Impacto de Big Data y el aprendizaje automático en la transformación digital en

marketing: una revisión de la literatura

RESUMEN

Este documento describe el impacto del big data y el aprendizaje automático (ML) en la

transformación digital de la industria del marketing y los desafíos que enfrenta desde una

perspectiva de gestión de datos e información. Para hacer esto, el estudio identificó áreas de

transformación digital en marketing que aún no han sido suficientemente cubiertas por la

investigación académica revisada por pares. Los artículos de investigación se recuperaron

de cinco bases de datos, a saber, Web of Science, Scopus, ScienceDirect, Emerald y

ProQuest. La selección de 214 artículos resultó en la selección de 69 artículos para esta

revisión de la literatura. Se identificó una brecha en la investigación existente, con cinco

áreas directamente relacionadas con la transformación digital en marketing. También se

identificaron otras cinco oportunidades potenciales para la investigación futura en el área de

la utilización de big data y la aplicación de tecnologías impulsadas por ML en el campo del

marketing. Una investigación de las perspectivas de la transformación digital en el

marketing puede beneficiar tanto a los investigadores académicos como a los profesionales

de negocios que trabajan en el dominio de las tecnologías de la información (TI), los

sistemas de información (SI), los negocios y el marketing, al identificar áreas que necesitan

investigación primaria, sistematización, seguimiento -investigación, validación o

recopilación de datos empíricos.

TÉRMINOS DEL ÍNDICE

 Big data, transformación digital, marketing, gestión de la información, tecnologías

disruptivas, aprendizaje automático (ML).

I. INTRODUCCIÓN

El avance tecnológico continuo está obligando a las organizaciones a cambiar sus

operaciones tradicionales, ajustar sus procesos, adoptar nuevos sistemas de información y

mantener actualizados sus sistemas existentes. Estas nuevas tecnologías tienen el potencial

de alterar el comportamiento del consumidor, los procesos de gestión y la estrategia

organizativa, lo que resulta en la generación de cantidades casi infinitas de datos. La

capacidad de los seres humanos para absorber, interpretar y basar decisiones complejas en

estos datos ya ha sido superada. Las organizaciones se están ahogando en este conjunto de

datos, mientras luchan por extraer información y conocimientos significativos que sean

útiles para la toma de decisiones. El marketing es fundamental para asegurar el crecimiento

y desarrollo de cualquier negocio. De hecho, se reconoce que el marketing está aumentando

el potencial de una entidad comercial para salvaguardar sus resultados finales y obtener una

ventaja competitiva.

El marketing es una función empresarial dinámica y en constante cambio. Su función ha

experimentado cambios dramáticos como resultado de muchos factores contribuyentes y

desencadenantes, incluidas las crisis / recesiones económicas, industrias en extinción,

rápidos avances tecnológicos, inflación, así como escasez de energía y materiales. El

marketing eficaz es de suma importancia para ofrecer el producto adecuado a los clientes

adecuados en el momento adecuado. Para lograr esto, la información debe gestionarse de

manera sistemática y debe extraerse información significativa de los datos generados. Es

imperativo que los ejecutivos de marketing de hoy en día

 cada vez más impulsados por el mercado y los datos. Esto requiere formas formalizadas

de obtener información oportuna y precisa relacionada con el mercado, los productos y los

clientes, así como el entorno empresarial en general.

Los enormes desafíos y oportunidades relacionados con las nuevas tecnologías y la

mayor disponibilidad de datos están obligando a las organizaciones de marketing (agencias,

medios, anunciantes) a transformar sus modelos comerciales. La transformación digital

puede definirse como "el uso de nuevas tecnologías digitales (redes sociales, dispositivos

móviles, análisis o dispositivos integrados) para permitir importantes mejoras comerciales,

como mejorar la experiencia del cliente, optimizar las operaciones o crear nuevos modelos

comerciales". La transformación digital redefine las actividades comerciales actuales y

futuras, requiere ciertas aplicaciones e infraestructura, y necesita un marco financiero

digital, todos los cuales plantean desafíos para las organizaciones. La transformación digital

afecta la forma en que las organizaciones manejan la información e interrumpe sus modelos

comerciales. Ofrece a las empresas la opción de crecer adaptándose al cambio o

desaparecer gradualmente.

Los nuevos conceptos y tecnologías, incluido el internet de las cosas, big data,

aprendizaje automático (ML), inteligencia artificial (IA) y otros, requieren una adaptación

masiva por parte de las empresas. También existe la necesidad de que las empresas

incorporen el rol de director digital (CDO), lo que les permite tener un modelo a seguir que

las oriente y las mantenga al día con el ritmo de los cambios tecnológicos. Las empresas

también deben establecer marcos para el análisis continuo de las formas en que las

innovaciones / tecnologías disruptivas pueden desafiarlas o beneficiarlas.

 Esta revisión de la literatura examina el impacto de big data y ML en la transformación

digital de las organizaciones de marketing y los desafíos resultantes, desde una perspectiva

de gestión de datos e información. El objetivo principal de este estudio es identificar

aspectos de la transformación digital de la industria del marketing que no han sido cubiertos

suficientemente por la investigación académica revisada por pares existente. Al lograr este

objetivo, otros investigadores ahorrarán un tiempo valioso cuando busquen áreas

relacionadas con la transformación digital en el marketing que necesiten más atención,

investigación de seguimiento, validación o recopilación de nuevos datos.

El objetivo principal se apoyó proporcionando respuestas y soluciones a estos dos

objetivos de apoyo:

1. Identificar los desafíos de la transformación digital de las organizaciones en la

industria del marketing, desde una perspectiva de datos e información.

2. Proporcione información sobre las implicaciones del big data y el aprendizaje

automático en la transformación digital en el marketing.

Este estudio forma parte de un proyecto de investigación más amplio que se centra en

revisar el impacto de las principales tecnologías disruptivas en las organizaciones de la

industria del marketing y el marketing como una función empresarial dentro de las

organizaciones que operan en otras industrias. El documento está estructurado de la

siguiente manera: la Sección 2 identifica temas que ya han sido investigados, lo que ayuda

a los investigadores, organizaciones de marketing, agencias de marketing y CDO a buscar y

acceder a la investigación de alta calidad más reciente sobre este tema. La sección describe

el estado actual de la investigación sobre los desafíos que enfrenta la industria del

marketing en la era digital, el big data como detonante de la transformación digital y una
perspectiva de datos e información sobre la transformación digital. La sección 3

proporciona detalles sobre la metodología de este estudio. En la sección 4, se identifica la

brecha de investigación, lo que permite a los investigadores aprovechar las oportunidades

para nuevos proyectos de investigación. La sección 5 presenta las conclusiones de este

estudio y en la sección 6 se proporciona una lista final de referencias.

II. ESTADO DEL ARTE

A. TECNOLOGÍAS QUE IMPULSAN LA TRANSFORMACIÓN DIGITAL

EN MARKETING:

Durante las últimas décadas, el campo del marketing se ha transformado a través de una

visión consciente de los recursos y un enfoque orientado a la inversión para convertirse en

una parte integral de las organizaciones. Hoy en día, el marketing se interconecta a través

de la web basada en redes sociales, donde la participación del cliente es clave para obtener

ganancias sostenidas. El marketing, al igual que otras industrias, se está volviendo más

digital. Con la transformación digital en su lugar, se encuentran disponibles una gran

cantidad de técnicas de marketing digital, destinadas a brindar valor a los clientes. La

retención de clientes es mayor debido a estas tecnologías digitales. Particularmente, su uso

en las redes sociales ha demostrado ser exitoso en empresas que fracasaron con los métodos

tradicionales de marketing. La disrupción digital ha sacudido la industria del marketing, lo

que ha obligado a las organizaciones a revisar su modelo operativo. Como resultado de las

tecnologías disruptivas, el embudo de gobernanza de marketing tradicional no funcionará,

ya que existe una gran brecha entre las empresas y los clientes. El uso de las últimas

tecnologías puede aumentar el valor del marketing y ofrecer experiencias más atractivas
para los consumidores del mañana. La realidad virtual (VR) y la realidad aumentada (AR),

junto con otras técnicas de marketing de habilitación sensorial, se encuentran entre las

últimas tecnologías que están afectando el comportamiento del consumidor y los hábitos de

compra. El modelo de gobierno de marketing actual es más interactivo, ya que permite la

interacción con los clientes y se basa en ella.

Los siguientes factores desencadenantes son relevantes para el enfoque integrador del

marketing actual: i) Cambios en los patrones de uso de los medios; ii) Centrarse en la

eficiencia y eficacia del marketing; iii) Valor de la empresa generado al involucrar a los

grupos de interés de la empresa. Las organizaciones de marketing se enfrentan a

poblaciones demográficamente diversas donde la personalización, la experiencia, la

conveniencia y las conexiones sociales son lo más importante, mientras que las

expectativas y necesidades de los clientes aumentan simultáneamente. La tecnología ha

jugado un papel crucial en la transformación. La transformación digital está afectando

todos los aspectos de nuestras vidas, no solo a través de las empresas que aprovechan las

nuevas tecnologías, sino también a sus clientes, individuos y la sociedad misma. Para crear

valor de formas más eficientes y efectivas mediante el uso de la última tecnología, las

organizaciones de marketing deben transformarse. No es suficiente realizar la optimización

digital de los procesos comerciales; las empresas necesitan cambiar su visión junto con la

tecnología. La tecnología ha surgido como un integrador de mercados donde las

limitaciones geográficas son cada vez más difusas, ofreciendo conocimientos más

profundos que ofrece la disponibilidad de datos. La conectividad potente es vital para la

presencia y la comunicación global. El entorno digital actual captura más datos que nunca y
las organizaciones están utilizando estos datos para análisis de marketing para dar forma a

sus estrategias comerciales.

B. ORGANIZACIONES IMPULSADAS POR DATOS

Los macrodatos, si bien brindan varias oportunidades atractivas para los negocios,

también presentan desafíos para la industria del marketing. El volumen de datos se está

expandiendo rápidamente con muchos tipos de datos (estructurados, no confiables y

semiestructurados) y fuentes de datos disponibles. Estos datos de gran volumen y rápido

movimiento no se corresponden con las estructuras de bases de datos tradicionales.

También crea desafíos como privacidad, administración, seguridad y problemas éticos en

términos de monitoreo y recopilación de datos privados de los clientes, que deben

abordarse a través del gobierno de la información para obtener el valor real de los grandes

datos. Las organizaciones de marketing deben desarrollar una estructura de gobierno de

datos eficaz para mejorar la calidad, la seguridad, la precisión, la significación, el valor, etc.

de los datos, minimizando esos desafíos y riesgos como base de la estructura de gestión de

la información de la organización. Los datos se consideran un activo importante y si la

organización no implementa y mantiene una estructura de gobierno eficaz, enfrentará

enormes pérdidas en el valor de los datos. El simple hecho de tener un gran volumen de

datos no aporta valor ni conocimiento a la organización. La organización debe implementar

una estructura de gobernanza de datos eficaz para transformar esos datos sin procesar en

conocimiento y obtener la ventaja competitiva del big data.

Las nuevas tecnologías permiten a las organizaciones recopilar información y datos más

válidos del exterior. La clave es guiar a las personas para que interactúen con esta

información. La tecnología lo ha cambiado todo y permite nuevas formas de crear

experiencias para los clientes, nuevos medios para conectarse con los clientes y otros

componentes, y billones de puntos de datos para comprender el comportamiento del cliente

y el impacto de los programas y actividades de marketing. Sin embargo, como también

señalan, la tecnología es solo el primer paso. Para aprovechar al máximo el potencial de la

tecnología, se necesita una transformación en las personas, los procesos y la tecnología.

Al adoptar big data, las organizaciones pueden transformarse en organizaciones basadas

en datos, lo que les permite innovar sus programas de marketing mediante la recopilación

de grandes cantidades de datos tanto estructurados como no estructurados. Desde la

perspectiva tecnológica, las organizaciones pueden gestionar y organizar big data de forma

adecuada aumentando su capacidad de almacenamiento, utilizando el nuevo NoSQL como

base de datos tradicional alternativa. Big data ayuda a extraer la personalización individual

de una gran cantidad de datos recopilados. Además, señala que el crecimiento de big data

ha introducido una gran cantidad de oportunidades para los investigadores, incluidas nuevas

fuentes de datos producidas por la industria de los medios, cantidades enormemente

mayores de información y un espectro de aplicaciones de software analítico. La posesión de

big data no conduce necesariamente a una mejora del marketing. Sin embargo, el potencial

es enorme, ya que los macrodatos pueden considerarse materias primas, tesoros secretos y

activos vitales de la empresa. Los macrodatos mejoran la productividad de una

organización al mejorar las operaciones comerciales y aumentar la eficiencia de la industria

mediante mejores precios, mejorando la retroalimentación de los clientes, proporcionando

reducciones de costos, etc.

Para aprovechar el big data, la ciencia del marketing deberá abarcar disciplinas como la

ciencia de datos, el aprendizaje automático, el procesamiento de texto, el procesamiento de

audio y el procesamiento de video. Las herramientas de marketing analítico que utilizan

ML pueden ayudar a extraer información significativa de grandes cantidades de datos.

C. EXTRACCIÓN DE INFORMACIÓN Y CONOCIMIENTO DE LOS DATOS

Los consumidores pasan más tiempo utilizando los medios en línea en lugar de los

medios tradicionales. La cantidad de datos que se genera requiere un cambio en los

procedimientos de análisis estándar. Estos procedimientos ahora deben incluir computación

en la nube, minería de texto y aprendizaje automático, que también se pueden utilizar para

pronósticos. La necesidad es aún más evidente ya que la mayoría de los datos generados en

marketing no están estructurados. Los datos no estructurados también se consideran un

desafío para quienes mencionan la disponibilidad de información continua sobre un

consumidor promedio en forma de datos transaccionales y datos de comportamiento no

estructurados. Por lo tanto, el big data interrumpe masivamente las formas tradicionales de

tomar decisiones de marketing y al mismo tiempo profundiza la comprensión del

comportamiento del consumidor. Los macrodatos se asocian normalmente con las tres V:

volumen, velocidad y variedad. Además, se agregan dos V adicionales para enfatizar la

importancia de recopilar, analizar y extraer conocimiento significativo: veracidad y valor.

Debido a las predicciones de big data, las respuestas en tiempo real pueden integrarse en las

estrategias de marketing. El desafío para las organizaciones es usar los datos para obtener

una ventaja competitiva sostenible, ya que actualmente hay demasiados datos y muy poco

conocimiento sobre cómo usarlos de manera eficiente para obtener beneficios. Por lo tanto,

queda claro que las organizaciones deben desarrollar nuevas capacidades y recursos para

explotar big data, ya que está afectando a todas las áreas del marketing. Los investigadores

están de acuerdo en que se necesita más investigación para encontrar formas novedosas de
sobrevivir a la revolución del big data y aprender las mejores prácticas para extraer

conocimiento de datos no estructurados. La clasificación automática de conjuntos de datos

a gran escala contribuye significativamente a derivar el valor comercial. El big data y la

analítica son muy útiles para determinar los valores y necesidades de los clientes para

desarrollar una estrategia de marketing omnicanal exitosa. En big data, la información fluye

a través de productos, canales, clientes, tiempo y ubicación. Por lo tanto, los compradores

muestran una inclinación a disfrutar de las "compras de investigación", por ejemplo, al

acceder a información de un canal mientras compran en otro. Esto ayuda con la

recopilación de datos de diferentes canales y múltiples puntos de contacto. La innovación

tecnológica permite a las organizaciones rastrear los puntos de contacto en línea de los

clientes, lo que hace posible predecir el comportamiento futuro del cliente. Se utilizan

herramientas de análisis de big data para eliminar las redundancias. Antes de que se utilicen

los datos, pasan por procesos como las herramientas Extraer, Cargar, Transformar (ELT) y

Extraer, Transformar, Cargar (ETL). Estas herramientas concentran los datos de fuentes

externas, cambian los datos para adaptarse a las necesidades operativas y cargan los datos

en la base de datos. De esta manera, la información se limpia, registra y transforma antes de

estar disponible para análisis en línea y minería de datos.

D. APLICACIONES DE BIG DATA ANALYTICS Y ML EN MARKETING

1) ANÁLISIS DE REDES SOCIALES

Para tomar decisiones calificadas, los especialistas en marketing y los analistas de

marketing aún requieren la misma información sobre muchos aspectos diferentes, como los

clientes y sus necesidades, competencia, productos, canales de distribución, proveedores de

servicios, leyes, etc. Sin embargo, a través del marketing móvil y las plataformas de redes
sociales, el conocimiento se amplía añadiendo información personal detallada como

ubicación geográfica, tiempo, intereses, sexo, etc. [40]. La naturaleza y el origen de los

datos de marketing ha cambiado como resultado de la digitalización y la adopción de

nuevas tecnologías. Los datos de análisis de marketing han pasado de los datos de panel,

donde los consumidores registraban manualmente sus comportamientos de compra, a los

macrodatos, que ofrecen información en tiempo real [34]. Del mismo modo, los datos que

se recopilaban anteriormente a través de canales como las encuestas de satisfacción del

cliente ahora se pueden extraer automáticamente a través de plataformas de redes sociales

[33]. Los consumidores dejan rastros continuos en las redes sociales que se pueden analizar

más a fondo mediante el uso de minería de texto, localización y perfiles de usuarios,

análisis de sentimientos, detección social, etc. [41], [42] afirman que la pregunta ya no es si

los consumidores están dispuestos a compartir sus datos privados, sino cómo reaccionan

cuando sus datos privados son ampliamente accesibles para los especialistas en marketing.

Se investigó el uso de ML en el análisis de sentimientos en las redes sociales con fines de

seguridad [43]. El documento afirma que el análisis de sentimientos juega un papel

fundamental en la seguridad y el análisis de las redes sociales y se ha utilizado de manera

muy eficaz para analizar el contenido de las redes sociales, identificar varios aspectos de

seguridad y brindar soluciones efectivas [43]. Su trabajo analiza específicamente los

resultados de diferentes técnicas de aprendizaje automático basadas en las métricas de

rendimiento que se han utilizado para la implementación del análisis de sentimientos en los

respectivos dominios de seguridad. También identifican estudios recientes que aplicaron

ML a varios conjuntos de datos de redes sociales, principalmente mensajes de Twitter,

reseñas de productos, reseñas de hoteles, reseñas de restaurantes. El AA se utiliza para

detectar reseñas engañosas o spam (13 estudios), identificar spammers de opinión (7

estudios), detectar bots (6 estudios) e identificar anomalías (8 estudios). En esta revisión de

la literatura, no analizaremos todos los artículos porque la mayoría de ellos son más útiles

para los especialistas en TI y seguridad que para los gerentes de marketing. Algunos de los

artículos se pueden adaptar para aumentar la eficacia de la publicidad, ya que proporcionan

más información sobre el perfil y el sentimiento del cliente [43]. Las cuestiones de la marca

en las redes sociales y ML fueron fundamentales para este trabajo [11]. Los autores

desarrollan un enfoque colaborativo entre los estudios de medios y la informática para

examinar la aparición de culturas de marcas algorítmicas utilizando el caso de un festival de

música [11]. ML también tiene muchas otras aplicaciones de big data generados en las

redes sociales, por ejemplo, detección de género y sexo [44]. Estas aplicaciones ayudan a

los especialistas en marketing a dirigirse a sus clientes de manera más eficaz. La relación

entre el etiquetado social en el contenido en línea y el rendimiento de la marca ha sido

analizada por [45]. Este estudio, por ejemplo, introduce un método totalmente automatizado

para monitorear los mensajes relacionados con la marca en Twitter [46].

2) TOMA DE DECISIONES DE COMPRA Y PRODUCTO

El big data también juega un papel crucial en el lanzamiento de nuevos productos, que

requieren grandes cantidades de información de los clientes. Por ejemplo, algunas marcas

en la industria de la moda se inspiran y toman decisiones predominantemente con respecto

al lanzamiento de nuevos productos basándose principalmente en el análisis de las

publicaciones más populares en las redes sociales, p. Ej. Instagram [47]. También se ha

investigado la visualización de estructuras de mercado entre productos. Se desarrollaron

métodos de mapeo innovadores para ayudar a visualizar estructuras de mercado complejas

entre más de 1000 productos, utilizando grandes datos de búsqueda de sitios web de
comparación de productos y precios para derivar conjuntos de consideración de

consumidores que reflejan la competencia entre productos [48]. En el estudio de [49] se

utilizan big data y máquinas de vectores de soporte difuso para sugerir un nuevo método de

comprender las preferencias de los consumidores por nuevos productos complejos (por

ejemplo, cámaras digitales, tabletas de ordenador, etc.). El video es otro medio que genera

grandes cantidades de datos. Los datos de vídeo en la tienda en tiempo real se procesan

para hacer recomendaciones para la compra de nuevas prendas [50]. La revisión exhaustiva

de la literatura identificó una laguna en la investigación en la aplicación de ML e IA en la

industria de la moda y el vestido [51]. Combinando técnicas de visión por ordenador de

última generación con modelos de marketing de las preferencias de los consumidores, el

sistema identifica automáticamente las preferencias de los compradores en función de sus

reacciones y utiliza esa información para formular recomendaciones personalizadas

significativas [50]. Mediante el uso de big data y análisis de datos, los especialistas en

marketing pueden dirigirse a los clientes con precisión, ofrecer soluciones personalizadas,

llegar fácilmente a los clientes y obtener una ventaja competitiva [32]. Una predicción

precisa de lo que un cliente comprará a continuación es de suma importancia para el éxito

del comercio y el marketing en línea [52]. Big data y su análisis con el uso de dos clases de

modelos – La tienda de asignación de Dirichlet (LDA) y mezclas de Dirichlet-Multinomials

(MDM) - se utilizan en la predicción. El LDA que se utiliza normalmente en el

procesamiento de texto para identificar "grupos de palabras" se utiliza aquí para identificar

conjuntos de productos que tienden a comprarse juntos, desde la perspectiva del

consumidor [52]. Se realizaron más investigaciones en el área de predicciones de demanda /

compra [53]. Los autores desarrollaron un marco dinámico y basado en datos para la

predicción de la compra futura del cliente en un período de tiempo determinado. Utilizando

un enfoque basado en ML y un conjunto de datos de Amazon, se desarrolló un modelo que

ayuda a predecir con precisión la demanda de productos remanufacturados en los mercados

electrónicos del mundo real [54]. Extraer conocimiento reutilizable que sea comprensible

por máquinas a partir de big data, generado por encuestas de turismo para crear un sistema

de información inteligente para el marketing de destinos turísticos, fue tarea de los autores

de este estudio [55]. Utilizaron redes neuronales con inteligencia artificial para crear un

sistema de apoyo a las decisiones de marketing que puede ayudar a los usuarios que no son

expertos en análisis a resolver problemas típicos de marketing de destinos.

3) PUBLICIDAD

Los datos, si se recopilan estratégicamente a través de los esfuerzos combinados de

análisis de macrodatos y análisis de mercado de expertos, dan como resultado

conocimientos que pueden utilizarse eficazmente para una publicidad y un marketing más

específicos [56]. Los macrodatos pueden utilizarse para recomendar contenido a las

audiencias de televisión y ayudar a construir personajes de las audiencias [57]. Los datos de

retroalimentación en tiempo real también hacen que los anuncios de televisión sean más

precisos, predice la audiencia de un programa de televisión y el comportamiento de compra

de la audiencia. Se desarrollaron nuevos métodos que separan el componente de selección

de objetivos y el efecto de campaña de los anuncios gráficos en línea, mediante el análisis

de macrodatos de dos campañas con 20 millones de usuarios cada una [58]. Los macrodatos

pueden utilizarse para la toma de decisiones creativas [59]. El marketing necesita abarcar

datos de texto, audio y video y procesarlos con la ayuda de ML, ayudando con las

predicciones de ventas basadas en la combinación de ML y big data [27]. Las tecnologías

de la información como los macrodatos, la inteligencia artificial y el análisis de datos se

utilizan para proporcionar una experiencia racional al cliente y un sistema de servicio en los

dominios tanto en línea como fuera de línea [60]. El AA y la IA se utilizan en el campo de

la colocación de anuncios interactivos y la orientación de los anuncios al contenido de

vídeo y para crear anuncios interactivos [47].

4) OTRAS APLICACIONES

Otras aplicaciones de big data y ML en marketing incluyen las implicaciones del

etiquetado social en el contenido en línea sobre el desempeño de la marca [45], el uso de la

metodología ML para procesar datos de dispositivos médicos como EEG para mejorar la

comprensión del estado del arte de neuromarketing [61] o el impacto de la analítica de

macrodatos en la agilidad y preparación de las cadenas de suministro [62]. Otras áreas de

aplicación incluyen estrategias y políticas de precios, servicio al cliente (por ejemplo,

chatbots) o logística [47]. Muchas de estas aplicaciones han sido desarrolladas,

prácticamente implementadas y documentadas, aunque sin una amplia cobertura y

verificación en la investigación académica.

E. RETOS EN LA GESTIÓN Y EL GOBIERNO DE DATOS

La disponibilidad de macrodatos en marketing y la gran cantidad de información

distrajeron la atención de las personas y, por lo tanto, la gestión eficiente de la información

se convierte en la clave del éxito [63]. La organización de los datos es fundamental para

extraer los conocimientos pertinentes, necesarios para mejorar la eficacia empresarial [64].

Señalando que es de vital importancia conocer las expectativas del cliente para ganar

competitividad, lo que requiere que la organización responda rápidamente a los rápidos

cambios del mercado [65]. La gestión eficaz de la información es un factor esencial para
mejorar la cooperación de la organización, y el crecimiento de la cooperación permite a las

organizaciones identificar y comprender las preferencias de los clientes [65]. La variedad

de datos recopilados se puede almacenar a bajo costo, gracias a que muchas empresas

ofrecen servicios de almacenamiento de datos asequibles [38]. La cantidad y variedad de

datos contribuyen a ampliar la posibilidad de análisis de datos, cuya calidad podría ser un

factor determinante del desarrollo del desempeño de las empresas o incluso de la economía

mundial [38]. La transformación a Web 3.0 da como resultado la recopilación de datos en

red por parte de muchas organizaciones, que es accesible para los especialistas en

marketing [29]. Está surgiendo un nuevo ecosistema de empresas de servicios de marketing

y publicidad, que proporcionan servicios de procesamiento de información que repercuten

en los patrones de gasto de las organizaciones de marketing en intervalos de tiempo más

breves que los jamás vistos en la historia del marketing moderno [29]. Las organizaciones

recopilan y almacenan cantidades masivas de datos, a pesar de su certeza de utilidad [41] y

la cantidad de datos disponibles aumenta continuamente [33]. A medida que el mundo se

vuelve más digital, las organizaciones basadas en métricas deben poder mantenerse al día

con la gestión de datos. Al mismo tiempo, las organizaciones deben centrarse más en el

cliente. Deben poder ofrecer la información correcta en el momento adecuado a través del

canal preferido del cliente. Idealmente, las organizaciones deberían ser más ágiles y

responder a las necesidades cambiantes de los consumidores más rápido que nunca [66].

Los datos no caen automáticamente en el lugar correcto [67], por lo que todos los datos

recopilados deben estar en una forma utilizable para ofrecer algún valor [40]. Los datos

solo pueden ser valiosos cuando están configurados para ofrecer conocimientos útiles para

apoyar la toma de decisiones [41]. Por tanto, es necesario contar con estrategias sólidas de
gestión de datos para garantizar que los datos maestros, los datos operativos y los análisis

estén alineados con los objetivos comerciales [66].

El problema principal es que las organizaciones no saben cómo administrar los datos de

manera eficiente. Según IBM, el 80 por ciento de los datos de las organizaciones no están

estructurados [68]. Otros desafíos incluyen almacenar y centralizar los datos, la necesidad

de análisis en tiempo real, la precisión de la información y los problemas de privacidad

[67]. La gestión del conocimiento está fortaleciendo el marketing y recomienda que las

organizaciones sigan el ejemplo de otras que se han dado cuenta de la importancia de la

gestión del conocimiento en el marketing [40]. Algunas investigaciones están disponibles

sobre los temas de categorización y gestión de datos en marketing. Por ejemplo, se propone

un marco de marketing mix, utilizando el modelo 5P (producto, precio, promoción, lugar y

personas) para generar decisiones de marketing basadas en análisis de big data [33]. En su

marco, los autores definen datos, métodos y aplicaciones para cada una de estas 5 P [33].

No obstante, existe la necesidad de nuevos métodos para analizar nuevos tipos de datos y

determinar las mejores prácticas para tomar decisiones basadas en datos que faciliten las

operaciones de marketing [19]. El uso de las últimas tecnologías puede aumentar el valor

del marketing y ofrecer experiencias más atractivas para los consumidores del mañana.

Además de estas tecnologías, las plataformas de redes sociales están jugando un papel

importante. Los consumidores dejan rastros continuos en las redes sociales que pueden

analizarse en profundidad mediante el uso de minería de texto, localización y perfiles de

usuarios, análisis de sentimientos, detección social, etc. [41]. La pregunta ya no es si los

consumidores están dispuestos a compartir sus datos privados, sino cómo reaccionan

cuando sus datos privados son ampliamente accesibles para los especialistas en marketing
[42]. Por lo tanto, se necesitan políticas y procedimientos para determinar cómo utilizar los

datos en el marketing respetando la privacidad [42]. Se recomienda aplicar la gobernanza

de la información para establecer las reglas para el uso de datos e información. Definido

por Gartner, "la gobernanza de la información es una colección de derechos de decisión,

procesos, estándares y políticas" [69]. Gracias al gobierno de la información, las

organizaciones pueden garantizar el cumplimiento y una mejor gestión de los riesgos de

seguridad de la información. Además, pueden gestionar el ciclo de vida total de la

información mientras que el gobierno de la información garantiza la precisión,

accesibilidad, integridad y seguridad de la información. En última instancia, la gobernanza

de la información está controlando los costes, ya que la mala calidad de los datos aumenta

los costes operativos [69].

III. METODOLOGÍA

El método de revisión de la literatura se seleccionó para identificar el estado actual de la

investigación en el área de transformación digital de la industria del marketing desde una

perspectiva de datos e información, centrándose específicamente en big data. El estudio de

la literatura se realizó entre enero de 2020 y marzo de 2020. Se accedió a la literatura

utilizada para realizar esta revisión a través de bases de datos científicas populares como

Web of Science, Scopus, ScienceDirect, Emerald y ProQuest. Se ilustra el proceso de

identificación y selección de recursos y su revisión (Fig. 1). Se prepararon combinaciones

de palabras clave para buscar en las bases de datos antes mencionadas. Incluyeron

combinaciones, utilizando los dos operadores booleanos principales (Y, O), cuando

corresponda. Se definieron decenas de combinaciones de palabras clave, incluidos términos

de búsqueda como transformación digital en marketing, transformación digital de

marketing, transformación digital, marketing, marketing online, big data, aprendizaje

automático (ML), datos no estructurados, etcétera. Se definió un rango de años

personalizado (desde 2014 en adelante) para mostrar las últimas investigaciones. Los

resultados de cada búsqueda se mostraron y se analizaron posteriormente. Mediante la

selección inicial del título del artículo, las palabras clave y el resumen, se filtraron los

artículos irrelevantes y se agregaron los artículos relevantes a la lista de recursos a estudiar.

Se obtuvieron y revisaron en detalle versiones completas de estos artículos. Los artículos

que tratan un tema que coincide con estos objetivos de investigación se agregaron a la lista

de recursos relevantes. En el paso 6, se recopilaron palabras clave adicionales, utilizando

las lecciones aprendidas del estudio de artículos previamente seleccionados y el

comportamiento de los motores de búsqueda en bases de datos seleccionadas. Las

búsquedas adicionales que utilizaron estas palabras clave, la adición de otro operador

booleano (NOT) y el filtrado de seguimiento y la revisión de los artículos identificados

ayudaron a los investigadores a completar la lista de literatura. Una vez que se revisaron

cuidadosamente todos los artículos de la lista para obtener una lista completa de recursos

revisados por pares sobre la transformación digital en el marketing, se analizó la lista de

referencia de cada artículo y se accedió y estudió los artículos relevantes. Este ciclo de

identificación de referencias que se utilizaron en cada artículo recién agregado continuó

hasta que no se pudieron identificar más referencias.

En total, se seleccionaron y examinaron 214 documentos, después de lo cual se

incluyeron 69 artículos revisados por pares en la revisión detallada de la literatura. Estos

artículos se publicaron entre 2014 y 2020 (Fig.2).

IV. EVALUACIÓN Y RESULTADOS

 Esta sección analiza la brecha de investigación identificada que indica los problemas

relacionados con la transformación digital en el marketing que requieren mayor atención

por parte de los académicos y que representan oportunidades para futuras investigaciones.

La brecha de investigación se identificó a través de un estudio extenso de artículos

relevantes, como se discutió en la sección 2. Aparte de estos artículos, también se

consideraron otros estudios que no fueron preseleccionados porque no se relacionan

directamente con la transformación digital en marketing. La primera oportunidad para

futuras investigaciones en el área de transformación digital en marketing se relaciona con i)

un análisis sistemático de los procesos de transformación digital relevantes, generación de

mapas de procesos, creación de frameworks y sugerencia de modelos de implementación

para organizaciones de marketing. Esto puede integrar la investigación a menudo

fragmentada sobre sistemas y procesos de transformación digital y proporcionar nuevas

implicaciones tanto para la teoría como para la práctica empresarial. Estudiar la aplicación

en marketing de los procesos, marcos y modelos antes mencionados por parte de

organizaciones que operan en industrias seleccionadas, crea ii) la oportunidad de

verificarlos, ajustar, mejorar y medir los resultados de su aplicación, con base en KPI

definidos. Esta información puede proporcionar a otros investigadores y empresas

información valiosa sobre la implementación, los desafíos y las mejores prácticas en todas

las industrias. Con respecto a la perspectiva de datos e información de la transformación

digital, la oportunidad radica en iii) la identificación sistemática de sistemas de información

que se pueden utilizar para tratar con big data dentro de todas las funciones principales de

marketing, incluidas 4P, 7P, 7C, etc.

 La revisión de la literatura también ha revelado la necesidad de iv) crear un proceso para

identificar y adoptar sistemas seleccionados para operaciones de marketing específicas, con

base en los requisitos de las organizaciones, su análisis FODA, funciones, etcétera. En el

área de la transformación digital en marketing, tanto la teoría como la práctica empresarial

se beneficiarían de generar v) una visión general de las mejores prácticas para agencias de

marketing innovadoras, relacionadas con la aplicación de herramientas analíticas

impulsadas por ML y su integración en la gestión interna y la prestación de servicios a sus

clientes. Existen muchas otras oportunidades de investigación en las áreas de aplicación de

herramientas impulsadas por ML en marketing. Por ejemplo, se están desarrollando y

lanzando chatbots para ayudar al servicio al cliente e interactuar con el cliente en las redes

sociales. Los asistentes virtuales y los chatbots basados en IA también se implementan en

otros campos, incluida la educación. La investigación indicó que el uso de chatbots en

marketing requiere más investigación académica. En el campo del big data que se genera en

las redes sociales y la aplicación de ML para dar sentido a los datos para respaldar

decisiones de marketing informadas, la investigación existente se centra principalmente en

plataformas distintas de Twitter (donde se ha realizado la mayoría de las investigaciones

relacionadas con ML) o Facebook. Por ejemplo, Instagram se ha investigado en algunos

estudios. Estos estudios fueron principalmente no académicos, lo que presenta una

oportunidad para una investigación académica más sistemática y exhaustiva.

Además de nuestro enfoque en big data y aprendizaje automático, existen oportunidades

para realizar investigaciones detalladas sobre otras tecnologías emergentes que tienen un

gran impacto en el marketing y que representan tanto desafíos como oportunidades para

empresas, gerentes de marketing y agencias. Estas tecnologías incluyen AR, VR,

blockchain e IoT. Los estudios académicos sobre su aplicación en el campo del marketing

enriquecerán la literatura existente. Un puñado de artículos pioneros con un enfoque en la

utilización de estas tecnologías en marketing ya existen en las bases de datos de citas que se

incluyeron en este estudio. Crear una visión general sistemática de su alcance e identificar

la brecha de investigación relevante para estas tecnologías permitirá a otros investigadores

navegar por este espacio y posicionar su investigación para satisfacer las necesidades tanto

de académicos como de profesionales.

V. CONCLUSION

La revisión de la literatura sugiere que el crecimiento exponencial de los datos

disponibles, en su mayoría no estructurados, está provocando un desbordamiento de

información en las organizaciones de marketing. Las empresas deben transformarse

digitalmente revisando su visión y estrategias comerciales. Los macrodatos ofrecen un

enorme potencial para las organizaciones de marketing, pero para obtener el valor real, es

necesario aplicar procesos y herramientas analíticas de gestión de información sistemática

para entregar la información adecuada a la persona adecuada en el momento adecuado. La

gestión y la gobernanza de la información son cada vez más importantes porque para

controlar la gran cantidad de datos se requieren prácticas muy eficaces ("mejores"). Los

hallazgos presentados en este documento confirman que el avance de la tecnología está

cambiando el panorama del marketing e impacta en todos sus aspectos. Quedó claro que el

marketing digital se ha convertido en un canal importante para recopilar datos cruciales de

los consumidores para permitir predicciones basadas en análisis y una toma de decisiones

avanzada. En este trabajo se han cumplido todos los objetivos marcados. En primer lugar,

se han identificado áreas de transformación digital en marketing que no han sido

suficientemente cubiertas por investigaciones académicas rigurosas previas. En

consecuencia, los investigadores pueden ahorrar un tiempo valioso al buscar áreas

relacionadas con la transformación digital en el marketing que requieran mayor atención,

investigación de seguimiento, validación o recopilación de nuevos datos empíricos. Este

objetivo se logró mediante la creación de una revisión integral de la literatura revisada por

pares relevante en el área de la transformación digital de las organizaciones de marketing

desde una perspectiva de gestión de datos e información. En segundo lugar, se

proporcionan conocimientos sobre los desafíos y las implicaciones del big data y el

aprendizaje automático en la transformación digital en las organizaciones de marketing, con

una descripción general de la literatura revisada por pares que describe las aplicaciones

prácticas en áreas específicas del marketing. En total, se han identificado diez

oportunidades para la realización de nuevos proyectos de investigación en el área de

transformación digital en marketing. Cinco de los temas están estrechamente relacionados

con los problemas y desafíos de la transformación digital, incluidos los sistemas de

información, los procesos y la adopción de tecnologías disruptivas. También se reveló una

brecha de investigación en el área de implementación de herramientas impulsadas por ML

en aplicaciones de marketing específicas, para ayudar a los gerentes de marketing a

comprender a sus clientes, segmentos objetivo y, por lo tanto, adaptar sus estrategias de

marketing. Al identificar esta brecha de investigación y lograr los objetivos definidos, este

estudio de investigación contribuye al conocimiento existente en el área de transformación

digital. El enfoque multidisciplinario de la investigación es valioso ya que demuestra el

impacto significativo de las tecnologías disruptivas en las empresas.