INTRODUCCIÓN
La automatización de la personalización en marketing se ha consolidado como una tendencia en crecimiento, particularmente en el sector supermercadista del Ecuador, que ha mostrado una expansión sostenida en los últimos años. Este desarrollo responde al aumento de la urbanización, la formalización del comercio minorista y la transformación de los hábitos de consumo alimentario. En la actualidad, el país cuenta con 671 establecimientos entre supermercados y minimercados, concentrados principalmente en Guayaquil, con 269 locales, y en Quito, con 178. Esta dinámica evidencia un proceso de modernización del comercio de alimentos, liderado por grandes cadenas como Corporación Favorita, Almacenes Tía y Corporación El Rosado, las cuales han logrado fortalecer sus canales de distribución y optimizar sus operaciones mediante la automatización y la gestión avanzada de datos (Instituto Nacional de Estadística y Censos, 2023).
Este crecimiento ha desplazado gradualmente a los mercados populares y ferias tradicionales, que históricamente han desempeñado un papel esencial en la soberanía alimentaria urbana y la generación de empleo informal. El contraste entre el dinamismo del retail formal y la vulnerabilidad del comercio popular revela una transformación estructural en el sistema alimentario urbano ecuatoriano (Equifax, 2023).
En la provincia de Pichincha, esta dinámica se acentúa: los supermercados se han convertido en los principales espacios de compra para los sectores medios y altos, mientras que los mercados municipales mantienen su papel dentro de la economía popular. De ahí que, la expansión territorial y digital de las grandes cadenas ha transformado los hábitos de consumo, reduciendo la afluencia a estos espacios y modificando las relaciones sociales y culturales que antes caracterizaban el intercambio alimentario. La ausencia de políticas públicas que integren a los mercados tradicionales dentro de la economía digital, así como la falta de inversión en infraestructura tecnológica, limita su competitividad frente a un comercio minorista que avanza rápidamente hacia la automatización y la gestión inteligente de datos (Hollenstein, 2019).
En el caso de Quito, la automatización de la personalización en marketing representa un reto estratégico para el sector supermercadista. Aunque algunas cadenas han incorporado programas de fidelización, análisis predictivo y sistemas Customer Relationship Management (CRM) que permiten segmentar y anticipar el comportamiento del cliente, gran parte de los establecimientos medianos y pequeños carece de capacidades tecnológicas y de gestión de datos. A ello se suman factores estructurales como la informalidad en los procesos comerciales, la falta de estandarización de inventarios y la débil confianza del consumidor en la digitalización de la compra alimentaria. Estas brechas impiden que la comunicación con el cliente sea relevante y contextual, afectando la efectividad de las estrategias de marketing y reduciendo la posibilidad de generar relaciones sostenibles de fidelidad (Hollenstein, 2019).
Frente a estos desafíos, la automatización de la personalización en tiempo real mediante inteligencia artificial (IA) se presenta como una oportunidad para transformar el marketing digital del sector. Su aplicación contribuirá a optimizar la gestión de datos en múltiples puntos de contacto, generar recomendaciones dinámicas y mejorar la experiencia del cliente a partir de comportamientos reales, no de suposiciones. Su éxito depende de la capacidad de las empresas para integrar tecnología, cultura organizacional y ética en el manejo de la información.
El desafío no radica únicamente en adoptar herramientas de IA, sino en rediseñar los procesos de comunicación y relación con el consumidor. Comprender cómo la IA puede automatizar la personalización de ofertas en tiempo real no solo permitirá incrementar las conversiones, sino también fortalecer la satisfacción y confianza del cliente, elementos fundamentales para la competitividad de los supermercados (Kotler et al., 2021).
La personalización se ha afianzado como una de las estrategias más efectivas en el marketing digital para fortalecer la relación con los consumidores y mejorar la experiencia del usuario. Este enfoque adapta el contenido, las ofertas y las comunicaciones de una marca a las características y necesidades individuales de cada cliente, creando una experiencia más relevante y satisfactoria. La clave reside en el uso de herramientas avanzadas de análisis de datos, que facilitan la segmentación y la anticipación de comportamientos y preferencias. Mediante esta estrategia, se aumenta la relevancia de los mensajes, se fomenta la lealtad y se mantiene una relación continua y dinámica con los clientes, traduciéndose en una mayor satisfacción (Ramírez, 2024).
La personalización también tiene un impacto significativo en la efectividad de las campañas, pues optimiza la relevancia del contenido ofrecido y, en consecuencia, aumenta la tasa de interacción. Al presentar contenido ajustado a los intereses de cada cliente, existen mayores probabilidades de captar su atención, lo que facilita la conversión de prospectos. Este proceso favorece directamente la fidelización, ya que genera una experiencia única que refuerza la relación con la marca (Salgado et al., 2024).
En el sector de los supermercados, la personalización ha evolucionado considerablemente. Inicialmente, la segmentación se basaba en datos demográficos como edad, género y ubicación geográfica. Hoy en día, han adoptado estrategias más avanzadas, como la personalización conductual, centrada en el análisis de historiales de navegación, interacciones previas con la marca y compras realizadas. Este enfoque permite ofrecer promociones más relevantes y adaptadas a las necesidades específicas, a la vez que reduce la percepción de publicidad intrusiva, generando una mayor receptividad (Salgado et al., 2024).
Las grandes cadenas emplean estas estrategias de personalización para crear perfiles detallados de sus consumidores y optimizar sus ofertas en tiempo real. Gracias a la identificación precisa de patrones de compra y comportamientos pasados, desarrollan promociones y campañas con una efectividad significativamente superior. Este enfoque asegura que los recursos de marketing se asignen de manera eficiente a los segmentos de clientes más relevantes, maximizando así el retorno de la inversión (Salgado et al., 2024).
Ahora bien, la automatización de la personalización mediante IA y análisis de datos ha transformado la forma en que los supermercados se comunican. Recursos como GPT-3.5, por ejemplo, permiten generar contenido altamente personalizado para redes sociales y otros canales digitales, mejorando la calidad y coherencia de los mensajes. Esta integración ofrece una experiencia más fluida y relevante para los consumidores, aumentando las oportunidades de ventas y fortaleciendo la relación entre la marca y el cliente (Méndez et al., 2024).
Se han consolidado como un recurso clave, ya que utiliza algoritmos y modelos de aprendizaje automático. Son capaces de analizar grandes volúmenes de datos, predecir comportamientos futuros y personalizar las interacciones de manera individualizada. Esta habilidad para anticipar las necesidades y generar contenido con base en las preferencias de los clientes transforma las campañas publicitarias tradicionales en procesos automatizados, mucho más dirigidos y eficaces (García et al., 2025).
En este contexto, la aplicación de la IA en marketing es diversa y se articula a través de varios enfoques y técnicas. Uno de los principales métodos es el aprendizaje supervisado, utilizado para hacer predicciones basadas en datos etiquetados. Otro enfoque relevante es el aprendizaje no supervisado, que identifica patrones en datos no etiquetados, útil para el análisis de sentimientos o la segmentación basada en comportamientos. Esta funcionalidad de la IA para adaptarse y ajustar las estrategias en tiempo real marca una diferencia significativa en la efectividad de las campañas (Gil et al., 2025).
La capacidad de ajustar mensajes, ofertas y promociones a las necesidades individuales, en tiempo real, no solo eleva la relevancia de las campañas, sino que también crea una experiencia de marca más conectada y memorable. Esto se establece como un catalizador clave para transformar la manera en que las empresas interactúan con sus consumidores. Mediante el uso de estas herramientas avanzadas, se puede anticipar y satisfacer las demandas de los clientes de manera más eficaz, lo que resulta en una relación más sólida y un mayor compromiso por parte del consumidor (Ramírez, 2024).
Esta personalización no solo mejora la experiencia del cliente, sino que también optimiza la eficiencia operativa. Con la automatización de procesos, los supermercados aumentan la efectividad de sus campañas publicitarias y pueden realizar ajustes de forma inmediata, asegurando una estrategia más dinámica y flexible. Al poner al cliente en el centro de su enfoque, incrementan la lealtad y las conversiones, logrando una ventaja competitiva crucial en un mercado cada vez más exigente. A largo plazo, se construye una base de clientes más leales y rentables, potenciando el crecimiento de la empresa (Salgado et al., 2024).
MÉTODO
El estudio aplicado a clientes de productos de belleza en línea en Ambato utilizó una metodología mixta, la cual integró los enfoques cualitativo y cuantitativo, siguiendo una ruta que combinó ambos métodos (Criollo et al., 2019). La investigación se enfocó en cuantificar la magnitud u ocurrencia de fenómenos y medir patrones de compra o satisfacción, usando datos numéricos. Se centró en la interpretación profunda de las experiencias, percepciones y significados de belleza que los clientes otorgaron a los productos y al proceso de compra digital, utilizando datos narrativos. El método descriptivo se aplicó para detallar las características del mercado y del consumidor en línea, identificando variables medibles u observables (Yépez & Erazo, 2025).
La investigación incorporó el método analítico-sintético para separar las variables de consumo en sus componentes más básicos y examinar sus causas y efectos con detalle análisis, y luego reunirlos en una visión integral del fenómeno síntesis. El método inductivo-deductivo se aplicó para probar hipótesis iniciales deducción con los datos empíricos y, a su vez, para generar teoría a partir de las observaciones particulares inducción (Coronel et al., 2024). El enfoque sistémico se usó para considerar el proceso de compra de belleza en línea como un sistema dinámico donde los elementos se interrelacionaron. La encuesta fue el instrumento principal que permitió recopilar datos para el análisis estadístico. La revisión documental sirvió como técnica complementaria que fundamentó el marco teórico del estudio.
RESULTADOS
Se exponen los resultados obtenidos a partir del estudio realizado a una muestra de 83 participantes, todos ellos pertenecientes al sector de supermercados en la ciudad de Quito. El cuerpo central del análisis aborda dos variables para el marketing digital: la experiencia de compra en línea y la percepción específica sobre la IA aplicada a la personalización. La tabla 1 resume los recuentos y la distribución de las respuestas obtenidas, sirviendo como base para comprender las tendencias identificadas en el comportamiento del consumidor.
Tabla 1
Distribución de respuestas y correlación entre las variables de la investigación.
|
Variable |
Nivel |
Recuentos |
Total |
Proporción |
p |
||||||
|
Experiencia de compra online |
|
Neutral |
|
3 |
|
83 |
|
0.036 |
|
< .001 |
|
|
|
|
No mucho |
|
4 |
|
83 |
|
0.048 |
|
< .001 |
|
|
|
|
Sí, algo |
|
25 |
|
83 |
|
0.301 |
|
< .001 |
|
|
|
|
Sí, significativamente |
|
51 |
|
83 |
|
0.614 |
|
0.048 |
|
|
IA y personalización |
|
A) Sí, definitivamente |
|
47 |
|
83 |
|
0.566 |
|
0.272 |
|
|
|
|
B) Sí, algo |
|
23 |
|
83 |
|
0.277 |
|
< .001 |
|
|
|
|
C) No estoy seguro |
|
11 |
|
83 |
|
0.133 |
|
< .001 |
|
|
|
|
D) Probablemente no |
|
2 |
|
83 |
|
0.024 |
|
< .001 |
|
Elaboración: Los autores.
El análisis revela una tendencia claramente positiva: la mayoría de los participantes considera que la personalización mejora de manera decisiva su experiencia de compra en línea, con una porción significativa que reporta una mejora sustancial en sus interacciones con las marcas. Esta percepción generalizada se alinea directamente con la opinión de que la IA es un factor determinante para optimizar la personalización de las ofertas. De hecho, se observa una correlación estrecha y significativa entre quienes valoran positivamente los beneficios de la personalización y quienes reconocen explícitamente el valor de la IA, lo que sugiere que su integración tecnológica en el marketing digital es un motor fundamental para potenciar la satisfacción del cliente. La Figura 1 resume visualmente esta visión general sobre la personalización y la automatización en el marketing.
Figura 1. Percepción sobre la personalización y la automatización en marketing digital.
Elaboración: Los autores.
Al examinar los datos de manera específica, la mayoría de los encuestados considera que la personalización mejora significativamente su experiencia de compra en línea, con un 61.4% de respuestas afirmativas. Este alto porcentaje enfatiza la percepción de los consumidores sobre el impacto directo de la personalización en la optimización de la experiencia del usuario. Esta tendencia se complementa con la valoración tecnológica: el 56.6% de los encuestados resalta la importancia de la IA para la personalización en marketing digital, consolidando su papel esencial en el diseño de estrategias más efectivas y adaptadas a las necesidades individuales. El impacto en la eficiencia se evidencia en que el 82% opina que la automatización contribuye de manera significativa a mejorar la precisión de las ofertas.
En el análisis detallado de la automatización de la personalización, se confirman sus beneficios operativos. El impacto positivo en la precisión de las ofertas es percibido por una proporción significativa de la muestra, distribuida equitativamente entre aquellos que consideran la mejora como considerable y aquellos que la evalúan como moderada: 40.96%. Estos hallazgos demuestran de forma contundente cómo la automatización se establece como un factor clave en la personalización, logrando adaptar las ofertas a las necesidades y preferencias específicas del consumidor, aun a pesar de un porcentaje minoritario que se muestra neutral o en desacuerdo con su impacto. La tabla 2 complementa el análisis previo, introduciendo las percepciones sobre el ahorro de tiempo y la disposición de los consumidores a compartir sus datos.
Tabla 2
Distribución de respuestas sobre el ahorro de tiempo y la disposición a compartir datos.
|
Variable |
Nivel |
Recuentos |
Total |
Proporción |
p |
|||||
|
Ahorro de tiempo |
|
A) Sí, siempre |
|
32 |
|
83 |
|
0.386 |
|
0.048 |
|
|
|
B) Sí, a menudo |
|
37 |
|
83 |
|
0.446 |
|
0.380 |
|
|
|
C) A veces |
|
13 |
|
83 |
|
0.157 |
|
< .001 |
|
|
|
D) Rara vez |
|
1 |
|
83 |
|
0.012 |
|
< .001 |
|
Disposición a compartir datos |
|
A) Sí, definitivamente |
|
15 |
|
83 |
|
0.181 |
|
< .001 |
|
|
|
B) Sí, tal vez |
|
30 |
|
83 |
|
0.361 |
|
0.015 |
|
|
|
C) No estoy seguro |
|
14 |
|
83 |
|
0.169 |
|
< .001 |
|
|
|
D) Probablemente no |
|
17 |
|
83 |
|
0.205 |
|
< .001 |
|
|
|
E) No, nunca |
|
7 |
|
83 |
|
0.084 |
|
< .001 |
Elaboración: Los autores.
En relación con el ahorro de tiempo, el análisis indica que la personalización facilita de manera significativa la búsqueda de productos de interés para el consumidor, contribuyendo directamente a optimizar la experiencia de compra. La mayoría de los encuestados reporta de forma consistente esta mejora en la eficiencia del proceso, lo cual pone de manifiesto la efectividad inherente de la personalización como estrategia. Este beneficio operativo, centrado en la conveniencia del usuario, refuerza la percepción general de la efectividad y el valor de las marcas que implementan este tipo de estrategias.
Respecto a la disposición a compartir datos personales, los resultados obtenidos son considerablemente favorables, si bien matizados por una evidente cautela por parte de los participantes. Como se ilustra en la Figura 2, se observa que una mayoría significativa estaría dispuesta a proporcionar información personal detallada a cambio de recibir ofertas que sean genuinamente más relevantes y adaptadas a sus necesidades específicas. Esta tendencia subraya la existencia de un claro intercambio de valor percibido por el consumidor: datos a cambio de relevancia.
Figura 2. Preferencias sobre la compartición de datos personales y la personalización de marcas.
Elaboración: Los autores.
El 44.6% de los encuestados considera que la personalización ahorra tiempo durante la navegación y selección de productos, lo que implica una optimización directa de la eficiencia en el proceso de compra. Este beneficio percibido se traduce en una fuerte creencia en la eficacia estratégica, dado que el 49.4% del total cree que las marcas personalizadas son más efectivas. Este consenso afianza la capacidad de la personalización para fortalecer la relación con los consumidores y, consecuentemente, optimizar los resultados comerciales.
Al examinar el consentimiento del consumidor, la disposición a compartir datos para obtener ofertas específicas alcanza un 56.6%, estableciendo una mayoría clara. Aun así, esta aceptación se confronta con una considerable cautela, representada por el 26.5% que no proporcionaría su información y el 16.9% que se muestra indeciso. Esta valoración positiva de la personalización, intrínsecamente ligada a la disposición a compartir información, pone de manifiesto cómo la confianza y la percepción de la efectividad de las ofertas actúan como factores determinantes que influyen directamente en el éxito de las estrategias minoristas potenciadas por la inteligencia artificial. Estos resultados, confirman la creciente importancia de la personalización en el marketing digital.
DISCUSIÓN
La IA ha transformado profundamente el sector retail, especialmente en las industrias de los supermercados y la moda, potenciando la personalización de la experiencia de compra en línea. Un estudio realizado en Quito con 83 participantes en el sector de supermercados revela que un 61.4% de los usuarios considera que incrementa notablemente su vivencia de compra. Este hallazgo muestra una fuerte convergencia con los resultados de Moodley & Sookhdeo (2025), quienes en su investigación sobre comercio electrónico destacan que la personalización impulsada por IA no solo optimiza el intercambio del consumidor, también tiene un impacto positivo en sus decisiones de compra. Ambos estudios coinciden en que es un factor crucial para ajustar las ofertas a las preferencias individuales, facilitando una interacción más relevante, y creando un contexto de compra más enfocado. Este fenómeno se observa de manera consistente tanto en el contexto de los supermercados como en el de la moda, confirmando que la implementación de dichos recursos tiene un efecto directo y significativo en la optimización del recorrido del cliente (Moodley & Sookhdeo, 2025).
Crespo & Sánchez (2023), enfatizan que la personalización mediada por la IA facilita una interacción más fluida y dinámica con las marcas, elevando la experiencia del consumidor en el momento de la compra y asegurando que cada contacto sea único y alineado con sus intereses. Esta funcionalidad otorga a las marcas la capacidad de predecir la demanda de productos con mayor precisión y ajustarse a las tendencias del mercado de manera más efectiva. En el sector de supermercados, esta precisión en la predicción de las demandas del consumidor se traduce en una mejor gestión de inventarios y una mayor competitividad, lo cual hace posible una adaptación rápida y precisa a las fluctuaciones del consumo.
Esta capacidad predictiva de la IA ajusta las ofertas y administra los inventarios con más eficiencia, habilitando a las marcas para satisfacer mejor la demanda, reducir los costos operativos y elevar la experiencia de compra. Esta funcionalidad resulta esencial tanto para el sector de la moda como para el de supermercados, dado que ambas industrias deben ser capaces de reaccionar rápidamente a las fluctuaciones en las preferencias del consumidor y en la demanda del mercado. Precisamente, esta anticipación de las tendencias de consumo permite a las empresas ajustar las estrategias de marketing en tiempo real, consiguiendo una mayor precisión en la gestión de inventarios y potenciando la disponibilidad de productos (Arango, 2021).
El análisis de Badenes & Molares (2023), destaca cómo, más allá de los beneficios tangibles de la personalización y la capacidad predictiva que ofrece la IA, las marcas están obligadas a gestionar activamente las preocupaciones de los consumidores relativas al manejo ético de su información personal. Esta dimensión, que abarca la transparencia y la responsabilidad en el tratamiento de los datos, se configura como un factor clave que influye directamente en las decisiones de compra dentro de dicho sector. La percepción que el consumidor tiene sobre el uso de su información privada es tan crítica que constituye el vínculo directo con su disposición a compartir sus datos personales, elemento esencial para la personalización efectiva de la oferta.
Tanto en la investigación sobre supermercados como en el análisis de Moodley & Sookhdeo (2025), se observa que la transparencia en el uso de la información es un elemento crucial. El estudio realizado en Quito revela que un 56.6% de los participantes estaría dispuesto a compartir sus datos para recibir ofertas personalizadas, lo que refleja una tendencia global hacia la aceptación de la personalización, aunque con reservas respecto a la privacidad.
Esta disposición depende en gran medida de la gestión que las empresas hacen de la privacidad. La confianza en la marca, garantizada por la transparencia en el uso de los datos y la implementación de políticas claras de protección, es fundamental para el éxito de la personalización mediada por la IA. Las empresas deben ser claras sobre el uso que otorgan a los datos personales y ofrecer seguridad al consumidor sobre su manejo. En este contexto, la privacidad de los datos sigue siendo una preocupación importante, y la forma en que las empresas gestionan esta información influye directamente en la voluntad de los consumidores a participar en procesos de personalización (Moodley & Sookhdeo, 2025).
El éxito de las empresas está intrínsecamente ligado a la confianza del usuario, evidenciando que la efectividad de la IA se basa en la gestión ética de los datos. La capacidad de los sistemas inteligentes para predecir la demanda y adecuar la cadena de suministro se une a esta imperativa ética. Lograr que el consumidor perciba la personalización como un valor añadido, y no como un riesgo a su privacidad, se convierte en el objetivo primordial para el crecimiento sostenido de las industrias. La relevancia de esta tecnología, no solo se medirá en términos de eficiencia y ventas, sino en la transparencia y responsabilidad con la que se fortalece el vínculo con cada individuo (Moodley & Sookhdeo, 2025).
CONCLUSIONES
La automatización de la personalización mediante inteligencia artificial (IA) ha tenido un impacto significativo en el marketing digital, transformando la forma en que las empresas interactúan con los consumidores, especialmente en el sector supermercadista, al ofrecerles ofertas más adaptadas a sus preferencias y comportamientos en tiempo real.
Aunque las grandes cadenas de supermercados han logrado optimizar sus operaciones mediante la automatización, muchos establecimientos medianos y pequeños en Ecuador aún enfrentan desafíos debido a la falta de infraestructura tecnológica y digitalización de sus procesos comerciales, lo que limita su capacidad para competir eficazmente en un entorno cada vez más automatizado.
Los consumidores han mostrado una clara preferencia por la personalización en sus experiencias de compra en línea, destacando que esta mejora les proporciona una mayor satisfacción, lo que refuerza la relevancia de la personalización como estrategia de marketing.
Una proporción significativa de los consumidores estaría dispuesta a compartir sus datos personales con el fin de recibir ofertas más personalizadas, lo que pone de manifiesto la creciente importancia de estas estrategias para fortalecer la relación con los clientes y mejorar los resultados comerciales.
La confianza del consumidor en la gestión de sus datos personales es crucial para el éxito de las estrategias de personalización. La transparencia en el manejo de la información y la implementación de políticas claras de protección de datos son esenciales para garantizar la disposición de los consumidores a participar en estos procesos.
REFERENCIAS CONSULTADAS
Arango, I. (2021). Oportunidades para la transformación digital de la cadena de suministro del sector bananero basado en software con inteligencia artificial. Revista Politécnica, 17(33), 47-63. https://n9.cl/e8211
Badenes, V., & Morales, J. (2023). La inteligencia artificial ante los retos de la industriade la moda. Beneficios y aplicaciones en la fase de comercialización y marketing. Razón y Palabra, 27(118), 20-32. https://n9.cl/f8wc4
Coronel, C., Luna, K., & Erazo, J. (2024). Gestión de impagos bajo incertidumbre en pequeñas y medianas empresas: aplicaciones con redes neuronales. Revista Venezolana de Gerencia, 222-242. https://n9.cl/1nge1f
Crespo, V., & Sánchez, E. ((2024). Metaverso y neuromarketing: innovación metodológica en el estudio del consumidor y del retail. Universitas XX1, 42(issue), 193-215. https://n9.cl/9zxuis
Criollo, M., Erazo, J., & Narváez, C. (2019). Estrategias de Marketing y posicionamiento de marca para el sector artesanal textil. CIENCIAMATRIA, 245-270. https://n9.cl/f7ytrq
García, V., & Valencia, A. (2026). Integrating artificial intelligence and quantum computing: A systematic literature review of features and applications. International Journal of Cognitive Computing in Engineering, 7(issue), 26-39. https://n9.cl/ji93iy
Gil, M., Sans, A., Lavandeira, Y., & LLorens, M. (2025). Impact of Augmented Reality on Generation Z's Purchasing Intention. Visual Review, 17(5), 17-29. https://n9.cl/r9ow5
Hollenstein, P. (2019). ¿Están en riesgo los mercados y ferias municipales? Aprovisionamiento de alimentos, economías populares y la organización del espacio público urbano de Quito. Obtenido de Friedrich-Ebert-Stiftung (FES) Ecuador Instituto Latinoamericano de Investigaciones Sociales (ILDIS). https://n9.cl/fi8bg
Kotler, P., Kartajaya, H., & Setiawan, I. (2021). Marketing 5.0: Technology for Humanity. Wiley. Recuperado el 29 de October de 2025, de https://n9.cl/qd247
Méndez, B., Villegas, C., & Barrientos, A. (2024). Aplicación del método few shot learning al modelo GPT3.5 para la personalización del contenido de las redes sociales. Obtenido de Memorias de la Vigésima Tercera Conferencia Iberoamericana en Sistemas, Cibernética e Informática. https://n9.cl/seuz5u
Moodley, K., & Sookhdeo, L. (s.f.). The role of artificial intelligence personalisation in e-commerce: Customer purchase decisions in the retail sector. http://www.sajim.co.zaOpen AccessSouth African Journal of Information Management, 27(1), 1-16. Obtenido de https://n9.cl/2fwlq
Ramírez, D. (2024). Optimización empresarial mediante big data para la personalización de estrategias en pymes: una revisión narrativa. European Public & Social Innovation Review, 9(1), 1–17. https://n9.cl/wena0
Salgado, N., Fajardo, P., & Vasquez, M. (2024). Segmentación y personalización en marketing digital mediante inteligencia de negocios para el sector de comercio minorista en Ecuador. Digital Publisher, 9(6), 1152-1161. https://n9.cl/ae19w
Tabulados del registro estadístico de empresas. Quito: Instituto Nacional de Estadística y Censos. (2023). Obtenido de Instituto Nacional de Estadística y Censos. https://n9.cl/y3z6j
Tan, L., Hu, S., Yeo, D., & Cheong, K. (2025). Artificial intelligence-enabled adaptive learning platforms: A review. Computers and Education: Artificial Intelligence, 9(1), 100429. Obtenido de https://n9.cl/qack6
Yépez, M., & Erazo, J. (2025). La segmentación de audiencias en el marketing de contenidos. Revista Multidisciplinaria Perspectivas Investigativas, 453–465. https://n9.cl/o77oa
©2025 por los autores. Este artículo es de acceso abierto y distribuido según los términos y condiciones de la licencia Creative Commons Atribución-NoComercial-CompartirIgual 4.0 Internacional (CC BY-NC-SA 4.0) (https://creativecommons.org/licenses/by-nc-sa/4.0/).