Renato Telles, ORCID: https://orcid.org/0000-0002-1123-668X;
Silvio Augusto Minciotti, ORCID: https://orcid.org/0000-0002-3928-8107;
Gabriel Gomes Ferreira, ORCID: https://orcid.org/0000-0001-7913-0841;
Angelina Maria de Oliveira Licorio, ORCID: https://orcid.org/0000-0001-9532-8145;
Edison Yoshihiro Hamaji, ORCID: https://orcid.org/0000-0002-3081-9610.
Resumo
As organizações estão enfrentando ambientes cada vez mais competitivos e, neste sentido, adotando, entre outras estratégias, abordagens mais cooperativas e baseadas em perspectivas coletivas de operação. Concentrações comerciais de negócios oferecendo produtos correlatos para consumidores finais, tratados neste trabalho como clusters varejistas, constituem um exemplo, em geral, exitoso desse tipo de postura. Nesse contexto, este estudo tem como objetivo investigar esse fenômeno, focalizando na propriedade do conceito de área de influência como um indicador consistente e relevante na avaliação da competitividade de clusters varejistas. Optou-se pela investigação de clusters de bares para o estudo de campo. Com base na revisão da literatura, buscou-se levantar fundamentação teórica e evidências empíricas que sustentassem a hipótese de associação significante entre competitividade e área de influência para clusters varejistas. Os resultados apresentam indicações consistentes de relação entre competitividade e áreas de influência secundária e terciária de clusters varejistas, oferecendo um aporte inovador na apreciação da competitividade deles, assim como a viabilidade de utilização da área de influência como um marcador relevante na gestão dessas aglomerações.
Palavras-chave: Concentrações comerciais; Clusters varejistas; Redes de negócios; Área de influência; Competitividade.
Abstract
Organizations are facing increasingly competitive environments and, in this sense, are adopting, among other strategies, more cooperative approaches based on collective operation perspectives. Commercial business concentrations offering related products to end consumers, treated in this paper as retail clusters, are a generally successful example of this stance type. In this context, this study aims to investigate this phenomenon, focusing on the ownership of the influence area concept as a consistent and relevant indicator in the assessment of the retail cluster's competitiveness. We have opted to investigate pub clusters for the field study. Based on the literature review, we sought to raise the theoretical foundation and empirical evidence to support the hypothesis of significant association between competitiveness and influence area for retail clusters. The results show consistent indications of the relationship between competitiveness and secondary and tertiary influence areas of retail clusters, offering an innovative contribution in the assessment of retail clusters' competitiveness, as well as the feasibility for using the influence area as a relevant marker to clusters management.
Keywords: Commercial concentrations; Retail clusters; Business network; Influence area; Competitiveness.
Citação: Telles, R., Minciotti, S. A., Ferreira, G. G., Licorio, A. M. de O., & Hamaji, E. Y. (2024). Influence area as competitiveness' indicator for retail clusters. Gestão & Regionalidade, v.X, e2023XXX. https//doi.org/10.13037/gr.volX.e2023XXX
No ambiente caracterizado pela economia de mercados globalizados, as organizações manifestam maior interesse em trabalhar no desenvolvimento de redes organizacionais, construindo relações de compromisso com o grupo social no qual está inserido (Asalos, 2012; Aydalot & Keeble, 2018; Camagni, 1991; Siqueira & Telles, 2012). Concentrações de negócios geograficamente próximos operando com ofertas correlatas, como clusters de negócios industriais, varejistas e turísticos, entre outros, são entendidos como redes organizacionais operando como sistemas integrados. Neste sentido, esses arranjos envolvem a gestão de recursos tangíveis e intangíveis, gerando lucro quando considerados rendimentos e custos (Schwab, 2016). A interação entre os atores nos clusters implica a construção de cooperação e confiança (Giglio & Hernandes, 2012), potencializando a capacidade competitiva desses relacionamentos organizacionais. As concentrações comerciais de varejo atuam com lógicas e valores próprios, como comprometimento e capacidade de sobrevivência, orientados pelo interesse de concentrar-se nas suas competências essenciais e particularmente conciliar ações visando um objetivo comum com outras organizações (Pereira, Pole, & Sarturi, 2013).
As organizações contemporâneas vêm passando por mudanças expressivas, diferenciando-se progressivamente das organizações hierárquicas da concepção fordista de produção, adotando novas configurações de operação e optando por intensificar a integração com outros negócios, assim, experimentando maior acesso às vantagens competitivas associadas ao desenvolvimento da capacidade de inovação e flexibilidade no uso de estrutura e redução de custos (Casarotto Filho & Pires, 2001).
As concentrações comerciais apresentam vantagens competitivas e avanços na capacidade para sua sobrevivência (Porter, 1990; Schmitz & Nadvi, 1999; Zaccarelli, 2000). Os lojistas tendem a ser polos geradores de postos de trabalho, resultando em diferentes benefícios para os colaboradores, ou seja, redução de custos em transações compartilhadas e melhoria na capacidade para resolver problemas comuns, por exemplo, o problema de abastecimento, satisfação do consumidor e, consequentemente, a redução na tributação de impostos e desigualdade de renda (Human & Provan, 1997). Neste sentido, concentrações comerciais oferecem produtos correlacionados (como, por exemplo, bares, artigos de festas, roupas e itens de casamento) e são um fenômeno alinhado ao interesse dos consumidores finais (pessoas, casais e famílias), compreendendo um espaço concentrado de maior oferta de produtos, preços, opções de pagamentos, variedade de produtos e serviços (Biba, Thériault, Villeneuve, & Des Rosiers, 2008; Telles, Siqueira, Donaire, & Gaspar, 2013).
As concentrações comerciais têm estimulado as organizações a considerar o processo de escolha de compra do consumidor final (Clapp, Ross, & Zhou, 2015), sendo a variedade e o sortimento de produtos ou serviços oferecidos que atraem os consumidores finais (Jolson & Spath, 1973; Sinha & Banerjee, 2004). Fatores sociais, culturais e situacionais, como imagem de ofertantes, marcas disponíveis, produtos, preços, atendimento, localização e qualidade percebida, são reconhecidamente condicionantes na escolha e decisão de compra de consumidores finais (indivíduos, casais e famílias) (Clapp et al., 2015; Nicholson & Snyder, 2012).
O conceito de área de influência, como uma variável associada à distância de deslocamento de consumidores finais até unidades varejistas, oferece uma indicação relevante para gestão, controle e planejamento de operações comerciais orientadas para consumidores finais, ou seja, um instrumento importante na avaliação de desempenho e na construção de estratégias para os lojistas (Peterson, 1974). As obras seminais tratando esse conceito podem ser atribuídas a Applebaum (1966) e Huff (1964), embora alguns estudos anteriores tenham sugerido essa ideia (Converse, 1949; Reilly, 1929). O Geographical Information System (GIS), por exemplo, constitui a base para um software capaz de geração e mapeamento de dados espaciais para análise e representação de informações geográficas de operação e, nesse sentido, de áreas de influência, permitindo associações e relacionamentos entre variáveis e indicadores de negócio, como densidade demográfica, localização de clientes e localização de varejistas, entre outras (Cui, Wang, Pu, Ma, & Chen, 2012).
Concentrações geográficas de comércios orientados para consumidores finais com ofertas correlatas são tratadas como clusters varejistas ou clusters de varejo pela literatura (Siqueira & Telles, 2012; Telles, Arten, Queiroz, & Cunha, 2020). O estudo desenvolvido por Telles et al. (2011) focaliza aglomerações de bares na cidade de São Paulo, buscando reconhecer quais concentrações comportam-se efetivamente como clusters de negócios, segundo a perspectiva dos Fundamentos da Performance Competitiva proposta por Zaccarelli et al., (2008). Depreende-se desse artigo que concentrações de bares com maior composição de características como abrangência, especialização, equilíbrio, complementaridade de ofertas, assim como cooperação, cultura de comunidade e governança, constituem um sistema integro com maior competitividade que bares isolados ou bares concentrados espacialmente, mas sem esses atributos desenvolvidos.
Conjugando-se o conceito de área de influência, métrica reconhecida para a avaliação de desempenho de unidades varejistas, e clusters varejistas como sistemas íntegros, optou-se por investigar a área de influência como indicador da competitividade desses arranjos. Em outras palavras, assim como na avaliação de lojas individuais, a área de influência apresenta-se como uma métrica potencialmente competente na avaliação da competitividade de clusters de varejo. Nesse sentido, adotou-se o desempenho financeiro composto pelas unidades varejistas constituintes dos clusters pesquisados como proxy para a competitividade desses arranjos.
Assim, o objetivo do estudo é contribuir no avanço do conhecimento do fenômeno clusters varejistas, constituindo uma opção de oferta valorizada pelo consumidor final, pelo acesso à variedade de produtos, serviços, custos e inovação para compras (Porter, 1998; Siqueira & Telles, 2012; Siqueira, Telles, Rocca, & Gaspar, 2015; Zaccarelli et al., 2008). A concepção desse trabalho avalia a mensuração da capacidade competitiva desses arranjos a partir de uma métrica simples, consolidada e extensivamente utilizada no varejo. O problema de pesquisa pode ser descrito como a propriedade ou viabilidade da avaliação da competitividade de clusters varejistas por meio da área de influência, tendo-se adotado como questão de pesquisa: é possível se estabelecer uma associação significante entre competitividade de clusters varejistas e sua área de influência?
Assim, a pesquisa fundamenta-se na utilização exploratória de um conceito de varejo associado à abordagem de clusters de negócios no ganho de entendimento e informação da operação de concentrações comerciais com ofertas correlacionadas para consumidores finais, entendidos como clusters varejistas (Zaccarelli et al., 2008).
Observou-se na literatura existente uma escassez de pesquisas focalizadas em indicadores varejistas como meio de avaliação da capacidade competitiva de concentrações comercias especialmente orientadas para a atratividade do mercado consumidor. Em função da ausência de indicadores de competitividade para concentrações comerciais e as sugestões oferecidas por Zaccarelli et al. (2008), foi escolhida a métrica área de influência, consolidada em estudos de varejo para unidades isoladas, como um potencial marcador da capacidade competitiva de concentrações comerciais.
O início do século XIX foi marcado pela evolução de clusters de negócios, estudados por Alfred Marshall como fenômenos da aglomeração de empresas em segmentos de negócios correlatos numa determinada região, na busca por resultados positivos e competitivos (Marshall, 1920). Para o desenvolvimento de clusters de negócios, destacam-se ações coletivas entre seus atores com o objetivo de alcançar objetivos comuns. A competitividade não se inicia nas empresas individuais, destaca-se a relação de competitividade dentro de determinadas condições de negócios em uma mesma área geográfica, denominando cluster como uma empresa informal (Porter, 1990, 1998).
No processo inicial da aglomeração é possível constatar benefícios para as empresas, mas não necessariamente percebidos durante a operação de clusters (Zacarelli, 2004). Os procedimentos como a escolha da localização do comprador e a definição do local resultam de duas forças contrárias: (1) uma associada aos interesses dos compradores e que age no sentido de aproximar as organizações, fortalecendo a formação de um cluster, (2) e outra associada aos interesses das organizações, que procede no sentido contrário (Zaccarelli, 2004). Os clusters de negócios podem ser identificados onde há uma significativa concentração de empresas localizadas na mesma região com ofertas correlacionadas. A reduzida burocracia e a informalidade evidenciam maior competitividade, diminuindo comportamentos oportunistas de forma eficiente na concentração de negócios (Arten, 2013; Staber, 2007).
Os clusters de varejo podem ser entendidos como um fenômeno relacionado aos clusters de negócios (Teller & Elms, 2010; Teller & Reuttere, 2008), definindo-os como aglomerados de varejo especializados e concentrados em uma determinada região. Clusters de negócios, de forma geral, podem ser entendidos como quaisquer concentrações com ofertas correlacionadas, envolvendo diferentes setores / atividades industriais, como produção (sapatos na cidade de Franca e Birigui (Siqueira, Gerth, & Boaventura, 2011), turismo (hospitalidade como base para desenvolvimento local (Martins, Fiates, & Pinto, 2016)) e tecnologia (atividade coletiva e produtividade de inventores de ponta (Moretti, 2021), entre outros.
Clusters varejistas são organizações interdependentes, conectadas por meio de um conjunto de produtos ou serviços de valor agregado (Roelandt & Den Hertog, 1999). Nas grandes cidades, como São Paulo, existem locais, cujas lojas são especializadas em comércios e serviços de determinados produtos, tais como: Rua São Caetano – especializada em roupas e acessórios de noivas; Rua Santa Ifigênia – especializada em eletrônicos e artigos de informática; Av. Marechal Tito – especializada em lojas de veículos, entre outros (Fitipaldi & Donaire, 2017).
Os relacionamentos acontecem sob o manto da estrutura social na era da informação, onde o consumidor final tem sua identidade desenvolvida nas interações sociais e deve estar envolvido inclusive nas interações comerciais em uma relação de participação sem homogeneidade ou padrão (Castells, 2000). Desta forma, a teoria de clusters de varejo fundamentada no relacionamento social deve incluir, em relação ao negócio, o consumidor final como ator ativo deste relacionamento. Portanto, as relações sociais de clusters de negócios são decisivos para o entendimento da formação, evolução, continuidade, vantagens, objetivos coletivos e individuais. Segundo Uzzi (1997), para o entendimento e importância das relações sociais, que caracterizam os clusters, os laços entre os atores implicam proximidade e segurança, assim como restrições que podem limitar as ações e inovações do grupo.
Os clusters varejistas podem ser compreendidos como concentrações comerciais a partir de sua configuração constituída por diferentes negócios concentrados geograficamente, mantendo relações de diferentes naturezas, envolvendo valores, produtos, serviços, interesses, informações e laços afetivos (Bisset, 2004; Christaller, 2000; Porter, 1990; Siqueira & Telles, 2006; Siqueira et al., 2015). Clusters varejistas dispõem de pesquisas científicas preponderantemente formadas por conceitos teóricos desenvolvidos para clusters de negócios (Porter, 1998; Telles et al., 2013; Zaccarelli et al., 2008). Pode-se admitir, como ponto de partida, que um dos fundamentos da competitividade de clusters varejistas pode ser associado à atratividade de consumidores finais, que tende a se expandir pelo valor oferecido por esses conjuntos de lojas, seja pelo retorno e/ou divulgação das vantagens oferecidas por esses arranjos (Telles et al., 2013).
A competição, cada vez mais, é estabelecida a partir da concorrência e da relação entre organizações e clusters (Suzigan, Cérron, & Diegues Jr., 2005; Zaccarelli et al., 2008). Cabe reconhecer que os laços organizacionais verticais e/ou horizontais determinam limitações e oportunidades para organizações (Gulati, Nohria, & Zaheer, 2000). Clusters varejistas podem ser identificados como estruturas resultantes da interligação entre fornecedores, governo e institutos de pesquisa, entre outros atores (Ebers & Jarillo, 1997), constituindo sistemas evolutivos com dinâmica própria e reconfiguráveis ao longo do tempo. Em um cluster varejista, os participantes, reconhecidos como atores, podem ser entendidos como elos, compartilhando algo em comum, caracterizando um sistema íntegro e autônomo e distinguem cada cluster pelo seu conjunto de atores e conexões estabelecidas (Castells, 2004; Gulati & Gargiulo, 1999; Uzzi, 1997).
Os clusters varejistas apresentam uma elevada oferta de produtos correlatos, sendo este um fator de atratividade para os consumidores finais, devido à variedade, sortimento e prestação de serviços, especialmente com informações e esclarecimentos, além da sensação de preço justo, em função do nível de concorrência presente. Essas podem ser reconhecidas como as razões para a satisfação com a oferta disponível nessas regiões (Teller, 2008). Entretanto, não estão ainda suficientemente estabelecidas as motivações para que os varejistas operem e mantenham seus estabelecimentos num ambiente de aparente turbulência competitiva, demandando investimentos, inovações e adaptações permanentes, com incertezas prováveis superiores. Segundo a lógica estratégica de quaisquer operações lucrativas, a remuneração do capital deve compensar adequadamente investimentos e riscos.
A atratividade desses conjuntos organizacionais concentrados geograficamente, indicada pela manutenção da competitividade ao longo do tempo, remete à necessidade de compreensão dos fundamentos responsáveis pela coexistência de negócios em franca concorrência, como a demanda por inovações e adaptações constantes, a elevada atratividade de consumidores e a aparente longevidade contraditória da operação dos negócios. Assim, a literatura aponta para condições e processos associados às empresas operando em clusters varejistas que justificariam essa situação pelo envolvimento da capacidade de inovação, aprendizagem e absorção de novas tecnologias (Adizes, 2004; Drucker, 2003; Geus, 2005; Mayfield, Mayfield, & Stephens, 2007; Montuori, 2000).
O termo área de influência, vinculada à geografia da área de comércio (TAG – Trade Area Geography), deriva das perspectivas área de comércio (TAD – Trade Area Demand) e heterogeneidade da área de comércio (TAH – Trade Area Heterogeneity), cujas definições são estabelecidas na sequência:
(1) TAG (Trade Area Geography) ou Geografia da área Comercial: dimensão geográfica da área de comércio, ou seja, medida da área compreendendo a operação efetiva dos negócios dentro de um determinado período de tempo (Applebaum & Cohen, 1961). A região geograficamente concentrada de lojas, incluindo consumidores finais, tem uma perspectiva maior de compra de produtos ou serviços ofertados para venda (Huff, 1964);
(2) TAD (Trade Area Demand) ou Demanda da área Comercial: grau de intenção de compra do consumidor final dentro da área de comércio geograficamente concentrada, ou seja, potencial de consumo da região de comércio ofertando produtos; e
(3) TAH (Trade Area Heterogeneity) ou Heterogeneidade da área Comercial: variedade da demanda do consumidor por produtos e/ou serviços ofertados, ou seja, ofertas heterogêneas associadas à maior variedade de produtos,. Isso corresponde ao fato do TAH não estar obrigatoriamente associado ao TAG, ainda que os conceitos TAD e TAH apresentem uma associação positiva, bem como diferenças de heterogeneidade entre as regiões de comércio com demandas similares (Rosenbloom, 1976).
A metodologia de estudos a respeito de áreas de influência foi desenvolvida originalmente pelo Geographical Information System (GIS), despertando interesse gerencial e acadêmico de pesquisadores e estudiosos. Essa metodologia possibilita associar informações como densidade demográfica, localização de clientes, posição de varejistas, permitindo assim o desenvolvimento de análises de mercado e o mapeamento de regiões/ localizações de origem, bem como sensibilização de oferta por parte de consumidores (Aranha, 1997). A área de influência, nesse sentido, corresponde a uma superfície que delimita teoricamente o conjunto de consumidores finais de uma dada oferta varejista. Baseada nos conceitos de TAD e TAG, a área de influência é indicada pela maior distância reconhecida relacionada ao maior deslocamento verificado por compradores desde seu local de origem até o espaço de varejo.
O conceito de área de influência é estrategicamente composto por 3 áreas concêntricas, identificadas como área primária, secundária e terciária (Figura 1). A área primária compreende 60% dos clientes mais próximos de uma unidade varejista de referência; a área secundária corresponde aos 30% dos clientes não compreendidos na área primária; a área terciária está associada ao raio do círculo que determina a maior distância de deslocamento de um consumidor final a um negócio de varejo, definindo a área teórica de deslocamento de clientes.
Figura 1
Área primária, secundária e terciária
Estudos focalizados na competitividade de clusters varejistas sugerem robustamente a associação positiva e significante da atratividade de clientes, constituídos por consumidores finais, remetendo à capacidade aparente dessa variável como preditora da capacidade competitiva desses arranjos (Telles et al., 2013; Sátyro, Telles, Machado, & Queiroz, 2017). A compreensão e o reconhecimento de modelos de concentração e dispersão dos consumidores finais em torno das unidades varejistas apontam a viabilidade e a aplicabilidade de indicadores que representem condições, extensão e características dessas áreas envolventes e anexas a espaços comerciais (Parente & Kato, 2001).
Desse modo, a atratividade como a capacidade de atração de consumidores finais, definido como convergência entre perspectiva do consumidor final e perspectiva do varejo (Telles et al., 2013), relaciona-se diretamente ao conceito da área de influência. Ou seja, a área de influência pode ser utilizada como uma medida potencial de atratividade de clusters varejistas, assim como uma métrica da avaliação da competitividade desses. A premissa assumida sustenta-se na lógica de que os consumidores buscam encontrar equilíbrio e conveniência entre os comércios localizados nas imediações de sua posição de origem e nas localidades mais remotas, envolvendo custos, tempo e esforços de deslocamento conjugadamente a condições de variedade, sortimento e serviços.
Clusters varejistas, entendidos como conjuntos de unidades varejistas concentradas geograficamente com ofertas correlatas, despertam interesse acadêmico e gerencial por características peculiares associadas à sua competitividade diferencial (Aguiar, Pereira; Donaire, & Nascimento 2017; Siqueira et al., 2015; Zaccarelli et al., 2008). A investigação de uma métrica dotada de simplicidade de captura de dados e processamento como um marcador da competitividade, torna-se relevante à medida que oferece um instrumento de gestão e planejamento de concentrações comerciais tanto na perspectiva comparativa, quanto na absoluta. A área de influência, nesse sentido, apresenta aparentemente essas características. A competitividade pode ser associada basicamente a duas perspectivas: eficiência e desempenho (Haguenauer, 2012). Optou-se pela proxy desempenho para a competitividade, com marcadores como lucratividade, volume de vendas, participação de mercado e faturamento (Zaccareli et al., 2008). Com o propósito de avaliar-se a propriedade dessa métrica como indicador de competitividade de clusters varejistas, foram formuladas as seguintes hipóteses:
Hipótese 1: A dimensão da área de influência apresenta associação positiva e significante com o desempenho de bares de clusters varejistas.
Essa hipótese, em função da compreensão escalonada do conceito de área de influência em primária, secundária e terciária, foi decomposta em 3 hipóteses subjacentes:
H1a: A dimensão da área de influência primária apresenta associação positiva e significante com o desempenho de bares de clusters varejistas.
H1b: A dimensão da área de influência secundária apresenta associação positiva e significante com o desempenho de bares de clusters varejistas.
H1c: A dimensão da área de influência terciária apresenta associação positiva e significante com o desempenho de bares de clusters varejistas.
Hypothesis 2: A relação entre áreas de influência de clusters varejistas concorrentes, como medidas de seus desempenhos, reflete a capacidade competitiva destes clusters.
Essa hipótese, em função da compreensão escalonada do conceito de área de influência em primária, secundária e terciária, foi decomposta em 3 hipóteses subjacentes:
H2a: A relação entre as áreas de influência primárias de clusters varejistas concorrentes refletem a capacidade competitiva comparada destes clusters.
H2b: A relação entre as áreas de influência secundárias de clusters varejistas concorrentes refletem a capacidade competitiva comparada destes clusters.
H2c: A relação entre as áreas de influência terciárias de clusters varejistas concorrentes refletem a capacidade competitiva comparada destes clusters.
A abordagem metodológica pode ser classificada basicamente como exploratória, descritiva e explicativa (Gil, 2008). A pesquisa desenvolvida apresenta natureza quantitativa, voltada a uma investigação passível de mensurações, com objetivo de compreender: (1) relação entre área de influência e competitividade; e (2) relação entre áreas de influência de clusters varejistas concorrentes e a capacidade competitiva comparada destes clusters.
Como campo de pesquisa, optou-se por desenvolver a investigação em clusters de bares reconhecidos na região da Grande São Paulo, São Paulo, Brasil, sendo investigadas as regiões da Vila Madalena, na zona oeste da cidade; a Avenida Engenheiro Caetano Álvares, na zona norte, e, por fim, o Bosque Maia, localizado no município de Guarulhos, como importantes polos de atração da noite paulistana. Esta pesquisa buscou capturar dados comparativos envolvendo desempenho operacional (por meio de indicadores de varejo) das unidades varejistas e área de influência, baseada na distância de origem dos consumidores. O estudo foi baseado no levantamento de dados associados a características específicas de clusters varejistas, por meio de informações fornecidas pelos clientes e gestores dos bares, procedimento tradicional utilizado em estudos descritivos (Malhotra, 2011; Aaker; Kumar, & Day, 2007).
O objeto de estudo compreende 3 clusters, sendo que, para cada cluster, foram investigadas 5 unidades varejistas, nas quais foi aplicado o questionário, e para cada unidade varejista, 10 clientes foram entrevistados. O estudo foi composto por um total de 15 unidades varejistas (bares e restaurantes), totalizando 150 entrevistas aplicadas a consumidores finais. A Figura 2 apresenta as regiões dos clusters pesquisados.
Figura 2
Regiões de clusters varejistas de bares
Adaptado de Portal GeoSampa (Secretaria Municipal de Urbanismo e Licenciamento, 2024)
Para o presente estudo, foram coletadas as seguintes informações: (1) resultado, desempenho, número de funcionários, área instalada total, faturamento, como base para construção de indicadores, junto aos gestores e/ou proprietários dos bares; e (2) local de origem dos consumidores, junto a esses. O instrumento de coleta de dados foi desenvolvido com o objetivo de identificar área de influência, a partir da coleta de distância de origem dos frequentadores. O instrumento de coleta de dados foi elaborado visando analisar a área de influência, numa tentativa de descobrir a distância percorrida pelos consumidores e frequentadores até o local (bares).
Nos aspectos relacionados ao desempenho dos bares pesquisados nos clusters varejistas de bares, os dados solicitados aos gestores foram basicamente receita mensal média, número de funcionários e área do estabelecimento. Esses dados oferecem base para o cálculo de dois indicadores consolidados na avaliação de desempenho de unidades varejistas, em geral:
à Faturamento / número de funcionários
à Faturamento / área do estabelecimento
Em relação aos clientes dos 5 bares por região selecionada, foram realizadas 10 respondentes por disponibilidade, verificando-se local de origem desses. A Figura 3 apresenta a estrutura do instrumento para cada um dos bares, composto por dados de clientes (consumidores finais) e gestores dos bares para os 3 clusters investigados.
Figura 3
Instrumento de coleta de dados
A Figura 4 apresenta a matriz de compilação da coleta de dados, utilizada como base para o tratamento dos mesmos.
Figura 4
Matriz de compilação da coleta de dados
Em síntese, para este estudo, 3 clusters de bares, representados por 15 unidades, serão comparados, verificando-se a presença de associações significantes estatisticamente entre indicadores de desempenho e marcadores da área de influência para essas concentrações varejistas. Os dados colhidos na pesquisa junto a consumidores referiam-se exclusivamente a localização de partida para o bar. Os dados obtidos com os gestores limitavam-se a 3 variáveis: faturamento médio, área do estabelecimento e número de funcionários.
A ordenação das distâncias dos consumidores, obtidas a partir do endereço de partida e localização do bar, indicaram os valores da extensão das áreas de influência primárias, secundárias e terciárias para bares, desdobradas para os clusters. Os dados obtidos com os gestores das unidades varejistas pesquisadas ofereceram o acesso aos dois marcadores de desempenho dos bares: Faturamento/Área do estabelecimento e Faturamento/Número de funcionários. Posteriormente, a média desses valores para cada cluster foram admitidos como indicadores de desempenho das concentrações de bares.
A relação entre áreas de influência de clusters varejistas concorrentes potencialmente reflete a relação da capacidade competitiva entre esses clusters. Nesse sentido, explorou-se a presença de associações das dimensões das áreas primárias, secundárias e terciárias de influência e os respectivos indicadores de desempenho das unidades e clusters estudados. Assim, explorou-se a existência de correlações significantes entre áreas de influência e indicadores de desempenho.
A Tabela 2 oferece uma compilação dos resultados para as variáveis de pesquisa após o processamento dos dados obtidos das 15 unidades varejistas pesquisadas e dos 150 respondentes em relação à sua localização de origem. A tabela 1 apresenta a descrição das variáveis envolvidas.
Tabela 1
Descrição das variáveis da pesquisa
Tabela 2
Estatistica descritiva dos dados
Como principais considerações em relação aos resultados da análise descritiva, verifica-se:
A investigação de associações entre as variáveis foi desenvolvida por meio da construção de uma tabela cruzada (cross-table), composta por valores do r de Pearson como medida da correlação bi variável entre todas as variáveis, utilizando-se, para tanto, o software IBM SPSS® v.21. O coeficiente de correlação de Pearson (r) é uma medida de associação linear entre variáveis (GARSON, 2009), podendo ser considerada, com ressalvas, como medida de dependência entre variáveis (GOMES, 1990). A Tabela 3 sintetiza os resultados, exibindo com fundo cinza as correlações significantes para associações relevantes entre variáveis.
Tabela 3
Análise de correlação entre variáveis do estudo
Conforme se depreende na análise da Tabela 2, é possível a inferência de algumas indicações relevantes acerca do fenômeno estudado, como:
(1) correlação positiva significante entre ÁREA1 e INCOME (rPEARSON = ,541**), indicando que quanto maior a área de influência primária, maior a receita;
(2) correlação positiva significante entre ÁREA2 e INCOME (rPEARSON = ,739**), indicando que quanto maior a área de influência secundária, maior a receita;
(3) correlação positiva significante entre ÁREA3 e INCOME (rPEARSON = ,511**), indicando que quanto maior a área de influência terciária, maior a receita;
(4) correlação negativa significante entre ÁREA3 e DIMPUB (rPEARSON = - 0,429**), indicando que quanto maior a área de influência terciária, menor a área do bar, contrariando em um primeiro momento a expectativa dessa relação;
(5) correlação positiva significante entre ÁREA2 e INCAR (rPEARSON = ,473**), indicando que quanto maior a área de influência secundária, maior o indicador de desempenho Receita/Área do bar;
(6) correlação positiva significante entre ÁREA2 e INCEM (rPEARSON = ,496**), indicando que quanto maior a área de influência secundária, maior o indicador de desempenho Receita/No de funcionários do bar;
(7) correlação positiva significante entre ÁREA3 e INCAR (rPEARSON = ,501**), indicando que quanto maior a área de influência terciária, maior o indicador de desempenho Receita/Área do bar;
(8) correlação negativa significante entre EMPLOY e INCAR (rPEARSON = - 0,658**), indicando que quanto maior o número de funcionários, menor o indicador de desempenho Receita/Área do bar;
(9) correlação negativa significante entre EMPLOY e INCEM (rPEARSON = - 0,709**), indicando que quanto maior o número de funcionários, menor o indicador de desempenho Receita/No de funcionários do bar;
(10) correlação negativa significante entre DIMPUB e INCAR (rPEARSON = - 0,806**), indicando que quanto maior a área do bar, menor o indicador de desempenho Receita/Área do bar;
(11) correlação negativa significante entre DIMPUB e INCEM (rPEARSON = - 0,544**), indicando que quanto maior a área do bar, menor o indicador de desempenho Receita/No de funcionários do bar.
De acordo com as indicações oferecidas pela análise conduzida, reconhecendo-se as limitações impostas pela dimensão da amostra dos bares e, particularmente, pelas amostras por população (Vila Madalena, Engo. Caetano Álvares e Bosque Maia), a área secundária de influência mostra-se como estando correlacionada significativamente com faturamento/área e faturamento/número de funcionários, sugerindo a sustentação da hipótese H1b. A hipótese H1a não encontra sustentação em função da ausência de correlação significante com os indicadores de desempenho, enquanto H1c, com ressalvas, pode ser admitida como parcialmente sustentada.
A averiguação das condições de competitividade, por meio da proxy desempenho, das aglomerações estudadas (Vila Madalena, Av. Engo. Caetano Álvares e Bosque Maia) e a relação destas com suas áreas de influência estavam condicionadas à viabilidade de diferenciação entre elas. A dimensão da amostra, limitada pela possibilidade de acesso e disponibilidade de tempo, impedia uma abordagem paramétrica dos dados. Condicionada a essa situação, optou-se por uma abordagem não paramétrica e, com isso, o teste de Kruskal-Wallis, conhecido também como análise de variância numa só direção. Como um método não paramétrico, não se configura como uma premissa impeditiva a distribuição normal dos resíduos. Considerando distribuição e escala equivalentes para os grupos, a hipótese nula é de que as medianas das populações são iguais e a hipótese alternativa é de que ao menos a mediana da população de um grupo é diferente da mediana de população de ao menos um outro grupo (Garson, 2009). A Tabela 4 apresenta os resultados para as áreas de influência primária, secundária e terciária (AREA1, AREA2 e AREA3, respectivamente) para a comparação entre as populações de bares da Vila Madalena (VM), Engo. Caetano Álvares (CA) e Bosque Maia (BM).
Tabela 4
Teste de Kruskal-Wallis para áreas de influência
A partir dos resultados da técnica, pode-se admitir que, em relação à área de influência terciária (AREA3), as populações podem ser diferenciadas e, neste sentido, estatisticamente
AREA3AVM > AREA3ABM > AREA3ACA
A Tabela 5 exibe os resultados para os indicadores de desempenho (ou competitividade), INCAR e INCEM, para a comparação entre as populações de bares da Vila Madalena (VM), Engo. Caetano Álvares (CA) e Bosque Maia (BM).
Tabela 5
Teste de Kruskal-Wallis para indicadores de desempenho
A partir dos resultados da Tabela 4, pode-se admitir que, para os dois indicadores de desempenho INCAR (receita/área da unidade de varejo) e INCEM (receita/no de funcionários da unidade de varejo), as populações podem ser diferenciadas e, portanto, estatisticamente
INCARAVM > INCARACA > INCARABM
INCEMAVM > INCEMACA > INCEMABM
A indicação – com limitações importantes baseadas na dimensão das amostras por população (Vila Madalena, Engo. Caetano Álvares e Bosque Maia) – é de que, embora a região da Vila Madalena apresente superiores áreas de influência terciária, faturamento/área e faturamento/número de funcionários, os indicadores de desempenho das regiões de Engo. Caetano Álvares e Bosque Maia não apresentam correspondência com suas áreas de influência. Ou seja, em função dos resultados dessa análise, as hipóteses H2a e H2b não são sustentadas, enquanto H2c pode ser considerada parcialmente sustentada, mas com ressalvas, para tanto.
O principal objetivo do presente trabalho estava focalizado na viabilidade da construção e na utilização de uma métrica como indicador de competitividade de concentrações comerciais operando com ofertas correlatas, caracterizadas como clusters varejistas. Considerando a escassez e a relevância de indicadores consistentes na avaliação da competitividade de clusters varejistas e as sugestões propostas por Zaccarelli et al. (2008), adotou-se como ponto de partida o conceito de área de influência, métrica consolidada na avaliação de negócios de varejo. Para avaliação da competitividade dos bares e dos clusters constituídos por esses bares, foram utilizados, como proxies, os índices mais usados na mensuração do desempenho do varejo: faturamento por empregado (em tempo integral ou equivalente) e o faturamento por área de vendas (Levy & Weitz, 2000; Burns & Mason, 1998; Mcgoldrick, 1990).
Assim, essa investigação se propõe a contribuir com o avanço do conhecimento referente a clusters varejistas, fornecendo informações relevantes na compreensão do fenômeno e para a gestão de unidades e aglomerações destas. Dotadas de viabilidade competitiva ao longo do tempo e opção de oferta valorizada pelo consumidor final (Porter, 1998; Siqueira & Telles, 2012; Siqueira et al., 2015; Zacarelli et al., 2008), clusters varejistas, em particular, demandam indicadores e/ou marcadores para monitorização e controle de sua competitividade ao longo do tempo. Assim, este trabalho se propôs a responder a seguinte questão de pesquisa: É possível se estabelecer uma associação significante entre competitividade de clusters varejistas e sua área de influência?
Os resultados obtidos pela análise de dados, particularmente pela análise de correlação, conduzem a algumas indicações interessantes em termos teóricos e gerenciais, sugerindo estudos posteriores e potenciais práticas a serem adotadas. Entre essas indicações, algumas se destacam pelos desdobramentos imediatos como:
I. associação positiva e significante entre área secundária de influência (AREA2) e desempenho dos bares para as três aglomerações estudadas (INCAR e INCEM);
II. associação positiva e significante entre área terciária de influência (AREA3) e desempenho dos bares para as três aglomerações estudadas, quando considerado o indicador faturamento/área (INCAR);
III. associação negativa e significante entre número de funcionários (EMPLOY) e desempenho dos bares para as três aglomerações estudadas (INCAR e INCEM);
IV. associação negativa e significante entre área dos bares (DIMPUB) e desempenho dos bares para as três aglomerações estudadas (INCAR e INCEM).
Em relação à indicação (I), a dimensão da área secundária de influência, que congrega 90% dos frequentadores, sugere aparentemente um marcador interessante no dimensionamento do desempenho de bares por guardar uma correlação positiva, significativa (p-value ≤ 0,01) e importante (ao redor de 0,5). Neste sentido, esse indicador potencialmente oferece bases para comparações transversais com outros bares e longitudinais na monitorização da competitividade ao longo do tempo.
A indicação (II) pode ser considerada alinhada e concordante com a indicação (I), porém, remete a uma condição da área terciária de influência como marcador de desempenho condicionado ao indicador faturamento/área dos bares. Entretanto, a correlação positiva, significativa (p-value ≤ 0,01) e importante (ao redor de 0,5) entre essas duas variáveis é passível de utilização como parâmetro de competitividade adicional.
A associação negativa e significante entre número de funcionários e o desempenho dos bares para as três aglomerações estudadas (indicação III) vai na mesma direção da indicação (IV), entre área e desempenho dos bares. Embora, matematicamente, as indicações sejam consistentes entre si em função da correlação significante e positiva entre número de funcionários e área do bar, uma explicação para esse aparente paradoxo pode ser associada ao desempenho dos bares com área e número de funcionários menores. A maioria dos bares com essas características estão situados na região da Vila Madalena, sugerindo o efeito relevante da localização, relacionado ao cluster de operação do bar, reconhecidamente competitivo (Telles et al., 2011; Arten, 2013).
Os resultados da análise comparativa entre as aglomerações de bares (Vila Madalena, Engo. Caetano Álvares e Bosque Maia), focalizados na investigação de potenciais relações entre áreas de influência e desempenho (como proxy da competitividade), ressalvando-se dimensão da amostra, foram desenvolvidos por meio da utilização do teste de Kruskal-Wallis. Algumas das inferências apresentam relevantes indicações como:
I. O cluster de bares da Vila Madalena apresenta superior área de influência terciária em relação ao cluster de bares estabelecidos na região do Bosque Maia, que, por sua vez, apresenta maior área de influência terciária em relação ao cluster de bares localizados na Av. Engo. Caetano Álvares;
II. O cluster de bares da Vila Madalena apresenta superior competitividade (com base no faturamento/área e faturamento/número de funcionários) em relação ao cluster de bares estabelecidos nas regiões da Av. Engo. Caetano Álvares, que, por sua vez, apresenta maior área de influência terciária em relação aos bares localizados no Bosque Maia;
III. Ainda que de forma exploratória a relação entre a maior área de influência terciária para a Vila Madalena possa ser associada à maior competitividade, o mesmo não se verificou para as regiões na Av. Engo. Caetano Álvares e no Bosque Maia, em função da ordenação distinta entre elas, quando considerados os indicadores de área de influência terciária e desempenho.
Considerando-se os resultados, é possível se estabelecer uma posição em relação às hipóteses adotadas, relacionando-se área de influência, desdobradas em primária, secundária e terciária, e competitividade, tendo o desempenho como variável proxy, baseado nas métricas faturamento/área e faturamento/número de funcionários. A tabela 6 apresenta a síntese dos resultados do estudo.
Tabela 6
Síntese dos resultados do estudo
A pesquisa teve como propósito imediato a investigação da propriedade da área de influência como um indicador da competitividade de concentrações comerciais operando com ofertas correlatas, caracterizadas como clusters varejistas. A questão de pesquisa adotada estava em linha com o objetivo descrito, qual seja: é possível se estabelecer uma associação significante entre competitividade de clusters varejistas e sua área de influência? Em relação ao objetivo, que pode ser reconhecido como relevante teórica e operacional, concluiu-se pela capacidade potencial dessa métrica particularmente das áreas de influência secundária e terciária poderem ser admitidas a priori como marcadores de desempenho (proxy da competitividade) de clusters varejistas. Nesta sequência, a questão de pesquisa foi respondida afirmativamente com base nos resultados quantitativos que remetem à presença de correlação positiva e significante entre as áreas de influência secundária e terciária (parcialmente) com os indicadores faturamento/área e faturamento/número de funcionários.
Adicionalmente, outras indicações associadas aos bares, como unidades de varejo individuais, também se mostraram relevantes como: (1) associação positiva e significante entre áreas secundária e terciária (parcial) de influência com desempenho dos bares para as três aglomerações estudadas; e as inesperadas (2) associação negativa e significante entre número de funcionários e desempenho dos bares para as três aglomerações estudadas; e (3) associação negativa e significante entre área dos bares (DIMPUB) e desempenho dos bares para as três aglomerações estudadas (INCAR e INCEM).
Em síntese, verificou-se que a perspectiva do uso do conceito de área de influência como métrica de avaliação da competitividade apresenta-se como uma alternativa com capacidade potencial de contribuir para a avaliação da competitividade de bares enquanto unidades individuais de varejo, e clusters varejistas enquanto concentrações comerciais com ofertas de varejo correlatas.
A partir das inferências, resultantes do cotejamento entre fundamentação teórica e resultados da pesquisa, duas implicações de caráter teórico e duas de natureza gerencial podem ser desdobradas da pesquisa desenvolvida:
A pesquisa quantitativa se concentrou em empresas (bares) localizadas no interior de três clusters varejistas da cidade de São Paulo, no estado de São Paulo, restringindo a generalização de suas indicações, sem graves ressalvas. Deve-se reconhecer, por pressuposto, a adequação da amostra de bares como qualificada para estimativas sobre os clusters. Neste mesmo sentido, em função da dimensão da amostra, da amostragem por disponibilidade (portanto, não probabilística) e da quantidade de variáveis utilizadas, não se pode assegurar a validade externa dos resultados.
Deve-se considerar também que as respostas dos entrevistados sobre o local de origem não envolviam endereços (por uma questão de privacidade), limitando-se à indicação do bairro de procedência. Posteriormente, por meio de referências secundárias, as distâncias eram estimadas. Desse modo, os valores para o cálculo de todas as áreas de influência partem desse procedimento. O levantamento dos dados de campo foi realizado no período circunscrito a meses, caracterizando a pesquisa como transversal. Este aspecto configura mais uma ressalva a ser observada. Inicialmente, planejou-se um período superior com potenciais retornos, que não se mostrou viável durante a fase de campo.
Como sugestões para futuros estudos, abrem-se vias distintas e oportunas a partir desta pesquisa, considerando as implicações apresentadas. Entre essas alternativas, podem ser indicadas: (1) Replicação da pesquisa com extensão da amostragem em termos de bares e frequentadores (consumidores finais), oferecendo maior aprofundamento e/ou investigação crítica dos resultados obtidos; (2) Estudo longitudinal orientado para a monitorização da competitividade de clusters varejistas, utilizando as métricas adotadas no estudo e, se possível, outras, verificando-se convergência entre essas e competência dessas na descrição do desempenho da aglomeração; (3) Avaliação comparada da evolução da competitividade de clusters varejistas e das unidades varejistas que a compõem, estudando-se a aderência entre esses dois níveis, baseadas nas áreas de influência relevantes; e (4) Investigação da relação entre atratividade, área de influência e competitividade de clusters varejistas, associadas ao exercício da governança da aglomeração e/ou das políticas públicas de fomento.
Aaker, D. A., Kumar, V., & Day, G. S. (2007). Pesquisa de marketing. 3ed. reimp. São Paulo: Atlas.
Adizes, I. (2004). Gerenciando os ciclos de vida das organizações. Prentice Hall.
Aguiar H. de S., Pereira C. E. C., Donaire D., & Nascimento P. T. de S. (2017). Análise da competitividade de clusters de negócios de varejo: ajuste de métricas através de uma aplicação no cluster varejista de moda do bom retiro. REGE Revista De Gestão, 24(2), 122-33.
Applebaum, W., & Cohen, S. B. (1961). The Dynamics of Store Trading Areas and Market Equilibrium. Annals of the Association of American Geographers, 51(1), 73-101, 1961. DOI: 10.1111/j.1467-8306.1961.tb0036 9.x
Applebaum, W. (1966). Methods for determining store trade areas, market penetration, and potential sales. Journal of marketing Research, 3(2), 127-141.
Aranha, F. (1997). Atlas dos setores postais: uma nova geografia a serviço da empresa. Revista de Administração de Empresas, 37(3), 20-27.
Arten, F. T. (2013). Inovatividade em clusters de negócios comerciais: um estudo sobre a relação entre a capacidade de inovação e a estrutura das redes sociais presentes nas redes de negócios. Dissertação (Mestrado em Administração) - Universidade Paulista, São Paulo, Brasil.
Asalos, N. (2012). From clusters to competitiveness clusters in Romanian economy. Proceedings of the 6th International Days of Statistics and Economics, Prague.
Aydalot, P., & Keeble, D. (2018). High technology industry and innovative environments: The European experience. Oxfordshire: Routledge.
Biba, G., Thériault, M., Villeneuve, P. Y., & Des Rosiers, F. (2008). Aires de marché et choix des destinations de consommation pour les achats réalisés au cours de la semaine: Le cas de la région de Québec. The Canadian Geographer / Le Géographe Canadien, v. 52(1), 38-63.
Bissett, L. (2004). Location rent and the spatial distribution of economic activities: A nonlinear reformulation of the von Thunen paradigm. Dissertation (Doctoralship in Philospphy) – University of Pensylvania, Pensylvania, United States.
Burns, R. B., & Mason, D. A. (1998). Class formation and composition in elementary schools. American Educational Research Journal, 35(4), 739-772.
Camagni, R. (1991). Local'milieu', uncertainty and innovation networks: towards a new dynamic theory of economic space. Innovation networks: Spatial perspectives, p. 121-144.
Casarotto Filho, N., & Pires, L. H. (2001). Networks of small and medium-sized enterprises and local development. Gestão e Produção, 8(3), 289-303.
Castells, M. (2000). Materials for an exploratory theory of the network society1. The British journal of sociology, 51(1), 5-24.
Castells, M. (2004). The Power of Identity: The Information Age: Economy, Society and Culture, Volume II. Blackwell: Oxford, 2004.
Christaller, W. (2000). Central Places in Southern Germany, New Jersey: Prentice Hall.
Clapp, J. M.; Ross, S. L.; Zhou, T. (2015). Retail Agglomeration and Competition Externalities: Evidence from Openings and Closings of Multiline Department Stores in the US. Journal of Business and Economic Statistics, 37(1), 81-96.
Converse, P. D. (1949). New laws of retail gravitation. Journal of marketing, 14(3), 379-384.
Cui, C., Wang, J., Pu, Y., Ma, J., Chen, G. (2012). GIS-based method of delimitating trade area for retail chains. International Journal of Geographical Information Science, 26(10), 1863-1879. DOI: 10.1080/13658816.2012.661058
Fittipaldi, M. A. S., & Donaire, D. (2017, Outubro). Contribuições da Análise de Redes Sociais a um Cluster Comercial Planejado de Varejo de automóveis, Xii Workshop De Pós-Graduação E Pesquisa Do Centro Paula Souza, São Paulo, Brasil.
Drucker, P. F. (2003). Inovação e espírito empreendedor (entrepreneurship): prática e princípios. 8 reimp. Tradução de Carlos J. Malferrari. São Paulo: Pioneira Thomson, 2003.
Ebers, M., & Jarillo, J. (1997). Carlos. Preface: The Construction, Forms, and Consequences of Industry Networks. International Studies of Management & Organization, 27(4), 3-21.
Garson, G. D. (2009). “Factor Analysis” from Statnotes: Topics in Multivariate Analysis. North Carolina State University.
Geus, A. (2005). Curto prazo x longevidade. HSM Management, 1(48), 17-19.
Giglio, E. M., & Hernandes, J. L. G. (2012). Discussões sobre a metodologia de pesquisa sobre redes de negócios presentes numa amostra de produção científica brasileira e proposta de um modelo orientador. Revista Brasileira de Gestão de Negócios, 14(42), 78-101.
Gil, A. C. (2008). Métodos e técnicas de pesquisa social. 6 ed. Editora Atlas SA.
Gulati, R., & Gargiulo, M. (1999). Where do interorganizational networks come from?. American journal of sociology, 104(5), 1439-1493.
Gulati, R., NOHRIA, N., & Zaheer, A. (2000). Strategic networks. Strategic management journal, 21(3), 203-215.
Haguenauer, L. (2012). Competitividade: conceitos e medidas: uma resenha da bibliografia recente com ênfase no caso brasileiro. Revista Economia Contemporânea, Rio de Janeiro, 16(1), 146-177.
HUFF, D. L. (1964). Defining and estimating a trading area. Journal of marketing, 28(3), 34-38.
Human, S. E., & Provan, K. G. An emergent theory of structure and outcomes in small-firm strategic manufacturing networks. Academy of Management Journal, v. 40, n. 2, p. 368-403, 1997.
Jolson, M. A., & Spath, W. F. (1973). Understanding and fulfilling shoppers requirements-anomaly in retailing. Journal of Retailing, v. 49, n. 2, p. 38-50.
Levy, M., & Weitz, B. A. (2000). Administração de varejo. São Paulo: Atlas.
Malhotra, N. K. (2011). Pesquisa de marketing: foco na decisão. London: Pearson.
Marshall, A. (1920). Industry and trade: A Study of industrial technique and businnes organization; and of their influences on the condition of various classes and nations, Connecticut: Sagwan Press.
Martins, C., Fiates, G. G. S., & Pinto, A. L. (2016). A relação entre os clusters de turismo e tecnologia e seus impactos para o desenvolvimento local: um estudo bibliométrico da produção científica. Revista Brasileira de Pesquisa em Turismo, 10(1), 65-88.
Mayfield, M., Mayfield, J., & Stephens, D. (2007). The relationship of generic strategy typing and organizational longevity: a preliminary analysis in the comic book industry using the Miles and Snow typology. Competitiveness Review: An International Business Journal, 17(1/2), 94-108.
Mcgoldrick, P. J. (1990). Retail Marketing. Berkshire: McGraw-Hill.
Montuori, L. A. (2000). Organizational longevity-Integrating systems thinking, learning and conceptual complexity. Journal of organizational change management, 13(1), 61-73.
Moretti, E. (2021). The effect of high-tech clusters on the productivity of top inventors. American Economic Review, 111(10), 3328-75.
Nicholson, W., & Snyder, C. M. (2012). Microeconomic theory: Basic principles and extensions. Massachusetts: Cengage Learning.
Parente, J., & Kato, H. T. (2001). Área de influência: um estudo no varejo de supermercados. Revista de Administração de empresas, 41(2), 46-53.
Pereira, C. E. C., Polo, E. F., & Sarturi, G. (2013). Proposição de Métricas para Avaliação da Competitividade em Clusters: uma aplicação no grupamento têxtil e de confecções do Brás. Eneo–Encontro De Estudos Em Estratégia Da Anpad, 6, 1-16.
Peterson, R. A. (1974). Trade area analysis using trend surface mapping. Journal of Marketing Research, 11(3), 338-342.
Gomes, F. P. (1990). Curso de Estatística Experimental. Piracicaba: Nobel.
Porter, M. E. (1998). Clusters and the new economics of competition. Boston: Harvard Business Review.
Porter, M. E. (1990). The competitive advantage of nations: with a new introduction. Boston: Harvard Business Review.
Reilly, W. J. (1929). Method for the study of retail relationships. Austin: University of Texas Press,. Research Monogragh 4, 2944.
Roelandt, T. J. A., & Den Hertog, P. (1999). Cluster analysis and cluster-based policy making in OECD countries: an introduction to the theme. Boosting innovation: The cluster approach, 31, 9-23.
Rosenbloom, B. (1976). The Trade Area Mix and Retailing Mix: A Retail Strategy Matrix: A useful analytical framework for selecting new store trade areas and for adjusting the merchandise of existing stores to their present trade areas. Journal of Marketing, 40(4), 58-66.
Sátyro, W. C.; Telles, R., Machado, M. C., & Queiroz, M. M. (2018). Smart Production Systems Challenges and Opportunities in The Age of Industry 4.0: A Proposed Framework. South American Development Society Journal, 4, 63.
Schmitz, H.; Nadvi, K. (1999). Clustering and industrialization: introduction. World Development, 27, 1503-1514.
Schwab, K. (2016). The global competitiveness report 2013–2014: Full data edition.
Secretaria Municipal de Urbanismo e Licenciamento. (2024). Portal GeoSampa. https://geosampa.prefeitura.sp.gov.br/PaginasPublicas/_SBC.aspx
Sinha, P., & Banerjee, A. (2004). Store choice behaviour in an evolving market. International Journal of Retail & Distribution Management, 32(10), 482-494.
Siqueira, J. P. L., & Telles, R. (2006). Clusters de negócios: estrutura regional com vocação para competitividade global. Revista da ESPM, 13(4), 27-34.
Siqueira, J. P. L. de; Gerth, F. M.; Boaventura, J. M. G. (2011). Análise da competitividade dos clusters industriais de calçados de Franca e Birigui. Revista Gestão Organizacional, 4(2), 102-112.
Siqueira, J. P. L. de, & Telles, R. (2012). Clusters de negócios: estrutura regional com vocação para competitividade global. Sumários Revista da ESPM, 13(4), 26-34. DOI - 10.5752/P.1984-6606.2015v15n38p135.
Siqueira, J. P. L. de; Telles, R.; Rocca, M. E., & Gaspar, M. A. (2015). Clusters varejistas: características responsáveis pela atração e afastamento de consumidores. E&g - revista economia e gestão, 15, 135.
Staber, U. (2007). The Competitive Advantage of Regional Clusters: An Organizational—Evolutionary Perspective. Competition & Change, 11(1), 3-18.
Suzigan, W.; CERRÓN, A. P. M.; DIEGUES JUNIOR, A. C. (2005). Localização, inovação e aglomeração: o papel das instituições de apoio às 65 empresas no Estado de São Paulo. São Paulo em Perspectiva, 19(2), 86-100.
Teller, C. (2008). Shopping streets versus shopping malls–determinants of agglomeration format attractiveness from the consumers' point of view. The International Review of Retail, Distribution and Consumer Research, 18(4), 381-403.
Teller, C., & Reutterer, T. (2008). The evolving concept of retail attractiveness: what makes retail agglomerations attractive when customers shop at them?. Journal of Retailing and Consumer Services, 15(3), 127-143.
Teller, C.; Elms, J. (2010). Managing the attractiveness of evolved and created retail agglomerations formats. Marketing Intelligence & Planning, 28(1), 25-45.
Telles, R; Altheman, E.; Siqueira, J. P. L. de; Romboli, M. S. (2011). Clusters comerciais: um estudo sobre concentrações de bares na cidade de São Paulo. Gestão & Regionalidade, 27(81), 32-45.
Telles, R; Siqueira, J. P. L. de; Donaire, D., & Gaspar, M. A. (2013). Atratividade em clusters comerciais: um estudo comparativo de dois clusters da cidade de São Paulo. Gestão & Regionalidade, 29(85), 47-62.
Telles, R., Arten, F. T., Queiroz, M. M., & Cunha, J. A.C. (2020). Knowledge and innovation diffusion in retailing clusters: an analysis based on social perspective. International Journal of Knowledge-Based Development (Online), 11, p. 268.
Uzzi, B. (1997). Social structure and competition in interfirm networks: The paradox of embeddedness. Administrative science quarterly, p. 35-67.
Zaccarelli, S. B. (2000). Clusters e redes de negócios: uma nova visão para a gestão dos negócios. São Paulo: Atlas.
Zaccarelli, S. B. (2004). Estratégia e sucesso nas empresas. São Paulo: Saraiva.
Zaccarelli, S. B.; Telles, R.; Siqueira, J. D.; Boaventura, J. M. G.; Donaire, D. (2008). Clusters e redes de negócios: uma nova visão para a gestão dos negócios. São Paulo: Atlas.