Una nueva forma de estudiar la conducta del consumidor en las redes sociales

Por Vianey Ortiz Botello
Ciencia Amateur

En 1982 se estrenó una película de ciencia ficción que ha influido en la sociedad, Blade Runner. Este filme aborda la temática de una sociedad con humanos artificiales y a pesar de que la inteligencia artificial (IA) ya había sido creada en 1956 (Kukso, 2018), las personas seguían viendo estos temas lejanos. No obstante, actualmente la IA está cada vez más presente en el mundo y se espera que en un futuro la veamos aplicada en todos los aspectos de nuestras vidas.

A medida que fue evolucionando la tecnología, la sociedad ha cambiado la manera en que desarrolla diversas actividades. Lo anterior ha influenciado “la manera de hacer negocios, de consumir ciertos bienes o servicios y de hacer publicidad” (Vázquez, 2019). En un inicio, las empresas tenían acceso únicamente a la televisión, la radio y medios impresos para poder llegar al consumidor. Sin embargo, a través de los años han aumentado el número de medios a los que están expuestas las personas y con ello la publicidad ha evolucionado llegando a lo que hoy en día conocemos como publicidad digital. En este artículo se habla sobre cómo la publicidad digital ofrece nuevas posibilidades a las empresas gracias al uso del machine learning. Lo anterior con el objetivo de identificar cómo ha cambiado el estudio del comportamiento del consumidor en esta área ante la novedosa tecnología.

la publicidad ha evolucionado y llegado a lo que hoy en día conocemos como publicidad digital

Las empresas necesitan hacer un buen uso de la publicidad para poder ser competitivas. En el siglo XX, surge la investigación de mercados para conocer el comportamiento de las personas ante diferentes estímulos para poder comunicarles un mensaje (Correyero, et al., 2018). No obstante, con el surgimiento del internet y la publicidad, la cantidad de datos que maneja una empresa es cada vez mayor y muchas veces son difíciles de analizar. Debido a esto han surgido nuevas herramientas que impactan la manera en que se lleva a cabo la investigación de mercados. (Bradley, 2018)

El machine learning o aprendizaje automático surge a partir de la era digital y actualmente es usado para diversas áreas profesionales, por ejemplo, en Medicina (Nayarini, et al., 2020), Finanzas (Kumar, et al., 2020), etc. Este campo de la informática usa algoritmos y modelos estadísticos para hacer predicciones sobre una gran cantidad de datos. Actualmente el machine learning está en todas partes, por ejemplo: al realizar una búsqueda en internet, este ayuda a determinar los resultados y anuncios a mostrar (Kukso, 2018).

Machine Learning en las redes sociales

Las redes sociales son plataformas que ayudan a conectar a las empresas con los usuarios, por lo que están teniendo un mayor impacto en los negocios y los consumidores. Las compañías siguen adaptándose a nuevas herramientas que ayudan a la investigación de mercados. Actualmente encontramos el machine learning en diversas aplicaciones como Amazon y Netflix, para producir recomendaciones, segmentar la audiencia en sitios como Facebook y hacer sugerencias de contenido en Instagram y Pinterest (Martens, 2020). Las marcas han empezado a adoptar esta herramienta para analizar el comportamiento de las personas en las redes sociales, identificar la audiencia, especificar la demografía de la publicidad y poder crear resultados tangibles en la empresa, conciencia de marca o cambio cultural (Martens, 2020). Por ejemplo, PepsiCo utiliza IA para el rastreo y análisis de las conversaciones que se realizan en las redes sociales, el sentimiento de las personas ante la publicidad de la marca, “así como para combinar esa información con el clima, la búsqueda y los datos gubernamentales para reconocer tendencias potenciales antes del paquete e informar nuevas líneas de productos” (Raben, 2019).

Las marcas han adoptado el machine learning para analizar el comportamiento de las personas e  identificar a su audiencia

En la investigación de mercados, el machine learning cuenta con numerosos métodos que ayudan a las empresas a estudiar el comportamiento del consumidor, por ejemplo, identificar los mensajes que realizan las personas en las redes sociales para predecir ciertos rasgos de su personalidad; la segmentación de los usuarios de acuerdo con las publicaciones que realizan; entre otros (Hagen et al., 2020). Cada día más compañías han empezado a desarrollar estudios que les ayude a predecir la interacción de las personas en estas plataformas. Por ejemplo, estudiantes de la Universidad de Nebraska usaron cinco modelos de machine learning para predecir la interacción de los usuarios en Facebook de acuerdo con el recuento de comentarios, cuántos lo compartieron y el sentimiento del mensaje (Crowe, 2018).

El machine learning es una herramienta que brinda muchas posibilidades a los mercadólogos en la investigación de mercado por su capacidad de recopilación y análisis de datos, impactando principalmente en la investigación cualitativa (Raben, 2019). Actualmente cada vez más universidades y empresas han desarrollado estudios sobre los impactos de esta IA en las ciencias del comportamiento debido a que puede abordar importantes desafíos metodológicos (Hagen et al., 2020).

Machine learning, ¿el futuro?

El machine learning sigue estando en etapa temprana en las compañías mexicanas, son pocas las que están empezando a tomar las medidas necesarias para su desarrollo. Se espera que en un futuro el impacto que tenga esta herramienta sea clave para los negocios por su escala y velocidad para ayudar a mejorar el acceso a datos críticos, y el análisis y percepción del mercado, para la gestión del negocio (Mercer, 2020). En un estudio realizado por Mercer en 2020, la consultoría de recursos humanos señaló un incremento en el uso del análisis de datos en todo el mundo, lo anterior se puede ver reflejado en la siguiente gráfica:

El machine learning sigue evolucionando, pero se ha demostrado que en la mercadotecnia puede cambiar la manera en que se desarrolla, sobre todo, la investigación cualitativa. Es una tecnología que ofrece nuevas posibilidades a las empresas en diversas áreas, en esta investigación bibliográfica lo vimos reflejado en el estudio del comportamiento del consumidor en la publicidad digital. Lo anterior es únicamente en un sector de la mercadotecnia, sin embargo, esta herramienta será el futuro de muchas industrias. Finalmente, es de suma importancia que las personas sigan atentos a las diferentes oportunidades que ofrece y las universidades establezcan programas académicos en este ámbito.

La autora

Vianey Ortiz Botello es alumna de 5to. semestre de la Licenciatura en Mercadotecnia, de la Escuela de Negocios del Tecnológico de Monterrey, Campus Estado de México (CEM). Correo: A01376348@itesm.mx

Asesor académico

Dr. Jaime Eduardo Martínez Sánchez, es profesor-investigador en el Departamento de Mercadotecnia y Análisis, de la Escuela de Negocios del Tecnológico de Monterrey, Campus Estado de México. Es miembro del Sistema Nacional de Investigadores. Correo: meduardo@tec.mx

Referencias

• Bradley, D. (2018). Leveraging unstructured data analysis methods to extract more value from your data. ADLIB. Recuperado de https://www.adlibsoftware.com/blog/2018/january/unstructured-data-analysis-methods-to-extract-more-value-from-your-data.aspx
• Correyero, R., Manchado, B., & Baladrón, A. (2018). Evolución histórica de la investigación publicitaria en España: de los orígenes de la publicidad como ciencia al actual auge investigador. AdComunica. Revista Científica de Estrategias, Tendencias e Innovación en Comunicación, 15. Castellón: Asociación para el Desarrollo de la Comunicación adComunica y Universitat Jaume I, 89-113. Recuperado de http://dx.doi.org/10.6035/2174-0992.2018.15.6
• Crowe, C. (2018). Predicting user interaction on social media using machine learning (Order No. 10974767). ProQuest One Academic. (2183357506). Recuperado de https://0-search-proquest-com.biblioteca-ils.tec.mx/docview/2183357506?accountid=11643
• Hagen, L., Uetake, K., Yang, N., Bollinger, B., Chaney, A., Dzyabura, D., Etkin, J., Goldfarb, A., Liu, L., Sudhir, K., Wang, Y., Wright, J., & Zhu, Y. (2020). How can machine learning aid behavioral marketing research?. Marketing Letters. Recuperado de https://0-doi-org.biblioteca-ils.tec.mx/10.1007/s11002-020-09535-7
• Kukso, F. (2018). Aprendizaje artificial. Tec Review, (15). 50-59 pp.
• Kumar, M. R., & Gunjan, V. K. (2020). Review of Machine Learning models for Credit Scoring Analysis. Ingeniería Solidaria, 16(1), 1–16. https://0-doi-org.biblioteca-ils.tec.mx/10.16925/2357-6014.2020.01.11
• Martens, L. (2020). Voicing emotion in an age of data – driven marketing. American Marketing Association. Recuperado de https://www.ama.org/marketing-news/voicing-emotion-in-an-age-of-data-driven-marketing/
• Mercer. (2020). Tendencias Globales de Talento 2020. Mercer. Recuperado de: https://www.latam.mercer.com/newsroom/tendencias-globales-de-talento-2020.html
• Navarini, L., Caso, F., Costa, L., Currado, D., Stola, L., Perrotta, F., Delfino, L., Sperti, M., Deriu, M. A., Ruscitti, P., Pavlych, V., Corrado, A., Di Benedetto, G., Tasso, M., Ciccozzi, M., Laudisio, A., Lunardi, C., Cantatore, F. P., Lubrano, E., Giacomelli, R., Scarpa, R., & Afeltra, A. (2020). Cardiovascular Risk Prediction in Ankylosing Spondylitis: From Traditional Scores to Machine Learning Assessment. Rheumatology and Therapy, 1. https://0-doi-org.biblioteca-ils.tec.mx/10.1007/s40744-020-00233-4
• Raben, F. (2019). What marketers need to know about innovations in data. American Marketing Association. Recuperado de https://www.ama.org/marketing-news/what-marketers-need-to-know-about-innovations-in-data/
• Vázquez, C. (2019). La publicidad digital como influencia en la evolución del consumidor y en la sociedad. Universidad de Guadalajara Recuperado de https://www.researchgate.net/profile/Clarisa_Vazquez_Mondragon/publication/337800838_La_publicidad_digital_como_influencia_en_la_evolucion_del_consumidor_y_en_la_sociedad/links/5dea9b8f299bf10bc34645ec/La-publicidad-digital-como-influencia-en-la-evolucion-del-consumidor-y-en-la-sociedad.pdf