1 Item a) Brainstorming — Marcas e Atributos

1.1 Marcas selecionadas

Após discussão entre os integrantes do grupo, foram escolhidas quatro marcas de smartphones de segmento premium/intermediário-alto com forte presença no mercado brasileiro:

  1. Apple (iPhone)
  2. Samsung (Galaxy S / Galaxy A premium)
  3. Xiaomi (Redmi / Poco)
  4. Motorola Edge

1.2 Pontos de Paridade (Atributos)

Foram identificados cinco atributos que representam pontos de paridade entre smartphones de alto desempenho, ou seja, atributos que qualquer marca do segmento deve apresentar para ser considerada competitiva:

  1. Processamento e Memória RAM — Desempenho do processador e capacidade de memória RAM.
  2. Qualidade do Display — Qualidade da tela em termos de brilho, fidelidade de cores e nitidez.
  3. Resistência Física (IP68) — Percepção de durabilidade e resistência à água e poeira.
  4. Conectividade 5G — Qualidade e confiabilidade da conexão com redes 5G.
  5. Duração de Bateria — Autonomia da bateria em uso diário.

2 Item b) Instrumento de Coleta de Dados

O formulário de coleta de dados foi construído no Google Forms, utilizando uma escala de 1 a 7 (onde 1 = Péssimo e 7 = Excelente) para que os respondentes avaliassem cada marca em cada um dos cinco atributos.

Link do formulário: [https://forms.gle/inbfpHgQb8AAUtHp7]

O formulário foi enviado e respondido por 17 pessoas que conhecem as marcas avaliadas.

3 Item c) Tabela de Médias

# Matriz de médias: marcas (linhas) x atributos (colunas)
medias <- data.frame(
  Processamento  = c(6.00, 6.12, 5.65, 4.65),
  Display        = c(6.82, 6.65, 5.65, 5.18),
  Resistencia    = c(4.47, 5.18, 5.53, 5.47),
  Conectividade  = c(6.24, 6.29, 5.94, 5.82),
  Bateria        = c(3.41, 4.29, 6.00, 5.71)
)

rownames(medias) <- c("Apple", "Samsung", "Xiaomi", "Motorola Edge")

knitr::kable(medias,
             caption = "Médias das avaliações (escala de 1 a 7) por marca e atributo",
             digits  = 2,
             col.names = c("Processamento e RAM",
                           "Qualidade do Display",
                           "Resistência (IP68)",
                           "Conectividade 5G",
                           "Duração de Bateria"))
Médias das avaliações (escala de 1 a 7) por marca e atributo
Processamento e RAM Qualidade do Display Resistência (IP68) Conectividade 5G Duração de Bateria
Apple 6.00 6.82 4.47 6.24 3.41
Samsung 6.12 6.65 5.18 6.29 4.29
Xiaomi 5.65 5.65 5.53 5.94 6.00
Motorola Edge 4.65 5.18 5.47 5.82 5.71

4 Item d) Escalonamento Multidimensional (MDS)

4.1 Cálculo da Matriz de Distâncias

# Calcular a matriz de distância euclidiana entre as marcas
dist_marcas <- dist(medias, method = "euclidean")
print(round(as.matrix(dist_marcas), 2))
##               Apple Samsung Xiaomi Motorola Edge
## Apple          0.00    1.15   3.07          3.31
## Samsung        1.15    0.00   2.10          2.58
## Xiaomi         3.07    2.10   0.00          1.15
## Motorola Edge  3.31    2.58   1.15          0.00

4.2 Mapa de Calor — Distância entre Marcas

library(ggplot2)
library(reshape2)

# Converter a matriz de distância em dataframe para o ggplot
mat_dist <- as.matrix(dist_marcas)
melted    <- melt(mat_dist)

ggplot(melted, aes(x = Var1, y = Var2, fill = value)) +
  geom_tile(color = "white") +
  geom_text(aes(label = round(value, 2)), color = "black", size = 4.5) +
  scale_fill_gradient(low = "#FFFFFF", high = "#E74C3C", name = "Distância") +
  labs(title = "Mapa de Calor — Distância Euclidiana entre Marcas",
       x = "", y = "") +
  theme_minimal(base_size = 13) +
  theme(axis.text.x = element_text(angle = 45, hjust = 1))

4.3 Escalonamento Multidimensional (MDS) — Mapa de Posicionamento

# Aplicar MDS clássico em 2 dimensões
mds <- cmdscale(dist_marcas, k = 2, eig = TRUE)

# Coordenadas das marcas
coord_marcas <- as.data.frame(mds$points)
colnames(coord_marcas) <- c("Dim1", "Dim2")
coord_marcas$Marca <- rownames(coord_marcas)

# Calcular as correlações dos atributos com as dimensões do MDS
cor_dim1 <- apply(medias, 2, function(x) cor(x, coord_marcas$Dim1))
cor_dim2 <- apply(medias, 2, function(x) cor(x, coord_marcas$Dim2))

coord_atributos <- data.frame(
  Dim1     = cor_dim1,
  Dim2     = cor_dim2,
  Atributo = c("Processamento", "Display", "Resistência", "Conectividade 5G", "Bateria")
)

# Escalar os vetores para melhor visualização
fator_escala <- max(abs(coord_marcas[,1:2])) / max(abs(coord_atributos[,1:2])) * 0.8
coord_atributos$Dim1 <- coord_atributos$Dim1 * fator_escala
coord_atributos$Dim2 <- coord_atributos$Dim2 * fator_escala

# Gráfico do mapa perceptual (biplot)
ggplot() +
  # Pontos das marcas
  geom_point(data = coord_marcas, aes(x = Dim1, y = Dim2),
             color = "#2C3E50", size = 5) +
  geom_text(data = coord_marcas, aes(x = Dim1, y = Dim2, label = Marca),
            vjust = -1.2, fontface = "bold", size = 4.5, color = "#2C3E50") +
  # Vetores dos atributos
  geom_segment(data = coord_atributos,
               aes(x = 0, y = 0, xend = Dim1, yend = Dim2),
               arrow = arrow(length = unit(0.25, "cm")),
               color = "#E74C3C", linewidth = 0.8) +
  geom_text(data = coord_atributos,
            aes(x = Dim1 * 1.12, y = Dim2 * 1.12, label = Atributo),
            color = "#C0392B", size = 3.8, fontface = "italic") +
  # Eixos de referência
  geom_hline(yintercept = 0, linetype = "dashed", color = "gray60") +
  geom_vline(xintercept = 0, linetype = "dashed", color = "gray60") +
  labs(title    = "Mapa Perceptual — Posicionamento de Smartphones",
       subtitle = "Escalonamento Multidimensional (MDS) com Projeção dos Atributos",
       x = "Dimensão 1", y = "Dimensão 2") +
  theme_minimal(base_size = 13) +
  coord_fixed()

5 Item e) Análise da Solução

5.1 Percentual de Explicação

# Autovalores do MDS
autovalores <- mds$eig

# Percentual explicado pelas duas primeiras dimensões
perc_dim1 <- autovalores[1] / sum(abs(autovalores)) * 100
perc_dim2 <- autovalores[2] / sum(abs(autovalores)) * 100
perc_total <- perc_dim1 + perc_dim2

cat("Autovalores:", round(autovalores, 4), "\n\n")
## Autovalores: 7.644 0.8018 0.0722 0
cat("Dimensão 1:", round(perc_dim1, 2), "%\n")
## Dimensão 1: 89.74 %
cat("Dimensão 2:", round(perc_dim2, 2), "%\n")
## Dimensão 2: 9.41 %
cat("Total (2 dimensões):", round(perc_total, 2), "%\n")
## Total (2 dimensões): 99.15 %

O mapa bidimensional capta 99.2% da variância total dos dados, o que indica que a representação em duas dimensões é adequada para capturar as diferenças de percepção entre as marcas.

5.2 Interpretação do Posicionamento

Com base nos resultados, podemos fazer as seguintes interpretações:

5.2.1 Apple

A Apple é percebida com forte desempenho em Processamento, Qualidade de Display e Conectividade 5G. No entanto, apresenta a pior avaliação em Duração de Bateria (média de 3,41) e também fica atrás em Resistência Física. Sua posição no mapa reflete um smartphone premium com foco em performance e tela, mas com uma fraqueza importante na autonomia.

5.2.2 Samsung

A Samsung obtém avaliações equilibradas e competitivas, liderando levemente em Processamento (6,12) e Conectividade 5G (6,29). Seu display também é muito bem avaliado (6,65). A Samsung ocupa uma posição intermediária no mapa, o que sugere que é percebida como uma marca completa e sem grandes pontos fracos.

5.2.3 Xiaomi

A Xiaomi se destaca na Duração de Bateria (6,00) e na Resistência Física (5,53). Em contrapartida, recebe notas mais modestas em Display e Processamento quando comparada a Apple e Samsung. Posiciona-se como uma alternativa de excelente custo-benefício, valorizando durabilidade e autonomia.

5.2.4 Motorola Edge

A Motorola Edge também apresenta boas avaliações em Bateria (5,71) e Resistência (5,47), mas recebe as notas mais baixas em Processamento (4,65) e Display (5,18). No mapa, ocupa posição próxima à Xiaomi, diferenciando-se da Apple e Samsung.

5.3 Prescrições

  1. Apple deveria investir fortemente em melhorar a percepção de duração de bateria, que é claramente seu ponto mais fraco. Campanhas de comunicação ou melhorias técnicas nesse atributo poderiam fortalecer significativamente a marca.

  2. Samsung encontra-se bem posicionada, mas poderia se diferenciar ainda mais investindo em resistência física e enfatizando sua superioridade em processamento.

  3. Xiaomi tem uma oportunidade de subir no segmento premium se conseguir melhorar a percepção de qualidade de display e processamento, áreas onde a Apple e Samsung ainda dominam.

  4. Motorola Edge precisa urgentemente melhorar a percepção de processamento e qualidade de tela para competir de forma mais direta com Samsung e Apple. Poderia capitalizar sua boa avaliação em bateria como diferencial, mas precisa fechar a lacuna nos atributos de desempenho.