Inteligencia artificial en la personalización del marketing

Maritza Núñez

doi:10.48204/j.saberes.v8n1.a6797

Enviado enero 21, 2025

Publicado 2025-01-23

Artículos

Vol. 8 Núm. 1 (2025): Revista saberes APUDEP

Inteligencia artificial en la personalización del marketing

Maritza Núñez⁺⁻

DOI https://doi.org/10.48204/j.saberes.v8n1.a6797

PDF

Citas

DOI: 10.48204/j.saberes.v8n1.a6797

Publicado: 2025-01-23

Cómo citar

Núñez, M. (2025). Inteligencia artificial en la personalización del marketing. Revista Saberes APUDEP, 8(1), 160–174. https://doi.org/10.48204/j.saberes.v8n1.a6797

Derechos de autor 2025 Revista Saberes APUDEP

Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-CompartirIgual 4.0.

Resumen

Este estudio explora cómo la inteligencia artificial está transformando la personalización en el marketing. el objetivo principal fue desarrollar lineamientos para el diseño de algoritmos de aprendizaje automático que analicen en tiempo real el comportamiento y preferencias de los consumidores. Con un estudio documental, descriptivo, mixto y exploratorio, el resultado principal mostró que la implementación de la IA en marketing mejora la experiencia del usuario y aumenta la tasa de conversión al permitir una personalización dinámica y adaptativa. Sin embargo, también mostró las consideraciones éticas y de privacidad para garantizar que los datos de los consumidores sean utilizados de manera responsable y transparente, concluyendo que para utilizar IA en marketing hay que equilibrar la innovación tecnológica con la responsabilidad ética, fortaleciendo la relación entre las marcas y los consumidores.

Descargas

Los datos de descargas todavía no están disponibles.

Citas

Aggarwal, C. C. (2016). Recommender systems (Vol. 1). Cham: Springer International Publishing. https://doi.org/10.1007/978-3-319-29659-3
Alimkhodjaeva, N. (2022). A systematic mapping study of using artificial intelligence and data analysis in digital marketing: Revealing the state of the art. In Proceedings of the 6th International Conference on Future Networks & Distributed Systems, 116-120. https://doi.org/10.1145/3584202.3584220
Balcázar Nava, P., González-Arratia López-Fuentes, N. I., Gurrola Peña, G. M., & Moysén Chimal, A. (2013). Investigación cualitativa. UAEM.
Bergstra, J., & Bengio, Y. (2012). Random search for hyper-parameter optimization. Journal of Machine Learning Research, 13(2). https://acortar.link/ETWup7
Burke, R. (2002). Hybrid recommender systems: Survey and experiments. User modeling and user-adapted interaction, 12, 331-370. https://acortar.link/DOWrAG
Chambers, J. M. (2018). Graphical methods for data analysis. Chapman and Hall/CRC. https://doi.org/10.1201/9781351072304
Chase, S.E. (2015). Investigación narrativa. En Denzin, N. K., & Lincoln, Y. (2015). Métodos de recolección y análisis de datos. Manual de investigación cualitativa. IV, 58-112.
Goodfellow, I. (2016). Deep learning (Vol. 196). MIT Press.
Han, J., Kamber, M., & Pei, J. (2011). The Morgan Kaufmann series in data management systems. Data mining concepts and techniques, 5(4), 83-124. https://acortar.link/dU3RYw
Hoofnagle, C. J., Van Der Sloot, B., & Borgesius, F. Z. (2019). The European Union general data protection regulation: what it is and what it means. Information & Communications Technology Law, 28(1), 65-98. https://doi.org/10.1080/13600834.2019.1573501
Iglewicz, B. & Hoaglin, D.C. (1993). How to Detect and Handle Outliers. ASQC.
Jabbar, A., Akhtar, P., & Dani, S. (2020). Real-time big data processing for instantaneous marketing decisions: A problematization approach. Industrial Marketing Management, 90, 558-569. https://doi.org/10.1016/j.indmarman.2019.09.001
Jaby, K.J. (2024). 10 Excellent Ways AI will Improve Customer Experience in 2024. In Survey Sparrow. https://surveysparrow.com/blog/ai-customer-experience/
Kotsiantis, S. B., Kanellopoulos, D., & Pintelas, P. E. (2006). Data preprocessing for supervised leaning. International Journal of Computer Science, 1(2), 111-117. https://acortar.link/2wcl07
Martínez Miguélez, M. (2006). Validez y confiabilidad en la metodología cualitativa. Paradigma, 27(2), 07-33.
Mehrabi, N., Morstatter, F., Saxena, N., Lerman, K., & Galstyan, A. (2022). A survey on bias and fairness in machine learning. ACM computing surveys (CSUR), 54(6), 1-35. https://arxiv.org/pdf/1908.09635
Mirjalili, V., & Raschka, S. (2020). Python machine learning. Marcombo.
Ricci, F., Rokach, L., & Shapira, B. (2015). Recommender Systems Handbook. Springer.
Rojas Rojas, D. S., & Diaz Cadena, N. V. (2023). Guía para la personalización del marketing: cómo aumentar la lealtad del cliente en una organización. (Monografía). Universidad Santo Tomás.
Rollins, A. & Amato, D. (2024). How Will AI Impact Marketing Metrics? In Attentive. https://www.attentive.com/blog/impact-of-ai-on-marketing-metrics
Solove, D. J. (2010). Understanding privacy. Harvard University Press.
Su, X., & Khoshgoftaar, T. M. (2009). A survey of collaborative filtering techniques. Advances in artificial intelligence, 2009(1), 421425. Su, X., & Khoshgoftaar, T. M. (2009). A survey of collaborative filtering techniques. Advances in artificial intelligence, 2009(1), 1-19. doi:10.1155/2009/421425
Verhoef, P. C., Kooge, E., & Walk, N. (2016). Creating value with big data analytics: Making smarter marketing decisions. Routledge.
Zhang, S., Yao, L., Sun, A. & Tay, Y. (2018). Deep Learning based Recommender System: A Survey and New Perspectives. ACM Computing Survey, 1(1), 1-35.