Um TCC de Marketing baseado em survey gera um volume de números que, sem organização, vira uma pilha de tabelas soltas. Este guia mostra como estruturar o capítulo de resultados de uma pesquisa quantitativa por questionário, da estatística descritiva simples à apresentação em tabelas e gráficos que a banca consegue ler rapidamente. Se a coleta envolveu clientes de uma empresa real, vale também revisar o que a banca exige em um estudo de caso de empresa real antes de apresentar os dados.
O que a banca espera ver no capítulo de resultados
Três coisas, principalmente: que os resultados respondam diretamente aos objetivos específicos declarados na introdução; que cada tabela ou gráfico venha acompanhado de um parágrafo que interprete o número, não apenas o repita em palavras; e que a análise estatística escolhida seja compatível com o tipo de variável e com o tamanho da amostra do estudo.
Antes de tudo: revisando o plano de análise da metodologia
O capítulo de resultados não deve trazer surpresas em relação ao que foi declarado na metodologia. Antes de começar a escrever, releia a seção de metodologia do seu próprio trabalho e confirme que cada análise planejada ali (tipo de estatística, testes previstos, software usado) realmente aparece no capítulo de resultados na mesma ordem e com a mesma abordagem prometida — um descompasso entre o que foi planejado e o que foi de fato relatado é um dos primeiros pontos que a banca costuma checar ao comparar os dois capítulos.
Passo 1: estatística descritiva antes de tudo
Antes de qualquer teste estatístico, apresente o perfil da amostra e as estatísticas descritivas básicas das variáveis principais:
- Perfil demográfico: idade, gênero, renda ou outras variáveis de caracterização, apresentadas em frequência (n) e percentual (%).
- Medidas de tendência central e dispersão: média e desvio-padrão para variáveis contínuas (como uma escala Likert agregada); moda e frequência para variáveis categóricas.
- Verificação de dados ausentes: declare quantos questionários foram descartados por preenchimento incompleto, e o critério usado para essa decisão.
Passo 2: escolhendo tabelas versus gráficos
Nem todo resultado precisa de gráfico, e nem todo resultado cabe bem em uma tabela:
- Use tabelas quando o leitor precisa comparar vários números com precisão (por exemplo, médias de várias variáveis lado a lado) ou quando o valor exato de cada número importa para o argumento.
- Use gráficos quando o objetivo é mostrar um padrão visual rápido (a distribuição de respostas em uma escala, a comparação entre dois grupos) — gráficos de barras para comparações categóricas, gráficos de dispersão para relações entre duas variáveis contínuas.
- Evite repetir o mesmo dado em tabela e gráfico ao mesmo tempo — escolha o formato que comunica melhor aquele resultado específico.
Passo 3: interpretando cada resultado, não apenas descrevendo
Um erro recorrente é escrever “a Tabela 3 mostra que 62% dos respondentes concordam com a afirmação X” e parar por aí. A interpretação completa conecta o número de volta ao objetivo e ao referencial teórico: por que esse percentual é relevante? ele confirma ou contradiz o que a literatura sobre o tema já apontava? Esse segundo passo é o que transforma uma tabela em um resultado de pesquisa.
Passo 4: relatando testes estatísticos corretamente
Quando o TCC testa uma hipótese ou compara grupos, relate o teste usado, o valor calculado da estatística e a significância — por exemplo, informando que o teste t para amostras independentes indicou diferença significativa entre os grupos, seguido do valor de t obtido e de p < 0,05. Nunca afirme uma diferença “significativa” sem o teste estatístico correspondente, e nunca confunda significância estatística com relevância prática — uma diferença pequena pode ser estatisticamente significativa em uma amostra grande sem ser relevante para a decisão de marketing discutida no trabalho.
Exemplo ilustrativo de apresentação de resultado
O exemplo abaixo é inteiramente fictício, criado apenas para mostrar a estrutura de apresentação — não use os números como referência real.
- Tabela (ilustrativa): percepção de qualidade do atendimento, escala de 1 a 5 — média geral 3,8, desvio-padrão 0,9, n = 150.
- Interpretação (ilustrativa): a média de 3,8 indica uma percepção de qualidade moderadamente positiva, mas o desvio-padrão relativamente alto sugere heterogeneidade nas respostas — um ponto que a discussão pode explorar cruzando com o perfil dos respondentes, por exemplo, tempo de relacionamento com a marca.
Escolhendo o teste estatístico certo
A escolha do teste depende do tipo de variável e do que você quer comparar:
- Comparar médias entre dois grupos (por exemplo, intenção de compra entre clientes fiéis e não fiéis): teste t para amostras independentes, se os pressupostos de normalidade forem atendidos, ou o teste não paramétrico equivalente (Mann-Whitney) quando não forem.
- Comparar médias entre mais de dois grupos: ANOVA, com testes post hoc para identificar quais pares de grupos diferem entre si.
- Verificar associação entre duas variáveis categóricas (por exemplo, gênero e preferência de marca): teste qui-quadrado.
- Verificar relação entre duas variáveis contínuas (por exemplo, satisfação e intenção de recompra): correlação de Pearson (dados paramétricos) ou Spearman (não paramétricos).
Declarar por que um teste específico foi escolhido — e não apenas rodá-lo sem justificativa — é o que a banca espera ver na seção de metodologia, antes mesmo de chegar aos resultados.
Formatando tabelas de acordo com a ABNT
Tabelas em um TCC seguem convenção própria: título acima da tabela, numeração sequencial (“Tabela 1”, “Tabela 2”), fonte dos dados indicada abaixo (mesmo quando os dados são da própria pesquisa, declare “elaborado pelo autor” ou equivalente), e linhas horizontais discretas separando cabeçalho e corpo, sem bordas verticais excessivas. Manter esse padrão do início ao fim do capítulo de resultados é um detalhe de formatação que bancas de Marketing e Administração costumam checar, porque valorizam apresentação visual profissional dos dados.
Erros comuns nesse capítulo
- Apresentar uma tabela sem nenhuma frase de interpretação logo em seguida.
- Usar o termo “significativo” sem ter rodado o teste estatístico correspondente.
- Confundir significância estatística com relevância prática para a decisão de marketing.
- Repetir o mesmo dado em tabela e gráfico, inflando o capítulo sem adicionar informação.
- Não declarar quantos questionários foram descartados e por quê, deixando a amostra final sem explicação clara.
- Apresentar os resultados na ordem das perguntas do questionário, em vez de organizá-los pela lógica dos objetivos específicos do trabalho.
Declarando limitações da amostra por conveniência
Muitos surveys de TCC de graduação usam amostragem por conveniência — os respondentes que aceitaram participar, sem sorteio probabilístico da população total. Isso não invalida a análise estatística, mas limita a generalização dos achados: reconhecer explicitamente, na discussão ou nas limitações, que os resultados descrevem a amostra estudada e não necessariamente toda a população de clientes ou consumidores da marca, é uma prática que a banca espera ver, e que fortalece a honestidade metodológica do trabalho.
Confiabilidade da escala antes de apresentar os resultados
Quando o questionário usa uma escala com múltiplos itens (como uma escala Likert de satisfação com vários itens agregados em um construto), é boa prática relatar a consistência interna da escala antes de apresentar os resultados relacionados a ela — o alfa de Cronbach é a medida mais usada, com um valor geralmente considerado aceitável acima de 0,70. Relatar esse número, mesmo em uma amostra pequena, mostra à banca que o instrumento foi avaliado, não apenas aplicado sem verificação.
Organizando o capítulo do início ao fim
Uma estrutura eficaz para o capítulo de resultados de um survey costuma seguir esta ordem: (1) caracterização da amostra (perfil demográfico); (2) estatística descritiva das variáveis principais; (3) verificação de confiabilidade da escala, quando aplicável; (4) resultados dos testes estatísticos organizados por objetivo específico, um bloco por objetivo; (5) um parágrafo de síntese conectando os achados de volta ao problema de pesquisa. Seguir essa ordem, em vez de apresentar os resultados na sequência em que as perguntas apareciam no questionário, ajuda o leitor a acompanhar a lógica da pesquisa em vez da lógica do instrumento de coleta.
Exemplo numérico ilustrativo de teste de hipótese
O exemplo abaixo é inteiramente fictício, apenas para mostrar como relatar um teste de hipótese corretamente. Em uma amostra ilustrativa de 150 respondentes, a intenção de recompra média entre clientes que já compraram mais de três vezes foi 4,2 (em escala de 1 a 5), contra 3,1 entre clientes de primeira compra — uma diferença de 1,1 ponto. O teste t para amostras independentes indicou que essa diferença é estatisticamente significativa (p < 0,05), sustentando a hipótese de que a experiência de compra repetida está associada a maior intenção de recompra nesta amostra. Note que a conclusão é limitada a esta amostra específica — generalizar para a população de clientes da marca exigiria uma amostra probabilística, não apenas uma amostra por conveniência típica de TCC de graduação.
Perguntas frequentes
Preciso rodar teste estatístico mesmo em uma amostra pequena?
Depende do desenho do trabalho — se o objetivo é comparar grupos ou testar uma hipótese, sim; se o objetivo é apenas descrever a amostra, estatística descritiva pode ser suficiente. Confirme com o orientador o que o objetivo específico do seu trabalho realmente exige.
Qual programa uso para rodar os testes estatísticos?
SPSS, Jamovi e até o Excel para testes simples são opções comuns em TCC de graduação — a escolha depende da complexidade da análise e da familiaridade do estudante com cada ferramenta.
Posso usar só gráficos, sem nenhuma tabela?
Pode, mas tabelas ajudam quando o valor exato do número importa para o argumento — uma combinação de ambos, cada um no lugar certo, costuma comunicar melhor do que um único formato para tudo.
O que fazer se o teste estatístico não deu resultado significativo?
Relate o resultado como ele é — um resultado não significativo também é um achado válido, e negar ou esconder isso é um problema ético mais sério do que apresentar um resultado que não confirma a hipótese inicial.
Preciso comparar meus resultados com estudos anteriores no próprio capítulo de resultados?
Isso geralmente cabe melhor na discussão, quando é uma seção separada — o capítulo de resultados foca em apresentar e interpretar o que foi encontrado no próprio estudo.
Um alfa de Cronbach abaixo de 0,70 invalida o TCC?
Não invalida o trabalho, mas exige que essa limitação seja reconhecida explicitamente na discussão ou na seção de limitações — um alfa baixo indica que os itens da escala não estão medindo o construto de forma tão consistente quanto o esperado.
Posso relatar apenas o percentual, sem o teste estatístico formal?
Para objetivos puramente descritivos (por exemplo, qual o perfil da amostra), o percentual isolado é suficiente; para objetivos comparativos ou correlacionais, a banca espera ver o teste estatístico que sustenta a afirmação de diferença ou associação.
Checklist antes de fechar o capítulo
- A amostra final e os critérios de exclusão de questionários incompletos estão declarados?
- Cada tabela ou gráfico vem acompanhado de uma interpretação, não apenas da descrição do número?
- A confiabilidade da escala (alfa de Cronbach) foi relatada, quando aplicável?
- Cada teste estatístico usado está justificado pelo tipo de variável e pelo objetivo que responde?
- As tabelas seguem a formatação adotada pelo curso (título acima, numeração sequencial, fonte indicada)?
- Significância estatística e relevância prática não foram tratadas como sinônimos?
Revisando o capítulo antes da entrega
Antes de considerar o capítulo pronto, releia cada bloco de resultado perguntando: esse teste responde diretamente a um objetivo específico declarado na introdução? a interpretação vai além de repetir o número em palavras? a tabela ou gráfico escolhido é o formato que melhor comunica esse resultado específico? Fazer essa checagem bloco por bloco, e não apenas uma leitura corrida do capítulo inteiro, costuma revelar lacunas de interpretação que passam despercebidas quando o autor já está familiarizado demais com os próprios números. Um capítulo de resultados bem-organizado é, na prática, metade do trabalho de convencer a banca de que a pesquisa foi conduzida com rigor.
Aprofundando outras partes do TCC
Depois de organizar os resultados, revise a estrutura completa do trabalho em como fazer o TCC de Marketing e Publicidade, e, ao citar teorias de marketing no referencial teórico, o guia de como parafrasear teorias de marketing sem cair em plágio.