Palavras-chave
Lealdade do Consumidor
Predição de Churn
Streaming Musical
Personalização
KKBox
Engajamento do Usuário
Valor Percebido
Como Citar
Resumo
Objetivo: Este estudo investiga como as capacidades de Inteligência Competitiva (Competitive Intelligence – CI) influenciam a retenção e a lealdade dos consumidores em plataformas digitais de streaming musical. Especificamente, a pesquisa analisa os efeitos da qualidade da personalização, continuidade do serviço, competitividade de preços e analytics comportamental sobre a fidelização e redução do churn dos assinantes.
Metodologia/abordagem: Foi adotado um desenho quantitativo transversal utilizando o dataset KKBox Music Streaming Churn Prediction, composto por 970.960 registros anonimizados de assinantes. As análises estatísticas foram realizadas no Python 3.11, incluindo estatística descritiva, análise de confiabilidade e validade, correlação de Pearson, regressão múltipla OLS e análise de mediação com bootstrap. O engajamento do usuário e o valor percebido foram testados como variáveis mediadoras, enquanto o nível de assinatura foi analisado como variável moderadora.
Originalidade/Relevância: O estudo propõe o CI-Loyalty Framework (CILF), um modelo teórico original que conceitualiza a Inteligência Competitiva como uma capability organizacional multidimensional integrada à analytics comportamental e aos processos estratégicos de tomada de decisão. Diferentemente de pesquisas anteriores baseadas predominantemente em surveys, este estudo operacionaliza constructos de CI utilizando dados comportamentais administrativos em larga escala provenientes de uma plataforma real de streaming.
Principais resultados: Os resultados demonstram que o índice composto de CI foi o principal preditor da lealdade dos consumidores. A qualidade da personalização e o valor percebido também apresentaram fortes efeitos positivos sobre os resultados de retenção. O engajamento do usuário e o valor percebido mediaram parcialmente a relação entre capacidade de CI e lealdade. Além disso, os métodos de pagamento apresentaram impacto significativo sobre o churn, sendo os usuários com débito automático os que demonstraram menor taxa de cancelamento.
Contribuições teóricas/metodológicas: O estudo contribui teoricamente ao integrar a Resource-Based View (RBV), a Information Processing Theory, a Customer Engagement Theory e o ciclo de Inteligência Competitiva em um framework unificado para ambientes digitais de streaming. Metodologicamente, a pesquisa demonstra a viabilidade de operacionalizar constructos de CI por meio de indicadores comportamentais extraídos de grandes bases de dados de plataformas digitais, ampliando a aplicação empírica da Inteligência Competitiva em ecossistemas digitais.
Referências
Aiken, L. S., & West, S. G. (1991). Multiple regression: Testing and interpreting interactions. SAGE Publications.
Ashrafi, A., Ravasan, A. Z., Trkman, P., & Afshari, S. (2019). The role of business analytics capabilities in bolstering firms' agility and performance. International Journal of Information Management, 47, 105–122. https://doi.org/10.1016/j.ijinfomgt.2019.01.003
Barney, J. (1991). Firm resources and sustained competitive advantage. Journal of Management, 17(1), 99–120. https://doi.org/10.1177/014920639101700108
Baron, R. M., & Kenny, D. A. (1986). The moderator-mediator variable distinction in social psychological research: Conceptual, strategic, and statistical considerations. Journal of Personality and Social Psychology, 51(6), 1173–1182. https://doi.org/10.1037/0022-3514.51.6.1173
Bhattacharya, C. B., & Sen, S. (2003). Consumer-company identification: A framework for understanding consumers' relationships with companies. Journal of Marketing, 67(2), 76–88. https://doi.org/10.1509/jmkg.67.2.76.18609
Brodie, R. J., Hollebeek, L. D., Juric, B., & Ilic, A. (2011). Customer engagement: Conceptual domain, fundamental propositions, and implications for research. Journal of Service Research, 14(3), 252–271. https://doi.org/10.1177/1094670511411703
Chen, C. C., & Lin, Y. C. (2022). Streaming loyalty revisited: The role of hedonic value and habit in music subscription retention. Computers in Human Behavior, 141, 107632. https://doi.org/10.1016/j.chb.2022.107632
Creswell, J. W., & Creswell, J. D. (2018). Research design: Qualitative, quantitative, and mixed methods approaches (5th ed.). SAGE Publications.
Committee on Publication Ethics (COPE). (2019). COPE core practices. https://publicationethics.org/core-practices
Datta, H., Knox, G., & Bronnenberg, B. J. (2018). Changing their tune: How consumers' adoption of online streaming affects music consumption and discovery. Marketing Science, 37(1), 5–21. https://doi.org/10.1287/mksc.2017.1051
Davenport, T. H. (2006). Competing on analytics. Harvard Business Review, 84(1), 98–107, 134.
Festinger, L. (1957). A theory of cognitive dissonance. Stanford University Press.
Fleisher, C. S., & Bensoussan, B. E. (2015). Business and competitive analysis: Effective application of new and classic methods (2nd ed.). FT Press.
Fornell, C., & Larcker, D. F. (1981). Evaluating structural equation models with unobservable variables and measurement error. Journal of Marketing Research, 18(1), 39–50. https://doi.org/10.1177/002224378101800104
Galbraith, J. R. (1974). Organization design: An information processing view. Interfaces, 4(3), 28–36. https://doi.org/10.1287/inte.4.3.28
Gilad, B. (1989). The role of organized competitive intelligence in corporate-Strategy. Columbia journal of world business, 24(4), 29-35.
Hair, J. F., Risher, J. J., Sarstedt, M., & Ringle, C. M. (2019). When to use and how to report the results of PLS-SEM. European Business Review, 31(1), 2–24. https://doi.org/10.1108/EBR-11-2018-0203
IFPI. (2024). Global music report 2024: State of the industry. International Federation of the Phonographic Industry.
Kim, J., Lee, Y., & Park, S. (2022). Service quality, satisfaction, and loyalty in music streaming: A structural equation model. Journal of Retailing and Consumer Services, 64, 102795. https://doi.org/10.1016/j.jretconser.2021.102795
KKBox. (2017). WSDM – KKBox's churn prediction challenge. Kaggle. https://www.kaggle.com/c/kkbox-churn-prediction-challenge
Liu, W., & Jang, H. (2022). Competitive intelligence and platform innovation: A dynamic capabilities perspective. Technological Forecasting and Social Change, 174, 121283. https://doi.org/10.1016/j.techfore.2021.121283
Morgan, R. M., & Hunt, S. D. (1994). The commitment-trust theory of relationship marketing. Journal of Marketing, 58(3), 20–38. https://doi.org/10.1177/002224299405800302
Nunnally, J. C. (1978). Psychometric theory (2nd ed.). McGraw-Hill.
Oliver, R. L. (1999). Whence consumer loyalty? Journal of Marketing, 63(Special Issue), 33–44. https://doi.org/10.1177/00222429990634s105
Park, H., & Kim, S. (2022). Predicting subscriber churn in music streaming services: An attention-based deep learning approach. Expert Systems with Applications, 206, 117779. https://doi.org/10.1016/j.eswa.2022.117779
Preacher, K. J., & Hayes, A. F. (2008). Asymptotic and resampling strategies for assessing and comparing indirect effects in multiple mediator models. Behavior Research Methods, 40(3), 879–891. https://doi.org/10.3758/BRM.40.3.879
Prescott, J. E. (1995). The evolution of competitive intelligence. International review of strategic management, 6, 71-90.
Schedl, M., Zamani, H., Chen, C. W., Deldjoo, Y., & Elahi, M. (2022). Current challenges and visions in music recommender systems research. International Journal of Multimedia Information Retrieval, 7(2), 95–116. https://doi.org/10.1007/s13735-018-0154-2
Thaichon, P., Thao, N. P., Rungsrisawat, S., Bhatt, R., & Joshi, Y. (2023). Digital loyalty: How platform features shape retention in subscription music services. Journal of Business Research, 158, 113659. https://doi.org/10.1016/j.jbusres.2023.113659
Teece, D. J., Pisano, G., & Shuen, A. (1997). Dynamic capabilities and strategic management. Strategic management journal, 18(7), 509-533. https://doi.org/10.1002/(SICI)1097-0266(199708)18:7<509::AID-SMJ882>3.0.CO;2-Z
Verhoef, P. C., Broekhuizen, T., Bart, Y., Bhattacharya, A., Dong, J. Q., Fabian, N., & Haenlein, M. (2021). Digital transformation: A multidisciplinary reflection and research agenda. Journal of Business Research, 122, 889–901. https://doi.org/10.1016/j.jbusres.2019.09.022
Zeithaml, V. A. (1988). Consumer perceptions of price, quality, and value: A means-end model and synthesis of evidence. Journal of Marketing, 52(3), 2–22. https://doi.org/10.1177/002224298805200302
Zhang, Y., Guo, X., & Chen, G. (2023). Understanding churn in music streaming platforms: A data-driven behavioral analysis. Information and Management, 60(4), 103785. https://doi.org/10.1016/j.im.2023.103785
Este trabalho está licenciado sob uma licença Creative Commons Attribution 4.0 International License.
Copyright (c) 2026 Revista Inteligência Competitiva