Marketing Tesis

Machine Translated by Google
Marketing digital: marco, revisión y agenda de investigación
PK Kannan1
Hongshuang (Alicia) Li
enero 2016
Revisado el 1 de agosto de 2016
Revisado el 27 de noviembre de 2016
1
PK Kannan es Profesor Ralph J. Tyser de Ciencias de Mercadotecnia en la Escuela de Negocios
Robert H. Smith (pkannan@rhsmith.umd.edu), Universidad de Maryland, College Park, MD 20742;
Hongshuang (Alice) Li es Profesora Asistente de Marketing, Kelley School of Business,
Universidad de Indiana (aliceli@indiana.edu).
Copia
electrónica
abstract=3000712 Cdopia
isponible
ssrn.com/abstract=3000712 en: https://ssrn.com/
electrónica disponible en: https://
*
Marketing digital: marco, revisión y agenda de investigación
Abstracto
Desarrollamos y describimos un marco para la investigación en marketing digital que destaca la
puntos de contacto en el proceso de marketing, así como en el proceso de estrategia de marketing donde las
tecnologías digitales están teniendo y tendrán un impacto significativo. Usando el marco, organizamos los desarrollos
y la investigación existente en torno a los elementos y puntos de contacto que componen el marco y revisamos la literatura
de investigación en el espacio de marketing digital ampliamente definido. Describimos los problemas en evolución en y
alrededor de los puntos de contacto y las preguntas asociadas para futuras investigaciones. Finalmente, integramos estas
preguntas identificadas y establecemos una agenda de investigación para futuras investigaciones en marketing digital para
examinar los problemas desde la perspectiva de la empresa.
Palabras clave: Marketing Digital, Online, Móvil, Internet, Motor de Búsqueda, Contenido Generado por el Usuario, Marketing
Omnicanal.
Copia
electrónica
abstract=3000712 Cdopia
isponible
ssrn.com/abstract=3000712 en: https://ssrn.com/
electrónica disponible en: https://
1. Introducción
Ha pasado casi un cuarto de siglo desde el uso comercial de Internet y el mundo
Banda ancha. Durante este tiempo, el panorama empresarial ha cambiado a un ritmo frenético. Gran multinacional
corporaciones como Google, Facebook, Amazon, Alibaba, eBay y Uber, algo inaudito hace veinte años,
han emergido como actores clave en nuestra economía moderna. En 2015, las ventas online representaron el 7,4% del total
gasto minorista en los EE. UU., el porcentaje más alto desde que comenzó el seguimiento en 1999 (Phillips 2015). Ventas
realizadas a través de dispositivos móviles han aumentado a un ritmo rápido hasta alrededor del 22 % al 27 % de todas las ventas en línea (Rao
2015; Malcom 2015). Las corporaciones ahora destacan la importancia de crear una “relación digital”
con los clientes (Phillips 2015). Además, las tecnologías y dispositivos digitales como teléfonos inteligentes,
productos, el Internet de las cosas (IoT), la inteligencia artificial y el aprendizaje profundo prometen importantes
transformaciones de la vida de los consumidores en un futuro próximo. Es en este contexto que este trabajo busca
Comprender cómo los desarrollos en tecnología digital están remodelando el proceso y la estrategia de
marketing, y las implicaciones de esta transformación para la investigación en el amplio espacio que llamamos “digital
marketing".
Nuestros objetivos para este documento son tres. Primero, desarrollamos y describimos un marco para
investigación en marketing digital que destaca los puntos de contacto en el proceso de marketing, así como en el
proceso de estrategia de marketing donde las tecnologías digitales están teniendo y/o tendrán un impacto significativo.
A continuación, organizamos los desarrollos y la investigación existente en torno a los elementos y puntos de contacto que componen
el marco y revisar la literatura de investigación en el espacio de marketing digital ampliamente definido. Usando
el marco, también describimos los problemas en evolución en torno a los puntos de contacto y las preguntas asociadas para
investigación futura. Finalmente, integramos estas preguntas identificadas y establecemos una agenda de investigación para futuras
Investigación en marketing digital.
En nuestro discurso, examinamos los temas de investigación en marketing digital desde la perspectiva de la
empresa, es decir, examinamos las implicaciones estratégicas, tácticas y de implementación de la investigación
Copia electrónica disponible en: https://ssrn.com/abstract=3000712
llevado a cabo en el dominio del marketing digital y centrado en cuestiones sustantivas de relevancia gerencial
más que en la investigación conductual o metodológica per se. Sin embargo, estos problemas podrían conducir a
preguntas fundamentales que podrían responderse en los dominios de la psicología del consumidor, marketing
análisis, economía o informática. Con el fin de ser lo más completo posible en la cobertura de todos
desarrollos de investigación sustantivos clave en el área de marketing digital, y dado nuestro enfoque anterior,
hemos acotado nuestra búsqueda sin comprometer la representatividad. Nuestra búsqueda de información relevante
la literatura se centra en cuatro revistas de marketing: International Journal of Research in Marketing, Marketing
Science, Journal of Marketing Research y Journal of Marketing, centrándose en artículos publicados en
abarca desde 2000 hasta 2016. Comenzamos en Web of Science y buscamos artículos con las palabras clave
"digital" o "en línea" como tema de investigación o como parte del título del artículo, que nos proporcionó 305
“artículos de semillas”. A medida que leíamos estos documentos, eliminamos aquellos que no eran directamente relevantes e incluimos
otros documentos relevantes citados en estos documentos semilla. Esto amplió nuestra lista a otras revistas no cubiertas en
nuestra búsqueda inicial. Para cada tema discutido en nuestro documento, seleccionamos los primeros documentos de esta lista y
agregó algunos artículos citados con mayor frecuencia en ese tema para discutir en cada tema que compone nuestra revisión.
A esta lista también agregamos los artículos más recientes para que la revisión sea lo más actual posible. Por lo tanto, la
revisión de la investigación existente no pretende ser exhaustiva sino más bien representativa para cubrir el
temas con suficiente profundidad y centrarse en temas de investigación futuros de manera adecuada.
Nuestra revisión complementa artículos de revisión recientes sobre marketing digital y temas relacionados. El
El artículo de Yadav y Pavlou (2014) se centra en el marketing en entornos mediados por ordenador y
revisa la literatura tanto en marketing como en sistemas de información. Este artículo junto con el artículo de
Lamberton y Stephen (2016) se centran en la psicología, las motivaciones y las expresiones del consumidor en los entornos digitales.
ambientes para destacar algunos. El artículo de Wedel y Kannan (2016) se centra en el modelado y
problemas metodológicos en el análisis de marketing necesarios por la llegada de lo digital, social y móvil
entornos. Nuestra revisión cita estos artículos en las secciones correspondientes para obtener más detalles sobre los problemas que hacemos.
no cubierto.
El documento está organizado de la siguiente manera. En la Sección 2 presentamos el marco e identificamos
Puntos de contacto en procesos donde las tecnologías digitales juegan un papel clave. En las Secciones 3 a 7, revisamos
la literatura en torno a cada elemento y punto de contacto del marco y discutir brevemente las áreas abiertas de
consulta. En la Sección 8 presentamos más detalles sobre estas áreas abiertas de investigación y presentamos una agenda para
investigación futura y concluir en la Sección 9.
2. Un marco para el análisis
2.1 Definición y Marco
El término “marketing digital” ha evolucionado con el tiempo a partir de un término específico que describe el marketing de
productos y servicios que utilizan canales digitales, a un término general que describe el proceso de uso de canales digitales
tecnologías para adquirir clientes y crear preferencias de clientes, promover marcas, retener clientes y
aumentar las ventas (Financial Times, lexicon.ft.com ). Siguiendo la firma de la American Marketing Association
definición centrada (https://www.ama.org/AboutAMA/Pages/DefinitionofMarketing.aspx), digital
El marketing puede verse como actividades, instituciones y procesos facilitados por las tecnologías digitales para
creando, comunicando y entregando valor para los clientes y otras partes interesadas. Adoptamos una más
una perspectiva inclusiva y definen el marketing digital como “un proceso adaptativo habilitado por la tecnología mediante el cual
Las empresas colaboran con clientes y socios para crear, comunicar, entregar y mantener valor de forma conjunta.
para todas las partes interesadas”1 .
El proceso de adaptación habilitado por las tecnologías digitales crea valor de nuevas formas en los nuevos entornos digitales.
entornos. Las instituciones habilitadas por las tecnologías digitales construyen capacidades fundamentales para crear tales
valor conjuntamente para sus clientes y para ellos mismos. Los procesos habilitados por las tecnologías digitales crean
valor a través de nuevas experiencias de los clientes y a través de las interacciones entre los clientes. Publicidad digital
en sí mismo está habilitado por una serie de puntos de contacto digitales adaptables que abarcan la actividad de marketing,
instituciones, procesos y clientes. Significativamente, la cantidad de puntos de contacto está aumentando en más del 20%
1
Agradecemos a un revisor anónimo por esta sugerencia.
anualmente a medida que más clientes fuera de línea cambian a tecnologías digitales y “más jóvenes, orientados digitalmente
los consumidores entran en las filas de los compradores” (Bughin 2015).
Figura 1: El marco para la investigación en marketing digital
En vista de lo anterior, identificamos los puntos de contacto clave impactados por las tecnologías digitales y proponemos un
marco de investigación que se inspira tanto en el proceso de marketing como en el proceso de estrategia de marketing.
El proceso de la estrategia de marketing convencional comienza con un análisis del entorno que incluye los cinco
C's – clientes, colaboradores, competidores, contexto y empresa (firma). Si bien estos elementos son
presentado en nuestro marco (Figura 1), los clientes emergen como el foco central (en el cuadro de la izquierda) con otros
elementos como contexto, competidores y colaboradores que conforman el entorno que la empresa
opera en. Nuestro objetivo clave es entender cómo las tecnologías digitales (en la parte inferior de la Figura 1)
interactuar con las cinco C, así como la interfaz entre estos elementos. Identificamos específicamente el
conceptos, instituciones y estructuras que surgen de estas interacciones: plataformas y dos caras
mercados, motores de búsqueda, redes sociales y contenido generado por el usuario, comportamiento emergente del consumidor y
interacciones contextuales. Este análisis forma la entrada a las acciones de la empresa, abarcando todos los
elementos de la mezcla de marketing ( producto/servicio, precio, promoción y lugar ), así como información
recopilación a través de la investigación y el análisis de marketing , que informa la estrategia de marketing de la empresa.
Nos enfocamos nuevamente en cómo las tecnologías digitales están dando forma a estas acciones, la adquisición de información y
análisis y estrategia de marketing. Finalmente, como resultado de las acciones y estrategias de marketing,
examinar el impacto general de las tecnologías digitales en la creación de valor: creación de valor para los clientes
(a través de equidad de valor, equidad de marca, equidad de relación y satisfacción del cliente), creando
capital (a través de estrategias de adquisición, retención y mayor margen), y la creación de valor de la empresa (como un
funciones de ventas, utilidades y tasa de crecimiento). Nuestro marco, por lo tanto, identifica los puntos de contacto clave en
el proceso y las estrategias de marketing donde las tecnologías digitales tienen o es probable que tengan
impacto. No solo abarca los elementos identificados en la Figura 1, sino también las interfaces entre esos
elementos, como lo muestran las flechas en la Figura 1. El marco también destaca nuestro énfasis en
descubrir problemas en el marketing digital que afectarán a la empresa directa o indirectamente. A continuación, proporcionamos
una descripción general de estos conceptos y elementos destacados en nuestro marco.
2.2 Conceptos y elementos clave
Las tecnologías digitales están cambiando rápidamente el entorno (Cuadro 1 en la Figura 1) dentro del cual
operan las empresas. Las tecnologías digitales están reduciendo las asimetrías de información entre clientes y vendedores
de manera significativa. Análisis de las interacciones de las tecnologías digitales y los elementos del entorno.
comienza con el examen de cómo está cambiando el comportamiento del consumidor como resultado del acceso a una variedad de
tecnologías y dispositivos tanto en contextos en línea como móviles. Nos centramos en cómo afecta esto
adquisición de información con respecto a la calidad y el precio, el proceso de búsqueda, las expectativas del cliente y
la implicación resultante para las empresas. A continuación, examinamos la facilitación de las tecnologías digitales de los clientes.
interacciones con los clientes a través de los medios en línea: boca a boca, reseñas y calificaciones en línea, y redes sociales
interacciones con los medios (redes sociales y UGC). El surgimiento de plataformas – instituciones creadas a través
innovaciones digitales que facilitan las interacciones de cliente a cliente para la ideación de nuevos productos/servicios
desarrollo, aquellos que conectan a clientes y vendedores en mercados basados en plataformas y aquellos que aprovechan
mercados bilaterales para su generación de ingresos, también se examinan como facilitadores de colaboración que conectan un
empresa a su mercado utilizando tecnologías digitales De la misma manera, las empresas tienen que lidiar con los motores de búsqueda
como colaboradores y plataformas en las que compiten con otras empresas para adquirir clientes. De este modo,
también revisamos la investigación sobre motores de búsqueda y las interacciones entre clientes, motores de búsqueda y
empresas Finalmente, examinamos las interacciones de las tecnologías digitales con diferentes contextos geográficos,
privacidad y seguridad, regulación y piratería, y sus implicaciones para el marketing digital (contexto
interacciones).
Dentro de la empresa (Cuadro 2 en Figura 1), las tecnologías digitales están cambiando el concepto de producto
de tres maneras para proporcionar a los clientes nuevas propuestas de valor: aumentar el producto principal con
servicios digitales, redes de productos que utilizan tecnologías digitales para liberar el valor latente inherente a
los productos y, finalmente, transformar los productos en servicios digitales. Examinamos estas tendencias y las
oportunidades que crean para adaptar y personalizar las ofertas de los clientes, variando no solo la
producto/servicio principal, sino también los servicios digitales aumentados. Los desarrollos en las líneas de productos digitales
y las ofertas personalizadas para los clientes generan desafíos de fijación de precios para las empresas. La reducción de los costes del menú.
asociado con las tecnologías digitales también genera oportunidades para la fijación dinámica de precios y la gestión del rendimiento
en categorías de productos y servicios vendidos tradicionalmente con precios de lista. Estos desarrollos junto con el
uso de subastas en línea para productos/servicios, palabras clave de búsqueda, anuncios gráficos y nombre de su propio precio
estrategias, han dado lugar a interesantes preguntas de investigación que revisamos. Además, la interfaz
entre la fijación de precios y los canales (tanto fuera de línea como en línea) se está convirtiendo en un tema importante a medida que más empresas
adoptar canales en línea y móviles para orientar y realizar transacciones comerciales con los clientes.
Más allá de los medios tradicionales de comunicación como la prensa escrita, la radio y la televisión, la
El entorno digital proporciona nuevos medios para llegar a los clientes y promover productos y servicios a través de e
correos electrónicos, anuncios gráficos y redes sociales (promoción). Ha habido mucho enfoque en la
efectividad de tales nuevos medios y su contribución incremental sobre los medios tradicionales en la construcción
marcas y afectando las variables de resultado de interés. Formas más nuevas de herramientas promocionales como la ubicación
Las promociones móviles basadas en móviles y las promociones personalizadas se utilizan cada vez más y exploramos la
implicaciones de su uso tanto para las empresas como para los clientes. También nos enfocamos en el surgimiento de nuevos canales
para comunicaciones y promociones de clientes, no solo en línea y móvil, sino también subcanales dentro
cada uno de estos entornos, como canales sociales, motores de búsqueda y correo electrónico, que ayudan a las empresas a proporcionar
valor significativo para los clientes, así como adquirir los clientes correctos y aumentar el valor para el cliente.
El impacto de las tecnologías digitales en los resultados (Cuadro 3 en la Figura 1) podría abarcar diferentes
dimensiones: en la creación de valor para los clientes y en la extracción de valor para la empresa. Los resultados son un
reflejo de cómo la empresa ha podido beneficiarse de la oportunidad que brindan las tecnologías digitales
para crear valor para sus clientes y también crear valor para ellos mismos. Como sugiere la Figura 1, las empresas pueden
aprovechar las interacciones de las tecnologías digitales con el medio ambiente y con sus propios objetivos estratégicos y
acciones tácticas para lograr los resultados. Nos centramos en la investigación que modela esta relación a través de
diversas dimensiones de los resultados: equidad de valor, equidad de marca y equidad de relación (Rust et al. 2004),
satisfacción del cliente, valor del cliente en función de la adquisición, retención y rentabilidad de los clientes,
ya un nivel más agregado, el valor de la empresa en función de las ventas, las ganancias y la tasa de crecimiento. Investigación en
comprender cómo los diferentes canales y medios contribuyen a estas medidas de resultados y cómo esto
También se discutirá la comprensión afecta las acciones de marketing.
La investigación de mercados (Cuadro 4 en la Figura 1) se enfoca en la adquisición y procesamiento de
información generada como resultado del uso de tecnologías digitales para comprender los elementos específicos de
el entorno, las acciones y los resultados e informan las estrategias de marketing de la empresa. Ejemplos incluyen
comprender el comportamiento de navegación de los clientes en sitios web y sitios móviles, su comportamiento de búsqueda en
entorno en línea versus entorno móvil, utilizando reseñas en línea, interacciones sociales o etiquetas sociales para
comprender cómo el mercado percibe una empresa/marca, etc. Si bien las cuestiones de fondo son
discutido en el contexto del medio ambiente y la empresa, toda investigación de este tipo implica el desarrollo
de metodologías y/o métricas específicas. Dentro de esta sección destacamos las cuestiones gerenciales que
podría responderse utilizando datos dentro de la empresa y el entorno, sin embargo, no nos centramos en el
aspectos metodológicos ya que estos temas están bien cubiertos en la investigación existente (ver, por ejemplo, Wedel y
Kanan 2016). Hay cuestiones relacionadas con la estrategia de marketing (Cuadro 5 en la Figura 1) que se capturan en parte
en uno o más de los elementos o interfaces, y discutimos específicamente en la Sección 7 aquellos temas que
no son capturados en otros lugares. No hacemos un seguimiento de los avances en las tecnologías digitales per se, pero en
discutiendo el impacto en los puntos de contacto con el cliente, se tienen en cuenta implícitamente. en los varios
secciones, también describimos las descripciones y capacidades de las nuevas tecnologías que conducen a nuevas
oportunidades: por ejemplo, tecnologías móviles, realidad virtual, informática portátil e IoT, etc.
3. Entorno Digital
La Tabla 1 proporciona una descripción general de los avances en investigación de última generación en cada uno de los cinco
áreas principales en las que nos enfocamos.
3.1 Comportamiento del consumidor
Para entender el impacto de las tecnologías digitales, es importante entender cómo
El proceso de compra de los consumidores (etapas previas a la compra, consumación de la compra y posteriores a la compra) son
cambiando en función de nuevos entornos y dispositivos. Adquisición, búsqueda y
el procesamiento de la información también se ven afectados y, como resultado, las ayudas para la toma de decisiones pueden desempeñar un papel importante en la
nuevos entornos. Investigaciones de mercado recientes han proporcionado información sobre el comportamiento del consumidor,
confianza y percepciones de riesgo en estos procesos en entornos digitales y no digitales. Esta subsección
revisará estos temas.
Es bien sabido que los consumidores pasan por diferentes etapas en el proceso de compra comenzando con
conocimiento, familiaridad, consideración, evaluación y compra. Si los consumidores reciben valor consistentemente por
comprando una marca, es más probable que se conviertan en clientes leales. En entornos offline convencionales
el viaje del consumidor es bastante extenso, especialmente en las etapas de consideración y evaluación, mientras que en
En el entorno digital estas etapas pueden ser bastante comprimidas o incluso eliminadas (Edelman y Singer
2015). Los clientes pueden recopilar información de la investigación enfocada en los motores de búsqueda y leer otros
opiniones de los clientes en los sitios de los minoristas o foros de terceros no controlados por el vendedor, y la inicial
la demanda de compra podría crearse con solo ver una publicación en la red social. Así, en lo digital
ambiente, los clientes pueden moverse a través de su proceso de decisión de maneras fundamentalmente nuevas.
Nuestro enfoque clave de investigación es comprender cómo el comportamiento del comprador se ve afectado por la tecnología digital.
entorno, específicamente a través de interacciones con motores de búsqueda, reseñas en línea, recomendaciones y
otra información similar no producida o controlada por la firma o marca. Además, aun cuando el
El propio entorno cambia según el dispositivo que utilicen los clientes: PC, teléfonos inteligentes, tabletas o
Dispositivos portátiles: ¿cómo afectan estos dispositivos y el entorno al comportamiento del comprador? Tales problemas de investigación
centrarse en los elementos exclusivos de los dispositivos o el entorno y examinar su impacto en el consumidor
toma de decisiones y comportamiento de compra. Un buen ejemplo de un artículo inicial centrado en dicha investigación es el de
Haubl y Trifts (2000), quienes investigaron la naturaleza de los efectos que pueden tener las ayudas interactivas para la toma de decisiones.
sobre la toma de decisiones del consumidor en entornos de compra online. Otro ejemplo es el de Shi, Wedel y
Pieters (2013), quien usó datos de seguimiento ocular para examinar cómo los clientes adquieren y procesan información en
su toma de decisiones en línea. Shankar et al. (2010) desarrollaron proposiciones sobre cómo las características de
los dispositivos móviles pueden influir en el comportamiento del consumidor, y Xu et al. (2016) examinó el impacto de las tabletas en
Comportamiento del consumidor en entornos digitales. Centrarse en el papel de las ayudas para la toma de decisiones en la evolución de los consumidores
comportamiento, Shi y Zhang (2014) encontraron que los consumidores evolucionan a través de distintos estados de comportamiento a lo largo del tiempo,
y la evolución es atribuible a su experiencia previa de uso con varias ayudas para la toma de decisiones. Ayudas a la decisión
puede estar limitado por las características del dispositivo y, por lo tanto, el diseño óptimo de las ayudas para la toma de decisiones podría variar entre
dispositivos.
La investigación en el ámbito del profesional ofrece una nueva perspectiva del proceso de compra digital
en el que las redes sociales interactivas y el fácil acceso a la información pueden ampliar en lugar de limitar el cliente
opciones Además, los clientes pueden influir en otros compradores potenciales a través de reseñas en línea, redes sociales
medios, etc., durante las etapas previa y posterior a la compra (Court et al. 2009).
El viaje de decisión del cliente, en la mayoría de los casos, abarca tanto lo digital como lo tradicional.
entornos fuera de línea. Este comportamiento del comprador en todos los entornos ha sido objeto de varios artículos.
10
Por ejemplo, ¿los clientes que compran en los dos entornos gastan más dinero que los que usan
solo un canal? Kushwaha y Shankar (2013) abordaron esta pregunta con una base de datos compilada de
alrededor de un millón de clientes comprando en 22 categorías de productos durante 4 años. En su análisis, imprimir
El catálogo fue el único canal fuera de línea y sus clientes fueron comparados con los clientes que utilizan el canal en línea.
canal, o ambos. Desarrollaron un marco conceptual donde el valor monetario de un cliente se basa
en dos características de la categoría del producto si el producto es utilitario o hedónico y si el
producto es de bajo o alto riesgo percibido. Descubrieron que los clientes multicanal no son necesariamente
más valioso que los usuarios de un solo canal. Por ejemplo, los clientes solo fuera de línea tienen una mayor
valor que los clientes multicanal en categorías de productos utilitarios de bajo riesgo, y el solo en línea
los clientes gastan más en productos utilitarios de alto riesgo que los compradores multicanal. Neslin et al. (2006)
proporcionó una revisión integral sobre el comportamiento del cliente en las etapas de búsqueda, compra y postventa
de compradores multicanal. Identificaron cinco desafíos clave para futuras investigaciones, incluidos los datos
integración, comprensión del comportamiento del cliente, evaluación del canal, asignación de recursos y canal
coordinación. Además, el gran volumen de datos de puntos de contacto a nivel individual agrega más complejidad a
estos desafíos.
La búsqueda de información juega un papel importante en el proceso de decisión del cliente. Primeras investigaciones de
Ratchford, Lee y Talukdar (2003) examinaron cómo el entorno digital afecta las compras de automóviles
y reveló que Internet acorta las etapas de consideración y evaluación del recorrido del cliente,
y los clientes habrían buscado incluso más si no hubiera Internet. Un estudio posterior de Ratchford et
Alabama. (2007) en el mismo contexto automovilístico, encontraron que Internet sustituye el tiempo pasado en el concesionario,
por contenido impreso de fuentes de terceros en la etapa previa a la compra, y por el tiempo dedicado a negociar precios en
la etapa de consumación de la compra. Estos resultados destacan la importancia de la reducción de los costes de búsqueda y
así procesos de compra más eficientes en entornos digitales.
La forma específica en que se desarrolla la búsqueda digital de los consumidores y cómo se desarrolla el proceso
afectado y moderado por las ayudas de búsqueda y decisión en un entorno digital en constante cambio es, en y por
en sí mismo, un tema importante. Muchos de los resultados de la investigación en el área general de la búsqueda se pueden aplicar a
11
ajustes digitales específicos. Por ejemplo, Seiler (2013) desarrolló un modelo estructural en el que la búsqueda
La decisión se modela conjuntamente con la decisión de compra. Los clientes deciden cuánta información
necesitan reunir intercambiando la utilidad de compra percibida con el costo de búsqueda. usando los clientes
datos de compras en tiendas físicas tradicionales, Seiler (2013) mostró que los clientes no buscan en
alrededor del 70% de sus viajes de compras debido a los altos costos de búsqueda. Si el costo de búsqueda se reduce a la mitad, como en su
análisis contrafáctico, la elasticidad de la demanda puede ser más que triplicada. En la configuración en línea, cuando
el costo de búsqueda se reduce significativamente, los investigadores encontraron una mayor elasticidad de la demanda en varios productos
categorías (Degeratu, Rangaswamy y Wu, 2000; Granados, Gupta y Kauffman, 2012).
Kim, Albuquerque y Bronnenberg (2010) integraron el proceso de búsqueda secuencial en una elección
modelo. Utilizaron datos rastreados por la web de visualización y clasificación para todos los productos de videocámaras en Amazon.com
para una ventana de datos de un año y medio y supuso que estos datos son agregaciones de nivel individual
secuencias de búsqueda óptimas. Sus resultados mostraron que los consumidores generalmente buscan entre diez y quince
alternativas de productos. Si bien las herramientas de clasificación y filtro que ofrece el minorista pueden ayudar a los clientes a reducir
costos de búsqueda, estas herramientas también concentran la demanda en los productos más vendidos. Bronenberg, Kim y
Mela (2016) examinó el comportamiento de búsqueda en línea de los clientes de bienes duraderos diferenciados y de múltiples atributos.
como cámaras, y descubrió que, en promedio, un cliente realiza 14 búsquedas en línea en múltiples
marcas, modelos y minoristas en línea durante un período de 2 semanas. Sin embargo, la búsqueda exhaustiva se limita a un
pequeño conjunto de atributos y el 70% de los clientes buscan y compran dentro del mismo minorista en línea. Ellos
también encontró que los clientes primero buscan con palabras clave genéricas y se limitan a palabras clave específicas,
haciéndose eco de los hallazgos de la investigación de Rutz y Bucklin (2011).
La confianza es un elemento importante que influye en la recopilación de información selectiva de los clientes y
Comportamiento de búsqueda en el entorno digital. Shankar, Urban y Sultan (2002) introdujeron un concepto
marco para la construcción de confianza en línea utilizando la teoría de las partes interesadas, que abordó la construcción de confianza desde
la perspectiva de las diferentes partes interesadas, como clientes, proveedores y distribuidores. de los clientes
perspectivas, quieren que los sitios minoristas sean confiables y su información de transacciones y personal
información a proteger. Sin embargo, tales necesidades de los clientes pueden no estar del todo alineadas con la eficiencia del proveedor.
12
perspectiva. En uno de los primeros estudios empíricos sobre la privacidad de los clientes en las compras en línea,
Goldfarb y Tucker (2011a) realizaron un experimento de campo y descubrieron que la focalización puede socavar la
eficacia de un anuncio gráfico. Según su investigación, un anuncio que es a la vez molesto y basado en el contenido
dirigido tiene menos impacto en una compra que un anuncio que solo es molesto o dirigido, posiblemente debido a
preocupaciones de privacidad de los clientes.
Comprender cómo las tecnologías digitales emergentes impactan el comportamiento del consumidor es un importante
área de investigación. Es la clave para comprender el papel de varios puntos de contacto en la determinación de los clientes.
viaje de compra, ampliando el trabajo de Court et al. (2009). ¿Estos puntos de contacto siempre se comprimen y
acortar el viaje de compra como lo describen Edelman y Singer (2015) o hay un punto de inflexión donde
el viaje se alarga? ¿Cómo cambian estos hallazgos entre dispositivos? Cambia entre canales
y los dispositivos aumentan o disminuyen el costo de búsqueda? La investigación impulsada por la teoría que se centra en el impacto de
dispositivos sobre el comportamiento del consumidor es una necesidad crítica.
3.2 Redes sociales y contenido generado por el usuario
Una característica importante que diferencia el entorno digital del marketing tradicional
entorno es la facilidad con la que los clientes pueden compartir información de boca en boca, no sólo con unos pocos
amigos cercanos pero también con extraños en una red social extendida. En el entorno digital, los clientes
puede publicar reseñas sobre productos, servicios, marcas y empresas en los sitios web de las empresas, así como en sitios web de terceros
y redes sociales, y estas reseñas llegan a un número mucho mayor de clientes potenciales.
Toubia y Stephen (2013) se centraron en la importante pregunta de motivación: ¿por qué las personas
contribuir en las redes sociales? Su investigación distinguió entre dos tipos de utilidad que un contribuyente
deriva de las redes sociales: (1) utilidad intrínseca, la utilidad directa de publicar contenido y (2) información relacionada con la imagen
utilidad derivada de la percepción de los demás. Estos dos tipos de utilidad se pueden distinguir empíricamente
porque el primero depende del comportamiento de publicación, mientras que el segundo solo se relaciona con la cantidad de seguidores
una persona tiene en la red social. En su experimento de campo, Toubia y Stephan seleccionaron al azar 100
13
usuarios no comerciales activos en Twitter y agregó 100 seguidores sintéticos a cada usuario durante 50 días
período. Descubrieron que la utilidad intrínseca superaba la utilidad relacionada con la imagen cuando los usuarios de Twitter tenían menos
seguidores, mientras que la utilidad relacionada con la imagen se volvió más dominante a medida que los usuarios de Twitter reunieron más
seguidores. Además, la utilidad relacionada con la imagen fue mayor que la utilidad intrínseca para la mayoría de los usuarios.
Es importante identificar a los individuos influyentes en una red social. En su artículo seminal,
Watts y Dodd (2007) propusieron la hipótesis de que hay un pequeño grupo de personas influyentes, el impacto de
quien puede caer en cascada a otros. Trusov, Bodapati y Bucklin (2010) desarrollaron una medida latente de
influencia y examinó empíricamente la influencia en el comportamiento de inicio de sesión individual con datos de redes sociales.
Katona, Zubcsek y Sarvary (2011) estudiaron la difusión de la influencia y encontraron que la
posición en la red junto con información demográfica específica pueden ser buenos predictores de
adopciones Es más probable que una persona adopte si está conectada con más adoptantes o si la densidad de
las conexiones de adopción son más altas en su grupo.
Una forma de interacción con los clientes en línea que se ha estudiado ampliamente es la revisión en línea.
(por ejemplo, contenido generado por el usuario y boca a boca electrónico, o eWOM). Al igual que con el tradicional fuera de línea
boca a boca, eWOM abarca el conocimiento de los clientes sobre los productos, su uso, experiencia,
recomendaciones y quejas, y generalmente se percibe como digno de confianza y confiable. Además,
eWOM puede tener un contenido más rico y un mayor volumen que el WOM fuera de línea, y es mucho más accesible y
pueden compartirse ampliamente en el entorno digital. Dada la importancia de eWOM, ha sido objeto de
de una extensa investigación durante la última década, abordando temas como: la motivación para las publicaciones de eWOM; el
impacto de las publicaciones eWOM en las ventas y la dinámica de dichas publicaciones; cómo las publicaciones de eWOM influyen en otras publicaciones
y reseñas; y la identificación de las personas más influyentes de la red, conocidas como “influencers”.
Más recientemente, la investigación también se ha centrado en las reseñas engañosas y sus motivaciones.
Godes y Mayzlin (2004) fueron los primeros investigadores en investigar el impacto de la red
revisar. Examinaron el volumen y la dispersión de la revisión en línea y encontraron que la dispersión es un
buen predictor de los índices de audiencia de un programa de televisión. Chevalier y Mayzlin (2006) estudiaron la importante
relación entre las reseñas en línea y las ventas usando reseñas de libros en línea. Descubrieron que las reseñas en línea
14
son generalmente positivas y que estas reseñas pueden aumentar el ranking de ventas de un libro, pero que las reseñas negativas
tienen un impacto más fuerte que los positivos. Moe y Trusov (2011) identificaron dos dimensiones de la
Reseñas (evaluaciones de productos y dinámica social) y descubrió que ambas influyen en las ventas. Aparte de la
relación entre eWOM y rango de ventas, los investigadores también están desarrollando métricas tangibles para medir
el retorno de la inversión (ROI) de las redes sociales. Kumar et al. (2013) introdujeron una métrica para medir la
impacto viral de eWOM y su valor monetario asociado. Wu et al. (2015) desarrollaron un modelo de aprendizaje para
evaluó el valor monetario de una revisión y descubrió que se deriva más valor de los comentarios contextuales que
calificaciones numéricas. Además del eWOM orgánico creado por los clientes, ¿pueden las empresas impulsar las ventas
generando su propio eWOM? Según Godes y Mayzlin (2009), la respuesta es sí. En un grande
experimento de campo a escala, en el que recopilaron datos de clientes y no clientes, encontraron
Es probable que los clientes menos leales tengan un mayor impacto en las campañas de eWOM.
Chen, Wang y Xie (2011) compararon el impacto de eWOM y el aprendizaje por observación en
Amazon.com, donde los clientes crean eWOM y la información de observación se ofrece a través de
una característica de Amazon que informa al cliente lo que compraron los otros clientes (como un agregado
métrica en porcentaje) después de ver el mismo producto. Esta función de aprendizaje por observación fue
descontinuado a fines de 2005 y reanudado a fines de 2006. Los investigadores recolectaron un año y medio de datos
cubriendo estos dos cambios de funciones en Amazon y usó un modelo de primeras diferencias para medir el impacto de
eWOM, aprendizaje observacional y sus interacciones. Los resultados mostraron que el eWOM negativo es más
influyente que eWOM positivo, mientras que lo contrario es cierto para el aprendizaje por observación. Estos hallazgos
implica que es rentable para los minoristas proporcionar información de observación y el impacto de tal
la información puede ser fortalecida por el volumen eWOM.
Una cuestión de selección que debe tenerse en cuenta es que no todos los clientes contribuyen a
Es necesario modelar las reseñas en línea y la decisión de un cliente de escribir una reseña. Ying, Feinberg y
Wedel (2006) desarrolló un modelo de selección para capturar este proceso de decisión y también examinó la
valencia, volumen y varianza de calificaciones. Descubrieron que los revisores más activos publican calificaciones más bajas que
15
revisores menos activos y que, con el tiempo, estos revisores activos se convierten en la mayoría de los revisores
población, lo que explica la tendencia decreciente de la proporción de calificaciones favorables a lo largo del tiempo. Otro
Li y Hitt (2008) ofrecen una explicación de la tendencia a la baja de las reseñas positivas en línea. Ellos
identificó un proceso de selección en el que los clientes que compraron más tarde y, por lo tanto, revisaron más tarde tenían menor
utilidad del producto y la calificación más baja a lo largo del tiempo representó la valoración más baja por estos últimos
clientes. Además, Godes y Silva (2012) contribuyeron a la investigación de la dinámica de eWOM por
explicando la dinámica temporal. Moe y Schweidel (2012) se centraron en por qué los consumidores publican calificaciones
y modeló la decisión del individuo de proporcionar una calificación de producto y los factores que influyeron en eso
decisión. Los investigadores demostraron que había diferencias individuales significativas en cómo los consumidores
respondió a calificaciones publicadas anteriormente, con carteles menos frecuentes que exhiben un comportamiento de carro mientras
los carteles más frecuentes tendían a diferenciarse de otros carteles. Estas dinámicas afectan
evolución de las opiniones de productos en línea a lo largo del tiempo.
La última década ha sido testigo de un aumento en la investigación sobre reseñas en línea. Basado en 51 estudios, usted,
Vadakkepatt y Joshi (2015) realizaron un metanálisis sobre la elasticidad del volumen y la valencia de
reseñas en línea. Descubrieron que la elasticidad de valencia (0.417) es mayor que la elasticidad de volumen (0.236)
y estas elasticidades son mayores para los productos privados y de baja capacidad de prueba. En un interesante estudio en línea
engaño, Anderson y Simester (2014) encontraron que aproximadamente el cinco por ciento de las revisiones en línea en un
El sitio web del gran minorista era para productos que los revisores nunca compraron. Estos tendían a ser más
negativa que la revisión promedio y los autores concluyen que es poco probable que todas hayan sido escritas por
competidores o sus agentes, ya que estos revisores parecen haber comprado una serie de otros productos en el
detallista. En un metaanálisis reciente, Rosario et al. (2016) encontró que eWOM tenía un efecto más fuerte en las ventas
para bienes tangibles nuevos en el mercado, pero no para servicios. También encontraron que el volumen eWOM tenía un
impacto más fuerte en las ventas que eWOM valencia y eWOM negativo no siempre pusieron en peligro las ventas, pero
la alta variabilidad en las revisiones sí lo hizo.
Lamberton y Stephen (2016) proporcionaron un estudio detallado de los desarrollos de investigación recientes
Abarca dominios sustantivos de temas digitales, redes sociales y marketing móvil desde 2000 hasta
dieciséis
2015. Se enfocaron en las tecnologías digitales como facilitador de la expresión individual, como apoyo a la toma de decisiones
herramienta, y como fuente de inteligencia de mercado y su artículo complementa nuestro tratamiento anterior con más
detalles de las redes sociales y la investigación de UGC.
La investigación actual sobre UGC se centra principalmente en el estudio de datos estructurados: el número de estrellas o
Me gusta y sus estadísticas, como la media y la varianza. Sin embargo, el contenido de las reseñas y publicaciones
contienen información valiosa y directa expresada por el cliente. Mientras que el análisis de sentimientos
se ha utilizado para capturar información de valencia, solo unos pocos artículos empíricos han aprovechado la
contenido textual no estructurado de reseñas en línea (por ejemplo, Tirunillai y Tellis 2014; Büschken y
Allenby 2016). La investigación futura debe centrarse más en el análisis semántico de UGC.
3.3 Plataformas y mercados de dos caras
Varias plataformas y mercados de plataformas han surgido en el entorno digital, incluidos los
que conectan a los clientes individuales con otros vendedores individuales (eBay), los que conectan a los clientes con
una multitud de empresas/vendedores (Alibaba, Amazon, sitios de medios, varias redes de intercambio de publicidad), empresas
con empresas (plataformas de empresa a empresa) y empresas con la multitud (colaboración colectiva e innovación).
plataformas como Kickstarter). En todos los ejemplos anteriores, las plataformas son entidades independientes de terceros que
conectar compradores, vendedores, empresas, la multitud, etc. A esta lista, también agregamos comunidades de clientes que
las empresas se organizan para poder observar e interactuar con la multitud (plataformas patrocinadas por empresas).
Plataformas de innovación (por ejemplo, Dell Ideastorm, la plataforma de innovación abierta de Cisco) y otras redes sociales
Las comunidades son buenos ejemplos. Los ingresos de las plataformas bilaterales independientes provienen de uno o
una combinación de comisiones, cargos basados en el rendimiento (por ejemplo, Google cobra a los anunciantes por
costo por clic) y cargos basados en impresiones (por ejemplo, el costo por cada mil impresiones cobradas por
las redes publicitarias). Los mercados bilaterales están bien estudiados en los mercados de redes tradicionales y gran parte de los
la investigación también es fácilmente aplicable a las plataformas en línea (ver, por ejemplo, Parker y Van Alstyne 2005). En
17
esta sección nos centraremos específicamente en los estudios que se basan en las características únicas de la digital
medio ambiente en el examen de los temas de investigación pertinentes.
La investigación existente en los mercados de plataformas en línea ha examinado empíricamente la existencia de red
efectos, es decir, más usuarios/compradores aumentarán el número de anunciantes/vendedores de la doble cara
mercado (Parker y Van Alstyne 2005). Tucker y Zhang (2010) realizaron experimentos de campo y
investigó la influencia de la divulgación de información en la base de usuarios y la base de vendedores de un intercambio
red. Sus resultados sugirieron que un vendedor prefiere una red de intercambio con más vendedores debido a su
atractivo para más compradores. Colmillo et al. (2015) aplicaron un análisis de modelos vectoriales autorregresivos a
investigar los efectos directos de los compradores y vendedores en los ingresos publicitarios de la plataforma, así como la
efectos indirectos de la tasa de clics y el costo por clic (CPC). Sus resultados demostraron una fuerte red
efectos: más compradores aumentan el CPC para los vendedores y más vendedores aumentan el número de clics de los compradores
tarifas La plataforma de dos caras en su estudio lanzó un servicio de publicidad de búsqueda dentro de sus datos.
ventana, lo que les permitió capturar los diferentes efectos durante el lanzamiento y las etapas maduras de
buscar servicios de publicidad. Curiosamente, encontraron que el ROI en la etapa madura es el doble del ROI en
la etapa de lanzamiento. En la etapa de lanzamiento, encontraron que los vendedores existentes hacían ofertas más altas que los vendedores nuevos y tenían una
mayor impacto en las tasas de clics. Lo contrario es cierto durante la etapa madura. En cuanto a los compradores, el nuevo
los compradores tienen un mayor impacto en las tasas de clics y el precio durante la etapa de lanzamiento y este impacto
es aún más prominente durante la etapa madura. Además, el impacto de nuevos compradores dura tres veces
más tiempo que el de los compradores existentes.
Godes, Ofek y Sarvary (2009) examinaron el impacto de la competencia en las plataformas de dos caras en
escenarios de duopolio y monopolio con modelos analíticos. Encontraron en un ambiente de duopolio a los medios
las empresas tienden a cobrar más por su contenido de lo que cobrarían en un caso de monopolio donde no
existe competencia. Esto contradice la creencia común en la relación negativa entre la competencia
y precio que el precio es más bajo cuando la competencia es más intensa. Como resultado de los efectos de red de un
mercado de dos caras, las ganancias de la publicidad pueden disminuir a un mayor nivel de competencia, pero el
las ganancias de contenido aún podrían aumentar. Jiang, Jerath y Srinivasan (2011) examinaron el papel de Amazon como
18
proveedor de la plataforma en la vinculación de los pequeños vendedores con los clientes y las estrategias que adopta en la observación de la
demanda de los productos de los vendedores y ofreciendo los productos de alta demanda y examinados, en un juego
entorno, las estrategias de la empresa. Chakravarty, Kumar y Grewal (2014) se centraron en el negocio a negocio
plataformas y examinó su orientación total al cliente como una función del lado del comprador versus el lado del vendedor
concentración en las plataformas y encontró que la orientación total al cliente aumentó con el lado del comprador
concentración.
Otro tipo de plataforma que conecta a la empresa con la multitud (clientes) son las plataformas de crowdsourcing.
que las empresas pueden utilizar para generar ideas para nuevos productos y servicios. Estas plataformas de innovación permiten
empresas para recopilar repetidamente ideas de una multitud dispersa de clientes y ayudar a las empresas a elegir la mejor
ideas para llevar a cabo en el proceso de innovación. Bayus (2013) investigando la plataforma Ideastorm de Dell
encontró que los clientes que enviaron ideas repetidamente tenían más probabilidades de proporcionar buenas ideas, pero una vez
ganaron su tasa de éxito se redujo. Luo y Toubia (2015) centrándose en las plataformas de generación de ideas en línea
sugirió que las plataformas deberían personalizar la estructura de tareas de los concursos de ideas sobre la base de cada
conocimiento específico del dominio del cliente (aquellos que envían ideas) para aumentar la calidad de la idea. Como
plataformas de innovación se vuelven cada vez más populares, hay más atención de investigación sobre cómo aumentar
calidad de la ideación en dichas plataformas. En el contexto de las plataformas comunitarias patrocinadas por empresas, Manchanda,
Packard y Pattabhiramaiah (2015) se centraron en los “dólares sociales”, que son los ingresos generados por
clientes siendo miembros de la comunidad y encontró que una fuente social más fuerte que informativa de
beneficios económicos acumulados para la firma por parte de los clientes en la plataforma, destacando los beneficios de
administrar dichas comunidades para la empresa. Se puede encontrar un tratamiento más detallado de las plataformas en Sriram et al.
Alabama. (2015), donde los autores identificaron oportunidades para avanzar en la literatura empírica en plataformas
investigación.
Todavía hay una brecha significativa en nuestra comprensión de los procesos dentro de las plataformas que pueden
conducir a interacciones y resultados más eficientes y efectivos (tanto para las empresas como para los clientes/la multitud). Para
ejemplo, cómo pueden las plataformas mantener el compromiso de los clientes/multitud en las interacciones de comercio electrónico o
en los procesos de ideación de desarrollo de nuevos productos/servicios? ¿Cómo pueden los procesos sociales y comerciales
19
procesos coexisten y se complementan entre sí en las plataformas? Como las redes sociales facilitan el comercio
en sus plataformas: Facebook ejecuta un Marketplace virtual para que los usuarios puedan comerciar con la comunidad local y Chat
aplicaciones como WeChat y Line se pueden usar para pedir comestibles entregados en la puerta, la investigación sobre el
La relación entre las características sociales y comerciales de una plataforma adquiere mayor importancia.
3.4. Los motores de búsqueda
Los motores de búsqueda permiten a los clientes adquirir información gratuita sobre productos y servicios e identificar
firmas y marcas que se ajustan a sus criterios de búsqueda. Los motores de búsqueda proporcionan listados orgánicos (naturales) de sitios web
así como listados de búsqueda pagados en respuesta a las palabras clave que los usuarios ingresan. En esta subsección, primero
revisar la investigación que examina el impacto de los motores de búsqueda en las variables de resultados de interés. Entonces, nos enfocamos
en las decisiones del motor de búsqueda como plataforma y las decisiones de los anunciantes como clientes de la plataforma. Nosotros
examinar el ecosistema como un todo y centrar nuestra discusión en las relaciones entre las decisiones de
varios jugadores Finalmente, destacamos la investigación sobre la sinergia entre la búsqueda orgánica y de pago.
La eficacia de los motores de búsqueda está respaldada por varios estudios empíricos. Chan, Wu y Xie
(2011) encontraron que los clientes adquiridos a través de búsquedas pagas compran más y generan mayor
valor de por vida del cliente que los clientes adquiridos de otros canales en línea o fuera de línea, lo que indica que
Los motores de búsqueda son un mecanismo de selección efectivo para identificar clientes de alto valor. Además,
Dinner, van Heerde y Neslin (2014) encontraron que la publicidad de búsqueda paga es más efectiva que la publicidad fuera de línea.
publicidad, y Wiesel, Pauwels y Arts (2011) también encontraron que el impacto de una búsqueda paga es más duradero
que la del correo electrónico.
Hay tres jugadores involucrados en el marketing de motores de búsqueda: el motor de búsqueda, el
anunciante/empresa y el cliente. Ya hemos discutido el rol de los motores de búsqueda en la búsqueda de un cliente.
viaje de decisión. En esta subsección, nos enfocamos en temas específicos desde la perspectiva de la búsqueda
motores de búsqueda y los anunciantes: (1) cómo deberían los motores de búsqueda valorar y clasificar las palabras clave, y (2) cómo deberían
los anunciantes eligen palabras clave específicas y ofertan por esas palabras clave de la manera más eficiente y efectiva
adquisición de clientes.
20
La subasta generalizada de segundo precio es ampliamente adoptada por los motores de búsqueda para determinar los precios
y rankings de listados para cada palabra clave. Es bien sabido en economía que el segundo
La subasta de precio supera a la subasta de primer precio, pero su implementación en los motores de búsqueda no siempre es
óptimo Amaldoss, Desai y Shin (2015) compararon la licitación generalizada del segundo precio y la primera.
mecanismo de estimación de ofertas de página implementado en Google (la estimación ofrece las ofertas mínimas para aparecer en
la primera página de resultados de búsqueda para combinaciones específicas de palabra clave y anunciante). sus resultados
enfatizó la ventaja de este último al tratar con la valoración oculta de los anunciantes y las restricciones presupuestarias, y
lo que resulta en mayores ingresos para los motores de búsqueda que no necesariamente se obtienen a expensas de
los clientes publicitarios. Chen, Liu y Whinston (2009) desarrollaron un modelo analítico de participación óptima
estructura para asignar cuotas de impresión a los postores y ayudar a los motores de búsqueda a obtener ingresos máximos.
Más tarde, Zhu y Wilbur (2011) analizaron un esquema de licitación híbrido en el que los anunciantes pueden ofertar en un
pago por impresión o pago por rendimiento (es decir, el número de clics). Ellos sugirieron
que los motores de búsqueda deberían ofrecer diferentes opciones de oferta a los anunciantes.
El mercado basado en subastas en los motores de búsqueda, por definición, puede crear una competencia intensa entre
anunciantes Muchas empresas contratan agencias de publicidad para gestionar su marketing de motores de búsqueda y otorgar los
agencia en función de las conversiones. Abou Nabout et al. (2012) encontraron que dicho plan de compensación puede reducir el
beneficio de la agencia hasta en un 30%. Skiera y Abou Nabout (2013) propusieron una decisión de licitación automatizada
sistema de soporte para maximizar las ganancias del anunciante. Se muestra que el algoritmo propuesto mejora el ROI al
21% en el experimento de campo y aumentar los ingresos tanto del anunciante como de la empresa. Desai, Shin y Staelin (2014)
investigó la compensación de comprar la marca propia de una empresa frente a la marca de su competidor. Semejante
una compra se ve afectada por la calidad del propietario de la marca y su competidor. Cuando el propietario de la marca espera que su
competidor para comprar su palabra clave de marca, la acción óptima es comprar su propia marca para evitar la
competidor. Además, descubrieron que pujar por las marcas de los competidores aumenta la visibilidad de los motores de búsqueda.
beneficios, pero podría llevar tanto al propietario de la marca como a su competidor al dilema del prisionero en el que ambos pierden
ganancias
21
Los motores de búsqueda proporcionan a la empresa informes de rendimiento de palabras clave para ayudar a la empresa a comprender
la efectividad de su publicidad de búsqueda paga. Por ejemplo, Google proporciona estadísticas diarias que incluyen
el número de impresiones, número de clics, tasa de clics (CTR), tasa de conversión, CPC promedio,
costos totales, posición promedio y puntajes de calidad, etc. Entre estas métricas, posición, CTR y conversión
tasa ejercen el mayor impacto en los costos de adquisición. En una de las primeras investigaciones empíricas sobre motores de búsqueda,
Ghose y Yang (2009) modelaron simultáneamente el clic y la conversión del cliente, el CPC
y la posición de los anuncios de búsqueda. Descubrieron que a medida que el anuncio de búsqueda se mueve a la parte superior de la página de resultados, el
El CTR es más alto. Sus resultados mostraron que la inclusión del nombre del minorista en las palabras clave de búsqueda
genera un CTR más alto, mientras que la inclusión de la marca o frases de búsqueda más largas conduce a un CTR más bajo.
Siguiendo esta investigación, Agarwal, Hosanagar y Smith (2011) demostraron que el CTR disminuye a medida que el anuncio
la posición se mueve hacia abajo, pero la tasa de conversión no se asocia monotónicamente con la posición del anuncio. Rutz,
Bucklin y Sonnier (2012) ampliaron esta corriente de investigación al demostrar que la tasa de conversión de
Los anuncios de palabras clave se ven afectados por la presencia del nombre de la marca y la información de ubicación. Algunos focos de investigación
más sobre la posición del anuncio. Por ejemplo, Yao y Mela (2011) examinaron la competencia por la posición del anuncio y
Modelaron el comportamiento estratégico de los anunciantes. Narayanan y Kalyanam (2015) utilizaron una discontinuidad de regresión
enfoque para investigar el impacto de la posición en la eficacia de los anuncios de búsqueda. Mostraron que la posición es
más importante para los anunciantes más pequeños, y también encontraron la presencia del nombre de la marca o
la información del producto puede socavar la eficacia del anuncio. Li et al. (2016) centrado en el papel de la atribución
Estrategias en campañas de búsqueda. Modelaron la oferta de palabras clave de la empresa y su ROI, la búsqueda
la decisión de clasificación de los motores y los clics y la conversión de los clientes, y mostró que la atribución
Las estrategias pueden tener un impacto significativo en la orientación de los clientes mediante palabras clave. Berman y Katona
(2013) examinaron el impacto de la optimización de motores de búsqueda (SEO) en la competencia entre anunciantes
para resultados de búsqueda orgánicos y patrocinados, y condiciones identificadas bajo las cuales el SEO mejora la atención del cliente
satisfacción con los resultados del motor de búsqueda.
Aparte de la investigación sobre la relación entre las métricas de rendimiento de las campañas de búsqueda,
Yang y Ghose (2010) también examinaron la sinergia entre la búsqueda orgánica y los anuncios de búsqueda patrocinados.
22
Rutz y Bucklin (2011) desarrollaron un modelo lineal dinámico para capturar el efecto indirecto de genérico a
anuncios de búsqueda pagados de marca. El efecto indirecto de los canales de marketing tradicionales, como la publicidad televisiva.
es estudiado por Joo et al. (2013) y Joo, Wilbur y Zhu (2015), y el efecto indirecto del motor de búsqueda
el marketing a otros canales de marketing en línea también se estudia en la atribución multitoque multicanal
literatura (Li y Kannan, 2014; Xu, Duan y Whinston, 2014).
La investigación futura en el área de los motores de búsqueda se verá impulsada por nuevos desarrollos, tanto en
modos de negocio, así como en la tecnología. Por ejemplo, Google ha estado incrustando precios de productos
buscado directamente en los resultados de búsqueda orgánicos, lo que podría brindar a los clientes la opción de no visitar
un sitio web específico para verificar el precio y los clientes pueden simplemente pasar por alto los sitios web donde están los precios
más alto. Actualmente, las empresas pueden optar por el programa de mostrar sus precios directamente en el orgánico
Resultados de la búsqueda. Una cuestión de importancia para estas empresas es si deben participar o no. Desde el
punto de vista de los clientes, ¿estas opciones reducen el tiempo de búsqueda y el número de visitas al sitio web? Estos son
cuestiones interesantes para examinar. Desde el punto de vista del desarrollo tecnológico, nuevos motores de búsqueda como
Memex de DARPA de EE. UU. que busca en la web "oscura" y motores de búsqueda que usan imágenes y audio para
Es probable que realizar búsquedas mantenga la investigación en esta área a la vanguardia.
3.5 Interacciones contextuales
En esta subsección, examinamos la interacción entre las tecnologías digitales y el contexto
elementos del entorno de una empresa. En concreto, nos centramos en tres elementos contextuales que han recibido
interés significativo en la literatura de marketing existente dado que podrían tener un impacto significativo en el
efectividad del marketing digital: (a) geografía y ubicación, (2) regulaciones sobre privacidad y (3)
normativa contra la piratería de contenidos.
Si bien el entorno digital trasciende las fronteras geográficas, las preferencias de los clientes en línea
y las opciones siguen siendo en gran medida una función de la geografía. Jank y Kannan (2005), usando campo en línea
experimentos y la formulación de un modelo espacial, mostró que las elecciones entre formatos de libros de un
los clientes del editor exhibieron una variación geográfica posiblemente capturando los efectos no observados debido a
23
diferencias de ubicación y sensibilidades de precios. Bell y Song (2007) examinaron pruebas de clientes en
Netgrocer.com y descubrió que la decisión de adopción de los clientes influiría en las decisiones de adopción de
residentes geográficamente próximos que aún no lo han intentado. Se encontró que el efecto de vecindad estimado era
ser significativamente positivo y económicamente significativo. Más recientemente, los efectos de ubicación en el móvil
ambiente han resultado ser muy significativos. Danaher et al. (2015) estudiando la eficacia de los dispositivos móviles
cupones encontró que la efectividad era una función de dónde y cuándo se colocaron los cupones móviles.
entregado, con la ubicación y el tiempo de entrega que influyen significativamente en el canje. Andrews et al.
(2016) examinó la eficacia de la orientación de los anuncios para móviles en el contexto de multitudes y descubrió que
los viajeros en trenes subterráneos abarrotados tienen el doble de probabilidades de responder a una oferta móvil haciendo una
compra frente a los de los trenes no llenos. Sugirieron que a medida que aumentaba el hacinamiento invadía
el espacio físico de uno, las personas se volvieron hacia adentro de manera adaptativa y se volvieron más susceptibles a los anuncios móviles. Como
las tecnologías digitales se vuelven más personales, el impacto de la geografía y la ubicación podría ser importante
predictores del comportamiento del consumidor.
Hay un esfuerzo cada vez mayor por parte de las empresas en línea para aprovechar la valiosa información a nivel individual
sobre los comportamientos de búsqueda de los clientes, las reseñas en línea, las actividades en las redes sociales y cualquier otra cosa que los clientes
interactuar en línea. En los EE. UU., la información personal de los clientes se puede compartir entre empresas siempre que
ya que las empresas declaran sus intenciones en su política de privacidad. Los datos granulares recopilados por el
empresas ayuda a los especialistas en marketing a comprender mejor cuándo, dónde y cómo satisfacer las necesidades de los clientes. Sin embargo,
la preocupación de los clientes por su privacidad va en aumento. Un informe reciente de JD Power (Pingitore et al. 2013) mostró
que la preocupación por la privacidad de los consumidores se mantiene en un alto nivel, mientras que su desconfianza hacia los recopiladores de datos en línea
continúa creciendo. La mayoría de los clientes encuestados no cree que las empresas deban acceder a sus datos personales por
seguimiento de cookies o actividades en redes sociales. Sin embargo, el 81% de los consumidores sienten que no tienen control sobre
cómo se recopila y utiliza su información personal. En la Unión Europea (UE), las leyes de privacidad son
mucho más estricto, lo que puede tener un impacto significativo en la selección de clientes. Goldfarb y Tucker (2011a)
utilizando una encuesta a gran escala de clientes expuestos a anuncios gráficos, se encontró que, en promedio, "mostrar
la publicidad se volvió mucho menos efectiva para cambiar la intención de compra declarada después de que se promulgaron las leyes de la UE,
24
en relación con la publicidad gráfica en otros países”. La reducción de la eficacia fue particularmente
pronunciado para mostrar anuncios de tamaños más pequeños sin elementos interactivos y para sitios web que tenían general
contenido como noticias.
Rust, Kannan y Peng (2002) desarrollaron un modelo analítico para examinar el nivel de equilibrio
de privacidad en un entorno simplificado con una empresa monopólica y un cliente representante, asumiendo la
El mercado de la privacidad está libre de regulación o intervención gubernamental. Sus hallazgos estaban en consonancia con los
creencia arraigada de que la privacidad general disminuiría con el tiempo y mantener la privacidad sería más
costoso para los consumidores. Esperaban que surgiera un mercado de privacidad en el que los consumidores pudieran comprar un
cierto nivel de privacidad en ese mercado.
Finalmente, volviendo al tema de la piratería y la gestión de derechos digitales (DRM), ha habido un
número de estudios, tanto analíticos como empíricos, centrados en el impacto de la piratería y DRM en las ventas y
beneficios de los bienes de información. Algunos investigadores han demostrado que la piratería puede ser beneficiosa para las empresas cuando
hay fuertes efectos de red y la copia expande el mercado. Jain (2008) mostró que incluso cuando
no hay efecto de red, la piratería podría aumentar las ganancias de una empresa, ya que una protección más débil de los derechos de autor podría
permitir que las empresas reduzcan la competencia de precios al permitir que los consumidores sensibles a los precios copien. Así, más débil
la protección de los derechos de autor podría servir como mecanismo de coordinación para reducir la competencia de precios. Del mismo modo incluso
cuando hay una presencia de fuertes efectos de red, una aplicación más estricta de los derechos de autor por parte de una empresa podría
servir como un dispositivo de coordinación para reducir la competencia de precios.
Vernik et al. (2011) examinó el impacto de la presencia y ausencia de DRM. Al endogenizar el
nivel de piratería, encontraron que la piratería de descargas en realidad podría disminuir cuando la empresa permite legalmente
descargas sin DRM y que los propietarios de los derechos de autor no siempre se beneficiarían al dificultar la piratería
contenido. En un sustento empírico, Sinha, Machado y Sellman (2010) realizaron dos grandes estudios empíricos
estudios y un ejercicio de validación, y encontró que la industria de la música puede beneficiarse de la eliminación de DRM
porque tal estrategia tenía el potencial de convertir a algunos piratas en consumidores de pago. sin DRM
El medio ambiente también mejoró el bienestar del consumidor y del productor al aumentar la demanda de productos legítimos.
productos, así como la disposición de los consumidores a pagar por estos productos. En un estudio relacionado, Danaher et al.
25
(2010) encontraron en un experimento natural que la piratería aumentaba cuando el contenido, que antes estaba disponible
para descargar legítimamente en línea, no estaba disponible para su distribución en línea. Cuando la distribución fue
restaurado, los niveles de piratería cayeron.
El impacto de la geografía y la ubicación en el comportamiento del consumidor, especialmente con respecto a la búsqueda y
Comportamiento de compra: es un tema importante para investigar con la tecnología digital cada vez más personal y
usable. Con el advenimiento de la realidad virtual (VR) y la realidad aumentada (AR), las interacciones contextuales
volverse significativo. ¿Es diferente el impacto de estas tecnologías en un entorno digital frente a un ladrillo?
¿Entorno de mortero? ¿Sería diferente para productos versus servicios? ¿Cómo pueden las empresas que venden
las experiencias de los clientes en línea (viajes, hospitalidad, paquetes de vacaciones) se benefician de dicha tecnología y
¿Cómo pueden incorporar la tecnología en sus ayudas para la toma de decisiones en línea?
Dado que los problemas de privacidad se vuelven más importantes para los clientes, las empresas pueden verse obligadas a limitar la recopilación de datos.
a un nivel muy granular (ya sea por regulaciones gubernamentales o por autorregulación). En tal caso, el
desarrollo de técnicas de personalización y personalización que utilizan datos a nivel más agregado o parcial
los datos se volverán críticos. Wedel y Kannan (2016) proporcionan algunas formas posibles de manejar tales
datos anonimizados y/o agregados.
4. Acciones de marketing
4.1 Producto
El concepto de producto está experimentando una rápida transformación en la era digital. Primero el
El aumento del producto central con servicios se está volviendo cada vez más digital, en el que el valor central de
el producto aumenta con el valor derivado de las mejoras digitales (por ejemplo, automóviles con GPS
sistemas, tecnologías de conducción autónoma basadas en sensores). En segundo lugar, la creación de redes de productos que utilizan en línea y
tecnologías móviles está generando una economía de alquiler en la que el valor latente de los productos propios (por ejemplo,
vivienda y automóviles) se lanza a través de redes digitales para opciones de alquiler (por ejemplo, Airbnb y
Uber). Estas tecnologías de red también están impulsando el desarrollo de Internet de las cosas (IoT), donde
26
Los productos están dotados de tecnologías inteligentes que permiten la comunicación entre sí y con los usuarios.
En tercer lugar, los propios productos/servicios se están transformando en servicios digitales, especialmente en el ámbito de la
productos de información como software y contenido como música, video y texto, con acceso en línea y móvil
tecnologías que juegan un papel clave en el cumplimiento. Esto ha proporcionado oportunidades para crear líneas de productos de
varios formatos digitales y no digitales tradicionales con implicaciones interesantes para la fijación de precios y el marketing.
Las líneas de productos de servicios digitales también permiten modelos como “freemium”, donde se ofrece la versión básica
gratis y la versión mejorada se ofrece por una tarifa (por ejemplo, almacenamiento digital y contenido en línea). Todo
estos desarrollos también brindan oportunidades para adaptar y personalizar las ofertas de los clientes, al
variando no solo el producto/servicio central sino también los servicios digitales aumentados.
Para comprender el marketing digital y su impacto, es fundamental centrarse en cómo
Las tecnologías están aumentando y transformando el producto principal. En el corazón de este aumento y
la transformación es un esfuerzo por proporcionar nuevos valores a los consumidores que fomentan la creación de nuevos negocios
modelos (Figura 2).
Figura 2: Aumento y Transformación Digital del Producto
Una de las primeras tendencias en la digitalización del producto principal con servicio aumentado es la transformación
de productos y el servicio asociado en servicios digitales en el dominio de los productos de información –
software, música, video, texto, videojuegos, etc. Esta transformación fue tan fácil como la naturaleza del producto
era digital y la innovación consistía simplemente en despojarse de la forma física para volverse completamente digital:
los libros se convirtieron en libros electrónicos, la distribución de música/video cambió de CD/DVD a streaming, los videojuegos
27
migró en línea, y así sucesivamente. Esta transformación redujo significativamente el costo marginal de producir y
distribución de contenidos digitales. Bako y Brynjolfsson (2000) demostraron que podría conducir a la
agrupación de contenido a través de lo que llamaron "economías de agregación". En concreto, dada la baja
coste marginal del contenido, la agrupación se convierte en una estrategia de producto incluso sin externalidades de red o
economías de escala o alcance. Si no hay desutilidad para la información irrelevante, entonces la agrupación de contenido
se convierte en una estrategia óptima. Por otro lado, también se ha hecho una transformación a la versión digital.
desagregación de contenido (singles de música, capítulos de libros) posible. Elberse (2010) encontró que la desagregación y
la descarga digital redujo significativamente los ingresos al desplazar el contenido empaquetado. Sin embargo, si el
los elementos del paquete tenían el mismo atractivo y/o si el artista tenía una gran reputación, el impacto era menor
sobre los ingresos.
En general, la disponibilidad del producto/servicio digitalizado junto con el producto en su forma tradicional
– específicamente, una línea de productos con el mismo producto en diferentes formatos, ha llevado a una investigación interesante.
Si bien los productos de una línea de productos tienden a ser sustitutos, los formatos convencionales y los formatos digitales pueden
se complementan entre sí según las ocasiones de uso de los formatos y se pueden agrupar.
Koukova, Kannan y Ratchford (2008) demostraron que cuando la publicidad enfatiza el uso común
situaciones en todos los formatos, los consumidores percibían los formatos como sustitutos, pero cuando la publicidad
Enfatizó situaciones de uso únicas para cada formato, los consumidores percibieron los formatos como más
complementario. Koukova, Kannan, Kirmani (2012) usaron esta idea para mostrar cómo los formatos pueden ser
diseñado para ser más complementario y, por lo tanto, animar a los consumidores a comprar un paquete de formatos.
Una pregunta de investigación relacionada es la cuestión del diseño de muestras digitales de productos como películas,
canciones y libros que permiten a los consumidores aprender más sobre los productos con el objetivo de incentivar
ventas. Halbheer et al. (2014) examinó el tema de la cantidad de muestra, es decir, qué cantidad de una muestra debe ser
proporcionada para maximizar las ventas. Li, Jain y Kannan (2016) examinaron cómo la calidad de la muestra afecta
ventas usando modelos analíticos y empíricos. El objetivo de ambos estudios es determinar la
nivel óptimo de muestreo en diferentes condiciones. El problema de muestreo es similar al anterior.
problema de la línea de productos: para algunos, la muestra y el producto digital son sustitutos, mientras que el objetivo de
28
la empresa que vende el producto debe hacerlos como complementos para que más consumidores compren el producto
después del muestreo. La idea es la misma en los modelos freemium donde los consumidores utilizan el acceso libre o libre
muestra por un período de tiempo antes de actualizar al producto premium por un precio. También se puede ver como
un problema de línea de productos donde los productos son complementos temporales (Berry et al. 2014).
Un impacto significativo del entorno digital en la estrategia de producto es la facilitación de la
personalización La interfaz digital facilita a los clientes la elección de opciones y la configuración del
producto de acuerdo a sus especificaciones. Uno de los temas clave de la investigación es el diseño del "tablero de opciones".
(o un menú de opciones) de varias características y opciones para configurar sus propios productos y servicios.
Wind y Rangaswamy (2001) acuñaron el término “customerización” para describir la estrategia de producto de una empresa.
que combina la personalización masiva con el marketing personalizado empleando menús en línea para personalizar
productos modularizados. Las primeras investigaciones de Lietchy, Ramaswamy y Cohen (2001) examinaron el uso de
menús de elección experimental para evaluar las preferencias de los clientes y la sensibilidad al precio de los productos y
servicios con diferentes características y opciones. Dellaert y Stremersch (2005) examinaron la compensación
entre la utilidad de personalización masiva y la complejidad en el diseño de menús, y encontró que la
Las configuraciones de personalización tienen una mayor utilidad para los clientes con experiencia que para los clientes con poca
La experiencia y la complejidad del producto tuvieron un impacto negativo menor en la utilidad del producto para los expertos.
Hildebrand, Haubl y Herrmann (2014) se centraron en reducir la complejidad de la personalización masiva mediante
proporcionando soluciones iniciales para los clientes y al mismo tiempo manteniendo todas las ventajas de
personalización La investigación sobre ayudas para la toma de decisiones (discutida en Comportamiento del Consumidor) también es relevante en este
contexto.
Si bien el concepto de producto ha sufrido una completa transformación en el caso de lo digital
formatos, existen modelos comerciales recientes en los que el producto principal sigue siendo el mismo, pero el aumento
se logra a través de servicios digitales. Ejemplos de tales modelos comerciales incluyen Airbnb, Uber y Lyft,
que liberan el valor inherente de los productos para alquiler utilizando tecnologías y redes digitales (ver, para
ejemplo, Sundararajan (2016)). Si bien estos modelos comerciales también pueden verse como plataformas, desde el
Desde la perspectiva del diseño de productos, el hecho de que sean compartidos o alquilados puede tener un significado especial. Otro
29
ejemplos de aumento de productos básicos a través de servicios digitales incluyen innovaciones tales como auto
conducción de automóviles, automóviles en red que brindan servicios complementarios mediante aplicaciones, etc.
comprende el ámbito de IoT donde los productos físicos como hogares, electrodomésticos, instrumentos y
equipos se complementan con sensor, GPS, electrónica, software y conectividad de red para que
pueden intercambiar datos para obtener mejores eficiencias, eficacia y beneficios económicos. Lo interesante
El problema en tal ámbito es la comprensión de cómo deben diseñarse los productos para optimizar el medio ambiente.
productos complementarios del sistema para que los clientes obtengan mayor valor y así los adopten.
Con productos cada vez más integrados y conectados en red con tecnologías digitales, es
importante comprender los contextos de uso y conectividad de los productos y el impacto de estos contextos
tienen sobre la utilidad derivada de los productos. Tal entendimiento puede proporcionar la base para personalizar
los productos que utilizan los servicios digitales que aumentan el producto. Por ejemplo, los fabricantes de automóviles
como Ford se están enfocando cada vez más en diseñar productos para la experiencia del cliente. en el compartir
los clientes económicos pueden centrarse cada vez más en las características que afectan la experiencia con un viaje en automóvil en lugar de
que enfocarse en las características que son sobresalientes en poseer un automóvil. La nueva investigación también debe abordar cuestiones
tales como (1) identificar el papel del cliente en el diseño del producto dado el entorno digital interactivo, y
(2) cómo los dispositivos móviles pueden cambiar la transacción y entrega de productos y servicios.
4.2 Precio
Los productos y servicios digitales tienen un costo marginal de producción y distribución muy bajo o nulo.
Esto tiene implicaciones importantes para los modelos de precios e ingresos, especialmente en el contexto de las líneas de productos.
que consta de formatos tradicionales y formatos digitales. Venkatesh y Chatterjee (2006) examinaron
precios óptimos de contenido en línea y fuera de línea (revistas y diarios) y mostró que el formato en línea
puede conducir a mayores ganancias actuando como un dispositivo para la discriminación de precios. Si bien asumieron que los consumidores compran
uno u otro formato, Kannan, Pope y Jain (2009) mostraron que los consumidores son heterogéneos en sus
percepción de sustituibilidad y complementariedad de formatos y que se pueden lograr mayores beneficios
formatos de agrupación. Pauwels y Weiss (2007) se centraron en los modelos freemium en el contexto de los periódicos
30
y revistas en presencia de ingresos publicitarios. Kanuri et al. (2016) construyeron un menú de contenidos
paquetes de suscripción que maximizan el beneficio total tanto de los consumidores como de los anunciantes en el contexto de un
plataforma de periódico similar y proporcionó información sobre los menús que maximizan las ganancias en varios negocios
estrategias de modelo y formato. Lambrecht y Misra (2016), centrándose en las plataformas de contenido, examinaron la
cuestión de cuánto contenido debe ser gratuito y cuándo las empresas deben cobrar una tarifa. Descubrieron que las empresas
pueden aumentar los ingresos ajustando de manera flexible la cantidad de contenido que ofrecen contra una tarifa en lugar de establecer
un muro de pago estático como lo hacen muchos proveedores de contenido. La flexibilidad depende de la heterogeneidad en los consumidores.
la demanda y por lo tanto puede ser dinámico.
Lee, Kumar y Gupta (2013) se centraron en productos freemium sin publicidad como Dropbox y desarrollaron
estrategias de precios óptimos utilizando modelos estructurales. A medida que las empresas crean nuevos tipos de bienes digitales y
formatos, la investigación académica ha seguido y proporcionado una comprensión generalizable y
recomendaciones Otros ejemplos de investigaciones recientes involucran innovaciones en bienes digitales como en línea
música (Chung, Rust y Wedel, 2009), videojuegos (Liu, 2010) y computación en la nube (Liu, Singh y
Srinivasan, 2015). Lambrecht et al. (2014) proporcionaron una revisión sobre la base de contenido, información y
modelos de ingresos basados en publicidad para productos digitales. En el modelo de ingresos basado en el contenido, la empresa puede vender
contenidos y servicios. El modelo basado en la información se aplica cuando los ingresos son generados por una empresa que vende sus
información de los clientes, como el comportamiento de navegación a nivel de cookies. Los ingresos basados en la publicidad
El modelo es adecuado para sitios web que tienen inventario para anuncios gráficos. El espacio destinado a la publicidad puede ser
un importante impulsor de los ingresos de la empresa.
El precio de los productos y servicios en línea es más dinámico que en las empresas físicas.
por varias razones: (1) los costos de búsqueda para los consumidores son bajos, (2) los costos del menú para los minoristas son bajos, (3)
los cambios en el entorno de compras son rápidos y (4) los minoristas pueden responder más a las búsquedas de los clientes
rápidamente. Además, el uso cada vez mayor de la subasta en la adquisición de clientes (por ejemplo, motores de búsqueda, re
focalización, etc.) atrae a clientes más selectivos al sitio de los minoristas. Por un lado, los clientes son
hacer más comparaciones de precios debido a los menores costos de búsqueda. Degeratu, Rangaswamy y Wu (2000) encontraron
que los compradores en línea son más sensibles al precio que los compradores fuera de línea. Usando los datos de los viajes aéreos
31
industria, Granados, Gupta y Kauffman (2012) mostraron de manera similar que la demanda en línea es más elástica,
en parte debido al problema de autoselección de que más viajeros de placer que viajeros de negocios reservan su vuelo
viajar en línea. Por otro lado, los minoristas en línea pueden medir la demanda, rastrear los precios de los competidores
y ajuste los precios más rápido debido a los costos más bajos del menú. Kannan y Kopalle (2001) distinguieron la
cadena de valor virtual basada en la información de la cadena de valor física basada en el producto y discutió algunos
nuevas estrategias de fijación de precios que surgen en Internet, incluido el modelo de subasta, agregación de demanda,
precios dinámicos publicados, modelo de subasta inversa de Priceline y otros.
Varios estudios se han centrado en los nuevos modelos de fijación de precios habilitados por el entorno digital.
y sobre las características de la fijación de precios en el mercado en línea: nombresupropiocanalesdeprecio (Hann y
Terwiesch 2003; Spann y Tellis 2006; Fay 2004; Amaldoss y Jain 2008), Subastas en línea (Popkowski
Leszczyc y Häubl 2010; Haruvy y Popkowski Leszczyc 2010), y dispersión de precios en línea
mercados (ver Pan, Ratchford y Shankar 2004).
Con IoT a punto de despegar, la fijación de precios de los productos aumentados con servicios digitales sería un
importante área de investigación. La investigación previa sobre precios de información en línea y precios de acceso es útil
punto de partida. Jain y Kannan (2002) examinaron las diversas formas en que los servidores en línea brindan acceso a
las bases de datos cobran a los consumidores: precios por tiempo de conexión, precios de tarifa plana por la información descargada, o
precios basados en suscripción para descargas ilimitadas. Essagaier, Gupta y Zhang (2002) e Iyengar
et al. (2011) han examinado cuestiones similares en el contexto de la fijación de precios basada en el acceso y una estructura de precios
para servicios de telecomunicaciones que serían útiles para aplicaciones IoT. En una línea similar, Iyengar,
Jedidi y Kohli (2008) construyeron un modelo de análisis conjunto para estudiar las elecciones de los consumidores entre contratos
con precios de tres partes (tarifa base, asignación de uso gratuito y cargo por unidad por uso superior al gratuito)
mensual), como es habitual en los contratos de telefonía, datos móviles y alquiler de coches. su modelo
incorporó simultáneamente los niveles de precios y consumo en el análisis conjunto y capturó la
Dependencia mutua entre precio y consumo. Tuvieron en cuenta la incertidumbre del consumidor sobre
niveles reales de consumo, y encontró que ignorar tal incertidumbre subestimaría el consumo de un consumidor
nivel de consumo Tales estructuras de precios serán cada vez más relevantes en el futuro.
32
La fijación de precios en el contexto de las tecnologías móviles y personales es un área madura para futuras investigaciones.
Estas tecnologías, junto con la búsqueda basada en imágenes y voz, pueden hacer que los costos de búsqueda sean infinitesimalmente
pequeño. ¿Cuáles son las implicaciones de esto para la fijación de precios y la igualación de precios? ¿Cuáles son las implicaciones para el precio?
¿competencia? Muchas empresas están recurriendo a precios dinámicos en Internet, donde los precios cambian
dependiendo de la hora del día, el día de la semana y otras situaciones contextuales. ¿Cómo serán los clientes?
¿Las expectativas se verán afectadas por tales formatos de precios? ¿Cómo pueden las tecnologías personales ayudar a las empresas a construir
lealtad del cliente y aumentar su poder de fijación de precios?
4.3 Promoción
Muchos minoristas en línea recomiendan productos a sus clientes mediante filtrado colaborativo o
personalización adaptativa. Estos pueden verse como servicios aumentados en torno al producto central (como
sistema de recomendaciones de Netflix) o como promoción personalizada. Centrándose en tales sistemas, Ansari,
Essegaier y Kohli (2000) desarrollaron un modelo de preferencia bayesiano que considera la preferencia del cliente
heterogeneidad de preferencias y heterogeneidad de productos. En su investigación, los atributos no observados pueden ser
imputado con aumento de datos a partir de los datos de calificación observados. Ying, Feinberg y Wedel (2006)
cuenta de la selección endógena en las calificaciones de recomendación en línea. Encontraron que en conjunto
examinar la selección para calificar un producto y las calificaciones correspondientes puede mejorar la recomendación
calidad. Bodapati (2008) hizo una distinción entre la compra por iniciativa propia y la recomendación
respuesta y modelaron la influencia de la recomendación de una empresa en los comportamientos de compra de los clientes. Él
encontró que el modelo basado en la respuesta esperada del cliente a una recomendación realiza
mejor que los métodos de recomendación tradicionales que simplemente recomiendan un artículo que un cliente está
muy probable que compre basándose en preferencias pasadas. Chung, Rust y Wedel (2009) han propuesto un modelo adaptativo
sistema de personalización de música online (reproductores de audio digital) para personalizar adaptativamente el servicio, fino
ajustar el servicio a lo largo del tiempo para cada cliente individual, en función de la observación de ese cliente
comportamiento. Dichos sistemas de retroalimentación de circuito cerrado hacen que los sistemas sean altamente efectivos. Wedel y
Kannan (2016) ha proporcionado una revisión detallada de tales sistemas,
33
El correo electrónico y la pantalla son dos herramientas iniciadas por la empresa que se utilizan para llegar a los clientes. Ansari y Mela (2003)
mostró que los correos electrónicos con diseño y contenido personalizados pueden aumentar el tráfico del sitio web. con su propuesta
Con el método de segmentación por contenido, se demostró que el CTR de los correos electrónicos aumentó en un 62 %. Sin embargo, las empresas deben
No abusar de la comunicación por correo electrónico. Ansari, Mela y Neslin (2008) encontraron que el uso excesivo de la orientación por correo electrónico
podría tener un impacto negativo.
Con el gasto cada vez mayor en anuncios gráficos, se ha realizado una amplia investigación para determinar
la eficacia del anuncio gráfico. Winer e Ilfeld (2002) encontraron que la publicidad en línea conduce a más
tráfico del sitio web, pero no puede aumentar el conocimiento de la marca, mientras que Dreze y Hussherr (2003) encontraron visualización
los anuncios aumentan el conocimiento de la marca y el recuerdo del anuncio. Una métrica clave de la efectividad de los anuncios gráficos es el CTR.
Chatterjee, Hoffman y Novak (2003) encontraron que la respuesta de los clientes a los anuncios publicitarios depende de la
frecuencia, exposición acumulada y tiempo transcurrido desde el último clic. Ellos modelaron un cliente
propensión a hacer clic en un anuncio de banner y encontró una relación decreciente no lineal. Como el mismo
el anuncio de banner se muestra repetidamente al cliente, es menos probable que el cliente haga clic en el anuncio. Clientes
que vuelven a visitar después de un período de tiempo más largo tienen más probabilidades de hacer clic en anuncios publicitarios que aquellos con un período más corto
intervalo de revisión. Es decir, los clientes que son nuevos en un anuncio gráfico o que están expuestos con menos frecuencia al anuncio son
más probabilidades de hacer clic. Más allá del CTR, también se ha estudiado el impacto de la exposición de la pantalla en la tasa de compra.
Manchanda et al. (2006) mostró que el número de exposiciones a un anuncio de banner acelera una compra. como el
los visitantes navegan por más sitios, este impacto es más fuerte. Además, encontraron que un mayor número de
exposiciones y un mayor número de sitios en los que se muestran los anuncios gráficos aumenta la probabilidad de
repetir compras.
En términos de ruta de compra y comportamiento de navegación, Rutz, Trusov y Bucklin (2012) encontraron que
Los anuncios publicitarios influyen en el comportamiento de navegación posterior de ciertos clientes. Más recientemente, Hoban y
Bucklin (2015) realizó un experimento que investigó el impacto de los anuncios gráficos en diferentes etapas de
el embudo de compra. Descubrieron un impacto positivo de la exposición de los anuncios gráficos en las visitas posteriores a la
sitio web de la firma. Un estudio de Bleier y Eisenbeiss (2015), utilizando experimentos tanto en el campo como en el
laboratorio, mostró que las percepciones de los clientes sobre la información y la intrusividad de los anuncios tienen un impacto en
34
su eficacia. Específicamente, aunque la personalización puede mejorar sustancialmente los anuncios publicitarios
efectividad, su impacto depende de su interacción con los factores de tiempo y ubicación.
Una tendencia reciente en la publicidad gráfica es la técnica de retargeting en la que el cliente es
expuesto a la impresión de productos vistos anteriormente. Goldfarb y Tucker (2011a) encontraron que el anuncio
que es a la vez molesto y dirigido tiene menos impacto en la compra que los anuncios que son solo uno u otro.
Este impacto también depende de la categoría del producto. En categorías más privadas, como financiera o
productos de salud, este efecto es más prominente. En otro estudio, Goldfarb y Tucker (2011b) encontraron que
cuando la segmentación por comportamiento está restringida por la regulación, la eficacia de los anuncios se ve socavada. Lambrecht y
Tucker (2013) investigó los anuncios gráficos de retargeting en los que el anuncio muestra el producto exacto que un cliente
previamente vio. Descubrieron que los anuncios gráficos reorientados son menos efectivos que los anuncios genéricos, a menos que el
los clientes refinaron su preferencia, por ejemplo, visitando sitios web de reseñas.
En una de las primeras investigaciones sobre promociones en línea, Zhang y Krishnamurthi (2004) demostraron que
Los métodos de promoción personalizados a nivel de cliente individual son los mejores para aprovechar el poder de la
entorno digital en comparación con los métodos actuales similares a los que se practican tradicionalmente fuera de línea.
Zhang y Wedel (2009) compararon formalmente la efectividad de las promociones personalizadas en tres niveles de
granularidad (mercado masivo, segmento específico y específico individual) tanto en tiendas en línea como fuera de línea.
Uno de sus hallazgos clave fue que las promociones de fidelización eran más rentables en las tiendas en línea que en las tiendas físicas.
tiendas, mientras que lo contrario era cierto para las promociones de la competencia. También encontraron que, en línea
entorno, para categorías que eran sensibles a la promoción, las promociones personalizadas a nivel individual llevaron a
aumento significativo de las ganancias con respecto a las promociones personalizadas a nivel de segmento y de mercado masivo. Estos resultados son
puntos de partida importantes para cualquier esfuerzo futuro en la promoción en línea, especialmente para anuncios gráficos
y cupones.
Hay muchos sitios de cupones y promociones de terceros en línea (p. ej., Groupon, LivingSocial) que
ayudar a las empresas a adquirir clientes a través de cupones y promociones del día. Eisenbeiss et al.
(2015) examinaron las promociones del día y encontraron que dependiendo del tipo de promoción
35
producto (utilitario vs. hedónico), efectividad promocional variada. Además, encontraron diferencias en
la atención que los consumidores prestan al nivel de descuento en relación con la restricción de tiempo de la oferta del día. Wu
et al. (2015) encontró evidencia empírica de dos efectos de umbral en dichos contextos de compra grupal: un
aumento significativo de nuevas suscripciones en el momento en que se alcanzan los umbrales de las ofertas de compra en grupo
alcanzado, y una relación positiva más fuerte entre el número de nuevos registros y el acumulado
número de suscripciones antes de que se alcancen los umbrales. Existe una necesidad crítica de estudiar el impacto en
los costos de adquisición de una empresa y la probabilidad de retener a los clientes adquiridos a través de dichas promociones.
Sobre la base de nuestro conocimiento actual de la personalización y la promoción en un multicanal
entorno, se necesita más investigación para identificar la relación causal entre la promoción y
conversión para permitir una evaluación precisa del impacto de la promoción. Un desafío principal al que se enfrenta
muchas empresas es cómo extraer información relevante y útil de los grandes volúmenes de datos, o el
denominado “grandes datos”. Otro desafío sería la ejecución en “tiempo real”, que requiere hacer uso de
grandes conjuntos de datos con la ayuda de la automatización. Se necesitarían métodos de modelado escalables para futuras
investigación de mercado.
4.4 Lugar
Ha habido una extensa investigación sobre el comportamiento del consumidor en los canales en línea, la efectividad de
canales en línea y formas de interacción en los canales en línea, que se ha incluido en la discusión
en Entorno Digital así como en el apartado de Investigación de Mercados. Así que nos centramos en los más nuevos.
canales en esta subsección, así como problemas multicanal y omnicanal.
Con la llegada de nuevos dispositivos móviles, como teléfonos inteligentes y tabletas, los atributos de los dispositivos y la
El uso de estos dispositivos por parte de los consumidores tiene implicaciones significativas para el marketing. Usando los datos de
usuarios de microblogging, Ghose, Goldfarb y Han (2012) compararon los comportamientos de navegación de Internet de los usuarios en
teléfonos móviles versus sus comportamientos de navegación en computadoras personales. La investigación encontró que la clasificación
los efectos fueron más fuertes para los teléfonos móviles: cuando una publicación subió una posición, las tasas de clics
aumentó en un 37%, que fue un 12% superior al aumento debido a una posición hacia arriba en PC. Ellos
atribuyó tales diferencias al tamaño de pantalla más pequeño y, en consecuencia, a costos de búsqueda más altos en dispositivos móviles
36
Los telefonos. Además, encontraron que las tasas de clics son más altas para las marcas geográficamente próximas.
Publicaciones: 23 % de aumento en las tasas de clics para publicaciones de marca una milla más cerca en distancia en teléfonos móviles
y 12% de aumento para PC. Ambos hallazgos resaltan cómo los comportamientos de navegación difieren significativamente en
teléfonos móviles y PC.
Luo et al. (2013) analizaron la efectividad de las estrategias de targeting móvil targeting temporal
y orientación geográfica, en un experimento de campo a gran escala. La focalización temporal en esta investigación
comprendió tres manipulaciones (el mismo día, un día antes o dos días antes), y la ubicación geográfica
la orientación también constaba de tres (cerca, medio o lejos). Encontraron orientación temporal y geo
la orientación puede aumentar las ventas por separado. Sin embargo, el uso conjunto de estas dos estrategias no mostró una
impulso sinérgico en las ventas. Por ejemplo, para los consumidores con ubicaciones geográficas más lejanas, la
La relación entre la orientación temporal y las ventas mostró una forma de U invertida.
Los dispositivos móviles brindan una nueva plataforma para los canales de marketing digital existentes, como el correo electrónico,
visualización (en aplicaciones móviles), búsqueda, etc. El uso ubicuo de dispositivos móviles amplía el alcance de
anunciantes A medida que el cliente desarrolla un estilo de vida que depende más de los dispositivos móviles, el cambio ofrece más
oportunidades para los anunciantes. Los investigadores han examinado el canje de cupones en teléfonos móviles (Danaher
et al. 2015) y orientación geográfica (Fong, Fang y Luo 2015). Se realizaron experimentos de campo a gran escala para
examinar los comportamientos de compra móvil y la sinergia entre la publicidad móvil y las compras fuera de línea
(Fong, Colmillo y Luo 2015).
Con los dispositivos móviles cada vez más importantes en la ruta de compra de un cliente, existe una
flujo creciente de proyectos de investigación centrados en todos los aspectos de los dispositivos móviles como canal. Investigación para
comprender la contribución de los dispositivos móviles a los resultados de marketing y diseñar medios para optimizar
su efectividad será un área activa de atención en los próximos años. Concretamente, con el uso del móvil
las aplicaciones se vuelven populares, el impacto de las aplicaciones en el uso de los clientes de los canales móviles, el gasto y
la lealtad del cliente están emergiendo como importantes áreas de investigación.
Los problemas de múltiples canales en el contexto del entorno digital se pueden ver desde dos
perspectivas Una es desde la perspectiva de cómo los canales en línea interactúan con los canales tradicionales fuera de línea.
37
y crear sinergias. La otra perspectiva es ver "canales" dentro del entorno en línea, como
visualización, búsqueda, correo electrónico, afiliados, etc., y cómo interactúan para crear valor para los clientes, adquirir
clientes y fidelizar a los clientes. Un gran volumen de literatura se centra en cuestiones multicanal.
desde la primera perspectiva, que puede proporcionar información útil sobre cómo los canales en línea juegan un papel en
creando y extrayendo valor para los clientes. Por ejemplo, Verhoef, Neslin y Vroomen (2007) estudiaron
cómo los clientes eligen un canal para buscar o comprar con datos de encuestas. Identificaron tres razones para
explicar el fenómeno de las compras de investigación en el que los compradores utilizan Internet para recopilar información, pero
en última instancia, haga la compra en una tienda física. Descubrieron la toma de decisiones basada en atributos,
falta de bloqueo de canales y sinergia entre canales como tres mecanismos que conducen a la popularidad de
investigación de compras. En lugar de discutir todas las demás investigaciones en esta área en detalle, nos referimos a Neslin et al.
(2006), Neslin y Shankar (2009) y Verhoef et al. (2015) para una excelente revisión de los desarrollos
en esta área.
Una de las ventajas del entorno digital desde el punto de vista de una empresa es que es mucho más fácil
para obtener datos sobre los puntos de contacto específicos del cliente con la empresa. Los datos son muy útiles para medir la
eficiencia y eficacia de diversas acciones de marketing online, y por lo tanto optimizar el marketing
gastar en diversos instrumentos de marketing. Las empresas no solo pueden medir los costos de adquirir clientes
en línea con mayor precisión, los costos de retención y otras acciones de marketing se pueden repartir entre individuos
clientes y niveles de segmento. Cuando los clientes interactúan con muchos instrumentos/canales de marketing en
su ruta de compra, la cuestión de cómo se evalúa cada canal individual en términos de su
la contribución a las ventas se vuelve importante. Este problema de "atribución" de atribuir conversiones,
adquisiciones y retenciones a canales individuales, así como la medición del traspaso y
Los efectos indirectos de canales individuales/puntos de contacto de marketing han sido un foco de investigación activa.
Centrándose en el problema de la atribución, Li y Kannan (2014) desarrollaron un modelo jerárquico para
Examinar la consideración del cliente de usar un canal de marketing, su visita y compra en el
canal en un entorno multicanal online. Uso de impresión, visita y compra a nivel individual
datos, atribuyeron el crédito de conversión a canales de marketing individuales, como búsqueda, visualización,
38
correo electrónico, referencias y visitas directas al sitio. En función del método de atribución propuesto, el último clic de uso frecuente
La atribución o la atribución lineal ponderada sobreestima el canal de búsqueda mientras que subestima
el canal de referencia, correo electrónico y visualización. Xu, Duan y Whinston (2014) y Todri y Ghose (2015)
hizo contribuciones similares en el espacio de investigación. Una visión general de la investigación de atribución se discute en
Kannan, Reinartz y Verhoef (2016).
La investigación ha mostrado efectos indirectos entre los canales de marketing en línea y entre los
y canales fuera de línea. Por ejemplo, Rutz, Trusov y Bucklin (2011) encontraron un efecto indirecto de pago
búsquedas a visitas directas posteriores. Li y Kannan (2014) también encontraron fuertes efectos indirectos en
canales al examinar seis canales de marketing en línea. Joo et al. (2013) encontraron que los anuncios de televisión pueden promover la
volumen de búsquedas en Google, especialmente búsquedas en palabras clave de marca. Daga y Danaher (2013)
investigó diez canales de publicidad y encontró que la elasticidad de un solo medio disminuyó en el orden de
catálogo, luego correos directos, televisión, correo electrónico y búsquedas en línea. Cena, van Heerde y Neslin (2011)
encontró que los efectos de canal cruzado eran tan fuertes como sus propios efectos de canal. En particular, los efectos cruzados
son fuertes para la publicidad gráfica y de búsqueda paga. Sin embargo, el impacto de la publicidad fuera de línea en los pagos
la tasa de clics de búsqueda es negativa. Batra y Keller (2016) han proporcionado una excelente revisión de tales
efectos indirectos que complementa esta discusión.
A medida que los clientes toman más control de su búsqueda de información, ¿cómo pueden las empresas identificar la información más
lugar apropiado para contactar a los clientes y motivarlos a buscar más información y hacer una
comprar en un mundo omnicanal? ¿Los clientes consideran y usan diferentes conjuntos de canales cuando usan
diferentes dispositivos? La investigación futura también puede centrarse más en los comportamientos de compra de varios segmentos,
sobre cuándo, dónde y cómo llegar a ellos.
5. Resultados de la comercialización
Los resultados de las acciones de las empresas en función del entorno en el que operan se pueden clasificar en
valor para los clientes que abarca las dimensiones de equidad de valor (el valor objetivo que derivan), marca
39
equidad y equidad en las relaciones (Rust, Lemon y Narayandas 2004) y satisfacción del cliente,
valor y sus elementos, y valor empresarial y sus elementos (Figura 1). Muchas de las investigaciones existentes discutidas
en el papel impactan una o más de las dimensiones anteriores y no las repetimos aquí. En cambio, lo haremos
proporcione algunos ejemplos a continuación.
En la dimensión de valor para los clientes, Steenkamp y Geyskens (2006) examinaron cómo el país
características moderan sistemáticamente los efectos de los impulsores a nivel individual del valor percibido que
los consumidores obtienen al visitar el sitio web de una marca, según datos a gran escala de 23 países. Uno de
sus principales hallazgos fueron que los clientes que vivían en países más individualistas daban más peso a
placer, a la protección de la privacidad/seguridad y a la personalización en sus juicios de valor percibidos que
clientes de países colectivistas, lo que tiene implicaciones para el diseño del sitio web. Shankar, Smith y
Rangaswamy (2003), centrándose en el impacto del entorno digital en el resultado, examinó si el
Los niveles de satisfacción y lealtad del cliente por el mismo servicio es diferente cuando los clientes eligen el
servicio en línea versus fuera de línea. Encontraron que los niveles de satisfacción del cliente por un servicio elegido
en línea fue igual que cuando se elige fuera de línea, pero la lealtad al proveedor de servicios fue mayor cuando
el servicio se elige en línea. En un estudio relacionado, Danaher, Wilson y Davis (2003) compararon consumidores
lealtad a la marca en entornos de compras en línea y tradicionales para más de 100 marcas en 19 productos de abarrotes
categorías. Descubrieron que la lealtad a la marca observada para las marcas de alta participación de mercado compradas en línea era
significativamente mayor de lo esperado, con el resultado inverso para las marcas de acciones pequeñas, mientras que no hubo tal
diferencia en el entorno fuera de línea. Sería interesante examinar el mecanismo que condujo a este
efecto y entender por qué los consumidores exhibirían tal comportamiento.
Una ilustración de la investigación que relaciona un elemento del entorno directamente con un resultado.
variable es de Sonnier, McAlister y Rutz, (2011) quienes se centraron en el efecto de ventas del volumen de
interacciones de clientes en línea positivas, negativas y neutrales. Modelaron medidas diarias de palabras en línea
de boca en boca sobre la empresa y sus productos como contribuciones a una variable stock generadora de demanda latente y
encontró un efecto significativo de eWOM positivo, negativo y neutral en el rendimiento de las ventas diarias. Más tarde
McAlister, Sonnier y Shively (2012) ampliaron este análisis al valor de la empresa y descubrieron que la charla en línea
40
tuvo un impacto significativo en el valor de la empresa, descartando todas las posibles explicaciones alternativas para este resultado.
Stephen y Toubia (2010) examinaron las implicaciones de valor económico del comercio social en línea
Redes sociales donde los vendedores son particulares. Descubrieron que permitir que los vendedores se conecten con los clientes
puede generar un valor económico considerable en términos de ventas con el valor de la red que emana
principalmente del acceso que los clientes tienen al mercado, destacando así el valor inherente en
Redes para clientes y vendedores. Finalmente, Kumar et al. (2016) estudiaron el impacto de la empresa
contenido generado en sitios de redes sociales sobre compras de clientes individuales en y entre categorías de productos
y descubrió que el contenido generado por la empresa complementaba y fortalecía el impacto de la televisión y el correo electrónico
marketing sobre ventas. Uno de los aspectos importantes de la investigación anterior que vincula el entorno digital y
acciones firmes es el rigor en asegurar que se descartan explicaciones alternativas.
6. Investigación de mercados
El entorno digital produce una amplia gama de datos que van desde datos de flujo de clics, datos de clientes
revisiones y calificaciones, blogs, etiquetas y datos de interacción social, a las respuestas de los clientes a las acciones de marketing
e información sobre colaboradores y competidores. Los datos son muy informativos para que una empresa los entienda.
comportamiento del cliente en línea, desarrollar estrategias de marketing y medir la efectividad de sus acciones y
tácticas sobre los resultados de marketing. En esta sección, nos centramos en la investigación empírica que se centra en
comprender el entorno digital y relacionar el entorno digital con los resultados del marketing
comportamiento.
Las primeras investigaciones sobre el entorno digital realizadas por Hoffman y Novak (1996) propusieron un modelo estructural de
comportamiento de navegación del consumidor en el entorno digital que incorporó la noción de flujo. Más tarde, el
El modelo se formalizó con un análisis cuantitativo para relacionar el modelo con comportamientos específicos del consumidor.
en línea (Novak, Hoffman y Yung, 2000). Basado en el flujo de clics del cliente de datos de comportamiento reales
El análisis se hizo popular. Bucklin y Sismeiro (2003) modelaron los comportamientos de navegación de los visitantes en un sitio web
41
y examinó las decisiones de los visitantes de seguir navegando por más páginas (o salir) y el tiempo que pasan en
sitios web La dinámica de navegación es consistente con el bloqueo y la permanencia del sitio web y un
aprendizaje del visitante en visitas repetidas. Usando datos similares, Sismeiro y Bucklin (2004) modelaron en línea
comportamiento de compra de los clientes. Los hallazgos clave incluyeron que el número de visitas repetidas no es indicativo de
la propensión a comprar y la disponibilidad de ayudas de decisión sofisticadas no garantiza la conversión.
Moe (2003) usó datos de flujo de clics para probar empíricamente una tipología de visitas a tiendas que variaba con
los objetivos subyacentes de los compradores (comprar, navegar, buscar o desarrollar conocimientos) y pudo
clasificar las visitas utilizando los datos de comportamiento. Tal categorización ayuda a identificar y orientar posibles
compradores y diseñar mensajes promocionales más efectivos y personalizados. El análisis de flujo de clics es ampliamente
utilizado con fines de investigación de mercado y Bucklin y Sismeiro (2009) han proporcionado una revisión de
ventajas y limitaciones de dichos datos para fines de investigación y la mejor manera de aprovecharlos.
Otra rica fuente de datos proviene de las interacciones sociales en las redes sociales. Trusov, Bodapati y
Bucklin (2010) se centró en identificar a los miembros influyentes de una red social –los influencers– que
podría entonces ser el objetivo de una empresa que espera propagar su mensaje. Los autores desarrollaron un enfoque
para determinar los usuarios específicos que tienen efectos significativos en las actividades de otros que utilizan el
registros longitudinales de la actividad de inicio de sesión de los miembros. Katona, Zubcsek y Sarvary (2011) estudiaron cómo el
la adopción de un producto/servicio está influenciada por efectos de red e influencias personales. Usando las métricas
de la estructura de la red, su modelo se centró en predecir el próximo conjunto de adoptantes dado un conjunto de anteriores
adoptantes. Tales metodologías tienen implicaciones prácticas para el marketing viral al revelar la red
conexiones entre clientes potenciales. Moe y Trusov (2011) examinaron las calificaciones de productos de consumo y
Desarrolló un modelo para separar la variación en las calificaciones debido a la experiencia personal del producto de
variación debida a las influencias sociales, lo que les permitió cuantificar el impacto de la dinámica social en las ventas.
Existe una corriente de investigación en evolución que utiliza los datos generados en el entorno digital para
crear métricas relacionadas con el desempeño de la empresa. Tirunillai y Tellis (2012) demostraron que los usuarios generados
contenido (UGC) está relacionado con el rendimiento bursátil de una empresa. Específicamente, encontraron que el volumen
de la charla UGC tiene un fuerte impacto positivo en los rendimientos anormales y el volumen de negociación, con el efecto de
42
la valencia negativa y positiva de UGC es asimétrica. También encontraron que un aumento en el uso fuera de línea
la publicidad aumenta significativamente el volumen de conversaciones y disminuye las conversaciones negativas. Tirunillai y
Tellis (2014) mostró que los datos de UGC se pueden extraer con fines de marketing para crear un mapeo dinámico de
posiciones de marca competitivas en dimensiones consideradas importantes a través del análisis de datos a lo largo del tiempo.
Nam y Kannan (2014) usaron datos de etiquetado social y desarrollaron métricas basadas en etiquetas que funcionaron como proxy
medidas para el valor de marca basado en el cliente y devoluciones anormales explicadas. Esta corriente de investigación
muestra que los datos del entorno digital pueden contener información muy útil para el seguimiento de una empresa
actuación. Todavía queda mucho por explorar utilizando tales datos y nuestra agenda para futuras investigaciones en
La Sección 8 describirá algunas oportunidades que existen en ese espacio. Desde una perspectiva metodológica la
El artículo de Wedel y Kannan (2016) proporciona los detalles que son relevantes de una investigación de mercados y
punto de vista analítico y complementa esta sección.
7. Estrategia de marketing
Dos elementos centrales de marketing en los que se enfoca una empresa para mantener una competitividad sostenible
ventaja son su marca y sus clientes. En esta sección, nos centramos en investigaciones recientes relacionadas con estos
elementos de la estrategia de marketing que no se capturan específicamente en las otras secciones: ¿cómo debe una empresa
administrar estratégicamente su marca y clientes en el panorama digital en constante cambio. La introducción de
nuevos canales, nuevos dispositivos de compra y nuevas interacciones con los clientes requieren una comprensión actualizada de
la gestión de clientes y la gestión de marca y requiere que las empresas redefinan su mezcla de marketing
métricas y métricas de CRM. Por ejemplo, Haenlein (2013) examinó el impacto de las interacciones sociales en
rotación de clientes e informó que la tasa de rotación es más alta para un cliente que está conectado con
individuos previamente batidos. Malthouse et al. (2013) discutieron cómo las redes sociales remodelarían el
estrategias de “CRM social” y enfatizó que el valor del cliente incluye no solo el valor basado en la compra,
sino también el valor de su influencia social. Dado que algunos elementos de valor para el cliente se ven afectados
significativamente por las tecnologías digitales, dicha investigación exige una definición más inclusiva de cliente
43
valor. En este contenido, Lemon y Verhoef (2016) y Kumar y Reinartz (2016) han proporcionado información útil
marcos para comprender el papel de la experiencia del cliente y el compromiso del cliente que ofrece digital
tecnologías en la creación de valor para los clientes, así como el aumento del valor de por vida del cliente.
El enfoque con respecto a la gestión de la marca es comprender cómo se crea la marca,
modificado y fortalecido en y por el panorama digital. Hewett et al. (2016) describió cómo social
Los sitios de medios han creado un "ecoverso" reverberante para la comunicación de la marca, formando complejos
circuitos de retroalimentación entre las comunicaciones de la empresa, los medios de comunicación y las redes sociales generadas por los usuarios. Ellos encontraron
que si bien las empresas se benefician del uso de las redes sociales para obtener respuestas personalizadas de los clientes y la marca en línea
comunicaciones, las comunicaciones de marca tradicionales todavía tienen un papel clave que desempeñar en la configuración de la marca.
Batra y Keller (2016) han proporcionado una visión general de estas sinergias en el contexto de la marca
comunicaciones La estrategia de posicionamiento de marca de una empresa puede verse afectada por su marketing en motores de búsqueda.
(SEM) y estrategias de optimización de motores de búsqueda (SEO) (Dou et al. 2010). Como se adapta SEM y SEO
y aplicado para móvil, búsqueda por voz, búsqueda en la aplicación y comercio de salas de chat, más factores y métricas
deben tenerse en cuenta al desarrollar una estrategia de marca. Hanssens y Pauwels (2016) han proporcionado
una discusión extensa de las métricas y medidas necesarias para monitorear la implementación de estrategias
y también definir el valor del marketing para la empresa.
A medida que evolucionan los nuevos dispositivos y tecnologías digitales, la investigación futura debe centrarse en cómo las empresas pueden
utilizar estos desarrollos para crear una ventaja competitiva sostenible, ganar cuota de mercado y aumentar
valor del cliente y valor de la marca. Destacaremos algunos de estos temas de investigación en la siguiente sección.
8. Agenda para futuras investigaciones
Nuestra revisión del trabajo existente en marketing digital se ha centrado solo en las revistas de marketing por diseño,
principalmente para mantener esta revisión manejable, así como para descubrir las lagunas que existen en el marketing
literatura y sugerir nuevos temas para explorar. Cualquier nuevo esfuerzo de investigación tiene que ser consciente de la
44
teorías y modelos desarrollados en marketing, así como en psicología del consumidor, sociología, economía,
la informática y la investigación operativa para asumir nuevas líneas de investigación. Desde esta perspectiva, nos
proporcione a continuación temas de investigación y preguntas específicos a medida que las tecnologías digitales interactúan con cada uno de los amplios
áreas identificadas en la Figura 1: entorno (Cuadro 1), empresa (Cuadro 2 y Cuadro 4), resultados (Cuadro 3) y
estrategia de marketing (Cuadro 5).
Si bien las nuevas tecnologías digitales surgen constantemente, solo destacamos a continuación las categorías generales
de tecnologías y metodologías que probablemente tengan un impacto en el marketing en un futuro próximo.
1. Dispositivos informáticos personales y tecnologías, incluidos dispositivos móviles, tecnologías portátiles
(por ejemplo, relojes inteligentes, gafas inteligentes), realidad virtual (VR) y realidad aumentada (AR)
tecnologías, aplicaciones móviles, etc.;
2. Tecnologías informáticas y metodologías analíticas que incluyen computación en la nube, IA,
computación cognitiva y aprendizaje profundo, técnicas de aprendizaje automático y análisis de big data;
3. Tecnologías de búsqueda de imágenes, videos, búsqueda basada en reconocimiento de voz, seguimiento ocular
tecnologías, tecnologías de búsqueda para la web “oscura”;
4. Tecnologías de conectividad que incluyen sensores, Internet de las cosas (IoT), tecnologías de chat, nuevas
formas de plataformas como Uber, Airbnb, etc.
Nos enfocamos en estas tecnologías y sus interacciones con los elementos de la Figura 1.
8.1 Medio ambiente
Al evaluar el impacto de las tecnologías digitales en los elementos del medio ambiente, comprender la
atributos y características de la tecnología y/o dispositivo es fundamental. Estos tienen importantes
implicaciones para la adopción de la tecnología y el uso por parte de los clientes, específicamente, los factores situacionales
de adopción y uso (cuándo, cómo y dónde) y el grado de adopción y uso. los atributos que
son exclusivos de la tecnología y el dispositivo será especialmente importante en el análisis anterior (por ejemplo, la ubicación
para dispositivos móviles).
45
1.1. Existe una necesidad crítica de teorías del comportamiento del consumidor para explicar las motivaciones psicológicas para
adopción de dispositivos como la informática portátil y móvil (p. ej., Belk 2013, Hoffman y Novak
2015).) ¿Cómo cambian las capacidades cognitivas y las experiencias de los consumidores en el contexto del uso del
nuevos dispositivos?
1.2.¿Cuáles son las implicaciones de adoptar tecnologías móviles y/o portátiles en la compra de los clientes?
¿viaje? Las preguntas específicas con respecto al comportamiento del consumidor en el uso de estos dispositivos serán
cubrir las etapas previas a la compra, consumación de la compra y posteriores a la compra y podría incluir:
¿Los consumidores usan estos dispositivos para realizar búsquedas en comparación con las búsquedas que utilizan equipos de escritorio y portátiles? Cómo
¿La composición y el tamaño de la consideración establecida en el uso de los dispositivos varían de los de otros
contextos? ¿Cómo se ve afectada la elección del consumidor? ¿Cómo varían las respuestas a las preguntas anteriores?
en todas las categorías de productos/servicios?
1.3. En el contexto de los viajes de decisión del cliente, es necesario comprender los roles específicos que cada uno
El punto de contacto digital juega en la toma de decisiones general de los consumidores (búsqueda, anuncios gráficos,
recomendaciones, correos electrónicos). Se necesita tanto investigación teórica como empírica para caracterizar cómo el
los puntos de contacto interactúan e impactan la duración del proceso de decisión (ver también Lemon y Verhoef
2016). ¿Cómo se ven afectados por el dispositivo específico utilizado?
1.4.A medida que la tecnología se vuelve más centrada en el individuo, pequeña y usable, ¿los consumidores buscarían costos?
bajar ya que el acceso ubicuo podría reducir los costos. Por otra parte, se podría argumentar que
los consumidores pueden buscar menos y los costos de búsqueda aumentan en un dispositivo más pequeño. ¿Cómo sería este impacto de
costo de búsqueda afecta a la competencia en las categorías de productos? Lo que la investigación conceptual y conductual puede
proporcionar información sobre estas preguntas?
1.5.¿Los clientes se concentrarían solo en las empresas más confiables al usar sus dispositivos personales? Dado que
naturaleza personalizada de los dispositivos y las interacciones, se podría argumentar que los clientes pueden volverse menos
sensible a los precios. ¿Podrían también volverse más leales a una marca/empresa a medida que utilizan cada vez más
dispositivos para interactuar con esa marca/empresa? ¿Gastarán más dinero como resultado?
46
1.6.¿Cuál será la nueva naturaleza del contenido generado por los usuarios, como reseñas y calificaciones, cuando sea nuevo?
dispositivo/tecnología se vuelve más popular? ¿Serían menos frecuentes, menos detallados y más
centrado en menos productos? ¿Habrá diferencias sistemáticas en las revisiones proporcionadas en
diferentes dispositivos: revisiones más extremas en el contexto de los dispositivos móviles versus más variadas en el contexto
de PC o dispositivos estacionarios? Si es así, ¿cómo se pueden explicar tales diferencias?
1.7.¿Cómo pueden las plataformas mantener el compromiso de los clientes/multitudes en las interacciones de comercio electrónico o en
nuevos procesos de ideación de desarrollo de productos/servicios? ¿Cómo puede el proceso social y comercial
proceso de una plataforma coexisten y se complementan entre sí en aplicaciones de chat como Line y en virtual
mercados que ofrece Facebook?
1.8. Hay desarrollos interesantes en el área del marketing visual (p. ej., Wedel y Pieters, 2007),
computación cognitiva, computación anticipatoria y aprendizaje profundo, que se basan en la captura de datos del ojo
movimientos, bio ritmos, información textual, que es probable que conduzcan a un alto grado de
personalización que se anticipa a las necesidades del cliente en el espacio digital. Estos desarrollos junto con el
Los avances en IoT pueden proporcionar a los clientes del mañana valores que no se pueden imaginar fácilmente en este momento.
punto. Sin embargo, estos también vienen con riesgos. Las empresas pueden beneficiarse, a expensas de los clientes, de
preferencia inferida y datos de uso de los clientes. Por ejemplo, las empresas pueden utilizar dinámicamente precios
discriminación y extraer más valor de los clientes utilizando dichos datos. Una compañía de seguros de automóviles puede
beneficiarse a través de datos sobre el comportamiento de conducción de un cliente y establecer tarifas de seguro. Si da acceso a
los datos de los clientes significan agregar riesgos adicionales, ¿los clientes estarán dispuestos a compartir datos? ¿Cómo pueden las empresas
generar confianza del consumidor en tales contextos? ¿Cómo se compensan estos riesgos con el valor adicional que
obtienen los clientes a través de un servicio personalizado? ¿Qué tipos de mecanismos se pueden diseñar para beneficiar
tanto las empresas como los clientes mientras se protege su privacidad y seguridad? Es importante que
El marketing como disciplina se enfoca en estos temas de manera proactiva poniendo dicha investigación en primer plano.
47
8.2 Empresa
Las tecnologías digitales permiten a las empresas envolver sus productos y servicios principales con servicios digitales.
También permiten versionar productos y servicios, especialmente para productos de información. Ellos proveen
oportunidades para productos en red como en el caso de IoT. Las preguntas de investigación en este contexto incluyen:
2.1 ¿Hasta qué punto pueden las empresas beneficiarse de estas nuevas tecnologías, por ejemplo, aplicaciones de marca o
tecnología de realidad virtual? ¿Cómo afectan el compromiso del cliente, los ingresos y los márgenes en todo el
múltiples canales y retención general de clientes y valor para el cliente?
2.2 ¿Cómo debe diseñarse la línea de productos freemium: para información, entretenimiento y videojuegos,
y servicios en la nube, para maximizar el valor general del cliente? Los experimentos de campo pueden ser muy útiles.
al responder tales preguntas.
2.3 ¿Cuáles son las oportunidades para la fijación de precios en tiempo real en función de la demanda y proporcionar valor a los clientes?
¿Cómo responderían los consumidores a tales esquemas de precios?
2.4 Por mucho interés que haya generado IoT, los primeros indicios son que la adopción de smart por parte de los clientes
la tecnología del hogar no es alta (Schneier 2015). Además de las preocupaciones por los costos, la baja tasa de adopción
podría resultar de preocupaciones de privacidad en torno a la captura de datos por parte de las empresas o por el temor de
bloqueo y opciones limitadas cuando una sola empresa suministra todos los componentes y redes. Entonces el
La pregunta crítica es: ¿cómo deberían las empresas diseñar productos/redes de IoT para modularidad y compatibilidad?
y el precio en consecuencia? Existe la necesidad de nuevas opciones de diseño y precios para impulsar la
adopción.
Uno de los ejes más importantes de la investigación futura en marketing digital estará en el área de cross
Dispositivo y marketing multicanal. Con la creciente fragmentación de los medios y el aumento del número
de opciones de dispositivos para que los consumidores elijan, es el comportamiento del consumidor entre dispositivos lo que dictará
quiénes serán los ganadores y los perdedores en el espacio digital. Esto exige un enfoque teórico, descriptivo y
investigación prescriptiva que cubre los siguientes temas:
48
2.5 ¿Por qué los consumidores están motivados para usar diferentes dispositivos? ¿Cuáles son los factores psicológicos que impulsan
¿el uso? ¿Qué factores situacionales dictan cuándo, dónde y cómo los clientes usan diferentes dispositivos?
¿Los usos de los dispositivos son sustitutos o complementos? ¿Qué factores moderan el uso y
sustituibilidad y complementariedad?
2.6 ¿Por qué y cómo las rutas de compra de los clientes varían según los dispositivos y cómo varían sus opciones de dispositivos?
afectan sus comportamientos de búsqueda y compra? ¿Cómo varían estos entre las categorías de productos/servicios?
Más específicamente, ¿cómo se ve afectada la compra de productos de información por el comportamiento entre dispositivos?
2.7 ¿Cuáles son las implicaciones del uso de dispositivos cruzados para el diseño de productos? Por ejemplo, la televisión infantil.
La programación ha evolucionado hasta convertirse en un ecosistema completo que consiste en contenido de TV más contenido interactivo en línea.
contenido, juegos y videos, todos los cuales son complementarios y satisfacen las necesidades de los consumidores en todo
diferentes tipos de dispositivos. Tales diseños son necesarios para evitar que la competencia robe clientes.
cada vez que los clientes cambian de dispositivo. ¿Cuál es la estrategia de producto dinámico que garantizará esto?
2.8 ¿Cómo afecta el uso de dispositivos cruzados a los precios, especialmente en la comercialización de contenido? hacer clientes
obtener valor diferencial en el uso de diferentes dispositivos? Por ejemplo, cuando el Wall Street Journal (WSJ)
presentó su versión en línea, implementó dos esquemas de precios diferenciales para la versión en línea
y la versión impresa. Cuando los dispositivos móviles se hicieron más populares, WSJ adoptó un tercer precio
esquema solo para dispositivos móviles. La pregunta es si el valor derivado es el mismo en todos
formatos y si WSJ debería cobrar por el valor de la opción.
2.9 ¿Deberían las empresas utilizar una estrategia de discriminación de precios basada en los dispositivos seleccionados por los clientes? En ese caso,
como deben hacerlo? ¿Serán los clientes menos sensibles al precio o más sensibles al precio a medida que se mueven?
entre dispositivos?
2.10 ¿Cómo puede una empresa coordinarse entre dispositivos y canales para brindar la mejor experiencia digital para
sus clientes? ¿Cómo deberían promocionar en todos los dispositivos a medida que se cruzan las rutas de compra de los clientes?
límites del dispositivo? ¿Cuál será el papel de las ayudas para la toma de decisiones en la vinculación de diferentes dispositivos y en
coordinar rutas de compra entre dispositivos? La proliferación de las nuevas tecnologías y en línea
49
canales y la difusión de las inversiones de marketing a través de estas entidades ha obstaculizado la capacidad de
empresas para medir con precisión el impacto de sus inversiones en marketing.
2.11 El entorno multidispositivo y multipantalla puede fragmentar y distraer la atención de los clientes.
¿Cuándo y cómo debe la empresa insertar sus anuncios en el viaje de los clientes en este entorno y comprometerse?
los clientes en medio de las distracciones?
2.12 Se necesitan metodologías de atribución mejoradas y datos apropiados para comprender la
impacto individual de los canales y puntos de contacto, a través de los límites fuera de línea (p. ej., TV, prensa) y en línea,
ya través de varios dispositivos y canales en línea. Si bien ha habido algún esfuerzo en esta área, es
necesarios para desarrollar resultados generalizables sobre los efectos de arrastre y de desbordamiento entre dispositivos y
canales para que las empresas puedan obtener una mejor comprensión de las direcciones de estos efectos y puedan más
medir con precisión el impacto de sus inversiones en contextos específicos (como ejemplo, ver el meta
análisis de los efectos de arrastre de la comunicación de marketing por Kohler et al (2016)).
2.13 Personalización para la segmentación de clientes (con anuncios gráficos, retargeting y promociones) en todo
diferentes canales y dispositivos será el mayor desafío al que se enfrentarán las empresas en su búsqueda de una mayor
eficiencia en sus gastos de marketing. Investigación en metodologías que proporcionen información precisa y en tiempo real
focalización a través de plataformas y el desarrollo de intermediarios que pueden ayudar en tales
la personalización tendrá una importancia significativa en el espacio digital.
2.14 Desarrollo de un modelo de combinación de medios para asignar de manera óptima las inversiones de marketing entre dispositivos y
canales en línea es crucial para mejorar el ROI de marketing. Dado que los ciclos de planificación para tales
inversiones varían en el tiempo, es importante desarrollar modelos de inversión de marketing jerárquicos
en cuenta la efectividad individual del canal/dispositivo.
Se ha realizado una importante investigación en el área de calificaciones en línea, reseñas, interacciones en las redes sociales y
charla en línea. Los datos se han relacionado con las ventas, el rendimiento de la marca y los rendimientos del mercado de valores, y
se utiliza además para comprender las motivaciones de los clientes para publicar y el impacto de la influencia social versus
50
experiencia en calificaciones y reseñas, etc. Sin embargo, todavía hay muchas oportunidades para recopilar dichos datos
para obtener información sobre muchos temas importantes de marketing.
2.15 ¿Cómo se pueden utilizar los datos sobre interacciones sociales, reseñas y valoraciones para diseñar nuevos productos?
servicios y nuevos planes de precios? ¿Cómo puede una empresa usar tales datos para separar los propios clientes?
preferencias de la influencia social? ¿Qué pueden revelar los datos sobre la formación de preferencias de los consumidores?
2.16 ¿Cómo pueden las empresas medir el impacto de los medios masivos en las redes sociales y la consecuente naturaleza viral?
de los postes? ¿Cómo pueden las empresas monitorear y administrar activamente las redes sociales para garantizar una marca positiva?
imágenes? ¿Cómo pueden las empresas utilizar el contenido generado por la empresa en las redes sociales para influir en las imágenes de marca y
promover las ventas tanto en línea como en los canales fuera de línea?
2.17 ¿Cómo se pueden utilizar los datos de las redes sociales para mejorar el servicio al cliente? ¿Cómo puede el análisis de sentimientos
ser utilizado como un indicador de qué tan bien se ven las acciones de las empresas? ¿Cómo debería el
¿Se puede hacer una evaluación comparativa de estos para evitar una reacción exagerada a las publicaciones en redes sociales? ¿Cómo deben organizarse las empresas?
equipos de servicio al cliente para utilizar mejor los datos de las redes sociales para obtener resultados de servicio superiores?
8.3 Resultados de la comercialización
La implementación de estrategias de marketing y la gestión del proceso se ha complicado por la
fragmentación de medios y proliferación de dispositivos y canales, como inversiones de marketing y
la medición de los rendimientos se distribuye entre muchas entidades. El diseño y la implementación del marketing.
operaciones y procesos relacionados se está convirtiendo en un diferenciador clave entre el éxito y el fracaso. En esto
contexto, las preguntas clave de investigación son:
3.1 ¿Cómo se pueden diseñar tableros para proporcionar indicadores y retroalimentación a la gerencia sobre sus acciones?
¿Cuáles son las métricas clave que influyen significativamente en los rendimientos y necesitan un escrutinio minucioso? Dado que
aumento de la velocidad del comercio diario, ¿cuál es la frecuencia óptima de las actualizaciones proporcionadas?
3.2 ¿Cómo deben estructurarse y organizarse las operaciones de marketing? ¿Cómo pueden los principios de
la gestión de operaciones y la planificación jerárquica se aplican a las operaciones de marketing?
51
3.3 ¿Cómo debe la empresa diseñar sus pruebas en tiempo real y obtener retroalimentación sobre las tácticas de marketing? como puedo
¿Se automatizarán las pruebas de cubo y las pruebas en tiempo real?
3.4 A medida que las empresas introduzcan aplicaciones móviles, ¿qué impacto tendrían en el aumento del capital de los clientes y de la empresa?
¿valor? Del mismo modo, ¿pueden las tecnologías VR y AR aumentar la equidad del cliente?
8.4 Estrategia de mercadeo
4.1. Desde una perspectiva estratégica, es importante entender cómo el panorama competitivo
cambio como resultado de la tecnología. Por ejemplo, Amazon se ha convertido en un gigante en el comercio minorista.
dominio, alterando por completo el panorama competitivo utilizando el canal en línea. Esto sucedió en
junto con el cambio de comportamiento del consumidor a medida que la tecnología en línea maduró. puede móvil
¿La tecnología revoluciona los mercados de manera similar? Hay ejemplos recientes de intermediarios de viajes
beneficiarse de la introducción de aplicaciones móviles en las industrias de viajes y hotelería y
fortaleciendo su posición competitiva en el mercado frente a las cadenas hoteleras. En lugar de crear
desintermediación, la tecnología ha fortalecido a los intermediarios. ¿Podría repetirse esto en otros
verticales? Estos son temas de investigación importantes a considerar a medida que surgen desarrollos tecnológicos.
4.2. Si la categoría de empresa/producto se ve significativamente afectada sobre la base del análisis anterior, ¿cómo puede
empresa aprovecha la tecnología/dispositivo mejor que su competencia? ¿Cómo puede la empresa adaptar la
diseño y precio del producto de acuerdo al valor adicional que se crea para los clientes?
¿Cómo puede la empresa utilizar la tecnología para promocionar mejor su producto/servicio (cf., segmentación geográfica y
cupones en el caso de dispositivos móviles)? ¿Cómo puede la empresa adaptar su mezcla de marketing actual a
influir en el comportamiento del cliente en una dirección que beneficie a la empresa? ¿Cómo puede la empresa diseñar un sistema digital?
experiencia que aumenta la satisfacción del cliente, los ingresos y la lealtad del cliente (por ejemplo, ¿pueden las aplicaciones móviles
crear una mayor lealtad del cliente)? Responder a estas preguntas implicará necesariamente
modelos y marcos de la psicología del consumidor, la sociología y la economía.
52
4.3.Así como la conectividad ubicua habilitada por plataformas y dispositivos móviles contribuye al surgimiento
de empresas de categoría dominante como Uber y Facebook, es importante investigar cómo proporcionar
el valor para el cliente que usa la conectividad puede alterar los límites competitivos. Esto se perfilará para ser un
importante tema de investigación en los próximos días.
4.4.Finalmente, se asume tácitamente que las empresas deben adoptar nuevas tecnologías digitales a medida que emergen para
proporcionar más valor a los clientes. Sin embargo, el valor entregado a los clientes depende de la
prestación de un servicio confiable y superior utilizando la tecnología. ¿Cuáles son las ventajas de ser el primero en moverse?
en la adopción de nuevas tecnologías digitales? ¿Sería mejor que una empresa esperara a que otros competidores adoptaran
la tecnología primero? ¿Hay ventajas para los que se mudan tarde? Las respuestas a estas preguntas dependen de la
tecnología específica, características de la empresa y de la base de clientes y factores competitivos del mercado. Ambos
se necesita investigación normativa y empírica en esta área.
9. Conclusión
Nuestro objetivo clave en este documento es establecer una agenda para la investigación en marketing digital. hemos definido
marketing digital en el sentido más amplio y hemos desarrollado y propuesto un marco que destaca
los puntos de contacto en el proceso de marketing, así como en el proceso de estrategia de marketing donde digital
Las tecnologías juegan un papel fundamental. Usando este marco, hemos organizado y revisado la investigación existente
alrededor de estos puntos de contacto. Las preguntas no resueltas en cada área que hemos identificado anteriormente pueden beneficiar
de investigaciones futuras, por lo que hemos integrado todas estas preguntas en una agenda amplia en la Sección 8. Hemos
sintetizó deliberadamente los temas de investigación a un alto nivel para estimular una investigación más detallada y específica
ayudado por nuestro marco. . Dejamos que otros investigadores profundicen en estos temas. La encuesta existente
Los documentos que identificamos deberían complementar bien este documento. Para mantener nuestro análisis manejable tenemos
se centró sólo en artículos en el dominio de marketing. Sin embargo, hay varias contribuciones importantes en
el área de sistemas de información y economía que podría complementar nuestro trabajo.
53
Finalmente, tenemos algunas observaciones con respecto al proceso de investigación que conducirá a un conocimiento útil.
Es imperativo que las comunidades académicas y profesionales trabajen juntas para abordar estos
temas de investigación. Por un lado, el ritmo del desarrollo de la tecnología digital ha aumentado enormemente y
gran parte se implementa rápidamente para obtener una ventaja competitiva en lugar de largas deliberaciones sobre su
pros y contras y ROI. Existe la necesidad de que los investigadores tomen una mirada crítica a los temas de investigación que
delineado con datos apropiados de estudios observacionales y experimentos de campo. Los profesionales pueden proporcionar
la materia prima y los académicos pueden proporcionar el rigor, y juntos pueden ampliar nuestro conocimiento de la
entorno digital en constante cambio. La buena noticia es que el marketing digital ya está viendo tales
colaboraciones y esto es un buen augurio para el futuro.
54
Referencias
Abou Nabout, N., Skiera, B., Stepanchuk, T. y Gerstmeier, E. (2012). Un análisis de la rentabilidad de los planes de compensación
basados en tarifas para el marketing de motores de búsqueda. Revista Internacional de Investigación en Marketing,
29(1), 6880.
Agarwal, A., Hosanagar, K. y Smith, MD (2011). Ubicación, ubicación, ubicación: un análisis de la rentabilidad de la
posición en los mercados publicitarios en línea. Revista de investigación de mercados, 48(6), 10571073.
Amaldoss, W., Desai, PS y Shin, W. (2015). Publicidad de búsqueda de palabras clave y estimaciones de ofertas de primera
página: un análisis estratégico. Ciencias de la administración, 61(3), 507519.
Amaldoss, W. y Jain, S. (2008). Nota de investigación: Intercambio ascendente: un análisis estratégico de los efectos del grupo
de referencia. Ciencias del marketing, 27(5), 932942.
Anderson, ET y Simester, DI, (2014), Reseñas sin compra: calificaciones bajas, clientes leales y engaño, Journal of Marketing
Research, 51(3), 249269.
Andrews, M., Luo, X., Fang, Z. y Ghose, A. (2015). Eficacia de los anuncios para móviles: segmentación hipercontextual con
multitud. Ciencias del marketing, 35(2), 218233.
Ansari, A., Essegaier, S. y Kohli, R. (2000). Sistemas de recomendación en Internet. Revista de Investigación de Mercados,
37(3), 363375.
Ansari, A. y Mela, CF (2003). Personalización electrónica. Revista de Investigación de Mercados, 40(2), 131145.
Ansari, A., Mela, CF y Neslin, SA (2008). Migración de canales de clientes. Revista de Investigación de Mercados, 45(1),
6076.
Bayus, BL (2013), Crowdsourcing de ideas de nuevos productos a lo largo del tiempo: un análisis de la comunidad Dell
IdeaStorm, Management Science, vol. 59, núm. 1, 226244.
Bakos, Y y Brynjolfsson, E. (2000), Bundling y competencia en Internet, Marketing Science, vol.
19, núm. 1, pág. 6382.
Batra, R y Keller, K. L, (2016), Integración de las comunicaciones de marketing: nuevos hallazgos, nuevas lecciones y nuevas
ideas, Journal of Marketing, 80(6), 122145.
Belk, RW (2013), Yo extendido en un mundo digital, Journal of Consumer Research, 40 (3), 477–500
Bell, D. y Song S. (2007), Neighborhood Effects and Trial on the Internet: Evidence from Online Grocery Retailing,
Quantitative Marketing and Economics, 5 (4), 361 400.
Berman, R y Katona, Z. (2013), El papel de la optimización de motores de búsqueda en el marketing de búsqueda,
Marketing Science, 32(4), 644651
Berry, S., Khwaja A., Kumar V., Musalem A., Wilbur KC, Allenby G., Anand B., Chintagunta P., Hanemann MW, Jeziorski P. y
Mele A. (2014). Modelos estructurales de opciones complementarias, Marketing Letters, 25, 245–256
55
Bleier, A. y Eisenbeiss, M. (2015). Eficacia de la publicidad en línea personalizada: la interacción de qué, cuándo y dónde.
Ciencias del marketing , 34(5), 669688.
Bodapati, AV (2008). Sistemas de recomendación con datos de compra. Revista de investigación de mercados, 45(1),
7793.
Bronnenberg, BJ, Kim, BJ y Mela, CF (2016). Acercándose a la elección: ¿Cómo buscan los consumidores cámaras en línea?. Ciencias
del marketing, 35(5), 693712.
Bucklin, RE y Sismeiro, C. (2003). Un modelo de comportamiento de navegación del sitio web estimado en datos de flujo de clics.
Revista de Investigación de Mercados, 40(3), 249267.
Bucklin, RE y Sismeiro, C. (2009). Haga clic aquí para conocer Internet Insight: avances en el análisis de datos de flujo de clics en
marketing, Journal of Interactive Marketing, 23(1), 3548.
Bughin, J. (2015). Éxito de marca en una era de darwinismo digital. Mckinsey Quarterly, febrero.
Büschken, J. y Allenby, GM (2016), Análisis de texto basado en oraciones para reseñas de clientes.
Ciencias del marketing, 35(6), 953975.
Chakravarty, A., Kumar, A. y Grewal, R. (2014), Estructura de orientación al cliente para empresas de plataformas de empresa a
empresa basadas en Internet, Journal of Marketing, vol. 78, N° 5, p.123.
Chan, TY, Wu, C. y Xie, Y. (2011). Medición del valor de por vida de los clientes adquiridos a partir de la publicidad de búsqueda de
Google. Ciencias del marketing, 30(5), 837850.
Chatterjee, P., Hoffman, DL y Novak, TP (2003). Modelado del flujo de clics: implicaciones para los esfuerzos publicitarios basados
en la web. Ciencias del marketing , 22(4), 520541.
Chen, J., Liu, D. y Whinston, AB (2009). Subastas de palabras clave en la búsqueda en línea. Revista de Marketing, 73(4),
125141.
Chen, Y., Wang, Q. y Xie, J. (2011). Interacciones sociales en línea: un experimento natural sobre el boca a boca versus el aprendizaje
por observación. Revista de investigación de mercados, 48(2), 238254.
Chevalier, JA y Mayzlin, D. (2006). El efecto del boca a boca en las ventas: Reseñas de libros en línea. Revista de
investigación de mercados, 43(3), 345354.
Chung, TS, Rust, RT y Wedel, M. (2009). Mi música móvil: Un sistema de personalización adaptativo para reproductores de audio
digital. Ciencias del marketing, 28(1), 5268.
Court, D., Elzinga, D., Mulder, S. y Vetvik, OJ (2009). El viaje de decisión del consumidor. McKinsey Quarterly, (junio), (consultado
el 27 de noviembre de 2015), [disponible en http://www.mckinsey.com/insights/
marketing_sales/the_consumer_decision_journey].
Danaher, B., Dhanasobhon, S., Smith, MD y Telang, R., (2010). Convertir piratas sin canibalizar a los compradores: el
impacto de la distribución digital en las ventas físicas y la piratería en Internet.
Ciencias de la Mercadotecnia. 29(6) 11381151.
56
Danaher, PJ y Daga, TS (2013). Comparación de la efectividad relativa de los canales publicitarios: un estudio de caso
de una campaña de bombardeo multimedia. Revista de Investigación de Mercados, 50(4), 517534.
Danaher, PJ, Smith, MS, Ranasinghe, K. y Danaher, TS (2015). Dónde, cuándo y cuánto tiempo: factores que
influyen en el canje de cupones de teléfonos móviles. Revista de Investigación de Mercados, 52(5), 710725.
Degeratu, AM, Rangaswamy, A. y Wu, J. (2000). Comportamiento de elección del consumidor en supermercados en
línea y tradicionales: los efectos de la marca, el precio y otros atributos de búsqueda. Revista Internacional de
Investigación en Marketing, 17(1), 5578.
Dellaert, BGC y Stremersch, S., (2005), Marketing de productos personalizados en masa: lograr un equilibrio entre
la utilidad y la complejidad, Journal of Marketing Research, 42(2), 219227. Desai, PS, Shin, W., & Staelin, R. (2014). La
empresa que mantienes: cuándo comprar la palabra clave de un competidor. Ciencias del marketing, 33(4),
485508.
Cena, IM, Van Heerde, HJ y Neslin, SA (2014). Impulsar las ventas en línea y fuera de línea: los efectos de canales
cruzados de la publicidad tradicional, la visualización en línea y la búsqueda paga. Revista de Investigación
de Mercados, 51(5), 527545.
Dou, W., Lim, KH, Su, C., Zhou, N. y Cui, N. (2010). Estrategia de posicionamiento de marca mediante marketing en
buscadores. MIS trimestral, 261279
Drèze, X. y Hussherr, FX (2003). Publicidad en Internet: ¿Alguien está mirando?. Revista de marketing interactivo,
17(4), 823.
Edelman, DC y Singer, M. (2015). Competir en los viajes del cliente. Harvard Business Review, noviembre de 2015.
Eisenbeiss, M, Wilken, R, Skiera, B y Cornelissen, M. (2015). ¿Qué hace que las promociones del día sean
realmente efectivas? La interacción del descuento y la restricción de tiempo con el tipo de producto,
International Journal of Research in Marketing. 32(4), 387397.
Elberse, A. (2010), ByeBye Bundles: The Unbundling of Music in Digital Channels, Journal of Marketing, 74(3),
107123.
eMarketer (2013), "Advertisers Continue Rapid Adoption of Programmatic Buying" (26 de noviembre) [disponible en
http://www.emarketer.com/Article/AdvertisersContinueRapidAdoptionofProgrammatic Buying/1010414].
Essegaier, S., Gupta, S. y Zhang, ZJ (2002). Precios de los servicios de acceso. Marketing Science, 21(2), 139159.
Fang, E., Li, X., Huang, M. y Palmatier, RW (2015). Efectos directos e indirectos de los compradores y vendedores en
los ingresos por publicidad de búsqueda en plataformas electrónicas de empresa a empresa. Revista de Investigación
de Mercados, 52(3), 407422.
57
Fay, S. (2004). Repetición parcial de pujas en el canal nombresupropioprecio. Ciencias del marketing, 23(3): 207–418.
Fay, S. y Laran, J. (2009) Implicaciones de los cambios esperados en el precio de umbral del vendedor en subastas de
nombresupropioprecio. Ciencias de la gestión, 55 (11): 1783–1796.
Fong, NM, Fang, Z. y Luo, X. (2015). Geoconquesting: Orientación geográfica competitiva de promociones móviles.
Freier, A (2016). Accedido desde [http://www.businessofapps.com/45ofallonlinesalesmadethrough mobiledeviceslast
year/]
Ghose, A., Goldfarb, A. y Han, SP (2012). ¿En qué se diferencia Internet móvil? Buscar costos y actividades locales.
Investigación de sistemas de información, 24(3), 613631.
Ghose, A. y Yang, S. (2009). Un análisis empírico de la publicidad en buscadores: búsqueda patrocinada en mercados
electrónicos. Ciencias de la administración , 55(10), 16051622.
Godes, D. y Mayzlin, D. (2004). Uso de conversaciones en línea para estudiar la comunicación de
boca en boca. Ciencias del marketing, 23(4), 545560.
Godes, D. y Mayzlin, D. (2009). Comunicación de boca en boca creada por la empresa: Evidencia de una prueba de
campo. Ciencias del marketing, 28(4), 721739.
Godes, D., Ofek, E. y Sarvary, M. (2009). Contenido versus publicidad: el impacto de la competencia en la estrategia de la
empresa de medios. Ciencias del marketing, 28(1), 2035.
Godes, D. y Silva, JC (2012). Dinámica secuencial y temporal de la opinión online. Ciencias del marketing, 31(3),
448473.
Goldfarb, A. y Tucker, C. (2011). Publicidad gráfica en línea: orientación e intrusividad. Ciencias del marketing, 30(3),
389404.
Goldfarb, A. y Tucker, C. (2011). Regulación de la privacidad y publicidad online. Ciencias de la
administración, 57(1), 5771.
Ayuda de Google AdWords (2013)
http://support.google.com/adwords/answer/2404190?hl=en&ref_topic=1713942. Consultado por última vez en abril de 2013
Granados, N., Gupta, A. y Kauffman, RJ (2012). Demanda en línea y fuera de línea y elasticidades de precios: evidencia
de la industria de viajes aéreos. Investigación de sistemas de información, 23(1), 164181.
Halbheer, D, Stahl, F, Koenigsberg y Lehmann, DR (2014). Elegir una estrategia de contenido digital: ¿Cuánto debe ser
gratis?. Revista Internacional de Investigación en Marketing, 31(2), 192206.
58
Haenlein, M. (2013). Interacciones sociales en las decisiones de abandono de clientes: el impacto de la
direccionalidad de las relaciones. Revista Internacional de Investigación en Marketing, 30(3), 236248.
Hann, I. y Terwiesch, C. (2003) Medición de los costos friccionales de las transacciones en línea: el caso de un canal
de precio propio. Ciencias de la gestión 49 (11): 1563–1579
Haruvy, E. y Popkowski Leszczyc, PT (2010). Búsqueda y elección en subastas de consumo online.
Ciencias del marketing, 29(6), 11521164.
Haubl, G y Trifts, V. (2000), Consumer Decision Making in Online Shopping Environments: The Effects of Interactive
Decision Aids, Marketing Science, febrero, página 421.
Hewett, K, Rand, W, Rust, RT y van Heerde, H. J, (2016), Brand Buzz en Echoverse, Journal of Marketing, 80(3), 124.
Hildebrand, C., Haubl, G. y Herrmann, A (2014), Personalización del producto a través de soluciones iniciales, Journal of
Marketing Research, vol. 51, es. 6, pág. 707725.
Hoban, PR y Bucklin, RE (2015). Efectos de la publicidad gráfica en Internet en el embudo de compra: información
basada en modelos de un experimento de campo aleatorio. Revista de Investigación de Mercados, 52(3), 375393.
Hoffman, DL y Novak, TP (1996), Marketing en entornos hipermedia mediados por computadora: fundamentos
conceptuales, Journal of Marketing, vol. 60, núm. 3, pág. 5068.
Hoffman, DL y Novak, TP (2015), "Experiencia emergente y el consumidor conectado en el ensamblaje de hogares
inteligentes e Internet de las cosas" Disponible en SSRN: http://ssrn.com/
abstract=2648786
Iyengar, R., Jedidi, K., Essegaier, S. y Danaher, P. (2011). El impacto de la estructura tarifaria en la retención de
clientes, el uso y la rentabilidad de los servicios de acceso. Ciencias del marketing, 30(5), 820–836.
Iyengar, R., Jedidi, K. y Kohli, R. (2008). Un enfoque conjunto para la fijación de precios multiparte. Revista de
Investigación de Mercados, 45(2), 195210.
Jain, S., (2008), Piratería digital: un análisis competitivo, Marketing Science, vol. 27, No. 4, p.610626.
Jain, S. y Kannan, PK (2002). Precios de productos de información en servidores en línea: problemas, modelos y análisis.
Ciencias de la administración, 48(9), 1123–1143.
Jank, W y Kannan, PK (2005), Comprender los mercados geográficos de las empresas en línea utilizando modelos
espaciales de elección del cliente, Marketing Science, vol. 24, núm. 4, pág. 623634.
59
Jiang, BJ, Jerath, K y Srinivasan, K (2011), Estrategias empresariales en la "cola media" de la venta minorista basada en
plataformas, Marketing Science, vol. 30, núm. 5, pág. 757775
Joo, M., Wilbur, KC, Cowgill, B. y Zhu, Y. (2013). Publicidad televisiva y búsqueda en línea. Ciencias de la
administración, 60(1), 5673.
Joo, M., Wilbur, KC y Zhu, Y. (2015). Efectos de la publicidad televisiva en la búsqueda de palabras clave. Revista Internacional
de Investigación en Marketing, 33(3), 508523.
Kannan, PK y Kopalle, PK (2001). Precios Dinámicos en Internet: Importancia e Implicaciones para el Comportamiento del
Consumidor. Revista Internacional de Comercio Electrónico, 5(3), 6383.
Kannan, PK, Pope, BK y Jain, S. (2009). Ganador del premio de práctica: fijación de precios de las líneas de productos de
contenido digital: un modelo y una aplicación para la prensa de las Academias Nacionales. Ciencias del marketing, 28(4), 620636.
Kannan, PK, Reinartz, W. y Verhoef PC (2016), The Path to Purchase and Attribution Modeling: Introducción a la sección
especial, International Journal of Research in Marketing, 33(3), 449456.
Kanuri, VK, Mantrala, MK y Thorson, E. (2016), Optimizing a Menu of Multiformat Subscription Plans for AdSupported Media
Platforms, Journal of Marketing, (próximamente).
Katona, Z., Zubcsek, PP y Sarvary, M. (2011). Efectos de red e influencias personales: La difusión de una red social en línea.
Revista de investigación de mercados, 48(3), 425443.
Kim, JB, Albuquerque, P. y Bronnenberg, BJ (2010). Demanda en línea bajo búsqueda limitada de consumidores. Ciencias
del marketing, 29(6), 10011023.
Kohler, C., Mantrala, MK, Albers, S. y Kanuri, VK (2016). Un metanálisis de los efectos de arrastre de la comunicación
de marketing. Journal of Marketing Research, (próximamente).
Koukova, NT, Kannan, PK y Kirmani, A. (2012). Productos digitales multiformato: cómo los atributos de diseño interactúan
con las situaciones de uso para determinar la elección. Revista de Investigación de Mercados, 49(1), 100114.
Koukova, NT, Kannan, PK y Ratchford, BT (2008). Empaquetado de formularios de productos:
implicaciones para la comercialización de productos digitales. Revista de venta minorista, 84 (2), 181–194.
Kumar, A, Bezawada, R., Rishika, R., Janakiraman R. y Kannan, PK, (2016), From Social to Sale: The Effects of Firm Generated
Content in Social Media on Customer Behavior, Journal of Marketing, 80 ( 1), 2016, pág. 725
Kumar, V., Bhaskaran, V., Mirchandani, R. y Shah, M. (2013). Ganador del premio de práctica: creación de una estrategia
de marketing en redes sociales medible: aumento del valor y el retorno de la inversión de intangibles y tangibles para hokey pokey.
Ciencias del marketing , 32(2), 194212.
Kumar, V. y Reinartz, W. (2016). Creación de valor duradero para el cliente, Journal of Marketing, 80(6), 3668.
60
Kushwaha, T. y Shankar, V. (2013). ¿Son realmente más valiosos los clientes multicanal? El papel moderador de las características
de la categoría de producto. Revista de Marketing, 77(4), 6785.
Lamberton, C. y Stephen, AT, (2016), Una exploración temática de la evolución de la investigación de marketing digital, social y
móvil de 2000 a 2015 y una agenda para la investigación futura, Journal of Marketing, 80(6) , 146172 .
Lambrecht, A., Goldfarb, A., Bonatti, A., Ghose, A., Goldstein, DG, Lewis, R., Rao, A., Sahni, N. y Yao, S. (2014). ¿Cómo ganan
dinero las empresas vendiendo productos digitales en línea?. Cartas de marketing, 25(3), 331341.
Lambrecht, A y Misra, K. (2016). Tarifa o gratis: ¿cuándo deberían cobrar las empresas por el contenido en línea?
Ciencias de la administración, (próximamente)
Lambrecht, A. y Tucker, C. (2013). ¿Cuándo funciona el retargeting? Especificidad de la información en la publicidad online.
Lee, TY y Bradlow, ET (2011), Investigación de marketing automatizada utilizando reseñas de clientes en línea, Journal of
Marketing Research, vol. 48, núm. 5, pág. 881894
Lee, C., Kumar, V. y Gupta, S. (2013). Diseño de freemium: un modelo de uso del consumidor, actualización y dinámica de
referencia. Hoja de trabajo.
Lemon, KN y Verhoef, PC (2016), Comprender la experiencia del cliente a lo largo del recorrido del cliente, Journal of Marketing,
80(6), 6996.
Li, H., Jain, S. y Kannan, PK (2016) Diseño óptimo de muestras de contenido para productos y servicios digitales. Hoja de
trabajo.
Li, H. y Kannan, PK (2014). Atribución de conversiones en un entorno de marketing online multicanal: un modelo empírico y un
experimento de campo. Revista de Investigación de Mercados, 51(1), 4056.
Li, H., Kannan, PK, Viswanathan, V. y Pani, A. (2016). Estrategias de atribución y retorno de la
inversión en palabras clave en publicidad de búsqueda paga. Ciencias del marketing, 35(6), 831848.
Li, X. y Hitt, LM (2008). Autoselección y función informativa de las reseñas de productos en línea. Investigación de sistemas de
información, 19(4), 456474.
Liechty, J., Ramaswamy, V. y Cohen, SH (2001), Menús de elección para la personalización masiva: un enfoque
experimental para analizar la demanda del cliente con una aplicación para un servicio de información basado en la Web, Journal
of Marketing Research, vol . 38, Is. 2, 183196.
Lilien, GL y Rangaswamy, A. (2000), Modelado en bits: modelos de decisión para la economía digital en red, International Journal
of Research in Marketing, vol. 17, No23, pág. 227235.
Liu, H. (2010). Dinámica de fijación de precios en el mercado de consolas de videojuegos: ¿skimming o
penetración?. Revista de Investigación de Mercados, 47(3), 428443.
61
Liu, X., Singh, P. y Srinivasan, K. (2015) Un análisis estructural de big data no estructurado aprovechando la computación
en la nube. Hoja de trabajo.
Luo, L. y Toubia, O. (2015), Mejora de las plataformas de generación de ideas en línea y personalización de la estructura
de tareas sobre la base del conocimiento específico del dominio de los consumidores, Journal of Marketing, vol. 79, No. 5,
p.100114.
Luo, X., Andrews, M., Fang, Z. y Phang, CW (2013). Orientación móvil. Ciencias de la administración, 60(7), 17381756.
Malcolm H. (2015). El lunes cibernético registra ventas récord a medida que aumentan las ventas móviles, USA Today, 2 de diciembre.
Accedido desde [http://www.usatoday.com/story/money/2015/12/01/cybermondaysales results/
76602534/].
Manchanda, P., Dubé, JP, Goh, KY y Chintagunta, PK (2006). El efecto de la publicidad en banners en las compras por
Internet. Revista de Investigación de Mercados, 43(1), 98108.
Manchanda, P, Packard, G y Pattabhiramaiah, A, (2015), Social Dollars: The Economic Impact of Customer
Participation in a FirmSponsored Online Customer Community, Marketing Science, vol. 34, Es. 3, 367387
Malthouse, EC, Haenlein, M., Skiera, B., Wege, E. y Zhang, M. (2013). Gestión de las relaciones con los
clientes en la era de las redes sociales: presentación de la casa CRM social. Revista de Marketing Interactivo, 27(4),
270280.
McAlister, LM, Sonnier, GP y Shively, TS (2012). La relación entre las comunicaciones en línea y el valor
de la empresa. Cartas de marketing 23(1), 112.
Moe, WW (2003), Comprar, buscar o navegar: Diferenciar entre los compradores en línea que utilizan el flujo de clics
de navegación en la tienda, Journal of Consumer Psychology, 13(12), 2939.
Moe, W. y Fader, P. (2004), Comportamiento de conversión dinámica en sitios de comercio electrónico,
Management Science, 50 (3), 326335
Moe, WW y Schweidel, DA (2012), Opiniones de productos en línea: incidencia, evaluación y evolución,
Marketing Science, 31(3), 372386.
Moe, WW y Trusov, M. (2011). El valor de la dinámica social en los foros de calificación de productos en
línea. Revista de Investigación de Mercados, 48(3), 444456.
Nam, H. y Kannan PK (2014). Valor informativo de las redes de etiquetado social, Journal of
Marketing, 78(4), p. 21 40.
Narayanan, S. y Kalyanam, K. (2015). Efectos de posición en la publicidad de búsqueda y sus moderadores: un enfoque
de discontinuidad de regresión. Ciencias del marketing, 34(3), 388407.
62
Neslin, SA, Grewal, D., Leghorn, R., Shankar, V., Teerling, ML, Thomas, JS y Verhoef, PC
(2006). Retos y oportunidades en la gestión de clientes multicanal. Revista de Investigación de Servicios, 9(2), 95112.
Neslin, Scott A. y Venky Shankar (2009), Cuestiones clave en la gestión de clientes multicanal: conocimientos
actuales y direcciones futuras, Journal of Interactive Marketing, 23 (1), 70–81.
Novak, TP, Hoffman, DL y Yung, YF (2000), Medición de la experiencia del cliente en entornos en línea: un enfoque de modelado
estructural, Marketing Science, vol. 19, núm. 1, 2242.
Pan, X, Ratchford, BT y Shankar, V. (2004). Dispersión de precios en Internet: una revisión y
direcciones para futuras investigaciones, Journal of Interactive Marketing, 18 (4), 116135.
Parker, G. y Van Alstyne, MW, (2005), Efectos de red de dos caras: una teoría del diseño de productos de información. Management
Science, vol. 51, núm. 10, págs. 1494–1504.
Pauwels, K y Weiss A. (2007), Pasar de gratis a pagar: cómo comercializan las empresas en línea para cambiar su modelo de
negocio con éxito, Journal of Marketing, 72(3), 1431.
Phillips, E. (2015). Los minoristas amplían las redes de distribución de ventas en línea. El periodico de Wall Street.
17 de noviembre de 2015. Acceso desde [http://www.wsj.com/articles/retailersscaleuponlinesales distribution
networks1447792869].
Pingitore, G., Meyers, J., Clancy, M. y Cavallaro, K. (2013). Crecen las preocupaciones de los consumidores sobre la privacidad de los
datos: ¿qué pueden hacer las empresas? Informe JD Power.
Popkowski Leszczyc, PT y Häubl, G. (2010). Empaquetar o no agrupar: Determinantes de la rentabilidad de las subastas
multiartículo. Revista de Marketing, 74(4), 110124.
Rao, L (2015). Los compradores en línea gastaron un récord de $ 4.45 mil millones en el Black Friday y el Día de Acción de Gracias.
Fortune, 28 de noviembre, consultado desde [http://fortune.cm/2015/11/28/blackfridaysales2/]
Ratchford, BT, Lee, MS y Talukdar, D. (2003). El impacto de Internet en la búsqueda de información para automóviles. Revista de
Investigación de Mercados, 40(2), 193209.
Ratchford, B. T, Talukdar, D, Lee, MS (2007), El impacto de Internet en el uso de fuentes de información para automóviles por
parte de los consumidores: una nueva investigación, Journal of Consumer Research, 34(1), junio, pág . .111 119.
Roberts, JH, Kayande, U. y Stremersch, S., (2014). De la investigación académica a la práctica de marketing: exploración de la cadena
de valor de la ciencia del marketing, International Journal of Research in Marketing, vol. 31, núm. 2, pág. 127140.
63
Rosario, AB, Sotgiu, F., De Valck, K. y Bijmolt, THA (2016), El efecto del boca a boca electrónico en las ventas: una revisión
metaanalítica de la plataforma, el producto y los factores métricos, Journal of Marketing Research , vol. 53, núm. 3 (junio), pág.
297318
Rust, R., Lemon, K. y Narayandas, D. (2004), Customer Equity Management, Prentice Hall, diciembre.
Rust, RT, Kannan, PK y Peng, N. (2002). La economía del cliente de la privacidad en Internet. Revista de la Academia de
Ciencias del Marketing, 30(4), 455464.
Rutz, DO y Bucklin, RE (2011). De lo genérico a lo de marca: un modelo de efectos indirectos en la publicidad de
búsqueda de pago. Revista de Investigación de Mercados, 48(1), 87102.
Rutz, DO, Bucklin, RE y Sonnier, GP (2012). Un enfoque de variables instrumentales latentes para modelar la conversión de
palabras clave en la publicidad de búsqueda paga. Revista de Investigación de Mercados, 49(3), 306319.
Rutz, OJ, Trusov, M. y Bucklin, RE (2011). Modelado de los efectos indirectos de la publicidad de búsqueda paga: ¿qué
palabras clave generan más visitas futuras?. Ciencias del marketing, 30(4), 646665.
Schneier, B. (2015). Cómo el Internet de las cosas limita la elección del consumidor. El Atlántico. 24 de diciembre.
Accedido desde [https://www.schneier.com/essays/archives/2015/12/how_the_internet_of_.html]
Seiler, S. (2013). El impacto de los costos de búsqueda en el comportamiento del consumidor: un enfoque dinámico. Marketing
cuantitativo y economía, 11(2), 155203.
Shankar, V, Smith, AK, Rangaswamy, A (2003), Satisfacción y lealtad del cliente en entornos en línea y fuera de línea,
International Journal of Research in Marketing, vol. 20, es. 2, pág. 153175.
Shankar, V., Venkatesh, A., Hofacker, C. y Naik, P. (2010), Mobile Marketing in the Retailing Environment: Current
Insights and Future Research Avenues, Journal of Interactive Marketing, 24 (2), 11120 .
Shankar, V., Urban, GL y Sultan, F. (2002). Confianza en línea: una perspectiva de las partes interesadas, conceptos,
implicaciones y direcciones futuras. La Revista de sistemas de información estratégica, 11(3), 325344.
Shi, SW, Wedel M. y Pieters, R. (2013), Adquisición de información durante la toma de decisiones en línea: una
exploración basada en modelos utilizando datos de seguimiento ocular. Ciencias Administrativas, 2013, 59 (5):10091026.
Shi, SW y Zhang, J. (2014), "Experiencia de uso con ayudas para la toma de decisiones y evolución del
comportamiento de compra en línea", Marketing Science, 33(6), 871882.
Shriver, S., Nair, H. y Hofstetter (2013), Social Ties and UserGenerated Content: Evidence from an Online Social Network,
Management Science, 59(6), junio, págs. 142543.
Singh, S., Ratchford, BT y Prasad, A. (2014). Búsqueda fuera de línea y en línea en mercados de bienes duraderos
usados. Revista de venta al por menor, 90(3), 301320.
Sinha, RK, Machado, FS y Sellman, C. (2010), Don't Think Twice, It's All Right: Music Piracy and Pricing in a DRMFree
Environment, Journal of Marketing, vol . 74, núm. 2, pág. 4054.
64
Sismeiro, C y Bucklin, RE (2004). Modelado del comportamiento de compra en un sitio web de comercio electrónico: un enfoque
de finalización de tareas, Journal of Marketing Research, 41(3), 306323.
Skiera, B. y Abou Nabout, N. (2013). Premio de Práctica PaperPROSAD: Un Sistema de Apoyo a la Decisión de Licitación
para la Optimización de Beneficios en la Publicidad en Motores de Búsqueda. Ciencias del marketing, 32(2), 213220.
Spann, M. y Tellis, GJ (2006) ¿Internet promueve mejores decisiones de consumo? El caso de las subastas de nombresu
propioprecio. Revista de marketing 70 (1): 65–78
Sonnier, GP, McAlister, LM y Rutz, O. (2011). Un modelo dinámico del efecto de las comunicaciones en línea en las
ventas de las empresas. Ciencias del marketing, 30(4), 702716.
Sridhar, S., Mantrala, MK, Naik, PA y Thorson, E. (2011). Presupuesto de marketing dinámico para empresas de plataforma:
teoría, evidencia y aplicación. Revista de Investigación de Mercados, 48(6), 929943.
Sriram, S, Manchanda, P, Bravo, ME, Chu, JH, Ma, LY, Song, MJ, Shriver, S y Subramanian, U.
(2015), Plataformas: una multiplicidad de oportunidades de investigación, Marketing Letters, vol. 26, núm. 2, pág. 141152.
Steenkamp, JBEM y Geyskens, I. (2006), Cómo las características de los países afectan el valor percibido de los sitios web,
Journal of Marketing, vol. 70, es. 3, pág. 136150.
Stephen, AT y Toubia, O. (2010), Derive Value from Social Commerce Networks, Journal of Marketing Research, vol. 47,
núm. 2, pág. 215228.
Stremersch, S y Tellis, GJ (2002), Agrupación estratégica de productos y precios: una nueva síntesis para el marketing,
Journal of Marketing, vol. 66, Is. 1, p.5572
Tirunillai, S. y Tellis, GJ (2012). ¿Chatter realmente importa? Dynamics of UserGenerated Content and Stock Performance,
Marketing Science, 31(2), 198215.
Tirunillai, S. y Tellis, GJ (2014). Significado de marketing minero de Charla en línea: Análisis de marca estratégica de Big Data
mediante la asignación latente de Dirichlet, Journal of Marketing Research, 51(4), 463479.
Toubia, O. y Stephen, AT (2013). Utilidad intrínseca frente a la relacionada con la imagen en las redes sociales: ¿Por qué las
personas aportan contenido a Twitter? Marketing Science, 32(3), 368392.
Trusov, M., Bodapati, AV y Bucklin, RE (2010). Determinación de usuarios influyentes en las redes sociales de internet.
Tucker, C. y Zhang, J. (2010). Crecimiento de redes de dos caras mediante la publicidad de la base de usuarios: un
experimento de campo. Ciencias del marketing, 29(5), 805814.
Venkatesh, R. y Chatterjee, R. (2006). Agrupación, desagregación y fijación de precios de productos multiformes:
el caso del contenido de una revista. Revista de Marketing Interactivo, 20(2), 21–40.
sesenta y cinco
Verhoef, P, Kannan PK e Inman, J. (2015). Del comercio minorista multicanal al comercio minorista omnicanal:
Introducción al número especial sobre el comercio minorista multicanal. Journal of Retailing, 91(2), p. 174181.
Verhoef, PC, Neslin, SA y Vroomen, B. (2007). Gestión de clientes multicanal: comprender el
fenómeno del comprador de investigación. Revista Internacional de Investigación en Marketing, 24(2), 129148.
Vernik, DA, Purohit, D. y Desai, PS (2011), Descargas de música y la otra cara de la gestión de derechos digitales,
Marketing Science, vol. 30, No. 6, p.10111027.
Watts, DJ y Dodds, PS (2007). Influyentes, redes y formación de opinión pública. Revista de investigación del
consumidor, 34(4), 441458.
Wedel, M y PK Kannan (2016), Marketing Analytics for DataRich Environments, documento de trabajo, Robert H.
Smith School of Business, University of Maryland, College Park, MD 20742.
Wedel, M. y FGM Pieters (Eds.) (2007), Visual Marketing, Nueva York: Lawrence Erlbaum Associates,
Serie Marketing y Psicología del Consumidor, CP Haugtvedt (Editor de la serie)
Wiesel, T., Pauwels, K. y Arts, J. (2011). Practice Prize PaperMarketing's Profit Impact: cuantificación de la
progresión del embudo en línea y fuera de línea. Ciencias del marketing, 30(4), 604611.
Viento, J. y Rangaswamy, A. (2001). Customerización: La próxima revolución en la personalización masiva.
Revista de Marketing Interactivo, 15(1), 1332.
Winer, RS e Ilfeld, JS (2002). Generación de tráfico del sitio web. Revista de Investigación Publicitaria, 42(5),
4961.
Wu, C., Che, H., Chan, TY y Lu, X. (2015). El valor económico de las reseñas en línea. Ciencias del marketing,
34(5), 739754.
Wu, JH, Shi, M. y Hu, M. (2015). Efectos de umbral en compras grupales en línea,
Management Science, 61(9), 20252040.
Xu, K., J. Chan, A. Ghose y S. Han. (2015). Batalla de los canales: el impacto de las tabletas en el comercio digital,
Management Science. (próximo).
Xu, L., Duan, JA y Whinston, A. (2014). Camino a la compra: un modelo de proceso de punto mutuamente
emocionante para publicidad y conversión en línea. Management Science, 60(6), 13921412.
Yadav, MS y Pavlou, PA (2014). Marketing en entornos mediados por computadora: síntesis de investigación
y nuevas direcciones. Revista de Marketing, 78(1), 2040.
Yang, S. y Ghose, A. (2010). Analizando la relación entre publicidad de búsqueda orgánica y patrocinada:
¿interdependencia positiva, negativa o nula?. Ciencias del marketing, 29(4), 602623.
66
Yao, S. y Mela, CF (2011). Un modelo dinámico de publicidad de búsqueda patrocinada. Ciencias del
marketing, 30(3), 447468.
Ying, Y., Feinberg, F. y Wedel, M. (2006). Aprovechar las calificaciones que faltan para mejorar los
sistemas de recomendación en línea. Revista de investigación de mercados, 43(3), 355365.
Tú, Y., Vadakkepatt, GG y Joshi, AM (2015). Un metaanálisis de la elasticidad del boca a boca electrónico. Revista
de Marketing, 79(2), 1939.
Zhang, J. y Krishnamurthi, L. (2004), “Personalizar promociones en tiendas en línea”, Marketing Science, 23 (4), 561578.
Zhang, J. y Wedel, M. (2009), "La eficacia de las promociones personalizadas en tiendas en línea y fuera de línea",
Journal of Marketing Research, 46 (abril), 190206.
Zhu, Y. y Wilbur, KC (2011). Subastas publicitarias híbridas. Ciencias del marketing, 30(2), 249273.
67
tabla 1
Tecnologías digitales y entorno de marketing: problemas de investigación y estado del arte
Área de enfoque Desarrollos de investigación
a. Etapas del proceso de compra, embudo de compra e impacto de entornos
Consumidor digitales y dispositivos digitales
Comportamiento b. Adquisición de información, búsqueda, procesamiento de información y ayudas a
la decisión en entornos digitales c. Comportamiento
del comprador en entornos digitales y no digitales d. Confianza del cliente y
percepciones de riesgo en entornos digitales
a. El boca a boca electrónico (eWOM) y la motivación para
Redes sociales y eWOM
UGC b. Dinámica en publicaciones eWOM y su impacto en las ventas c. ¿Cómo
influyen las publicaciones de eWOM en otras publicaciones?
d. Redes sociales, identificación y targeting de influencers e. eWOM y reseñas
falsas
Plataformas y Dos a. Efectos de red en plataformas en línea, asimetría de información
Mercados laterales e impacto en las ventas
b. Impacto de la competencia en las plataformas de contenido de dos caras
c. Problemas en el crowdsourcing y el uso de plataformas para innovaciones
a. ¿Cómo deberían los motores de búsqueda valorar y clasificar las palabras
clave? b. ¿Cómo deben los anunciantes elegir palabras clave específicas y ofertar por
Los motores de búsqueda ¿a ellos?
C. Relación entre la clasificación, la tasa de clics y la tasa de conversión, y el apoyo a
la decisión para una oferta óptima d. Sinergia entre búsqueda
orgánica y búsqueda paga
a. Interacción entre geografía/ubicación y entornos digitales
Contextual
Interacciones b. Impacto del entorno regulatorio Preocupaciones de privacidad y
eficacia del marketing digital
C. Impacto de la piratería de contenidos

Marketing Tesis

Cargado por

Información del documento

Descripción original:

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Marketing Tesis

Cargado por

Copyright:

Formatos disponibles

Machine Translated by Google

También podría gustarte