo na satisfação do cliente, nas compras online.) foi confirmada com β=0,227 e p<0,001, corroborando com o estudo de Lin e Wang (2006) sobre os determinantes da lealdade dos consumidores em mobile commerce, onde também foi confirmada a hipótese de que a “confiança tem um efeito positivo na satisfação do consumidor” com valores β=0,37 e p<0,001.
A nona hipótese testada (H9: A satisfação do cliente tem um efeito negativo sobre a intenção de reclamação, em compras online.) não foi confirmada pois a relação entre os construtos foi positiva, sendo que, a hipótese postulava uma relação negativa entre a Satisfação e a Intenção de Reclamação. No estudo realizado por Wu (2013) a Hipótese 9 foi confirmada com valores de β=-0,30 e p<0,01.
Tabela 4 – Hipóteses do estudo
Hipóteses |
Relações |
β |
Sign. |
Conclusão |
||
H1 |
S |
ß |
JD |
Construto Retirado na AFE |
||
H2 |
S |
ß |
JP |
-0,058 |
0,213 |
Rejeitada |
H3 |
S |
ß |
JI |
0,245 |
*** |
Confirmada |
H4 |
UP |
ß |
CE |
0,314 |
*** |
Confirmada |
H5 |
S |
ß |
CE |
0,332 |
*** |
Confirmada |
H6 |
S |
ß |
UP |
0,095 |
0,051 |
Confirmada |
H7 |
UP |
ß |
C |
0,060 |
0,244 |
Rejeitada |
H8 |
S |
ß |
C |
0,227 |
*** |
Confirmada |
H9 |
IR |
ß(-) |
S |
0,201 |
*** |
Rejeitada |
***Significativo ao nível de 0,001
Duas das onze hipóteses possuíam fatores moderadores entre as relações dos construtos. A Hipótese 10 postula que quanto mais tempo o consumidor tiver de experiência prévia em compras online, mais fraca é a ligação entre a sua satisfação e as intenções de reclamação. Já na Hipótese 11, o fator moderador é a capacidade de resposta percebida, assim, quanto maior for a capacidade de resposta percebida mais forte é a ligação entre a satisfação do cliente e as intenções de queixa.
A décima hipótese testada (H10: Quanto mais tempo a experiência prévia de compras online, mais fraca é a ligação entre a satisfação do cliente e as intenções de queixa, em compras online.) foi rejeitada, conforme os valores apresentados na Tabela 5. No estudo de Wu (2013), essa hipótese também foi rejeitada, pois as relações não foram estatisticamente significativas.
Tabela 5 – Efeito moderador da experiência anterior de compra
Hipóteses |
Relações |
β |
Sign. |
Conclusão |
||
H10a |
EA |
ß |
S |
-0,036 |
0,512 |
Rejeitada |
H10b |
IR |
ß(-) |
S |
0,215 |
*** |
Rejeitada |
H10c |
IR |
ß |
EA |
-0,132 |
0,012 |
Rejeitada |
EA – Experiência anterior de compra, ***Significativo ao nível de 0,001
A última hipótese da presente pesquisa (H11: Quanto maior a capacidade de resposta percebido, mais forte é a ligação entre a satisfação do cliente e as intenções de queixa, em compras online.) foi parcialmente confirmada, conforme os valores das relações apresentadas na Tabela 6. No estudo de Wu (2013) essa hipótese também foi confirmada com valores β=0,21 e p<0,01 para a relação entre Satisfação e Capacidade de Resposta Percebida, e β=0,227 e p<0,001 para a relação entre Capacidade de Resposta Percebida e Intenção de Reclamação.
Tabela 6 – Efeito moderador da capacidade de resposta percebida
Hipóteses |
Relações |
β |
Sign. |
Conclusão |
||
H11a |
CR |
ß |
S |
0,363 |
*** |
Confirmada |
H11b |
IR |
ß(-) |
S |
0,133 |
0,016 |
Rejeitada |
H11c |
IR |
ß |
CR |
0,239 |
*** |
Confirmada |
CR – Capacidade de Resposta Percebida , *** Significativo ao nível de 0,001
A Tabela 7 demonstra a comparação dos resultados das hipóteses do estudo de Wu (2013) e os resultados encontrados nesta pesquisa. O estudo original comprovou nove hipóteses, rejeitando a influência da justiça processual na satisfação (H2) e o efeito moderador da experiência anterior de compra (H10). Na presente pesquisa, foram comprovadas seis hipóteses e rejeitadas as relações entre Justiça Processual e Satisfação, Confiança na Utilidade Percebida, a relação inversa entre Satisfação e Intenção de Reclamar e o efeito moderador da Experiência Anterior de Compra.
As hipóteses que foram confirmadas nos dois estudos apresentaram graus de relação (coeficiente) similares, conforme as informações apresentadas na sequência: a Justiça Interacional é antecedente da Satisfação, sendo que na presente pesquisa o coeficiente (β=0,245) foi um pouco maior do que o encontrado no estudo de Wu (2013) (β=0,22); a Confirmação das Expectativas é um antecedente da Utilidade Percebida, sendo que no presente estudo (β=0,314) a relação foi um pouco mais fraca do que a encontrado por Wu (2013) (β=0,34); a Confiança é um antecedente da Satisfação, sendo que nesse estudo a relação foi um pouco mais forte (β=0,227) do que no estudo de Wu (2013) (β=0,20).
Tabela 7 – Comparação entre os estudos
Hipótese |
Relações |
Wu (2013) |
Presente Estudo |
||||||
β |
Sign. |
Conclusão |
β |
Sign. |
Conclusão |
||||
H1 |
S |
ß |
JD |
0,29 |
* |
Confirmada |
Construto Retirado na AFE |
||
H2 |
S |
ß |
JP |
0,08 |
- |
Rejeitada |
-0,058 |
0,213 |
Rejeitada |
H3 |
S |
ß |
JI |
0,22 |
* |
Confirmada |
0,245 |
*** |
Confirmada |
H4 |
UP |
ß |
CE |
0,34 |
* |
Confirmada |
0,314 |
*** |
Confirmada |
H5 |
S |
ß |
CE |
0,27 |
* |
Confirmada |
0,332 |
*** |
Confirmada |
H6 |
S |
ß |
UP |
0,19 |
* |
Confirmada |
0,095 |
0,051 |
Confirmada |
H7 |
UP |
ß |
C |
0,27 |
* |
Confirmada |
0,060 |
0,244 |
Rejeitada |
H8 |
S |
ß |
C |
0,20 |
* |
Confirmada |
0,227 |
*** |
Confirmada |
H9 |
IR |
ß(-) |
S |
-0,30 |
* |
Confirmada |
0,201 |
*** |
Rejeitada |
*Significativo ao nível de 0,01 ***Significativo ao nível de 0,001
As maiores diferenças entre os estudos ocorreram nas relações entre Confirmação das Expectativas e Satisfação, sendo a relação mais forte no presente estudo (β=0,332) do que no estudo de Wu (2013) (β=0,27), e na Utilidade Percebida com a Satisfação, onde na presente pesquisa a relação foi mais fraca (β=0,095) do que na pesquisa de Wu (2013) (β=0,19).
As considerações finais deste trabalho iniciam com o resgate dos objetivos. O primeiro objetivo era adaptar o modelo de Wu (2013) para o contexto nacional, o que foi realizado com sucesso, pois, depois de algumas alterações o modelo foi satisfatoriamente validado.
Como segundo objetivo, o artigo buscava identificar os antecedentes que influenciarão a satisfação e consequentemente a intenção de reclamar. Constatou-se que os antecedentes da satisfação foram: a Justiça Interacional, a Confirmação das Expectativas, a Utilidade Percebida e a Confiança.
A relação inversa entre Satisfação e Intenção de Reclamar não foi confirmada, pode-se sugerir que as pessoas, mesmo estando satisfeitas, podem relatar algum problema que tiveram durante o processo de compra. Nesse caso, não se trataria de uma reclamação mas uma sugestão de melhoria. Analisando as afirmações do construto de Intenção de Reclamar pode-se perceber que algumas afirmações como “Eu informo as lojas online sobre o meu problema para que eles possam fazer melhor no futuro” poderiam ser interpretadas como sugestões de melhoria.
O terceiro objetivo, que era analisar a influência dos construtos Confirmação das Expectativas e Confiança na Utilidade Percebida, foi atendido, e percebeu-se a influência apenas da Confirmação das Expectativas na Utilidade Percebida.
O quarto objetivo, era analisar a influência dos construtos moderadores na relação entre satisfação e intenção de reclamação. Foi confirmado, ainda que parcialmente, um efeito moderador da Capacidade de Resposta Percebida.
Por fim, o último objetivo era comparar os resultados obtidos no Brasil e em Taiwan. Percebeu-se que no estudo realizado em Taiwan mais construtos influenciaram a satisfação, isso pode ter ocorrido devido a diferença do tipo de população já que o estudo de Wu (2013) não foi realizado com professores.
As limitações deste estudo referem-se ao fato de que a amostra foi formada apenas por professores universitários, assim, sugere-se que outras pesquisas sejam realizadas, com este modelo, em outros tipos de amostras. Outra limitação é a do ineditismo do modelo no Brasil e para comprovação de sua robustez seriam necessárias novas aplicações.
Apesar das limitações, considera-se que o estudo contribuiu para ampliação dos estudos sobre a satisfação do consumidor em compras online. Bem como, espera-se que possa promover a realização de futuras pesquisas sobre esse tema.
BHATTACHERJEE, A (2001). Understanding information systems continuance: An expectation–confirmation model. MIS Quarterly, v. 25, ed. 3, p. 351–370.
BIES, R. J.; MOAG, J. S (1986). Interactional justice: communication criteria of fairness. In LEWICKI, R.; SHEPPARD, B.; BAZERMAN, M. (eds.). Research on Negotiation in Organizations. Connecticut: Jai Press Inc.
BREAZEALE, M. (2009) Word of mouse. International Journal of Market Research, v. 51, ed. 3, p. 297–318.
CÂMARA BRASILEIRA DE COMÉRCIO ELETRÔNICO (2013). Vendas on-line devem movimentar quase R$ 30 bi no Brasil em 2013. Disponível em: http://www.camara-e.net/2013/12/16/vendas-on-line-devem-movimentar-quase-r-30-bi-no-brasil-em-2013/.
CHEA, S., & LUO, M. M (2010). E-service customer retention: The roles of negative affectivity and perceived switching costs. Computer in Human Behaviour, v. 26, ed. 3, p. 353–364.
CLEMMER, E. C. (1988). The role of fairness in customer satisfaction with services. Maryland. Tese de Doutorado - University of Maryland.
CROSBY, L. A.; EVANS, K. R.; COWLES, D. (1990). Relationship quality in services selling: an interpersonal influence perspective. Journal of Marketing, v. 54, p. 68-76.
DAVIS, F.D. (1989). Perceived usefulness, perceived ease of use, and user acceptance of information technology, MIS Quarterly, v. 13, ed. 3.
FÁVERO, L. P. et al. (2009). Análise de Dados: Modelagem Multivariada para Tomada de Decisões. 1. ed. Rio de Janeiro: Campos Elsevier.
FILHO, B. A.; PIRES, P. J. (2005). Avaliação dos Fatores Relacionados na Formação do Índice de Prontidão À Tecnologia -TRI (Technology Readiness Index) como Antecedentes do Modelo TAM (Technology Acceptance Model). Anais do Encontro Anual da Associação Nacional de Programas de Pós-Graduação em Administração, Brasília, CD.
FINN, A.; WANG, L.; FRANK, T. (2009). Attribute perceptions, customer satisfaction and intention to recommend e-services. Journal of Interactive Marketing, v. 23, n. 3, p. 209–220.
GEFEN, D.; KARAHANNA, E.; STRAUB, D. (2003). Inexperience and experience with online stores: The importance of TAM and Trust. IEEE Transactions on Engineering Management, v. 50, n. 3, p. 307–321.
HAIR, J. F.; BABIN, B.; MONEY, A. H.; SAMOUEL, P. (2009). Fundamentos de métodos de pesquisa em administração. Porto Alegre: Bookman.
HOLLOWAY, B.; WANG, S.; PARISH, J. (2005). The role of online purchasing experience in service recovery management. Journal Interactive Marketing, v. 19, n. 3, p. 54–67.
HONG, I. B.; CHO, H. (2011). The impact of consumer trust on attitudinal loyalty and purchase intentions in B2C e-marketplaces: Intermediary trust vs. seller trust. International Journal of Information Management, v. 31, n. 5, p. 469–479.
INSTITUTO NACIONAL DE ESTUDOS E PESQUISA EDUCACIONAIS ANÍSIO TEIXEIRA. (2012). Avaliação dos Cursos de Graduação. Disponível em: http://portal.inep.gov.br/superior-condicoesdeensino.
KANG, Y. S., HONG, S.; LEE, H. (2009). Exploring continued online service usage behavior: The roles of self-image congruity and regret. Computers in Human Behavior, 25(1).
KIM, S. S.; SON, J. Y. (2009) Out of dedication or constraint? A dual model of post adoption phenomena and its empirical test in the context of online services. MIS Quarterly, 33 (1).
LIN, H. H.; WANG, Y. S. (2006). An examination of the determinants of customer loyalty in mobile commerce contexts. Information and Management, v. 43, p. 271–282.
MARTINEZ-TUR, V., PEIRO, J. M., RAMOS, J., & MOLINER, C. (2006). Justice perceptions as predictors of customer satisfaction: The impact of distributive, procedural, and interactional justice. Journal of Applied Social Psychology, v. 36, ed. 1, p. 100–119.
MCKNIGHT, D. H.; CHERVANY, N. L. (2002). What trust means in e-commerce customer relationships: An interdisciplinary conceptual typology. International Journal of Electronic Commerce, v. 6, n. 2, p. 35–72.
MESSICK, D.; COOK, K. (1983). Equity theory: psychological and sociological perspectives. New York: Praeger.
OLIVER, R. L. (1980). A cognitive model of the antecedents and consequences of satisfaction decisions. Journal of Marketing Research, 17(4), 460–469.
PAVLOU, P. A. (2003). Consumer acceptance of electronic commerce: Integrating trust and risk with the technology acceptance model. International Journal of Electronic Commerce, 7(3), 69–103.
SANTOS, C. P. (2001). O impacto do gerenciamento de reclamações na confiança e lealdade do consumidor, no contexto de trocas relacionais de serviços: construção e teste de um modelo teórico. 252 f. Tese (Doutorado) - Universidade Federal do Rio Grande do Sul, Porto Alegre.
SMITH, A. K; BOLTON, R. N.; WAGNER, J. (1999). A model of customer satisfaction with service encounter involving failure and recovery. Journal of Marketing Research, v. 36, p. 356-372.
SON, J. Y.; KIM, S. S. (2008). Internet users’ information privacy-protective responses: A taxonomy and a nomological model. MIS Quarterly, 32(3), p. 503-529.
TAX, S.; BROWN, S.; CHANDRASHEKARAN, M. (1998). Customer Evaluations of Service Complaint Experiences: Implications for Relationship Marketing. Journal of Marketing, vol. 62, n. 2, p. 60-76.
TEO, T. S. H. (2006). To buy or not to buy online: Adopters and non-adopters of online shopping in Singapore. Behavior & Information Technology, 25(6), p. 497–509.
THIBAUT, J.; WALKER, L. (1975). Procedural justice: a psychological analysis. Hillsdale, NJ: Lawrence Erlbaum.
THONG, Y. L., HONG, S. J.; TAM, K. Y. (2006). The effects of post-adoption beliefs on the expectation–confirmation model for information technology continuance. International Journal of Human–Computer Studies, v. 64, p. 799–810.
WU, I. (2013). The antecedents of customer satisfaction and its link to complaint intentions in online shopping: An integration of justice, technology, and trust. International Journal of Information Management, v. 33, p. 166– 176.
WU, I. L., CHEN, J. L. (2005). An extension of trust and TAM model with TPB in the initial adoption of on-line tax: An empirical study. International Journal of Human–Computer Studies, v. 62, n. 6, p. 784–808.
ZEELENBERG, M.; PIETERS, R. (2004) Beyond valence in customer dissatisfaction: A review and new findings on behavioral responses to regret and disappointment in failed services. Journal of Business Research, v. 57, p. 445–455.
1. Doutorando em Administração pela Universidade Federal de Santa Maria (UFSM) matheusmarquetto@yahoo.com.br
2. Professora da Universidade Federal de Santa Maria (UFSM) luttibattistella@gmail.com
3. Professora da Universidade Federal de Santa Maria (UFSM) marciazg@gmail.com
4. Professora da Universidade Federal de Santa Maria (UFSM) crisrmoreira@hotmail.com