Análisis de la experiencia del cliente en el comercio electrónico mediante inteligencia de negocios
Barra lateral del artículo
Contenido principal del artículo
Resumen
El presente estudio analiza el impacto de la inteligencia de negocios (BI) en la experiencia del cliente en el comercio electrónico. Se evaluaron tres objetivos: el impacto del análisis de datos en tiempo real en la personalización de la experiencia de compra, cómo la BI puede mejorar la resolución proactiva de problemas en el servicio al cliente, y la influencia de la integración de datos en la optimización y la coherencia de la experiencia del cliente. Se realizaron análisis descriptivos, regresión múltiple, ANOVA, pruebas de hipótesis y análisis de clústeres sobre una muestra de 150 empresas de comercio electrónico. Los resultados indican que la personalización de anuncios, facilitada por el análisis de datos en tiempo real, tiene un impacto significativo pero negativo en la satisfacción y lealtad del cliente.
El análisis cualitativo mediante entrevistas destacó que las herramientas de BI permiten una resolución más rápida y eficaz de problemas. La integración de datos mostró una tendencia a mejorar la tasa de conversión y lealtad del cliente, aunque no se encontraron resultados estadísticamente significativos. El análisis de clústeres identificó cuatro grupos de empresas con características distintivas en términos de implementación de BI y sus impactos en la experiencia del cliente. Las empresas con una mayor adopción de análisis de datos en tiempo real y personalización de anuncios mostraron desafíos en la satisfacción del cliente, mientras que aquellas con una mejor integración de datos tendían a tener mejores tasas de conversión
Descargas
Detalles del artículo
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-CompartirIgual 4.0.
1. Derechos de autor
Las obras que se publican en 593 Digital Publisher CEIT están sujetas a los siguientes términos:
1.1. 593 Digital Publisher CEIT, conserva los derechos patrimoniales (copyright) de las obras publicadas, favorece y permite la reutilización de las mismas bajo la licencia Licencia Creative Commons 4.0 de Reconocimiento-NoComercial-CompartirIgual 4.0, por lo cual se pueden copiar, usar, difundir, transmitir y exponer públicamente, siempre que:
1.1.a. Se cite la autoría y fuente original de su publicación (revista, editorial, URL).
1.1.b. No se usen para fines comerciales u onerosos.
1.1.c. Se mencione la existencia y especificaciones de esta licencia de uso.
Nelson Esteban Salgado-Reyes , Instituto Universitario Japón - Ecuador
https://orcid.org/0000-0001-8908-7613
Nelson Salgado R. es investigador senior en el Instituto Universitario Japón y en la Universidad Central del Ecuador. Tengo un doctorado en Tecnologías de la Comunicación (TIC) por la Universidad de Extremadura con más de 25 años de experiencia en investigación científica. Mi trabajo se centra en la inteligencia de negocios, habiendo publicado más de 50 artículos en revistas internacionales de alto impacto.
Pamela Fajardo-Vanegas , Instituto Universitario Japón - Ecuador
https://orcid.org/0000-0001-6769-5167
Pamela Fajardo V. es investigadora y Director Académica en el Instituto Universitario Japón y Asesora Académica del Instituto Cuest TV. Tengo un doctorado en Administración de Empresas por la Universidad Benito Juárez con más de 10 años de experiencia en academia y gestión institucional. Mi trabajo se centra en la administración, habiendo publicado más de 20 artículos en revistas internacionales de alto impacto.
Marcelo Vasquez-Guevara , Instituto Superior Tecnológico CUESTTV - Ecuador
https://orcid.org/0009-0009-4630-9437
Marcelo Vasquez Guevara. es investigador en el Instituto Tecnológico Cuest TV. Tiene una maestría cuenta con más de 10 años de experiencia en la academia y gestión institucional. El trabajo se centra en la investigación para publicar en revistas nacionales e internacionales de alto impacto.
Citas
Chaffey, D., & Smith, P. R. (2017). Digital Marketing Excellence: Planning, Optimizing and Integrating Online Marketing. Routledge.
Chen, H., Chiang, R. H., & Storey, V. C. (2018). Business Intelligence and Analytics: From Big Data to Big Impact. MIS Quarterly, 36(4), 1165-1188. doi:https://doi.org/10.25300/MISQ/2018/36.4.03
Chung, J., Kim, H., & Lee, S. (2021). Automated Color Correction in Film Production: Techniques and Applications. . Journal of Visual Computing, 37(4), 501-512.
Gadiparthi, S. (2024). Enhancing customer experience with business intelligence: strategies, tools, and case studies. International Journal of Management (IJM), 15(2), 108-116. doi:https://doi.org/10.17605/OSF.IO/9UTGE
Goodfellow, I., Bengio, Y., & Courville, A. (2016). Deep Learning. MIT Press.
Grewal, D., Roggeveen, A. L., & Nordfält, J. (2017). The Future of Retailing. Journal of Retailing, 93(1), 1-6. doi:https://doi.org/10.1016/j.jretai.2016.12.008
Hagbi, N., & Gutfreund, R. (2020). Enhancing Video Editing with Machine Learning. Journal of Applied AI, 15(2), 215-229.
Hernández, B., Jiménez, J., & Martín, M. J. (2010). Customer behavior in electronic commerce: The moderating effect of e-purchasing experience. Journal of Business Research, 63(9-10), 964-971. doi:https://doi.org/10.1016/j.jbusres.2009.01.019
Iakupova, R. (2024). AI Trends for e-Commerce. Věda a perspektivy, 6(37), 10-19. doi:https://doi.org/10.52058/2695-1592-2024-6(37)-10-19
Karras, T., & Laine, S. A. (2020). A Style-Based Generator Architecture for Generative Adversarial Networks . IEEE Transactions on Pattern Analysis and Machine Intelligence, 42(12), 3135-3144.
Kavitha, L. (2023). Copyright Challenges in the Artificial Intelligence Revolution: Transforming the Film Industry from Script to Screen. ACS Publisher, 4(1), 1-8. doi:https://dx.doi.org/10.48165/tlr.2024.4.1.1
Kumar, V., Bhattacharya, S., & Luo, X. (2021). Customer Relationship Management in a Big Data World. Journal of Business Research, 70, 380-389. doi:https://doi.org/10.1016/j.jbusres.2016.08.009
Lemon, K. N., & Verhoef, P. C. (2016). Understanding Customer Experience Throughout the Customer Journey. Journal of Marketing, 80(6), 69-96. doi:https://doi.org/10.1509/jm.15.0420
Li, H.-J., Bu, Z., Wang, Z., & Cao, J. (2020). Dynamical Clustering in Electronic Commerce Systems via Optimization and Leadership Expansion. EEE Transactions on Industrial Informatics, 16(8), 5327-5334. doi:10.1109/TII.2019.2960835
Oskooei, A. R., & Adak, T. E. (2023). Advancing E-Commerce Analytics The Development of Intelligent Analytics Software for Enhanced Customer Experience. Orclever Proceedings of Research and Development, 3(1), 178–187. doi:https://doi.org/10.56038/oprd.v3i1.312
Reddy, V. M., & Nalla, L. N. (2021). Harnessing Big Data for Personalization in E-commerce Marketing Strategies. Revista Espanola De Documentacion Cientifica, 15(4), 108–125. doi:https://redc.revistas-csic.com/index.php/Jorunal/article/view/224
Reddy, V. M., & Nalla, L. N. (2023). Leveraging Big Data Analytics to Enhance Customer Experience in E-commerce. Revista Espanola De Documentacion Cientifica, 18(2), 295–324. doi:https://redc.revistas-csic.com/index.php/Jorunal/article/view/221
Sharma, R., Mithas, S., & Kankanhalli, A. (2019). Transforming Decision-Making Processes: A Research Agenda for Understanding the Impact of Business Analytics on Organizations. European Journal of Information Systems, 23(4), 433-441. doi:https://doi.org/10.1057/ejis.2014.17
Thompson, S. (2020). The Future of Video Production: AI and Automation. Media Innovation Journal, 9(3), 150-162.
Verhoef, P. C., Kannan, P. K., & Inman, J. J. (2015). From Multi-Channel Retailing to Omni-Channel Retailing: Introduction to the Special Issue on Multi-Channel Retailing . Journal of Retailing, 91(2), 174-181. doi:https://doi.org/10.1016/j.jretai.2015.02.005
Watson, H. J. (2018). All About Analytics Trends. Business Intelligence Journl, 23(2), 4-7.
Wedel, M., & Kannan, P. K. (2016). Marketing Analytics for Data-Rich Environments. Journal of Marketing, 806(6), 97-121. doi:https://doi.org/10.1509/jm.15.0413
West, J. (2021). Visual Effects in The Mandalorian: A Case Study. VFX Today, 23(1), 45-57.
Zhao, X. (2019). A Study on E-commerce Recommender System Based on Big Data. 4th International Conference on Cloud Computing and Big Data Analysis (ICCCBDA). Chengdu, China: IEEE . doi:10.1109/ICCCBDA.2019.8725694.