Inteligencia de negocios en la optimización de estrategias de marketing: Enfoque basado en el análisis predictivo

• Jacqueline Carolina Sánchez-Lunavictoria https://orcid.org/0000-0002-3059-2823
• Doris Maribel Sánchez- Lunavictoria https://orcid.org/0000-0002-8672-4979
• Eva Marisol Romero-Vélez https://orcid.org/0000-0002-2587-1748
• Nimia Macías-Zambrano https://orcid.org/0000-0003-3740-4036

DOI: https://doi.org/10.31876/rcs.v31i2.43770

Palabras clave: Inteligencia de negocios, estrategias de marketing, análisis predictivo, segmentación avanzada de clientes, era digital

Resumen

La inteligencia de negocios en la optimización de estrategias de marketing, significan un recurso habitual en las empresas inmersas en dominios de la era digital. El objetivo de esta investigación consiste en explorar cómo la inteligencia de negocios, a través del análisis predictivo y segmentación avanzada de clientes, puede optimizar las estrategias de marketing en las organizaciones. Se emplea una metodología cualitativa incluyendo entrevistas en profundidad con dos expertos en marketing y análisis de datos, así como estudios de caso de empresas que han implementado con éxito estas herramientas. Los resultados revelan cómo el uso de análisis predictivo permite, bajo determinadas condiciones objetivas y subjetivas, identificar patrones de comportamiento del consumidor y anticipar tendencias del mercado, lo que facilita la personalización de las campañas de marketing. Asimismo, se observó que la segmentación avanzada contribuye a una mejor comprensión de los diferentes grupos de clientes, permitiendo a las empresas dirigir sus esfuerzos de marketing de manera más efectiva y, al mismo tiempo, mejorar el retorno sobre la inversión en sus estrategias comerciales. Se concluye que, al integrar inteligencia de negocios con estrategias de marketing, las empresas enfrentan varios desafíos, uno de los principales es resistencia al cambio dentro de la organización.

Citas

Amazon Web Services - AWS (2024). Algoritmos de Amazon Forecast. AWS. https://docs.aws.amazon.com/es_es/forecast/latest/dg/aws-forecast-choosing-recipes.html

Amnistía Internacional (12 de septiembre de 2024). El impacto de las tecnologías digitales en la protección social y los derechos humanos. Amnistía Internacional. https://www.es.amnesty.org/en-que-estamos/blog/historia/articulo/el-impacto-de-las-tecnologias-digitales-en-la-proteccion-social-y-los-derechos-humanos/

Andrade-Girón, D., Sandivar-Rosas, J., y Carreño-Cisneros, E. (2023). Modelo de ensamble para predecir el diagnóstico de pacientes con sospecha de Covid-19. Revista de Ciencias Sociales (Ve), XXIX(E-8), 526-538. https://doi.org/10.31876/rcs.v29i.40973

Arias, F. G. (2012). El proyecto de investigación: Introducción a la metodología científica. Editorial Episteme.

Atlantia Search (23 de octubre de 2024). Predicciones de Mercado: Cómo anticipar tendencias. Atlantia Search. https://blog.atlantiasearch.com/predicciones-de-mercado-cómo-anticipar-tendencias

Barros, F. A. (2021). Alcances del turismo sostenible: Un análisis cualitativo de las experiencias de dos comunidades en Ecuador. Siembra, 8(1), e2414. https://doi.org/10.29166/siembra.v8i1.2414

Berrara, M. F. (2010). Modelos epistemológicos en investigación y educación. Caracas: Quirón Ediciones.

Calle, A. J., Aviles, E. M., Baque, E. A., y Muñiz, F. S. (2024). El papel de la analítica predictiva en la anticipación de cambios en el entorno empresarial. Ciencia y Desarrollo, 27(2), 43-54. http://dx.doi.org/10.21503/cyd.v27i2.2601

DSouza, M., Verma, S., y Srivastava, V. (2023). How does AI drive branding? Towards an integrated theoretical framework for AI-driven branding. International Journal of Information Management Data Insights, 3(2), 100205. https://doi.org/10.1016/j.jjimei.2023.100205

Espino, C. (2017). Análisis predictivo: Técnicas y modelos utilizados y aplicaciones del mismo - herramientas Open Source que permiten su uso [Tesis de pregrado, Univresitat Oberta de Catalunya]. https://openaccess.uoc.edu/bitstream/10609/59565/6/caresptimTFG0117mem%C3%B2ria.pdf

Fernández, M. E. (2006). Las cooperativas: organizaciones de la economía social e instrumentos de participación ciudadana. Revista de Ciencias Sociales (Ve), XII(2), 237-253. https://produccioncientificaluz.org/index.php/rcs/article/view/25323

Flores, V. (2023). Procesos y Algoritmos que Netflix utiliza para la recolección de información. Ingeniería e Innovación del Futuro, 2(1), 22-29. https://doi.org/10.62465/riif.v2n1.2023.8

Gadamer, H.-G. (1993). Verdad y método. Ediciones Sígueme.

Giacalone, R. (Ed.) (2019). Pensamiento empresarial latinoamericano en el siglo XXI. Universidad Cooperativa de Colombia. https://dx.doi.org/10.16925/97895876012822

Jiménez, S. A. (2015). Impacto del marketing social en la realización de campañas contra el maltrato animal [Tesis de pregrado, Universidad Católica de Santiago de Guayaquil]. http://repositorio.ucsg.edu.ec/bitstream/3317/6006/1/T-UCSG-PRE-ESP-CIM-210.pdf

Jiménez, V. E. (2012). El estudio de caso y su implementación en la investigación. Revista Internacional de Investigación en Ciencias Sociales, 8(1), 141-150. https://revistacientifica.uaa.edu.py/index.php/riics/article/view/18

Jiménez-Partearroyo, M., y Medina-López, A. (2024). Leveraging business intelligence systems for enhanced corporate competitiveness: Strategy and evolution. Systems, 12(3), 94. https://doi.org/10.3390/systems12030094

Kasem SalahEldin, M. S., Hamada, M., y Taj-Eddin, I. (2024). Customer profiling, segmentation, and sales prediction using AI in direct marketing. Neural Computing and Applications, 36, 4995-5005. https://doi.org/10.1007/s00521-023-09339-6

Ladrón, R. D. (2004). Innovación y éxito en la gerencia cooperativa: Casos exitosos de cooperativas rurales de ahorro y crédito. Pontificia Universidad Javeriana.

Martínez, M. (2009). La nueva ciencia: Su desafío, lógica y método. Editorial Trillas.

Martínez, P. C. (2006). El método de estudio de caso: Estrategia metodológica de la investigación científica. Pensamiento & Gestión, (20), 165-193. https://rcientificas.uninorte.edu.co/index.php/pensamiento/article/view/3576

Ramón, R. E., Verdezoto, M. D. R., y Romero, D. J. (2024). Estrategia empresarial: Una reflexión teórica. Revista de Ciencias Sociales (Ve), XXX(3), 411-424. https://doi.org/10.31876/rcs.v30i3.42681

Sinkevich, S. (October 10, 2024). Business intelligence in marketing: End-to-end solution overview. Itrasition. https://www.itransition.com/business-intelligence/marketing

Su, Y., Wang, C., y Sun, X. (2022). Lightweight deep learning model for marketing strategy optimization and characteristic analysis. Computational Intelligence and Neurocience, 2022(1), 1-9. https://doi.org/10.1155/2022/2429748

Vajiram & Ravi (2022). Bridging the Digital Divide. Kurukshetra Summary. https://vajiram-prod.s3.ap-south-1.amazonaws.com/Kurukshetra_Summary_December_2022_2d1b82a365.pdf

Verma, S., Sharma, R., Deb, S., y Maitra, D. (2021). Artificial intelligence in marketing: Systematic review and future research direction. International Journal of Information Management Data Insights 1(1), 100002. https://doi.org/10.1016/j.jjimei.2020.100002

Viteri-Cevallos, C. J., y Murillo-Párraga, D. Y. (2021). Inteligencia de Negocios para las Organizaciones. Revista Arbitrada Interdisciplinaria Koinonía, VI(12), 304-323. https://doi.org/10.35381/r.k.v6i12.1291

Zurita, C. (17 de septiembre de 2024). Análisis predictivo con IA: Anticipando las tendencias del consumidor. https://christianzurita.com/analisis-predictivo-con-ia-anticipando-las-tendencias-del-consumidor/