Analisis del comportamiento del consumidor en comercio electronico mediante técnicas y metodologías big data

• Autores: María Teresa Ballestar
• Directores de la Tesis: Jorge Sainz González (dir. tes.), Pilar Grau Carles (tut. tes.)
• Lectura: En la Universidad Rey Juan Carlos ( España ) en 2018
• Idioma: español
• Tribunal Calificador de la Tesis: Domingo Enrique Ribeiro Soriano (presid.), Miguel Cuerdo Mir (secret.), Joan Torrent i Sellens (voc.), José Jesús Gázquez Linares (voc.), Manuel Torralbo Rodríguez (voc.)
• Programa de doctorado: Programa de Doctorado en Ciencias Sociales y Jurídicas por la Universidad Rey Juan Carlos
• Materias:
  • Ciencias económicas
• Enlaces
  • Tesis en acceso abierto en: hdl.handle.net
• Dialnet Métricas: 1 Cita
• Resumen

  • La investigación que se presenta como tesis doctoral constituye una aproximación pionera en el análisis del comportamiento del consumidor en los cashback websites y a el mix de estrategias de marketing que estos e-commerces utilizan para la adquisición y fidelización de estos consumidores, mediante la utilización de metodologías vinculadas a la ciencia de los datos (Big-Data). Aunque la proliferación de la oferta de cashback websites ha atraído el interés del mundo académico, esta área de investigación es aún muy incipiente. Por lo tanto, esta tesis contribuye a la literatura académica existente analizando aspectos de singular relevancia en el marketing en e-commerce como son las redes sociales, la lealtad de los consumidores, el rol que estos consumidores desempeñan dentro de la red social, su clasificación en segmentos y el customer journey o evolución a través de los mismos. Permitiendo, además, comprobar empíricamente la eficiencia de la combinación de estrategias de marketing tradicionales con otras estrategias más innovadoras como son el cashback y la recomendación mediante el word-of-mouth. En el primer artículo, mediante la metodología de ecuaciones estructurales con la técnica de mínimos cuadrados (PLS-SEM) se demuestra que la capacidad de recomendación de los consumidores, su diversificación en el consumo y el volumen y tipo de transacciones que realizan en el cashback website tiene un impacto en la generación del beneficio económico procedente de la red de recomendados. En conclusión, la investigación demuestra que las estrategias de marketing tradicionales, como pueden ser las enfocadas al diseño de un amplio catálogo de productos y servicios, en combinación con estrategias más innovadoras, como el word-of-mouth y el cashback tienen un impacto positivo tanto para el consumidor como el e-commerce.

    En el segundo artículo, utilizando un modelo de regresión lineal múltiple, además de cross-tab y tests chi-square se demuestra empíricamente que el cashback es una herramienta de marketing muy eficaz para romper la barrera de entrada de los usuarios a la red social del e-commerce, además de motivarles también a adoptar el rol de prescriptores de marca para ampliar su red social. Adicionalmente, también se comprueba que el desarrollo de las redes sociales en e-commerce tiene un impacto muy positivo, tanto para el consumidor como para el e-commerce, ya que los usuarios que pertenecen a la red social son más activos y realizan actividades más variadas, incluyendo aquellas que implican un desembolso económico. En conclusión, la afiliación de usuarios a las redes sociales tiene un impacto positivo para los propios usuarios y el e-commerce que se ve potenciado por el uso combinado de estrategias de marketing como el cashback y la recomendación por word-of-mouth. En el tercer artículo, se utiliza una metodología de segmentación no supervisada denominada two-steps cluster analysis, mediante el cual se obtienen ocho grupos de clientes distintos en base a la actividad comercial que realizan en el e-commerce y al rol de ocupan en la red social. Una vez que los clientes han sido clasificados, se caracteriza cada uno de estos clusters en base a las variables de antigüedad media y rentabilidad del usuario en la plataforma, que dos test one-way ANOVA demuestran que son significativamente diferentes entre los ocho grupos. De esta forma, es posible describir una ruta del desarrollo de los clientes a través de los diferentes segmentos. En conclusión, estos resultados sirven para corroborar la importancia de la participación de los usuarios en la red social y cómo la forma de incorporarse a la misma y el rol que desempeñan determinan su comportamiento y actividad comercial en el e-commerce. La identificación de un customer journey proporciona a las compañías una herramienta de gran valor para elaborar estrategias de captación, desarrollo y retención personalizadas para cada cluster de clientes, mucho más efectivas que las estrategias genéricas que sin duda resultan menos eficientes. En el cuarto artículo, se utiliza la metodología de machine learning para diseñar una red neuronal perceptrón multicapa (ANN-MLP) que permitirá a las compañías mejorar la eficiencia de las campañas de recomendación word-of-mouth, en términos de optimización de la inversión y maximización del retorno de la inversión (ROI). Esta red neuronal es capaz de identificar a los usuarios prescriptores del cashback website que recomendarán a los clientes prospectos más activos (que se encontrarán en el percentil 75 o superior), tan solo mediante el análisis de las características, actividad en el website e información relativa al usuario prescriptor. Los clientes adquiridos de este modo, además de ser más activos también serán más leales a la marca y en definitiva también más rentables. En conclusión, este modelo predictivo para permitirá a los e-commerce personalizar en tiempo real sus campañas de incentivos por recomendación word-of-mouth, evitando las ineficiencias de la aplicación masiva de campañas de captación y fidelización de clientes.