Inteligencia Artificial y mercadeo en redes sociales. Análisis bibliométrico y revisión sistemática
DOI:
https://doi.org/10.69639/arandu.v12i2.1194Palabras clave:
automatización, estrategias de marketing, publicidad, Big Data, experiencia del clienteResumen
Este artículo analiza el impacto de la inteligencia artificial (IA) en el desarrollo del mercadeo en redes sociales, partiendo del reconocimiento de una problemática central, la cual tiene como base que la evolución tecnológica ha superado los modelos tradicionales de marketing, generando la necesidad de nuevas herramientas que respondan a un entorno digital cambiante y a consumidores hiperconectados. El objetivo central planteado es determinar el aporte de la inteligencia artificial al desarrollo de mercadeo en redes sociales desde la perspectiva de la literatura científica. Para ello, se realizó una revisión sistemática de literatura y análisis bibliométrico, utilizando la información registrada en la base de datos Scopus. Este análisis se centró en el periodo de tiempo 2015 - 2023. Los resultados revelan cinco categorías clave donde aporta de manera significativa la IA: optimización de procesos, campañas publicitarias, desarrollo de estrategias, análisis de datos y soluciones personalizadas. En conclusión, la IA ha transformado el marketing digital al potenciar la automatización, la personalización y la toma de decisiones basada en datos. Sin embargo, persisten desafíos éticos y tecnológicos que requieren mayor exploración en futuras investigaciones.
Descargas
Citas
Accenture. (2021). AI in Financial Services: The Transformation of Customer Engagement. https://www.accenture.com
Adamopoulou, E., & Moussiades, L. (2020). An overview of chatbot technology. In I. Maglogiannis, L. Iliadis, & E. Pimenidis (Eds.), Artificial Intelligence Applications and Innovations (pp. 373–383). Springer. https://doi.org/10.1007/978-3-030-49186-4_31SpringerLink
Aggarwal, K., & Arora, A. (2023). Influence maximization in social networks using discrete BAT-modified (DBATM) optimization algorithm: A computationally intelligent viral marketing approach.
Algarni, A., & Ismail, W. (2023). Applications of artificial intelligence for information diffusion prediction: Regression-based key features models.
Ali, A., Khan, M., & Others. (2023). On the fairness of time-critical influence maximization in social networks.
Aljabri, A., & Mohammad, F. (2023). Click fraud detection for online advertising using machine learning.
Alnoor, A., Al-Mamary, Y., & Others. (2022). Artificial neural networks and structural equation modeling: Marketing and consumer research applications.
Al-Sammarraie, M., et al. (2022). Image captions and hashtags generation using deep learning approach.
Alunni, L. (2022). Inteligencia artificial aplicado al marketing digital: El futuro ya llegó [Whitepaper]. Cámara Argentina de Comercio Electrónico (CACE). https://cace.org.ar/wp-content/uploads/2022/11/Whitepaper-Inteligencia-Artificial-aplicado-al-Marketing-Digital.pdfCACE+1CACE+1
Ardila-Sánchez, S. F. y Calderón-Serrano, E. (2022). Generalidades del mercadeo y su importancia en el sector agropecuario. Research. 1-12. DOI 10.13140/RG.2.2.26218.80324.
Armas-Arias, S., et al. (2022). Decision trees for the analysis of digital marketing in the tourism industry: Tungurahua case study.
Armstrong, G. & Kotler, P. (2013). Marketing: Generación y captación del valor del cliente. Fundamentos de marketing Decimoprimera edición (pp. 2-35). Pearson.
Aydin, G., & Silahtaroglu, G. (2021). Insights into mobile health application market via a content analysis of marketplace data with machine learning.
Publicado
Cómo citar
Número
Sección
Licencia
Derechos de autor 2025 Yina Patricia Atencia García, Néstor Adolfo Ballesteros Puerto, Hary Ferley Velásquez Durán , Jhony Alexander Barrera Liévano
Esta obra está bajo una licencia internacional Creative Commons Atribución 4.0.
Esta publicación está bajo una 
