Pensamento linear em um mundo não linear

Em resumo O problema As pessoas esperam que as relações entre as variáveis e os resultados sejam lineares. Muitas vezes, elas são: A quantidade de dados que um iPad armazenará aumenta na mesma proporção que sua capacidade de armazenamento. Mas muitas vezes não são: A economia de tempo decorrente da atualização de uma conexão de banda larga à Internet fica cada vez menor à medida que a velocidade de download aumenta. O desafio Como o senhor pode superar a tendência de pensar linearmente para não tomar decisões de negócios ruins quando fenômenos não lineares estão em jogo? A solução Primeiro, o senhor precisa entender quatro tipos de relações não lineares e como o pensamento linear produz erros de julgamento nessas situações. Em seguida, poderá usar a visualização de dados para ver se e como os relacionamentos em seu ambiente são não lineares, o que o ajudará a fazer escolhas que maximizem o resultado desejado. Teste-se com este problema contextualizado: imagine que o senhor é responsável pela frota de carros da sua empresa. O senhor gerencia dois modelos, um SUV que faz 10 milhas por galão e um sedã que faz 20. A frota tem números iguais de cada um e todos os carros percorrem 10.000 milhas por ano. O senhor tem capital suficiente para substituir um modelo por veículos mais eficientes em termos de combustível para reduzir os custos operacionais e ajudar a cumprir as metas de sustentabilidade. Qual upgrade é melhor? A. Substituir os veículos de 10 MPG por veículos de 20 MPG B. Substituir os veículos de 20 MPG por veículos de 50 MPG Intuitivamente, a opção B parece mais impressionante - um aumento de 30 MPG é muito maior do que um aumento de 10 MPG. E o aumento percentual também é maior. Mas a opção B não é o melhor negócio. Na verdade, não chega nem perto. Vamos comparar. GALÕES USADOS POR 10.000 MILHAS ATUAL DEPOIS DA ATUALIZAÇÃO ECONOMIA A. 1.000 (@10 MPG) 500 (@20 MPG) 500 B. 500 (@20 MPG) 200 (@50 MPG) 300 Isso é surpreendente? Para muitos de nós, sim. Isso ocorre porque, em nossa mente, a relação entre MPG e consumo de combustível é mais simples do que realmente é. Tendemos a pensar que é linear e que se parece com isso: Mas esse gráfico está incorreto. O consumo de combustível não é uma função linear do MPG. Quando o senhor faz as contas, a relação realmente se parece com esta: E quando o senhor disseca a curva para mostrar cada cenário de atualização, fica claro como é muito mais eficiente substituir os carros de 10 MPG. Surpreendentemente, melhorar a eficiência de combustível de 20 para 100 MPG ainda não economizaria tanta gasolina quanto melhorar de 10 para 20 MPG. Mas escolher o upgrade de menor quilometragem continua sendo contraintuitivo, mesmo diante das evidências visuais. A TI simplesmente não parece certa. Se o senhor ainda está tendo problemas para entender isso, não é culpa sua. Décadas de pesquisa em psicologia cognitiva mostram que a mente humana tem dificuldade para entender relações não lineares. Nosso cérebro quer fazer linhas retas simples. Em muitas situações, esse tipo de pensamento nos serve bem: Se o senhor pode armazenar 50 livros em uma prateleira, poderá armazenar 100 livros se adicionar outra prateleira e 150 livros se adicionar mais uma. Da mesma forma, se o preço do café for US$ 2, o senhor pode comprar cinco cafés com US$ 10, 10 cafés com US$ 20 e 15 cafés com US$ 30. Mas nos negócios há muitas relações altamente não lineares, e precisamos reconhecer quando elas estão em jogo. Isso é verdade tanto para generalistas quanto para especialistas, pois mesmo os especialistas que estão cientes da não linearidade em seus campos podem não levá-la em consideração e, em vez disso, confiar em seu instinto. Mas quando as pessoas fazem isso, geralmente acabam tomando decisões ruins. Viés linear na prática Já vimos consumidores e empresas serem vítimas do viés linear em vários cenários do mundo real. Um dos mais comuns diz respeito a um importante objetivo comercial: lucros. Três fatores principais afetam os lucros: custos, volume e preço. Uma mudança em um deles geralmente exige ações nos outros para manter os lucros. Por exemplo, o aumento dos custos deve ser compensado por um aumento no preço ou no volume. E se o senhor reduzir o preço, serão necessários custos menores ou volumes maiores para evitar que os lucros caiam. Infelizmente, as intuições dos gerentes sobre as relações entre essas alavancas de lucro nem sempre são boas. Durante anos, os especialistas aconselharam as empresas que as mudanças no preço afetam os lucros mais do que as mudanças no volume ou nos custos. No entanto, os executivos muitas vezes se concentram demais no volume e nos custos em vez de acertar o preço. Por quê? Porque os grandes aumentos de volume que eles observam depois de reduzir os preços são muito empolgantes. O que as pessoas não percebem é o quanto esses aumentos precisam ser grandes para manter os lucros, especialmente quando as margens são baixas. Imagine que o senhor gerencia uma marca de toalhas de papel. Elas são vendidas por 50 centavos o rolo, e o custo marginal de produção de um rolo é de 15 centavos. Recentemente, o senhor fez duas promoções de preço. Veja a seguir como elas se comparam: NORMAL PROMOÇÃO A: 20% DE DESCONTO PROMOÇÃO B: 40% DE DESCONTO PREÇO/ROLO 50¢ 40¢ 30¢ VENDAS 1,000 1,200 (+20%) 1,800 (+80%) Intuitivamente, B parece mais impressionante - um aumento de 80% no volume para uma redução de 40% no preço parece muito mais lucrativo do que um aumento de 20% no volume para um corte de 20% no preço. Mas o senhor já deve ter adivinhado que B não é a estratégia mais lucrativa. Na verdade, ambas as promoções diminuem os lucros, mas o impacto negativo de B é muito maior do que o de A. Aqui estão os lucros em cada cenário: NORMAL PROMOÇÃO A: 20% DE DESCONTO PROMOÇÃO B: 40% DE DESCONTO PREÇO/ROLO 50¢ 40¢ 30¢ VENDAS 1,000 1,200 (+20%) 1,800 (+80%) LUCRO/ROLA 35¢ 25¢ 15¢ LUCRO $350 $300 $270 Embora a promoção B tenha quase dobrado as vendas, os lucros caíram quase 25%. Para manter o lucro habitual de US$ 350 durante a venda com 40% de desconto, o senhor teria de vender mais de 2.300 unidades, um aumento de 133%. A curva tem a seguinte aparência: O fenômeno não linear também se estende aos intangíveis, como as atitudes dos consumidores. Veja o caso dos consumidores e da sustentabilidade. Frequentemente ouvimos executivos reclamarem que, embora as pessoas digam que se preocupam com o meio ambiente, elas não estão dispostas a pagar mais por produtos ecologicamente corretos. As análises quantitativas confirmam esse fato. Uma pesquisa realizada pela National Geographic Society e pela GlobeScan constatou que, em 18 países, as preocupações com os problemas ambientais aumentaram acentuadamente ao longo do tempo, mas o comportamento do consumidor mudou muito mais lentamente. Embora quase todos os consumidores pesquisados concordem que a produção e o consumo de alimentos devam ser mais sustentáveis, poucos deles alteram seus hábitos para apoiar essa meta. O que está acontecendo? TI Acontece que a relação entre o que os consumidores dizem que se importam e suas ações geralmente é altamente não linear. Mas os gerentes geralmente acreditam que as ferramentas quantitativas clássicas, como pesquisas que usam escalas de importância de 1 a 5, preveem o comportamento de forma linear. Na realidade, as pesquisas mostram pouca ou nenhuma diferença de comportamento entre os consumidores que, em uma escala de cinco pontos, dão à sua preocupação ambiental a classificação mais baixa, 1, e os consumidores que a classificam como 4. Mas a diferença entre 4s e 5s é enorme. O comportamento mapeia as atitudes em uma curva, não em uma linha reta. Normalmente, as empresas não levam em conta esse padrão - em parte porque se concentram em médias. As médias mascaram a não linearidade e levam a erros de previsão. Por exemplo, suponha que uma empresa tenha feito uma pesquisa de sustentabilidade entre dois de seus segmentos-alvo. Todos os consumidores de um segmento avaliam sua preocupação com o meio ambiente com nota 4, enquanto 50% dos consumidores do outro segmento avaliam com nota 3 e 50% com nota 5. O nível médio de preocupação é o mesmo para os dois segmentos, mas as pessoas do segundo segmento têm, em geral, muito mais probabilidade de comprar produtos verdes. Isso ocorre porque um cliente com pontuação 5 tem muito mais probabilidade de fazer escolhas ambientais do que um cliente com pontuação 4, enquanto um cliente com pontuação 4 não tem mais probabilidade do que um cliente com pontuação 3. A relação não linear entre atitudes e comportamento aparece repetidamente em domínios importantes, incluindo as preocupações dos consumidores com a privacidade. Uma pesquisa em larga escala na Holanda, por exemplo, revelou pouca diferença no número de cartões de programas de fidelidade carregados por consumidores que disseram estar bastante preocupados com a privacidade, em comparação com os que disseram estar pouco preocupados com ela. Como é possível que as pessoas digam que estão preocupadas com a privacidade, mas depois concordem em se inscrever em programas de fidelidade que exigem a divulgação de informações pessoais confidenciais? Mais uma vez, porque somente as pessoas que se dizem extremamente preocupadas com a privacidade tomam medidas significativas para protegê-la, enquanto a maioria das outras, independentemente de sua classificação de preocupação, não ajusta seu comportamento. O conhecimento das relações não lineares também é importante na escolha das métricas de desempenho. Por exemplo, para avaliar a eficácia de seu gerenciamento de estoque, algumas empresas monitoram os dias de fornecimento, ou o número de dias em que os produtos são mantidos em estoque, enquanto outras monitoram o número de vezes que o estoque gira anualmente. A maioria dos gerentes não sabe por que sua empresa usa uma métrica e não a outra. Mas a escolha pode ter consequências não intencionais - por exemplo, na motivação dos funcionários. Suponhamos que uma empresa tenha conseguido reduzir os dias de fornecimento de 12 para seis e que, com pesquisas adicionais, possa reduzir ainda mais os dias de fornecimento para quatro. Isso é o mesmo que dizer que a taxa de giro de estoque poderia aumentar de 30 vezes por ano para 60 vezes por ano e que poderia ser aumentada novamente para 90 vezes por ano. No entanto, os funcionários ficam muito mais motivados a realizar melhorias se a empresa acompanhar a movimentação em vez dos dias de fornecimento, segundo pesquisa realizada por Tobias Stangl e Ulrich Thonemann, da Universidade de Colônia. Isso ocorre porque as empresas parecem obter retornos decrescentes sobre seus esforços quando melhoram a métrica de dias de fornecimento, mas retornos constantes quando melhoram a métrica de movimentação. Outras áreas em que as empresas podem escolher diferentes métricas incluem armazenagem (tempo de separação versus taxa de separação), produção (tempo de produção versus taxa de produção) e controle de qualidade (tempo entre falhas versus taxa de falhas). A não linearidade está ao nosso redor. Vamos agora explorar as formas que ela assume. Os quatro tipos de relações não lineares A melhor maneira de entender os padrões não lineares é vê-los. Há quatro tipos. Aumento gradual e, em seguida, aumento mais acentuado. Digamos que uma empresa tenha dois segmentos de clientes com margens de contribuição anual de US$ 100. O segmento A tem uma taxa de retenção de 20%, enquanto o segmento B tem uma taxa de 60%. A maioria dos gerentes acredita que faz pouca diferença para o resultado final qual segmento de retenção o senhor aumenta. Na verdade, a maioria das pessoas acha que dobrar a taxa de retenção mais fraca é mais atraente do que aumentar a mais forte em, digamos, um terço. Os gerentes subestimam os benefícios de pequenos aumentos nas altas taxas de retenção. Mas o valor do tempo de vida do cliente é uma função não linear da taxa de retenção, como o senhor verá quando aplicar a fórmula para calcular o CLV: Quando a taxa de retenção aumenta de 20% para 40%, o CLV sobe cerca de US$ 35 (supondo uma taxa de desconto de 10% para ajustar os lucros futuros ao seu valor atual), mas quando as taxas de retenção aumentam de 60% para 80%, o CLV sobe cerca de US$ 147. À medida que as taxas de retenção aumentam, o valor do tempo de vida do cliente aumenta gradualmente no início e, em seguida, dispara repentinamente. A maioria das empresas se concentra em identificar os clientes com maior probabilidade de desertar e, em seguida, direcioná-los para programas de marketing. Entretanto, geralmente é mais lucrativo concentrar-se nos clientes que têm maior probabilidade de permanecer. O pensamento linear leva os gerentes a subestimar os benefícios de pequenos aumentos para altas taxas de retenção. Diminuir gradualmente e depois cair rapidamente. O exemplo clássico disso pode ser visto nas hipotecas. Os proprietários de imóveis geralmente se surpreendem com a lentidão com que reduzem suas dívidas durante os primeiros anos do prazo do empréstimo. Mas em uma hipoteca com taxa de juros fixa e prazo fixo, menos de cada pagamento vai para o principal no início. O principal não diminui linearmente. Em um empréstimo de US$ 165.000 com prazo de 30 anos e taxa de juros de 4,5%, o saldo diminui em apenas US$ 15.000 nos primeiros cinco anos. No 25º ano, o saldo terá caído para menos de US$ 45.000. Portanto, o proprietário compensará menos de 10% do principal nos primeiros 16% do prazo do empréstimo, mas mais de um quarto dele nos últimos 16%. Por serem enganados por seu pensamento linear nesse contexto, os pagadores de hipotecas geralmente se surpreendem quando vendem uma propriedade depois de alguns anos (e pagam custos de corretagem) e têm apenas pequenos ganhos líquidos para mostrar. Subindo rapidamente e depois diminuindo. Vender mais de um produto permite que as empresas obtenham economias de escala e aumentem o lucro por unidade, uma métrica frequentemente usada para avaliar a eficiência de uma empresa. Os executivos usam esta fórmula para calcular o lucro por unidade: Digamos que uma empresa venda 100.000 widgets por ano a US$ 2 por widget e que a produção desses widgets custe US$ 100.000 - US$ 50.000 em custos fixos e 50 centavos em custos variáveis unitários. O lucro por unidade é de US$ 1. A empresa pode aumentar o lucro por unidade produzindo e vendendo mais widgets, pois distribuirá os custos fixos por mais unidades. Se a TI dobrar o número de widgets vendidos para 200.000, o lucro por unidade aumentará para US$ 1,25 (supondo que os custos variáveis unitários permaneçam os mesmos). Esse aumento atraente pode levá-lo a pensar que o lucro por unidade disparará se o senhor aumentar as vendas de 100.000 para 800.000 unidades. Não é bem assim. Se a empresa dobrar as vendas de widgets de 400.000 para 800.000 (o que é muito mais difícil de fazer do que passar de 100.000 para 200.000), o lucro por unidade aumentará apenas cerca de 6 centavos. Os gerentes se concentram muito nos benefícios das economias de escala e do crescimento. No entanto, o pensamento linear pode levá-los a superestimar o volume como um impulsionador do lucro e, portanto, subestimar outros impulsionadores mais impactantes, como o preço. Queda acentuada e depois gradual. As empresas geralmente baseiam as avaliações de investimentos no período de retorno do investimento, o tempo necessário para recuperar os custos. Obviamente, os paybacks mais curtos são mais favoráveis. Digamos que o senhor tenha dois projetos programados para financiamento. O projeto A tem um período de retorno de dois anos e o projeto B tem um período de quatro anos. Ambas as equipes acreditam que podem reduzir o período de retorno pela metade. Muitos gerentes podem achar B mais atraente porque economizarão dois anos, o dobro do tempo que economizarão com A. No entanto, a liderança da empresa pode se preocupar mais com o retorno sobre o investimento do que com o tempo para atingir o ponto de equilíbrio. Um payback de um ano tem uma taxa de retorno anual (ARR) de 100%. Um payback de dois anos gera um retorno de 50% - uma diferença de 50 pontos. Um payback de quatro anos gera um retorno de 25% - uma diferença de 25 pontos. Portanto, à medida que o período de payback aumenta, a ARR cai acentuadamente no início e depois mais lentamente. Se o seu foco for obter uma ARR mais alta, reduzir pela metade o período de payback do projeto A é uma escolha melhor. Os gerentes que comparam portfólios de projetos de tamanho semelhante também podem se surpreender ao saber que o retorno sobre o investimento é maior em um portfólio que contém um projeto com payback de um ano e outro com payback de quatro anos do que em um portfólio que contém dois projetos com payback previsto para dois anos. Eles devem ter cuidado para não subestimar o efeito que as reduções nos períodos de retorno relativamente curtos terão sobre a ARR. Como limitar as armadilhas do viés linear Enquanto houver pessoas empregadas como gerentes, os vieses que estão arraigados no cérebro humano afetarão a qualidade das decisões de negócios. No entanto, é possível minimizar as armadilhas do pensamento linear. Etapa 1: Aumentar a conscientização sobre o viés linear. Os programas de MBA devem alertar explicitamente os futuros gerentes sobre esse fenômeno e ensinar-lhes maneiras de lidar com ele. As empresas também podem tomar iniciativas para educar os funcionários, por exemplo, apresentando-lhes quebra-cabeças que envolvam relações não lineares. Em nossa experiência, as pessoas acham esses exercícios envolventes e reveladores. Teste sua aptidão não linear Faça este teste para ver se o senhor consegue tomar as melhores decisões. 1) Em que cenário o(a) senhor(a) consome mais pizza? A. O senhor come uma pizza de 12 polegadas. B. O senhor come duas pizzas de 8 polegadas. 2) As empresas geralmente são aconselhadas a se concentrar nos clientes com o maior valor de vida útil. Suponha que seus analistas tenham segmentado sua base de clientes por decis de valor de vida útil (em que o decil 1 é o mais valioso). Quais são os valores dos dois segmentos que provavelmente estarão mais próximos? A. Os decis 1 e 2. B. Os decis 3 e 8. 3) Sua empresa tem duas fábricas. Supondo que as fábricas operem 24 horas por dia, 7 dias por semana, o que proporcionaria ao senhor o maior aumento no número de produtos fabricados por ano? A. Aumentar a produtividade da primeira fábrica de 100 para 120 produtos por hora. B. Aumentar a produtividade da segunda fábrica de 130 para 140 produtos por hora. 4) O senhor está tentando saber se homens e mulheres estão dispostos a pagar por um novo produto. Até agora, o senhor entrevistou 20 homens e 50 mulheres. Qual opção aumentaria mais a precisão de suas estimativas? A. Fazer uma pesquisa com mais cinco mulheres e 30 homens. B. Pesquisar mais 100 mulheres e mais cinco homens. 5) Qual desses dois viajantes de negócios aumenta mais o tempo gasto no ar? A. O primeiro viajante aumenta as milhas voadas de 20.000 para 40.000 por ano. B. O segundo viajante aumenta as milhas voadas de 50.000 para 60.000 por ano 6) Suponha que sua principal meta seja aumentar o tráfego para o site da sua empresa. Qual das seguintes opções o senhor deve fazer? A. Aumentar sua classificação de pesquisa orgânica para uma palavra-chave da 10ª para a quarta posição. B. Aumentar a classificação da pesquisa orgânica para uma palavra-chave da quarta para a segunda posição. Respostas às perguntas 1) A. A fórmula para a área dentro de um círculo é π(r2). No cenário A, o senhor consumiria 113 polegadas quadradas de pizza; no cenário B, consumiria 101 polegadas quadradas de pizza. 2) B. A maioria das empresas se beneficiaria com o uso de uma estratégia de segmentação mais refinada para seus clientes mais lucrativos do que para seus clientes menos lucrativos. Por exemplo, uma empresa poderia agrupar os decis 4 a 10 em um único segmento, mas separar o primeiro decil em dois segmentos. 3) A. A relação entre o número de produtos fabricados por hora e a produção anual é linear, portanto, passar de 100 para 120 produtos por hora aumentará a produção anual duas vezes mais do que passar de 130 para 140. 4) R. A precisão estatística de uma estimativa aumenta rapidamente e depois diminui lentamente com o tamanho da amostra. O benefício de aumentar o tamanho das amostras maiores geralmente é muito menor do que o benefício de aumentar o tamanho das amostras menores. 5) A. O tempo de viagem é uma função linear da distância percorrida, portanto, 20.000 milhas a mais resultarão em mais tempo no ar do que 10.000 milhas a mais. 6) B. A relação entre a classificação da pesquisa orgânica e os cliques é não linear. A diferença no tráfego é muito grande entre as primeiras posições, mas muito menor mais abaixo nos resultados da pesquisa. Esforços educacionais mais amplos já estão em andamento em vários campos. Um deles é o Ocean Tipping Points, uma iniciativa que visa a tornar as pessoas mais sensíveis às relações não lineares nos ecossistemas marinhos. Os cientistas e gerentes geralmente presumem que a relação entre um fator de estresse (como a pesca) e uma resposta ecológica (um declínio na população de peixes) é linear. Entretanto, uma pequena mudança em um fator de estresse às vezes causa danos desproporcionalmente grandes: Um estoque de peixes pode entrar em colapso após um pequeno aumento na pesca. O objetivo do projeto é identificar pontos de inflexão relevantes na ecologia oceânica para ajudar a melhorar o gerenciamento dos recursos naturais. Etapa 2: Concentre-se nos resultados, não nos indicadores. Uma das tarefas mais importantes da gerência sênior é definir a direção e os incentivos da organização. Mas, com frequência, os resultados desejados estão muito distantes das decisões comerciais cotidianas, de modo que as empresas identificam métricas intermediárias relevantes e criam incentivos para maximizá-las. Para aumentar as vendas, por exemplo, muitas empresas tentam melhorar o posicionamento de seus sites nos resultados de pesquisa orgânica. O problema é que essas métricas intermediárias podem se tornar o fim e não os meios, um fenômeno que os acadêmicos chamam de "maximização média". Isso é um presságio de problemas se uma métrica e o resultado não tiverem uma relação linear - como é o caso da posição na busca orgânica e das vendas. Quando uma classificação de pesquisa cai, as vendas diminuem rapidamente no início e depois de forma mais gradual: O impacto nas vendas é muito maior quando um site cai da primeira para a segunda posição nos resultados de pesquisa do que quando cai da 20ª para a 25ª posição. Outras vezes, um único indicador pode ser usado para prever vários resultados, o que pode confundir as pessoas e desviá-las do caminho certo. Tomemos como exemplo as taxas de retorno anuais, que um gerente que deseja maximizar o valor futuro de um investimento pode considerar. Se o senhor mapear a relação entre a ARR dos produtos de investimento e seus retornos totais acumulados, verá que, à medida que a ARR aumenta, os retornos totais aumentam gradualmente e, em seguida, sobem repentinamente. Outro gestor pode querer minimizar o tempo necessário para atingir uma determinada meta de investimento. A relação aqui é inversa: À medida que a ARR aumenta, o tempo necessário para atingir uma meta cai drasticamente no início e depois diminui gradualmente. Como a ARR está relacionada a vários resultados de diferentes maneiras não lineares, as pessoas geralmente subestimam ou superestimam seu efeito. Um gerente que deseja maximizar os retornos gerais pode se importar muito com uma mudança na taxa de 0,30% para 0,70%, mas ser insensível a uma mudança de 6,4% para 6,6%. Na verdade, o aumento de uma taxa de retorno baixa tem um efeito muito menor sobre os retornos futuros acumulados do que o aumento de uma taxa alta. Por outro lado, um gerente focado em minimizar o tempo necessário para atingir uma meta de investimento pode decidir assumir um risco adicional para aumentar os retornos de 6,3% para 6,7%, mas ser insensível a uma mudança de 0,40% para 0,60%. Nesse caso, o efeito do aumento de uma taxa de juros alta sobre o tempo para atingir uma meta de poupança é muito menor do que o efeito do aumento de uma taxa de juros baixa. Etapa 3: Descubra o tipo de não linearidade com que o senhor está lidando. Como Thomas Jones e W. Earl Sasser Jr. apontaram na HBR em 1995 (consulte"Why Satisfied Customers Defect"), a relação entre os índices de satisfação do cliente e a retenção de clientes geralmente não é linear, mas de maneiras que variam de acordo com o setor. Em setores altamente competitivos, como o automobilístico, a retenção aumenta gradualmente e, em seguida, sobe acentuadamente à medida que os índices de satisfação aumentam. Em setores não competitivos, a retenção aumenta rapidamente e depois se estabiliza. Em ambas as situações, o pensamento linear levará a erros. Se o setor for competitivo, os gerentes superestimarão o benefício de aumentar a satisfação de clientes completamente insatisfeitos. Se o setor não for competitivo, os gerentes superestimarão o benefício de aumentar a satisfação dos clientes já satisfeitos. A questão é que os gerentes devem evitar fazer generalizações sobre relações não lineares entre contextos e trabalhar para entender a causa e o efeito em sua situação específica. Os experimentos de campo são uma forma cada vez mais popular de fazer isso. (Veja o artigo da HBR de 2011 de Eric T. Anderson e Duncan Simester "A Step-by-Step Guide to Smart Business Experiments.") Ao projetá-los, os gerentes devem se certificar de levar em conta a não linearidade. Por exemplo, muitas pessoas tentam medir o impacto do preço nas vendas oferecendo um produto a um preço baixo (condição A no gráfico abaixo) e a um preço alto (condição B) e, em seguida, medindo as diferenças nas vendas. Mas testar dois preços não revelará relações não lineares. O senhor precisa usar pelo menos três níveis de preço - baixo, médio (condição C) e alto - para ter uma noção delas. Etapa 4: Mapeie a não linearidade sempre que possível. Além de oferecer o treinamento adequado, as empresas podem criar sistemas de suporte que avisem os gerentes quando eles podem estar tomando decisões erradas devido à tendência de pensar linearmente. O ideal seria que os algoritmos e a inteligência artificial pudessem identificar situações em que esse viés provavelmente ocorreria e, em seguida, oferecer informações para neutralizá-lo. É claro que, embora os avanços na TI tornem isso possível em ambientes formais, eles não podem levar em conta as decisões que ocorrem off-line e em conversas. E a criação desses sistemas pode consumir muito tempo e dinheiro. Uma técnica de baixa tecnologia, mas altamente eficaz, para combater o viés linear é a visualização de dados. Como o senhor notou neste artigo, sempre que quisemos que o senhor entendesse algum viés linear, mostramos as relações não lineares. Elas são muito mais fáceis de entender quando representadas em um gráfico do que quando descritas em uma lista de estatísticas. Uma representação visual também ajuda o senhor a ver os pontos de limite em que os resultados mudam drasticamente e lhe dá uma boa noção do grau de não linearidade em jogo. Colocar gráficos de relacionamentos não lineares em painéis e até mesmo mapeá-los em cenários simulados tornará os gerentes mais familiarizados com a não linearidade e, portanto, mais propensos a verificá-la antes de tomar decisões. A visualização também é uma boa ferramenta para empresas interessadas em ajudar os clientes a tomar boas decisões. Por exemplo, para conscientizar os motoristas sobre o pouco tempo que economizam ao acelerar quando já estão viajando em alta velocidade, o senhor poderia adicionar uma indicação visual de economia de tempo aos painéis dos carros. Uma maneira de fazer isso é com o que Eyal Pe'er e Eyal Gamliel chamam de "paceômetro", que mostra quantos minutos são necessários para percorrer 16 quilômetros. A maioria dos motoristas se surpreenderá com o fato de que ir de 40 para 65 economizará cerca de seis minutos por 10 milhas, mas ir de 65 para 90 economizará apenas cerca de dois minutos e meio, mesmo que o senhor esteja aumentando sua velocidade em 25 milhas por hora em ambos os casos. As implicações para os profissionais de marketing Um dos pilares do marketing moderno é a ideia de que, ao se concentrar mais nos benefícios para o consumidor do que nos atributos do produto, o senhor pode vender mais. A Apple, por exemplo, percebeu que as pessoas perceberiam que um MP3 player que oferecesse "1.000 músicas no seu bolso" seria mais atraente do que um com "capacidade de armazenamento interno de 5 GB". Nossa estrutura, no entanto, destaca o fato de que, em muitas situações, as empresas realmente lucram ao promover atributos em vez de benefícios. Elas estão se aproveitando da tendência dos consumidores de presumir que a relação entre atributos e benefícios é linear. E esse nem sempre é o caso. Podemos listar vários casos em que mostrar aos clientes os benefícios reais revelaria onde eles podem estar gastando demais e provavelmente mudaria seu comportamento de compra: páginas de impressora por minuto, pontos em programas de fidelidade e fator de proteção solar, para citar apenas alguns. Os upgrades de largura de banda são outro bom exemplo. Nossa pesquisa mostra que as conexões de Internet têm preços lineares: Os consumidores pagam o mesmo por aumentos de velocidade a partir de uma base baixa e de uma base alta. Mas a relação entre a velocidade de download e o tempo de download não é linear. À medida que a velocidade de download aumenta, o tempo de download cai rapidamente no início e depois gradualmente. O upgrade de cinco para 25 megabits por segundo resultará em uma economia de tempo de 21 minutos por gigabyte, enquanto o aumento de 25 para 100 Mbps proporciona apenas quatro minutos. Quando os consumidores perceberem os ganhos reais de aumentar sua velocidade para 100 Mbps, eles poderão preferir uma conexão de Internet mais barata e mais lenta. É claro que explorar deliberadamente as percepções errôneas dos consumidores sobre as relações entre atributos e benefícios é uma estratégia de marketing questionável. É amplamente considerado antiético que as empresas se aproveitem da ignorância dos clientes. Salvando os consumidores do viés linear As discussões sobre práticas comerciais enganosas e bem-estar do consumidor tendem a se concentrar na vulnerabilidade de determinados segmentos, como crianças ou idosos. Mas, com o viés linear, todos nós somos vulneráveis. Em seu livro de 2008, Nudge: Improving Decisions About Health, Wealth, and Happiness, Richard Thaler e Cass Sunstein argumentam que os gerentes e formuladores de políticas são os arquitetos dos ambientes nos quais os consumidores tomam decisões. Quando esses ambientes são bem projetados, os consumidores podem fazer escolhas melhores para si mesmos e para a sociedade. Os governos e os grupos de defesa do consumidor começaram a pressionar pela adoção de métricas de desempenho padrão que permitem que os consumidores façam comparações entre as ofertas. Infelizmente, as métricas geralmente são adotadas diretamente da engenharia, sem explicações de como elas se traduzem em benefícios para o produto. Por exemplo, todos os principais fabricantes de impressoras incluem páginas por minuto (PPM), o padrão ISO para a velocidade da impressora, nas informações de seus produtos. Mas a economia de tempo não aumenta de forma linear à medida que o PPM aumenta; ela diminui na extremidade alta do espectro de PPM. As métricas padronizadas são úteis: Elas facilitam a comparação de produtos, o que, em última análise, deve beneficiar os consumidores. Mas quando os consumidores fazem suposições lineares sobre essas métricas, seus gastos podem ficar abaixo do ideal. Os clientes, no final das contas, não se importam com as métricas; eles se importam com coisas como quanto tempo ou dinheiro estão realmente economizando. Podemos fornecer a eles esses dados e ajudá-los a tomar decisões mais bem informadas. CONCLUSÃO Nos últimos anos, várias profissões, incluindo ecologistas, fisiologistas e médicos, começaram a considerar rotineiramente as relações não lineares em suas tomadas de decisão. Mas a não linearidade é tão predominante no mundo dos negócios quanto em qualquer outro lugar. É hora de os profissionais de gestão se juntarem a essas outras disciplinas no desenvolvimento de uma maior conscientização sobre as armadilhas do pensamento linear em um mundo não linear. Isso aumentará sua capacidade de escolher com sabedoria e de ajudar as pessoas ao seu redor a tomar boas decisões também.

Pensamento linear em um mundo não linear

Resumo.

Partner Center