Blucher Design Proceedings

Novembro 2017, vol.3, num.12 - 11º Congresso Brasileiro de Inovação e Gestão de Desenvolvimento do Produto
Artigo Completo - Open Access Idioma principal | Segundo principal

PERCEPÇÃO DE VALOR EM DISPOSITIVOS TECNOLÓGICOS GERADORES DE INFORMAÇÕES ALIMENTARES DE PRODUTOS ALIMENTÍCIOS CUSTOMIZADOS

PERCEPÇÃO DE VALOR EM DISPOSITIVOS TECNOLÓGICOS GERADORES DE INFORMAÇÕES ALIMENTARES DE PRODUTOS ALIMENTÍCIOS CUSTOMIZADOS

Calegari, Luiz Philipi; Fettermann, Diego Castro; Zandonai, Giuliano

Artigo Completo:

Em produtos alimentícios, a disponibilidade de informações sobre o produto (rótulos por exemplo), influencia perante a percepção de valor. Mas, à medida que o produto alimentício é customizado, a personalização dessas informações torna-se necessária, fato este que pode criar dificuldades na adoção de Customização em Massa (CM). A utilização de dispositivos que usufruem de tecnologia inteligente (smart technology) é um meio capaz de auxiliar os consumidores no momento da escolha dos produtos alimentícios, e possibilitam a customização de informações. A partir de uma pesquisa de mercado sobre dispositivos que geram informações sobre produtos alimentícios, foram identificados 5 atributos considerados na composição desses dispositivos: (i) portabilidade, (ii) precisão, (iii) personalização de dieta, (iv) análise de qualidade do produto alimentício e (v) preço. Este estudo possui como objetivo, identificar quais desses atributos direcionam para uma maior agregação de valor ao cliente. Realizou-se então um projeto experimental desenvolvido por análise conjunta baseada em escolha, com planejamento fatorial fracionado 25-1. Para a coleta de dados foi realizada a abordagem metodológica survey, com número de 130 respondentes. Como contribuições, este estudo traz resultados para o direcionamento da pesquisa para composição de um dispositivo com finalidade de fornecer informações sobre o produto alimentício customizado em massa.

Em produtos alimentícios, a disponibilidade de informações sobre o produto (rótulos por exemplo), influencia perante a percepção de valor. Mas, à medida que o produto alimentício é customizado, a personalização dessas informações torna-se necessária, fato este que pode criar dificuldades na adoção de Customização em Massa (CM). A utilização de dispositivos que usufruem de tecnologia inteligente (smart technology) é um meio capaz de auxiliar os consumidores no momento da escolha dos produtos alimentícios, e possibilitam a customização de informações. A partir de uma pesquisa de mercado sobre dispositivos que geram informações sobre produtos alimentícios, foram identificados 5 atributos considerados na composição desses dispositivos: (i) portabilidade, (ii) precisão, (iii) personalização de dieta, (iv) análise de qualidade do produto alimentício e (v) preço. Este estudo possui como objetivo, identificar quais desses atributos direcionam para uma maior agregação de valor ao cliente. Realizou-se então um projeto experimental desenvolvido por análise conjunta baseada em escolha, com planejamento fatorial fracionado 25-1. Para a coleta de dados foi realizada a abordagem metodológica survey, com número de 130 respondentes. Como contribuições, este estudo traz resultados para o direcionamento da pesquisa para composição de um dispositivo com finalidade de fornecer informações sobre o produto alimentício customizado em massa.

Download (PDF)

Palavras-chave:

DOI: 10.5151/cbgdp2017-103

Referências bibliográficas
  • [1] ARENS-VOLLAND, A. G.; SPASSOVA, L.; BOHN, T. Promising approaches of computer-supported dietary assessment and management—Current research status and available applications. International Journal of Medical Informatics, v. 84, n. 12, p. 997-1008, 2015.
  • [2] ASCHEMANN-WITZEL, J., GRUNERT, K. G., VAN TRIJP, H. C., BIALKOVA, S., RAATS, M. M., HODKGINS, C., ... & KOENIGSTORFER, J. Effects of nutrition label format and product assortment on the healthfulness of food choice. Appetite, v. 71, p. 63-74, 2013.
  • [3] ASIOLI, D., NæS, T., ØVRUM, A., & ALMLI, V. L.. Comparison of rating-based and choice-based conjoint analysis models. A case study based on preferences for iced coffee in Norway. Food Quality and Preference, v. 48, p. 174-184, 2016.
  • [4] BALCOMBE, K., FRASER, I., LOWE, B., & MONTEIRO, D. S. l. Information customization and food choice. American Journal of Agricultural Economics, v. 98, n. 1, p. 54-73, 2016.
  • [5] BALTAS, G. Nutrition labelling: issues and policies. European Journal of Marketing, v. 35, n. 5/6, p. 708-721, 2001.
  • [6] BOLAND, M. Innovation in the food industry: Personalised nutrition and mass customisation. Innovation, v. 10, n. 1, p. 53-60, 2008.
  • [7] BRUZZONE, F., VIDAL, L., ANTÚNEZ, L., GIMÉNEZ, A., DELIZA, R., & ARES, G.. Comparison of intensity scales and CATA questions in new product development: Sensory characterisation and directions for product reformulation of milk desserts. Food Quality and Preference, v. 44, p. 183-193, 2015.
  • [8] BURTON, S., HOWLETT, E.; TANGARI, A. H.. Food for thought: How will the nutrition labeling of quick service restaurant menu items influence consumers’ product evaluations, purchase intentions, and choices?. Journal of Retailing, v. 85, n. 3, p. 258-273, 2009.
  • [9] CAMPBELL, J.; PORTER, J. Dietary mobile apps and their effect on nutritional indicators in chronic renal disease: A systematic review. Nephrology, v. 20, n. 10, p. 744-751, 2015.
  • [10] CHEN, P. H.; LIANG, Y. H.; LIN, T. C. Implementing a cooking and dietary management system using RFID technology. Mathematical Problems in Engineering, v. 2014, 2014.
  • [11] CICIA, G.; DEL GIUDICE, T.; SCARPA, R. Consumers’ perception of quality in organic food: a random utility model under preference heterogeneity and choice correlation from rank-orderings. British Food Journal, v. 104, n. 3/4/5, p. 200-213, 2002.
  • [12] CLARET, A., GUERRERO, L., AGUIRRE, E., RINCÓN, L., HERNANDÉZ, M. D., MARTINEZ, I., ... & RODRIGUEZ-RODRIGUEZ, C. Consumer preferences for sea fish using conjoint analysis: Exploratory study of the importance of country of origin, obtaining method, storage conditions and purchasing price. Food Quality and Preference, v. 26, n. 2, p. 259-266, 2012.
  • [13] COSKUN, A. F., WONG, J., KHODADADI, D., NAGI, R., TEY, A., & OZCAN, A. A personalized food allergen testing platform on a cellphone. Lab on a Chip, v. 13, n. 4, p. 636-640, 2013.
  • [14] DA SILVEIRA, G.; BORENSTEIN, D.; FOGLIATTO, F. S. Mass customization: Literature review and research directions. International Journal of Production Economics, v. 72, n. 1, p. 1-13, 2001.
  • [15] DARBY, A., STRUM, M. W., HOLMES, E., & GATWOOD, J.. A Review of Nutritional Tracking Mobile Applications for Diabetes Patient Use. Diabetes Technology & Therapeutics, v. 18, n. 3, p. 200-212, 2016.
  • [16] DE BRUIN, J., SCHUH, C., SEELING, W., LUGER, E., GALL, M., HUTTERER, E., ... & SCHINDLER, K.. Assessing the feasibility of a mobile health-supported clinical decision support system for nutritional triage in oncology outpatients using Arden Syntax. Artificial Intelligence in Medicine, 2015.
  • [17] DE PELSMAEKER, S.; DEWETTINCK, K.; GELLYNCK, X. The possibility of using tasting as a presentation method for sensory stimuli in conjoint analysis. Trends in Food Science & Technology, v. 29, n. 2, p. 108-115, 2013.
  • [18] DECLOEDT, A. I.; VAN LANDSCHOOT, A.; VANHAECKE, L Fractional factorial design-based optimisation and application of an extraction and UPLC-MS/MS detection method for the quantification of phytosterols in food, feed and beverages low in phytosterols. Analytical and Bioanalytical Chemistry, v. 408, n. 27, p. 7731-7744, 2016.
  • [19] DIMARA, E.; SKURAS, D. Consumer demand for informative labeling of quality food and drink products: a European Union case study. Journal of Consumer Marketing, v. 22, n. 2, p. 90-100, 2005.
  • [20] DURAY, R, WARD, P. T., MILIGAN, G. W., & BERRY, W. L. Approaches to mass customization: configurations and empirical validation. Journal of Operations Management, v. 18, n. 6, p. 605-625, 2000.
  • [21] FETTERMANN, D. C.; ECHEVESTE, M. E. S.; MARTINS, V. L. M.. Configurador de produto para a customização em massa na indústria automobilística. Produto & Produção, v. 13, n. 1, 2012.
  • [22] FRANCO, R. Z., FALLAIZE, R., LOVEGROVE, J. A., & HWANG, F. Popular Nutrition-Related Mobile Apps: A Feature Assessment. JMIR mHealth and uHealth, v. 4, n. 3, 2016.
  • [23] FRIEDMAN, J., HASTIE, T., & TIBSHIRANI, R. Additive logistic regression: a statistical view of boosting (with discussion and a rejoinder by the authors). The annals of statistics, v. 28, n. 2, p. 337-407, 2000.
  • [24] HAIR, Joseph F., ANDERSON, R. E., BABIN, B. J., & BLACK, W. C. Multivariate Data Analysis: A global perspective. Upper Saddle River, NJ: Pearson, 2010.
  • [25] HEBDEN, L.; CHEY, T.; ALLMAN‐FARINELLI, M. Lifestyle intervention for preventing weight gain in young adults: a systematic review and meta‐analysis of RCTs. Obesity Reviews, v. 13, n. 8, p. 692-710, 2012.
  • [26] HEIDE, M.; OLSEN, S. O. Influence of packaging attributes on consumer evaluation of fresh cod. Food Quality and Preference, v. 60, p. 9-18, 2017.
  • [27] KRIFLIK, L. S.; YEATMAN, Heather. Food scares and sustainability: a consumer perspective. Health, Risk & Society, v. 7, n. 1, p. 11-24, 2005.
  • [28] LINDLEY, D. Imperfect information for consumers. Consumer Policy Review, v. 17, n. 3, p. 74, 2007.
  • [29] LOUVIERE, J. J.; HENSHER, D. A.; SWAIT, J. D. Stated choice methods: analysis and applications. Cambridge University Press, 2000.
  • [30] MAKARONA, E., PETROU, P., KAKABAKOS, S., MISIAKOS, K., & RAPTIS, I.. Point-of-Need bioanalytics based on planar optical interferometry. Biotechnology Advances, v. 34, n. 3, p. 209-233, 2016.
  • [31] MATTILA, E., KORHONEN, I., SALMINEN, J. H., AHTINEN, A., KOSKINEN, E., SÃRELÃ, A., ... & LAPPALAINEN, R. Empowering citizens for well-being and chronic disease management with wellness diary. IEEE Transactions on Information Technology in Biomedicine, v. 14, n. 2, p. 456-463, 2010.
  • [32] MILLER, J. R. Attribute blocks: Visualizing multiple continuously defined attributes. IEEE Computer Graphics and Applications, v. 27, n. 3, p. 57-69, 2007.
  • [33] NEETHIRAJAN, S.; JAYAS, D. S. Nanotechnology for the food and bioprocessing industries. Food and Bioprocess Technology, v. 4, n. 1, p. 39-47, 2011.
  • [34] NELSON, M. E., LAYNE, J. E., BERNSTEIN, M. J., NUERNBERGER, A., CASTANEDA, C., KALITON, D., ... & SINGH, M. A. F. The effects of multidimensional home-based exercise on functional performance in elderly people. The Journals of Gerontology: Series A, v. 59, n. 2, p. M154-M160, 2004.
  • [35] OGAWA, S.; PILLER, F. T. Reducing the risks of new product development. MIT Sloan Management Review, v. 47, n. 2, p. 65, 2006.
  • [36] OKUMUS, B.; BILGIHAN, A. Proposing a model to test smartphone users' intention to use smart applications when ordering food in restaurants. Journal of Hospitality and Tourism Technology, v. 5, n. 1, p. 31-49, 2014.
  • [37] REITBERGER, W.; SPREICER, W.; FITZPATRICK, G. Situated and mobile displays for reflection on shopping and nutritional choices. Personal and Ubiquitous Computing, v. 18, n. 7, p. 1721-1735, 2014.
  • [38] SCHERER, C.; EMBERGER-KLEIN, A.; MENRAD, K. Biogenic product alternatives for children: Consumer preferences for a set of sand toys made of bio-based plastic. Sustainable Production and Consumption, v. 10, p. 1-14, 2017.
  • [39] SCHULDT, J. P. Does green mean healthy? Nutrition label color affects perceptions of healthfulness. Health Communication, v. 28, n. 8, p. 814-821, 2013.
  • [40] TAO, H., BRENCKLE, M. A., YANG, M., ZHANG, J., LIU, M., SIEBERT, S. M., ... & KAPLAN, D. L. Silk‐Based Conformal, Adhesive, Edible Food Sensors. Advanced Materials, v. 24, n. 8, p. 1067-1072, 2012.
  • [41] VAN DER MERWE, D., KEMPEN, E. L., BREEDT, S., & DE BEER, H. Food choice: student consumers' decision‐making process regarding food products with limited label information. International Journal of Consumer Studies, v. 34, n. 1, p. 11-18, 2010.
  • [42] VANDERROOST, M., RAGAERT, P., VERWAEREN, J., DE MEULANAER, B., DE BAETS, B., & DEVLIEGHERE, F. The digitization of a food package’s life cycle: Existing and emerging computer systems in the logistics and post-logistics phase. Computers in Industry, v. 87, p. 15-30, 2017.
  • [43] VASILJEVIC, M.; PECHEY, R.; MARTEAU, T. M. Making food labels social: The impact of colour of nutritional labels and injunctive norms on perceptions and choice of snack foods. Appetite, v. 91, p. 56-63, 2015.
  • [44] VOLKOVA, E.; MHURCHU, C. N. The influence of nutrition labeling and point-of-purchase information on food behaviours. Current Obesity Reports, v. 4, n. 1, p. 19-29, 2015.
  • [45] WANG, F.; GU, H.; SWAGER, T. M. Carbon nanotube/polythiophene chemiresistive sensors for chemical warfare agents. Journal of the American Chemical Society, v. 130, n. 16, p. 5392-5393, 2008.
  • [46] WEARING, J., NOLLEN, N., BEFORT, C., DAVIS, A. M., AGEMY, C. K. iPhone app adherence to expert-recommended guidelines for pediatric obesity prevention. Childhood Obesity, v. 10, n. 2, p. 132-144, 2014.
Como citar:

Calegari, Luiz Philipi; Fettermann, Diego Castro; Zandonai, Giuliano; "PERCEPÇÃO DE VALOR EM DISPOSITIVOS TECNOLÓGICOS GERADORES DE INFORMAÇÕES ALIMENTARES DE PRODUTOS ALIMENTÍCIOS CUSTOMIZADOS", p-985-993. In: . São Paulo: Blucher, 2017.
ISSN 23186968, DOI 10.5151/cbgdp2017-103

últimos 30 dias

103
downloads

265
visualizações

753
indexações