An Empirical Investigation for Better Business Targeting of Indian Gen Z Consumers in E-Commerce

Resumo Técnico: Uma Investigação Empírica para um Melhor Direcionamento de Negócios aos Consumidores da Geração Z Indiana no E-Commerce

Definição do Problema
A rápida expansão da disponibilidade de internet e da penetração de smartphones na Índia, acelerada pelo "impulso digital" de 2014 e pela pandemia de COVID-19, alterou fundamentalmente o comportamento do consumidor. A Geração Z (nascidos entre 1995–2009), caracterizada pela alta exposição digital e pela preferência pela conveniência, representa um segmento crítico e crescente dos gastos de consumo da Índia. Embora os principais players do e-commerce (ex: Amazon, Flipkart, Myntra) estejam direcionando esforços ativamente para este grupo demográfico, a literatura existente oferece insights empíricos limitados sobre os fatores específicos que moldam as decisões de compra online da Geração Z indiana. A maioria dos estudos anteriores é descritiva, baseando-se em insights qualitativos ou análises estatísticas básicas, falhando em descobrir as ligações sistêmicas subjacentes e as relações hierárquicas entre os diversos atributos que influenciam esses consumidores. Esta pesquisa aborda essa lacuna ao identificar sistematicamente os principais fatores e mapear suas interdependências para permitir uma melhor tomada de decisão gerencial.

Metodologia
O estudo emprega um design de pesquisa quantitativa utilizando uma abordagem indutiva de métodos mistos.

• Coleta de Dados: Os dados primários foram coletados por meio de um questionário estruturado utilizando uma escala Likert de 5 pontos. A população-alvo consistiu em consumidores da Geração Z na Índia com experiência de compra online. Foi utilizada uma técnica de amostragem não probabilística por conveniência. Dos 1.520 questionários distribuídos, 1.019 foram devolvidos; após a remoção de 208 respostas incompletas ou inválidas, o conjunto de dados final compreendeu 811 respostas válidas. A coleta de dados ocorreu entre dezembro de 2024 e maio de 2025.
• Validação do Instrumento: Um estudo piloto com 78 respostas e revisão de especialistas garantiu a clareza e a validade do questionário. A análise de confiabilidade resultou em um Alfa de Cronbach de 0,961 (0,963 para itens padronizados), indicando excelente consistência interna.
• Estrutura Analítica: O estudo utiliza um processo analítico de três estágios:
  1. Análise Fatorial Exploratória (EFA): Realizada utilizando o SPSS para reduzir 30 atributos identificados (derivados da literatura) em construtos subjacentes.
  2. Modelagem Estrutural Interpretativa (ISM): Utilizada para determinar as relações hierárquicas e as ligações sistêmicas entre os fatores extraídos. Isso envolveu uma Matriz de Autointeração Estrutural (SSIM) desenvolvida com o apoio de 15 especialistas de grandes empresas de e-commerce (ex: Meesho, Nykaa, Amazon).
  3. Análise MICMAC: (Matriz de Multiplicação de Referência de Impacto Aplicada à Classificação) Utilizada para classificar os fatores com base em seu poder de condução e dependência, categorizando-os em clusters autônomos, dependentes, de ligação e independentes.

Principais Resultados

• Extração de Fatores (EFA): Os 30 atributos iniciais foram reduzidos a sete fatores distintos:
  1. Conveniência e Eficiência
  2. Disponibilidade e Acessibilidade
  3. Sensibilidade ao Preço e Ofertas
  4. Percepção de Qualidade-Valor do Produto
  5. Opções de Pagamento e Financeiras
  6. Serviço Pós-Compra e Influência da Comunidade
  7. Percepção de Marca
• Estrutura Hierárquica (ISM): A análise ISM revelou uma hierarquia de cinco níveis:
  • Nível 5 (Drivers Raiz): Conveniência e Eficiência e Opções de Pagamento e Financeiras. Estes são facilitadores fundamentais que não dependem de outros fatores, mas impulsionam todo o sistema.
  • Nível 4 (Driver Intermediário): Disponibilidade e Acessibilidade.
  • Nível 3 (Proposta de Valor): Sensibilidade ao Preço e Ofertas e Percepção de Qualidade-Valor do Produto. Estes fatores exibem interdependência bidirecional.
  • Nível 2 (Resultado Experiencial): Serviço Pós-Compra e Influência da Comunidade.
  • Nível 1 (Resultado Final): Percepção de Marca. Esta é a variável mais dependente, moldada por todos os fatores precedentes.
• Classificação MICMAC:
  • Variáveis Independentes (Drivers): Conveniência, Acessibilidade e Opções de Pagamento. Estas possuem alto poder de condução e baixa dependência, atuando como as principais alavancas de mudança.
  • Variáveis de Ligação: Sensibilidade ao Preço e Percepção de Valor. Estas são instáveis e altamente interativas; mudanças aqui afetam e são afetadas por outros fatores.
  • Variáveis Dependentes: Serviço Pós-Compra e Percepção de Marca. Estes são resultados do sistema com alta dependência e baixo poder de condução.
  • Variáveis Autônomas: Nenhuma foi identificada neste estudo.

Principais Contribuições
O artigo contribui para o corpo de conhecimento existente ao:

1. Identificação Empírica: Revelar os atributos específicos que influenciam o comportamento de compra online da Geração Z na Índia através de rigorosa análise estatística (EFA).
2. Insight Sistêmico: Ir além das estatísticas descritivas para mapear as relações causais e hierárquicas entre os fatores usando ISM e MICMAC. Isso esclarece que, embora a Percepção de Marca seja o objetivo final, ela é um resultado dependente impulsionado por fatores fundamentais como Conveniência e flexibilidade de Pagamento.
3. Estrutura Estratégica: Fornecer um modelo estruturado que ajuda as empresas a entender quais fatores priorizar (os drivers raiz) para influenciar indiretamente resultados dependentes, como lealdade à marca e satisfação.

Significância e Alegações
O estudo alega oferecer uma base orientada por dados para que as empresas desenvolvam estratégias direcionadas para a "próxima onda de consumo" na Índia. Ao estabelecer que Conveniência, Acessibilidade e Opções de Pagamento são os drivers raiz, a pesquisa sugere que as plataformas de e-commerce devem priorizar esses elementos fundamentais para desencadear um efeito cascata positivo na percepção de valor, sensibilidade ao preço e, finalmente, na percepção de marca.

Os autores observam que o estudo é modesto em seu escopo, reconhecendo limitações como a forte dependência da amostra em relação a estudantes universitários urbanos, o que pode não representar totalmente as populações da Geração Z rurais ou semiurbanas. Além disso, o estudo baseia-se em dados transversais, o que significa que não acompanha mudanças comportamentais ao longo do tempo ou através de diferentes fases econômicas da vida. Os autores sugerem que pesquisas futuras incorporem estudos longitudinais e expandam para incluir comparações regionais e geracionais (ex: Millennials vs. Geração Z) para refinar ainda mais esses insights. O artigo conclui que, embora os fatores identificados governem a tomada de decisão, a natureza dinâmica da tecnologia (ex: IA, RA) exige a adaptação contínua dessas estratégias.