Estrategias de marketing relacional basadas en inteligencia artificial en la empresa ScanorCorp CL para optimizar la fidelización de los clientes
Para citar o enlazar este item, por favor use el siguiente identificador:
http://dspace.ups.edu.ec/handle/123456789/31615| Título : | Estrategias de marketing relacional basadas en inteligencia artificial en la empresa ScanorCorp CL para optimizar la fidelización de los clientes |
| Autor : | Calderón López, Emily Fabiana |
| Director de Tesis: | Luna Ramos, Wendy Leonor |
| Resumen traducido: | The present research analyzes marketing strategies from a relational approach based on artificial intelligence at the company EscanorCorp CL, with the aim of optimizing customer loyalty through personalized, efficient solutions aligned with the expectations of the digital environment. This proposal arises from the need to strengthen business relationships through emerging technologies that not only support business growth but also connect with the real needs of users. Three specific objectives were set: to identify the current state of relational marketing, to understand customer expectations, and to propose strategies tailored to the user profile. The study was carried out using a descriptive, explanatory, and exploratory approach, applying a mixed-methods methodology that allowed for the collection of precise information. The population consisted of current and potential clients of EscanorCorp, as well as staff from the marketing and sales departments. The sample included thirty B2B clients, one digital marketing expert, and the company's digital performance reports. The results revealed a high appreciation for personalized service, a favorable attitude towards the use of artificial intelligence, and a lack of automated strategies. It is concluded that EscanorCorp CL has favorable conditions to integrate technological solutions into its relational model without losing the closeness that currently defines its relationship with clients. |
| Resumen : | La presente investigación analiza las estrategias de marketing, desde el enfoque relacional basadas en inteligencia artificial en la empresa EscanorCorp CL, con la finalidad de optimizar la fidelidad de sus clientes a través de soluciones personalizadas, eficientes y alineadas con las expectativas del entorno digital. Esta propuesta surge ante la necesidad de fortalecer las relaciones comerciales mediante tecnologías emergentes que no solo acompañen el crecimiento empresarial, sino que también conecten con las necesidades reales de los usuarios. Se plantearon tres objetivos específicos orientados a identificar el estado actual del marketing relacional, comprender las expectativas de los clientes y proponer estrategias adaptadas al perfil del usuario. El estudio se ejecutó por medio de un enfoque descriptivo, explicativo y exploratorio, aplicando un enfoque mixto que ayudó a la obtención de información precisa. La conformación de la población contó con clientes actuales y potenciales de EscanorCorp, así como por personal de las áreas de marketing y ventas. La muestra incluyó treinta clientes B2B, un experto en marketing digital y los reportes de desempeño digital de la empresa. Los resultados evidenciaron una alta valoración hacia la atención personalizada, una actitud favorable ante el uso de inteligencia artificial y una ausencia de estrategias automatizadas. Se concluye que EscanorCorp CL cuenta con condiciones favorables para integrar soluciones tecnológicas en su modelo relacional sin perder la cercanía que hoy define su vínculo con el cliente. |
| Palabras clave : | ESTRATEGIAS DE MARKETING MARKETING RELACIONAL INTELIGENCIA ARTIFICIAL FIDELIZACIÓN DE CLIENTES TECNOLOGÍA AUTOMATIZACIÓN |
| Fecha de publicación : | 2025 |
| URI : | http://dspace.ups.edu.ec/handle/123456789/31615 |
| Idioma: | spa |
| Pertenece a las colecciones: | Grado |
Ficheros en este ítem:
| Fichero | Descripción | Tamaño | Formato | |
|---|---|---|---|---|
| UPS-GT006809.pdf | Texto Completo | 8,41 MB | Adobe PDF | Visualizar/Abrir |
Este ítem está sujeto a una licencia Creative Commons Licencia Creative Commons