Análisis bibliométrico sobre el impacto de la inteligencia artificial en prácticas y estrategias de marketing.

FACULTAD DE CIENCIAS ECONÓMICAS Y EMPRESARIALES GRADO DE ADMINISTRACIÓN Y DIRECCIÓN DE EMPRESAS ANÁLISIS BIBLIOMÉTRICO SOBRE EL IMPACTO DE LA INTELIGENCIA ARTIFICIAL EN PRÁCTICAS Y ESTRATEGIAS DE MARKETING Trabajo de Fin de Grado elaborado por Nuria Fuentes Campos, bajo la tutorización del profesor D. Juan Domingo Ganaza Vargas. Vº. Bº. del Tutor: Alumna: Nuria Fuentes Campos Sevilla, 6 de junio del 2024 GRADO EN ADMINISTRACIÓN Y DIRECCIÓN DE EMPRESAS FACULTAD DE CIENCIAS ECONÓMICAS Y EMPRESARIALES TRABAJO FIN DE GRADO CURSO ACADÉMICO {2023-2024} TÍTULO: ANÁLISIS BIBLIOMÉTRICO SOBRE EL IMPACTO DE LA INTELIGENCIA ARTIFICIAL EN PRÁCTICAS Y ESTRATEGIAS DE MARKETING AUTOR: NURIA FUENTES CAMPOS TUTOR: D. JUAN DOMINGO GANAZA VARGAS DEPARTAMENTO: ADMINISTRACIÓN DE EMPRESAS Y MARKETING ÁREA DE CONOCIMIENTO: ORGANIZACIÓN DE EMPRESAS RESUMEN: En un contexto donde la inteligencia artificial y la digitalización están experimentando un crecimiento significativo, surge la necesidad de analizar de qué manera la investigación científica se está adaptando a esta nueva realidad. Por tanto, el objetivo de este estudio es examinar el estado actual de las investigaciones entre el marketing y la inteligencia artificial. Para llevar a cabo este análisis, se realizó una búsqueda en la base de datos Scopus, para recopilar una muestra representativa de documentos científicos en el campo de estudio. A posteriori, mediante la utilización de SciMAT, se aplicaron métodos cuantitativos para el análisis de co-palabras. Los resultados obtenidos, para el periodo de 2013 a 2022, indican que los temas motores más relevantes son: “decision-making”, “personalization” y “socialnetworks”. Este hallazgo muestra la fuerte relación entre la IA y las estrategias de marketing, destacando la importancia de adaptarse a las nuevas tecnologías para mantener la competitividad. PALABRAS CLAVE: Inteligencia artificial, marketing, análisis bibliométrico, mapeo científico. ÍNDICE 1. INTRODUCCIÓN ..................................................................................... 6 1.1. JUSTIFICACIÓN ..................................................................................... 6 1.2. OBJETIVOS ........................................................................................... 7 2. METODOLOGÍA...................................................................................... 7 2.1. SELECCIÓN DE BASES DE DATOS Y DEFINICIÓN DE MUESTRAS. ............. 8 2.2. APLICACIÓN SCIMAT .......................................................................... 9 3. RESULTADOS Y DISCUSIONES ......................................................... 11 3.1. DESCRIPCIÓN DEL CONJUNTO DE DATOS ............................................ 11 3.2. ANÁLISIS LONGITUDINAL ................................................................... 13 3.3. ANÁLISIS POR PERIODOS..................................................................... 17 3.3.1. Período de 2013 a 2017 ................................................................... 17 3.3.2. Período de 2018 a 2022 ................................................................... 21 3.3.3. Periodo de 2013 a 2022 ................................................................... 27 4. CONCLUSIONES ................................................................................... 34 5. BIBLIOGRAFÍA ..................................................................................... 35 TFG – Grado en ADE. Análisis bibliométrico sobre el impacto de la inteligencia artificial en prácticas y estrategias de marketing. 1. INTRODUCCIÓN 1.1. Justificación En la actualidad, la competencia entre empresas es feroz, y para destacarse ante los consumidores potenciales, el uso de la tecnología es esencial. Surge de esta forma un entorno donde dispositivos interconectados forman grandes redes, compartiendo información de manera automática, sin intervención humana directa, a esto es lo que se conoce como inteligencia artificial (Sánchez, 2021). Este escenario plantea interrogantes sobre cómo evolucionarán las estrategias de marketing. La IA, definida como “la capacidad de las máquinas para usar algoritmos, aprender de los datos y utilizar lo aprendido en la toma de decisiones tal y como lo haría un ser humano” (Rouhiainen, 2018, p. 17), ha revolucionado la manera en que las organizaciones gestionan y diseñan sus estrategias de marketing. Estas buscan lucrarse del poder de la tecnología para satisfacer de una manera más efectiva y precisa las necesidades de sus clientes, personalizar los servicios que ofrecen y abordar de forma más conveniente los desafíos del mercado actual. Otro aspecto importante del impacto de la IA en el marketing es la automatización de procesos, pudiendo automatizar tareas muy dispares como la creación de contenido, atención al cliente o gestión de campañas publicitarias. No obstante, a medida que la IA se involucra más en el marketing, también surgen problemas y preocupaciones. Por un lado, existe la preocupación de la pérdida de empleos, ya que las máquinas podrían remplazar a los trabajadores de ciertas tareas que se pueden automatizar. Además, la IA plantea cuestiones éticas sobre la privacidad de los datos y la manipulación de la información, esto ha dado lugar a una mayor vigilancia de las prácticas de recopilación y uso de datos por partes de las empresas (Wirth, 2018). A pesar de estos problemas, el potencial de la IA para transformar el marketing y mejorar la experiencia que puede tener el cliente es innegable. La IA permite a las empresas llegar a los consumidores de manera más precisa y relevante, gracias a su capacidad para analizar grandes volúmenes de datos en tiempo real, predecir tendencias de mercado y personalizar mensajes y ofertas. También, la inteligencia artificial está abriendo nuevas posibilidades para que las empresas interactúen con sus clientes, como los chatbots y los asistentes virtuales, que TFG – Grado en ADE. Análisis bibliométrico sobre el impacto de la inteligencia artificial en prácticas y estrategias de marketing. garantizan atención al cliente todos los días, durante las 24 horas, mejorando la experiencia del usuario de forma más efectiva y práctica. En resumen, el marketing está siendo transformado totalmente por la inteligencia artificial, dando la posibilidad a las empresas de personalizar servicios, automatizar procesos y desarrollar nuevas estrategias de una manera más eficaz que nunca. No obstante, a la vez que la IA vaya avanzando y creciendo, las empresas deberán tener en cuenta y comprender cuáles son sus implicaciones y deberán emplear esta tecnología de una manera responsable y de forma ética para promover el éxito a largo plazo en un mundo digital que cambia constantemente. 1.2. Objetivos El objetivo del presente trabajo de investigación es realizar un análisis bibliométrico sobre “El impacto de la Inteligencia Artificial en prácticas y estrategias de Marketing”, utilizando la herramienta SciMat como parte del proceso metodológico. La meta es analizar la producción científica en este campo, identificando patrones y áreas relevantes, además de examinando como influyen y están interconectados los documentos científicos relacionados con esta temática. A través de este objetivo, se pretende comprender cuál es el estado actual de la investigación en el campo de la inteligencia artificial aplicada al marketing, usando técnicas bibliométricas para poder estudiar y visualizar las relaciones existentes entre documentos científicos. Esto ofrecerá herramientas cruciales que podrán ayudar a orientar investigaciones futuras y a reconocer oportunidades para el desarrollo de prácticas y estrategias en el marketing y la inteligencia artificial. 2. METODOLOGÍA El análisis bibliométrico ha estado ligado históricamente a la idea de que se puede representar el conocimiento humano a través de la cuantificación documental en los que éste se expresa (Jiménez-Contreras, 2000). La bibliometría se encarga de proporcionar información sobre los TFG – Grado en ADE. Análisis bibliométrico sobre el impacto de la inteligencia artificial en prácticas y estrategias de marketing. resultados del proceso de investigación y de su evolución, de esta forma se permite valorar el impacto de la investigación y de sus fuentes. Para realizar este análisis se ha utilizado la herramienta SciMAT, esta permite realizar mapeos científicos bajo un marco longitudinal (Cobo, López-Herrera, Herrera-Viedma, y Herrera, 2012). El mapeo científico es una representación espacial de cómo se relacionan las categorías, documentos, autores y campos (Small, 1999). Además, SciMAT permite cuantificar y visualizar la evolución temática de un campo de investigación específico, en este caso el impacto de la IA en el marketing. El proceso de análisis de mapeo científico consta de varias etapas: búsqueda de datos, preprocesamiento, extracción de redes, normalización, mapeo, análisis y visualización e interpretación (Cobo et al., 2012b). 2.1. Selección de bases de datos y definición de muestras. Esta sección describe los criterios utilizados para determinar la muestra analizada en SciMAT, incluyendo la selección de la base de datos, el período de análisis, los tipos de documentos escogidos y las palabras claves utilizadas para hacer la búsqueda. El proceso de búsqueda consistió en recuperar documentos de la base de datos Scopus, una plataforma muy conocida por su amplia cobertura de citas y resúmenes de literatura científica (Baas et al., 2020) revisada por pares que incluye libros, revistas científicas y actas de congresos. Scopus nos da una visión completa de la producción de investigación mundial en diversos campos como son la ciencia, la medicina, el artes y humanidades, las ciencias sociales y la tecnología (Scopus Preview - Scopus - Welcome To Scopus, s. f.-b). Para tomar una muestra inicial representativa de documentos, se diseñó la cadena: “artificial intelligence” marketing. Esta búsqueda inicial proporcionó un total de 4.126 documentos, que posteriormente fueron filtrados considerando únicamente los artículos y revisiones publicados en los campos de “Business, Management and Accounting”, “Social Sciences” y “Economics, Econometrics and Finance”. También se estableció un periodo de análisis que abarcó desde TFG – Grado en ADE. Análisis bibliométrico sobre el impacto de la inteligencia artificial en prácticas y estrategias de marketing. 2013 hasta 2022. Este proceso dio lugar a un total de 454 documentos y tras definir la muestra, los datos fueron extraídos de la base de datos Scopus creando un archivo en extensión RIS que permite cargarlos en SciMAT. 2.2. Aplicación SciMAT Una vez realizada la búsqueda de datos, es esencial aplicar el proceso de preprocesamiento ya que los datos recopilados de Scopus contienen errores, por tanto, lo que se hace en esta etapa es depurar las palabras mal escritas o duplicadas. En este caso, se agruparon términos que estaban escritos de forma distinta, como singular/plural (chatbot y chabots) o palabras que contenían o no guiones (cybersecurity y cyber-security) y, además, se utilizó la herramienta automática de SciMAT para analizar palabras parecidas con una diferencia de 1 carácter (customization y customisation). Este proceso generó un total de 2.021 grupos de palabras, que sirven para realizar el mapeo científico, por tanto, podemos decir que este paso es el más importante para poder obtener un buen resultado en el análisis. La muestra se segmentó en 2 periodos de tiempo, a partir del año 2013 hasta 2017, en este periodo podemos encontrar 36 documentos y el segundo periodo desde 2018 a 2022, en el que encontramos 418. Esta gran diferencia de documentos entre periodos se debe al rápido desarrollo que se ha producido en el campo de la inteligencia artificial en los últimos años. Posteriormente, se procede a la creación de la red temática y la normalización. En esta etapa se utiliza el método de co-ocurrencia para identificar las relaciones existentes entre las palabras claves y el índice de equivalencia para estandarizar la red. El próximo paso para la construcción del mapa se basa en un proceso de agrupamiento para encontrar grupos de palabras claves que están relacionadas entre sí. Estos subgrupos representan áreas de interés o problemas de investigación que reciben mucha atención por parte de los investigadores. (Callon et al., 1991, como se citó en Cobo et al., 2011a). Se pueden usar diversos algoritmos de agrupación, el escogido en este caso ha sido el algoritmo de centros simples. TFG – Grado en ADE. Análisis bibliométrico sobre el impacto de la inteligencia artificial en prácticas y estrategias de marketing. El grupo “Knowledge-Based-Systems” estableció dos conexiones, una más fuerte con “Chatbots” y otra más débil con “Digitalization”. La conexión con “Chatbot” indica que los sistemas basados en conocimiento son cruciales para el desarrollo de chatbots avanzados. Estos chatbots usan conocimientos que acumulan al interactuar con los clientes y gracias a ello mejoran sus servicios y lo personalizan. En cuanto a la relación con la digitalización, se refleja con este vínculo cómo los sistemas basados en conocimiento favorecen la transformación digital en marketing. La digitalización ayuda a que se gestione eficientemente la información y facilita que se integre la inteligencia artificial en las prácticas de marketing. El grupo “Information-Technology” se conecta con dos temas del segundo periodo, estos son “Artificial-Intelligence-Techonology” y “Digitalization”. El vínculo con “Artificial-Intelligence-Techonology” refleja que la tecnología de la información ha sido fundamental para que se implementen tecnologías de IA en el marketing. La innovación de tecnologías de la información respalda el avance de la inteligencia artificial y proporciona las herramientas y plataformas necesarias para integrar la IA en múltiples aplicaciones de marketing. Con respecto a la digitalización, esta relación refleja el impulso que ha tenido la digitalización en las prácticas de marketing gracias a los avances en información tecnológica. La digitalización favorece a una mayor eficiencia y precisión en el análisis de datos. Esto es crucial para tener éxito en el desarrollo de las estrategias basadas en la IA. Por último, el tema “Consumer-Attitude” se centra en las percepciones de los consumidores hacia las tecnologías emergentes, incluyendo la IA. Este tema se conecta con otros dos temas en el segundo periodo: “Artificial-Intelligence-Techonology” y “Review”, aunque la relación con este último tema es más débil. La evolución hacia “Artificial-Intelligence-Techonology” sugiere que la actitud que tienen los consumidores hacia la IA influye directamente en cómo se aplican estas tecnologías. Las empresas deben tener en consideración las actitudes y percepciones de los consumidores al implementar inteligencia artificial en sus prácticas de marketing. Referente a la conexión con “Review”, este vínculo muestra la importancia de evaluar y analizar de continuo las percepciones del consumidor hacia la IA, ayudando de esta forma a TFG – Grado en ADE. Análisis bibliométrico sobre el impacto de la inteligencia artificial en prácticas y estrategias de marketing. las empresas a entender mejor las expectativas que tienen los clientes y permitiendo ajustar sus estrategias de marketing en consecuencia. Las conexiones entre las áreas temáticas en cada período demuestran una continuidad y profundización en la investigación de cómo la inteligencia artificial está cambiando las prácticas y estrategias de marketing, dando lugar a una base sólida para futuras investigaciones y desarrollos en este campo. 3.3. Análisis por periodos Para completar el análisis longitudinal, se evalúan los temas más destacados del campo para cada subperíodo mediante los diagramas estratégicos. En este gráfico, el tamaño de los círculos representa el número total de documentos publicados, contando tanto documentos centrales como documentos secundarios, de cada tema. A continuación, se muestran los diagramas estratégicos de cada subperiodo y tablas que contienen datos cuantitativos y medidas de impacto para analizar cada subperiodo. 3.3.1. Período de 2013 a 2017 Periodo Nombre Documentos Índice h Promedio de citas Suma de citas 2013-2017 COMMERCE 13 9 22,69 295 2013-2017 KNOWLEDGEBASED-SYSTEMS 2 2 184,5 369 2013-2017 CONSUMERATTITUDE 1 1 13 13 2013-2017 INFORMATIONTECHNOLOGY 1 1 27 27 Tabla 3.3.1.1. Medidas de desempeño para los temas del subperiodo (2013-2017). Fuente: Elaboración propia a partir de datos de SciMAT. TFG – Grado en ADE. Análisis bibliométrico sobre el impacto de la inteligencia artificial en prácticas y estrategias de marketing. Figura 3.3.1.2. Diagrama estratégico para el periodo 2013-2017 Fuente: Elaborado por SciMAT La figura 3.3.1.2. muestra el diagrama estratégico para el primer período (2013-2017) con 4 grupos temáticos (“Information-Technology”, “Consumer-Attitude”, “Knowledge-Based- Systems” y “Commerce”). Al tratarse la relación entre inteligencia artificial y marketing de un campo relativamente nuevo, tiene sentido que se identificasen solo 4 temas y que los términos fuesen más genéricos como “Commerce”, además de que existieran pocas publicaciones. En primer lugar, se observa que no se puede identificar en este subperiodo ningún tema motor, no obstante, existen dos temas básicos y transversales: “Commerce” y “Knowledge-based-systems”. El tema “Commerce” es el más destacado en este gráfico, posicionándose en el cuadrante inferior derecho. Con un total de 13 documentos, un índice h de 9 y un promedio de citas de 22,69, “Commerce” muestra ser un tema básico y transversal. Su alta centralidad indica que en un futuro podría convertirse en un tema motor. Todo esto refleja la creciente integración de la inteligencia artificial en el comercio digital y la importancia de esta tecnología en la transformación de las estrategias de marketing. TFG – Grado en ADE. Análisis bibliométrico sobre el impacto de la inteligencia artificial en prácticas y estrategias de marketing. En cuanto al tema “Knowledge-Based-Systems” tiene un alto impacto con un promedio de citas de 184,5 y una suma total de citas de 369. Su ubicación en el gráfico indica que al igual que el tema “Commerce” es un tema básico y transversal, aunque no tan desarrollado como este. La alta cantidad de citas muestra que los pocos estudios realizados en esta área son muy influyentes. Este tema representa un área con gran potencial en el futuro, sugiriendo que los sistemas basados en conocimiento y su aplicación en el marketing mediante la IA podrían ganar reconocimiento y ser útiles para desarrollar nuevas estrategias de marketing. Se podría decir que ambos temas son importantes para el campo de estudio, pero no están lo suficientemente desarrollados. Con respecto al tema “Consumer-Attitude”, se ubica en el cuadrante superior izquierdo, lo que indica que es un tema altamente desarrollado. Con un índice h de 1 y un solo documento, este tema muestra una alta densidad, pero baja centralidad. Esto señala que, aunque el tema este desarrollado y tiene una buena cohesión interna, su relevancia general para el campo más amplio de la IA y el marketing es marginal. Además, el tener una cantidad de citas tan baja, muestra que no ha alcanzado un nivel significativo de impacto en la comunidad investigadora. Por último, el tema “Information technology”, se encuentra en el cuadrante superior izquierdo, demostrando una fuerte densidad y una centralidad media. Esto nos indica al igual que el tema anterior, una buena cohesión interna y un buen desarrollo del tema, pero falta de relevancia para el campo del marketing y la IA. Con un promedio de citas de 27 señala que el documento es relativamente influyente dentro de su ámbito. La tecnología de la información es un componente crucial para muchas aplicaciones de la IA en el marketing, pero puede no ser el foco principal al analizar cómo la IA afecta a las estrategias de marketing. TFG – Grado en ADE. Análisis bibliométrico sobre el impacto de la inteligencia artificial en prácticas y estrategias de marketing. Figura 3.3.1.3. Red de clústeres del tema Commerce para el periodo 2013-2017 Fuente: Elaborado por SciMAT Es interesante analizar la red de clústeres del tema “Commerce” ya que es el tema que refleja más conexiones, demostrando de esta forma su importancia en la investigación sobre el impacto de la IA en el marketing. La inteligencia artificial no solo personaliza estrategias y optimiza procesos, sino también se integra profundamente en otros temas como la toma de decisiones (conexión que se verá más reforzada en el segundo periodo de 2017-2022), la gestión del valor del cliente y los sistemas de apoyo a decisiones. El tamaño de los nodos y la intensidad de las conexiones indican la importancia y el grado de conexión en cada área. La IA se convierte en un tema crucial, necesario para comprender y potenciar distintos aspectos del comercio actual. Las conexiones con términos como “Decision-Making” o “Customer-Lifetime-Value” resaltan la forma en que la IA puede impactar en la eficacia y eficiencia de las actividades comerciales, además de en la satisfacción del cliente. Otra conexión destacable es la interrelación existente entre “Hybrid-Model”, “Customer- Lifetime-Value” y “Self-Organizing-Maps” representando una poderosa combinación de técnicas que pueden transformar las prácticas de marketing. La combinación de mapas autoorganizativos y cálculos exactos del valor del cliente a lo largo de su vida en modelos TFG – Grado en ADE. Análisis bibliométrico sobre el impacto de la inteligencia artificial en prácticas y estrategias de marketing. híbridos hace posible una segmentación más eficaz, una mayor personalización de estrategias de marketing y una forma de adaptarse más dinámica, potenciando el valor del cliente y mejorando los resultados de la empresa. 3.3.2. Período de 2018 a 2022 Periodo Nombre Documentos Índice h Promedio de citas Suma de citas 2018-2022 BLOCKLIST 1 1 5 5 2018-2022 PERSONALIZATION 6 5 88,83 533 2018-2022 RECASTINGMETHOD 1 1 50 50 2018-2022 MARKETINGSTRATEGY 8 6 125,88 1007 2018-2022 DECISION-MAKING 22 16 34 748 2018-2022 REVIEW 3 3 40,33 121 2018-2022 DEEP-NEURAL- NETWORKS 2 2 17 34 2018-2022 ARTIFICIALINTELLINGECE- TECHNOLOGY 12 8 72,42 869 2018-2022 MULTIMETHODAPPROACH 1 0 0 0 2018-2022 CHATBOT 10 9 57,3 573 2018-2022 DIGITALIZATION 5 4 91 455 2018-2022 MARKETINGCOMMUNICATIONS 2 2 3,5 7 2018-2022 ARTIFICIALINTELLIGENCE-(AI) 3 2 28 84 Tabla 3.3.2.1. Medidas de desempeño para los temas del subperiodo (2018-2022). Fuente: Elaboración propia a partir de datos de SciMAT. TFG – Grado en ADE. Análisis bibliométrico sobre el impacto de la inteligencia artificial en prácticas y estrategias de marketing. Figura 3.3.2.2. Diagrama estratégico para el periodo 2018-2022 Fuente: Elaborado por SciMAT La figura 3.3.2.2 muestra el diagrama estratégico para el segundo período (2018-2022), arrojando un total de trece temas: Recasting-Method, Personalization, Review, Blocklist, Marketing-Strategy, Decision-Making, Deep-Neural-Networks, Artificial-Intelligence- Technology, Multimethod-Approach, Chatbot, Digitalization, Marketing-Communications, Artificial-Intelligence-(AI). En esta etapa podemos observar varios temas motores, la suma de las citas junto con el índice h sugieren que los tema motores con mayor impacto son “Decision-Making”, designado por 748 citas y un índice h de 16 y “Marketing-Strategy”, designado por 1007 citas y un índice h de 6 (Tabla 3.3.2.1). Es lógico que estos temas sean motores ya que son fundamentales para la estructuración del campo de investigación. Las estrategias de marketing abarcan las estrategias generales de marketing influenciadas por la IA, desde la planificación de campañas publicitarias hasta el posicionamiento y la segmentación de mercado. Estas son esenciales para cualquier empresa y analizar el impacto de la IA en estas estrategias es crucial para entender de qué manera la tecnología está TFG – Grado en ADE. Análisis bibliométrico sobre el impacto de la inteligencia artificial en prácticas y estrategias de marketing. transformando la forma en que las empresas interactúan con sus clientes y desarrollan sus planes de marketing. Por su parte, la toma de decisiones es un tema profundamente relacionado con el uso de la IA para mejorar la toma de decisiones en marketing, este es un proceso muy importante a la hora de gestionar la empresa. Esto revela que la investigación en el periodo de 2018-2022 se centró en su mayor parte en investigar cómo se podía mejorar la eficacia y la competitividad de las organizaciones en el mercado. Además, también es interesante destacar el tema motor “Personalization”. Este es un tema central en el marketing moderno, especialmente con la integración de la IA, implicando adaptar bienes y servicios y comunicaciones a las necesidades y preferencias individuales de los clientes. Con 6 documentos y un índice h de 5, este tema tiene un promedio de 88,83 citas por documento, sumando un total de 533 citas. La personalización mejora la experiencia del cliente, la eficacia de las campañas de marketing y aumenta la lealtad. El tema “Review” también se enmarcaría en los temas motores, con 3 documentos y un índice h de 3. Su promedio de citas por documento es de 40,33 y suma un total de 121 citas. Las revisiones sistemáticas son fundamentales para consolidar el conocimiento existente y resaltar futuras áreas de investigación. Igualmente, “Blocklist” es el último tema motor existente. Este término es utilizado en marketing para aludir a la gestión y eliminación de listas en el marketing, especialmente cuando se trata de marketing digital. Las listas de bloqueo se usan para evitar que aparezcan anuncios en contextos inapropiados, protegiendo de esta manera la imagen de la marca y optimizando el gasto publicitario. En este periodo también podemos observar dos temas altamente desarrollados que se encuentra situados en el cuadrante superior izquierdo “Recasting-Method” y “Deep-Neural- Networks”. Ambos temas están fuertemente relacionados con el campo de investigación, pero debido a su baja centralidad no son los suficientemente importantes para la investigación. El tema “Recasting-Method” hace referencia a una técnica para adaptar y ajustar el contenido de marketing para que sea relevante y efectivo en diferentes contextos. Este tema tiene solo TFG – Grado en ADE. Análisis bibliométrico sobre el impacto de la inteligencia artificial en prácticas y estrategias de marketing. un documento, con un índice h de 1 y 50 citas, reflejando un interés emergente en cómo la IA puede transformar y optimizar el contenido para aumentar su relevancia y efectividad en diferentes mercados. Del mismo modo, el tema redes neuronales profundas cuenta con 2 documentos, un índice h 2 y un promedio de 17 citas, sumando 34 en total. Son una tecnología crucial de la IA que se usa para examinar grandes volúmenes de datos, reconocer patrones y predecir comportamientos de consumo, siendo de esta forma fundamentales para mejorar la efectividad de las prácticas de marketing. Se observan también dos temas básicos y transversales: “Chatbot” y “Artificial-Intelligence- Technology”. El tema “Chatbot” se encuentra situado en el cuadrante inferior derecho, con 10 documentos, un índice h de 9 y un total de 573 citas. Este tema muestra un área con gran potencial en el futuro, los chatbots están transformando la forma en que las empresas interactúan con los consumidores, dando lugar a respuestas rápidas y personalizadas. Paralelamente, el tema “Artificial-Intelligence-Technology” engloba todas las tecnologías de la IA aplicadas al marketing. Cuenta con 12 documentos y un índice h de 8, sumando un total de 869 citas. El uso generalizado de diversas tecnologías de la IA está cambiando el marketing, desde la automatización de procesos hasta el análisis predictivo. Por último, los temas emergentes o en declive son “Multimethod-Approach”, “Digitalization”, “Marketing-Communications” y “Artificial-Intelligence-(AI)”. El tema “Multimethod-Approach” comprende el uso de múltiples métodos y enfoques para estudiar y aplicar la IA en marketing. Este tema tiene un solo documento, un índice h de 0 y no ha recibido citas, esto indica que se encuentra en una etapa inicial de exploración. No obstante, la combinación de múltiples métodos podría proporcionar perspectivas más completas sobre la aplicación de la IA en marketing. La “Digitalización” por su parte, con 5 documentos, un índice h de 4, recibiendo un promedio de 91 citas por documentos y sumando 455 citas en total, es un tema naciente. La digitalización hace referencia a la integración de tecnologías digitales en todas las áreas del TFG – Grado en ADE. Análisis bibliométrico sobre el impacto de la inteligencia artificial en prácticas y estrategias de marketing. marketing, permitiendo a las empresas ser más eficientes, mejorando la experiencia del consumidor y optimizando las operaciones de marketing. El “Marketing-Communications” abarca todas las prácticas utilizadas por las empresas para comunicar con sus clientes. La IA desempeña un papel cada vez mayor en la personalización y optimización de las comunicaciones de marketing para hacerlas más efectivas. Este tema cuenta con 2 documentos, un índice h de 2 y un promedio de 3,5 citas por documentos, sumando un total de 7 citas. Para finalizar, el tema “Intelligence-Artificial-(IA)”, siendo un término general que se refiere a la aplicación amplia de la IA en marketing. Con 3 documentos y un índice h de 2, este tema tiene un promedio de 28 citas por documento y suma un total de 84 citas. Se puede decir que la IA está revolucionando el marketing al darle las capacidades avanzadas de analizar datos y automatizar procesos. Figura 3.3.2.3. Red de clústeres del tema Decision-Making para el periodo 2018-2022 Fuente: Elaborado por SciMAT Es preciso analizar la red de clústeres del tema motor “Decision-Making” donde se muestran diversas interconexiones, por lo que refleja su relevancia en el análisis del impacto de la inteligencia artificial en el campo del marketing. La IA no solo favorece a la toma de TFG – Grado en ADE. Análisis bibliométrico sobre el impacto de la inteligencia artificial en prácticas y estrategias de marketing. Figura 3.3.3.4. Red de clústeres del tema Chatbot para el periodo 2013-2022 Fuente: Elaborado por SciMAT Otro tema motor relevante para analizar sería el tema “Chatbot”. La red de clústeres enfocada en “Chatbot” brinda una visión completa de la situación actual y las tendencias de investigación y aplicación de chatbots. La diversidad de temas y sus conexiones resaltan la importancia multifacética de estos asistentes en la modernización de las interacciones digitales, la mejora de atención al cliente y la implementación de estrategias de marketing avanzadas. Este gráfico no solo destaca las áreas de oportunidad y los retos presentes, sino que también ofrece un plan de investigación y avances futuros en este campo tecnológico. En este gráfico, es relevante resaltar el vínculo existente entre "Omnichannel," "Convolutional-Neural-Network," y "Precision-Marketing". Las redes neuronales convolucionales posibilitan un examen detallado de datos visuales y textuales de diferentes canales, brindando información valiosa para adaptar las experiencias del cliente dentro de una estrategia omnicanal. Al mismo tiempo, la integración beneficia al marketing de presión al permitir la segmentación y dirigirse a los clientes de forma más efectiva, lo que mejora la satisfacción y fidelidad del cliente. Este cruce de tecnologías es una herramienta poderosa para las empresas en la era digital. TFG – Grado en ADE. Análisis bibliométrico sobre el impacto de la inteligencia artificial en prácticas y estrategias de marketing. Figura 3.3.3.5. Red de clústeres del tema Social-Networks para el periodo 2013-2022 Fuente: Elaborado por SciMAT La evaluación de la red de clústeres enfocada en las redes sociales revela cómo este tema motor se relaciona con diversos aspectos claves de la comunicación y el marketing digital. La diversidad de las redes sociales se puede observar en las conexiones con “Social-Interaction”, “Survey”, “Analytics”, “Influence-Maximization” y “Linear-Threshold-Model”, desde la recopilación y el análisis de datos hasta la maximización de la influencia y la comprensión de las interacciones sociales. Estas asociaciones muestran la relevancia de las redes sociales en la estrategia de marketing actual y la importancia de emplear herramientas sofisticadas para evaluar y sacar provecho de estas plataformas de forma eficiente. Cabe destacar la conexión entre “Influence-Maximization” y “Linear-Threshold-Model”, este vínculo es fundamental para comprender y mejorar la propagación de la influencia en las redes sociales. El modelo de umbral lineal es útil para predecir la difusión de la influencia, mientras que la maximización de la influencia se basa en este modelo para crear estrategias de marketing exitosas. En conjunto, estas ideas ayudan a las empresas a encontrar a personas influyentes, prever cómo estas van a difundir sus mensajes y crear estrategias que aprovechen al máximo su alcance y eficacia en un entorno digital cambiante. TFG – Grado en ADE. Análisis bibliométrico sobre el impacto de la inteligencia artificial en prácticas y estrategias de marketing. 4. CONCLUSIONES La inteligencia artificial, como ya se ha visto, es un elemento clave en las prácticas y estrategias de marketing actuales y este estudio investigó la evolución temática y las tendencias de investigación que los relacionan. La principal aportación de esta investigación es la identificación y discusión de temas motores y posibles direcciones a seguir para promover la conexión entre estos dos campos de conocimiento. En términos generales, la combinación de análisis de diagramas estratégicos y redes de clústeres revela que el área interrelacionada de la IA y el marketing es muy activa y sigue creciendo, ofreciendo muchas oportunidades de investigación para mejorar el entendimiento. El análisis de los clústeres temáticos y de las tendencias señaló la importancia de temas como “Decision-Making”, “Personalization”, “Consumer-Behaviour” y “Technology” para el avance de este campo, impactando estos en todos los grupos. Además, se requiere que se ponga atención en la creación de nuevos enfoques y modelos que incorporen la inteligencia artificial en las estrategias de marketing, para poder sacar provecho de las tendencias actuales como la personalización en gran escala, el análisis predictivo y la comunicación instantánea con los consumidores. Este estudio también ayuda a demostrar que el software SciMAT es una herramienta eficaz para analizar una multitud de documentos y, especialmente para enriquecer el conocimiento mediante la creación de diagramas estratégicos y redes de clústeres. Es necesario recalcar las limitaciones de este estudio. En lo que respecta a la información recopilada, es crucial mencionar que se limitó a la base de datos Scopus con periodo de 2013 a 2022. No obstante, aunque Scopus sea reconocida como una base de datos científica destacada, es fundamental que estudios posteriores también consideren otras bases de datos importantes, como puede ser Web of Science. Respecto al periodo de tiempo escogido para la muestra, es importante mencionar que en los últimos años ha habido un aumento de la investigación sobre la IA y el marketing, lo cual abre las puertas para realizar revisiones futuras de la literatura abarcando un periodo más amplio. También, en este estudio se emplearon otros filtros basados en tipos de documentos y áreas de conocimiento, dando lugar a futuras investigaciones que podrían incluir una muestra más amplia teniendo en cuenta áreas TFG – Grado en ADE. Análisis bibliométrico sobre el impacto de la inteligencia artificial en prácticas y estrategias de marketing. diferentes a “Business, Management and Accounting”, “Social Sciences” y “Economics, Econometrics and Finance”. Por último, hay que señalar que el enfoque utilizado en esta investigación se centra en analizar los temas motores con mayor cantidad de documentos y sus redes de clústeres. De esta manera, este análisis podría ser el comienzo de futuras investigaciones que aborden distintos aspectos, permitiendo así una mejor comprensión de la influencia de la inteligencia artificial en el ámbito del marketing. 5. BIBLIOGRAFÍA Baas, J., Schotten, M., Plume, A., Côté, G., & Karimi, R. (2020). Scopus as a curated, highquality bibliometric data source for academic research in quantitative science studies. Quantitative Science Studies, 1(1), 377-386. https://doi.org/10.1162/qss_a_00019 Callon, M., Courtial, J., & Laville, F. (1991). Co-word analysis as a tool for describing the network of interactions between basic and technological research: The case of polymer chemsitry. Scientometrics, 22(1), 155-205. https://doi.org/10.1007/bf02019280 Cobo, M. J., López-Herrera, A. G., Liu, X., & Herrera, F. (2011a). An approach for detecting, quantifying, and visualizing the evolution of a research field: A practical application to the Fuzzy Sets Theory field. Journal Of Informetrics, 5(1), 146-166. https://doi.org/10.1016/j.joi.2010.10.002 Cobo, M. J., López-Herrera, A. G., Liu, X., & Herrera, F. (2011b). An approach for detecting, quantifying, and visualizing the evolution of a research field: A practical application to the Fuzzy Sets Theory field. Journal Of Informetrics, 5(1), 146-166. https://doi.org/10.1016/j.joi.2010.10.002 TFG – Grado en ADE. Análisis bibliométrico sobre el impacto de la inteligencia artificial en prácticas y estrategias de marketing. Cobo, M. J., López-Herrera, A. G., Liu, X., & Herrera, F. (2012). SciMAT: A new science mapping analysis software tool. Journal Of The American Society For Information Science And Technology, 63(8), 1609-1630. https://doi.org/10.1002/asi.22688 Cobo, M. J., López-Herrera, A. G., Liu, X., & Herrera, F. (2012b). SciMAT: A new science mapping analysis software tool. Journal Of The American Society For Information Science And Technology, 63(8), 1609-1630. https://doi.org/10.1002/asi.22688 Gibbin, R. V., Sigahi, T. F. A. C., De Souza Pinto, J., Rampasso, I. S., & Anholon, R. (2023). Thematic evolution and trends linking sustainability and project management: Scientific mapping using SciMAT. Journal Of Cleaner Production, 414, 137753. https://doi.org/10.1016/j.jclepro.2023.137753 Jiménez‐Contreras, E. (2000, 1 enero). Los métodos bibliométricos: aplicaciones y estado de la cuestión. [Ponencia]. http://eprints.rclis.org/14039/ Price, D., & Gürsey, S. (1975). Studies in Scientometrics I Transience and Continuance in Scientific Authorship. DOI: https://doi.org/10.18225/CI.INF..V4I1.64 Rouhiainen, L. (2018). "Inteligencia artificial: 101 cosas que debes saber hoy sobre nuestro futuro." (“Inteligencia artificial: 101 cosas que debes saber hoy sobre nuestro ...”) Alienta Editorial. Sánchez, C. A. Z. C. (2021). Efectos de la inteligencia artificial en las estrategias de marketing: Revisión de literatura. AD Research, 24(24), 26-41. https://doi.org/10.7263/adresic-024-02 Scopus preview - Scopus - Welcome to Scopus. (s. f.-b). https://www.scopus.com/ Small, H. (1999). Visualizing science by citation mapping. Journal of the American Society for Information Science, 50(9), 799–813. TFG – Grado en ADE. Análisis bibliométrico sobre el impacto de la inteligencia artificial en prácticas y estrategias de marketing. Wirth, N. (2018). Hello marketing, what can artificial intelligence help you with? International Journal Of Market Research, 60(5), 435-438. https://doi.org/10.1177/1470785318776841