Análise de Marketing para a empresa

MobDonald’s

Rio de Janeiro

Dezembro de 2022
Análise de Marketing para a empresa MobDonald’s

Universidade federal do Rio de Janeiro

Rio de Janeiro
Dezembro de 2022
 Sumário

1 INTRODUÇÃO . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3

2 ANÁLISE EXPLORATÓRIA . . . . . . . . . . . . . . . . . . . . . . 4

3 ANÁLISE BIVARIADA . . . . . . . . . . . . . . . . . . . . . . . . . 6

4 VERIFICAÇÃO DAS PREMISSAS BÁSICAS . . . . . . . . . . . . . 8

5 AJUSTE DAS REGRESSÕES . . . . . . . . . . . . . . . . . . . . . 9

6 SELEÇÃO DE VARIÁVEIS . . . . . . . . . . . . . . . . . . . . . . . 11

7 ANÁLISE DE RESÍDUOS . . . . . . . . . . . . . . . . . . . . . . . . 12

8 INTERPRETAÇÃO E DECISÃO FINAL . . . . . . . . . . . . . . . . 14

9 SUGESTÕES DE MELHORIAS . . . . . . . . . . . . . . . . . . . . 15
 3

1 Introdução

O presente trabalho tem como objetivo analisar o impacto dos investimento em

marketing através dos canais como Youtube, Facebook e Jornais acessoara a empresa
MobDonald’s em qual ou quais segmentos deverá investir.

Para a realização da tomada de decisão será utilizada técnicas estatı́stica, tais como
analise descritiva dos dados e Modelo de Regressão Linear Múltiplo. E através dos teste de
hipóteses realizados será concluı́do em qual ou quais segmentos de marketing a empresa
deverá investir.
 4

2 Análise Exploratória

A Tabela 1 trás informações Estatpiticas individuais dos investimento em cada

segmento:

Tabela 1 – Dados

Statistic N Mean St. Dev. Min Max

youtube 200 176.451 103.025 0.840 355.680
facebook 200 27.917 17.816 0.000 59.520
newspaper 200 36.665 26.134 0.360 136.800

Na primeira coluna da Tabela 1 são mostrado as variáveis independente do modelo,

que são os investimentos nas plataformas de Facebook, Youtube e Jornal, a segunda coluna
é o número de observações, a terceira são as médias de investimento, perceba que a média
de investimento no Youtube é maior que as demais, em uma diferença que aparentemente
significativa, o segmento que possuı́ a menor média é o Facebook. A quarta coluna esta
apresentado o Desvio Padrão, que referente o quanto os dados se distanciam da média, e
nas duas últimas colunas são os valores de Mı́nimo e Máximo.

A Figura 1 diz respeito a distribuição da variável dependente do modelo, que a

variável Vendas:

Pelo o histograma da Figura 1, a variável vendas apresenta ter uma distribuição

normal. A variável apresentou uma média de 16,83, com um desvio padrão de 6,26.
Capı́tulo 2. Análise Exploratória 5

Figura 1 – Histograma de Vendas

 6

3 Análise bivariada

Nesse capitulo será relacionado a relação de cada variável independente com a

variável dependente (Vendas), abaixo será apresentado os gráficos de dispersão das variáveis.

Figura 2 – Dispersão entre investimento em marketing com Facebook e Vendas

Pelo Gráfico 2, parece existir uma correlação positiva entre o investimento no

Facebook e as vendas, ou seja, conforme uma variável aumenta a outra tende a aumentar
também. A mesma percepção e até mais evidente podemos vê no Gráfico 3 que mostra que
a relação entre o investimento no Youtube e as Vendas é positiva e com uma correlação
alta. E por fim no gráfico 4 mostra a relação entre o investimento em Jornal e as vendas,
que não parece haver correlação entre as duas variáveis.

Podemos concluir as análises gráficas através da correlação, por isso foi obtido
através do software R a correlação entre as vereáveis O resultado foi, que a correlação
entre o Investimento em marketing no Facebook e as Vendas é de 0,58, a correlação entre
o Investimento em marketing no Youtube e as Vendas é de 0,78 e por fim a correlação
entre o Investimento em marketing no Jornal e as Vendas é de 0,23. Um resultado bem
próximo do esperado ao análisar os gráficos.
Capı́tulo 3. Análise bivariada 7

Figura 3 – Dispersão entre investimento em marketing com Youtube e Vendas

Figura 4 – Dispersão entre investimento em marketing com Jornal e Vendas

 8

4 Verificação das premissas básicas

A verificação da premissa básica para a realização de um Modelo de Regressão

Linear Múltiplo pode ser considerada que a variável de interesse, que é Vendas tem
que seguir uma distribuição próximo do modelo de distribuição normal. Pelo Gráfico 1
apresentado a cima podemos verificar esse premissa, visto que o histograma esta próximo
de uma distribuição normal.
 9

5 Ajuste das regressões

O modelo Proposto será:

Ŷi = β̂0 + β̂1 · youtubei + β̂2 · f acebooki + β̂3 · jornali + i (5.1)

Temos como hipóteses iniciais:

Ho : βi = 0H1 : βi 6= 0 (5.2)

Com i = 1, 2e3, a hipótese nula implica em que os parâmetros estimados sejam igual a
zero, ou seja o modelo não é significativo, não há nenhuma variável independente capaz de
explicar a variabilidade da variável dependente. Enquanto a hipótese alternativa implica
que há pelo menos uma variável independente capaz de explicar a variabilidade da variável
dependente.

Tabela 2 – Resultados

Dependent variable:
sales
youtube 0.046∗∗∗
(0.001)

facebook 0.189∗∗∗
(0.009)

newspaper −0.001
(0.006)

Constant 3.527∗∗∗
(0.374)

Observations 200
R2 0.897
Adjusted R2 0.896
Residual Std. Error 2.023 (df = 196)
F Statistic 570.271∗∗∗ (df = 3; 196)
∗ ∗∗ ∗∗∗
Note: p<0.1; p<0.05; p<0.01
Capı́tulo 5. Ajuste das regressões 10

Através da Tabela 2, trás informações sobre o modelo gerado, temos a esteatı́tica

F do modelo, que fornece um p-valor próximo de zero, assim a hipótese nula, então
considerando um nı́vel de significância de 5%, pode-se concluir que há pelo menos uma
variável independte capaz de esplicar as variações de Vendas.
 11

6 Seleção de variáveis

Para a seleção de variáveis iremos aplicar o teste T, onde:

Ho : βi = 0H1 : βi 6= 0 (6.1)

As premissas do teste T são semelhantes ao do F, porém o F análise o modelo como

um todo enquanto o teste T avalia cada variável independente. Pela Tabela 2, fornecida
no capitulo a cima, temos que para um nı́vel de significância de 5% os investimentos em
Youtube e Facebook demonstraram significativos enquanto os investimentos em jornais
não, logo a variável jornal pode ser retirada do nosso modelo, pois não é significativa, ou
seja, investir em marketing em jornais não inluencia nas vendas da empresa.

Tabela 3 – Resultados

Dependent variable:
sales
youtube 0.046∗∗∗
(0.001)

facebook 0.188∗∗∗
(0.008)

Constant 3.505∗∗∗
(0.353)

Observations 200
R2 0.897
Adjusted R2 0.896
Residual Std. Error 2.018 (df = 197)
F Statistic 859.618∗∗∗ (df = 2; 197)
∗ ∗∗ ∗∗∗
Note: p<0.1; p<0.05; p<0.01

A Tabela 3 mostra o resultado do modelo sem a variável Jornal, como o R2 é igual

a 0,897 isso implica que o modelo consegue exoplicar 89,7% das variações de Vendas.
 12

7 Análise de resı́duos

Os resı́duos de um modelo de regressão precisa seguir algumas premissas a promissas,

são elas:

1. Normalidade: Os resı́duos precisam seguir uma distribuição normal com média zero;

Figura 5 – Teste de Normalidade - Shapiro-Wilk

Como o p-valor do teste foi menor que 5% rejeita-se a hipótese nula de normalidade,
logo os resı́duos não satisfazem a premissa de normalidade.

2. Independência: Os resı́duos precisam ser independentes entre si.

Figura 6 – Teste de Independência -Durbin-Watson

Como o p-valor do teste foi maior que 5% não rejeita-se a hipótese nula de inde-
pendência, logo os resı́duos independentes.

3. Homocestaticidade: Os resı́duos precisam ter as variâncias constantes e iguais.

Figura 7 – Teste de Homocedasticidade - Breusch-Pagan

Como o p-valor do teste foi maior que 5% não rejeita-se a hipótese nula de homoce-
dasticidade, logo os resı́duos homocedasticos.
Capı́tulo 7. Análise de resı́duos 13

Figura 8 – Análise de Resı́duos

Também conseguimos vê essas premissas através dos gráficos:

 14

8 Interpretação e decisão final

Portanto o modelo demonstrou ser significativo para interpretar as variações da

variável venda, porém apenas as variáveis independentes Youtube e Facebook foram
significativas, logo ao se investir nessas plataformas tente a aumentar as vendas da empresa
visto que os coeficientes encontrados no modelo foram positivo e os gráficos de dispersão
apresentaram uma relação positiva.
 15

9 Sugestões de melhorias

As sugestão são:

1. Pesquisar mais plataformas digitais, como Instagram Twitter, etc, a onde a empresa
pode estar expandido sua área de divulgação de seus produtos e captando ainda
mais clientes.

2. Como uma das premissas do modelo não foi satisfeita, no caso a normalidade dos
resı́duos, uma sugestão é usar um modelo linear generalizado para se obter um
resultado mais robusto.