Big Data y Marketing

Universidad Miguel Hernández
Facultad de Ciencias Sociales y Jurídicas de Orihuela

Grado en Administración y Dirección de Empresas
Trabajo Fin de Grado

La Big Data y el Marketing
Curso académico 2016/2017
Riveran Martínez Montesinos

Bajo la dirección de José Francisco Parra Azor
La Big Data y el Marketing,
Agradecimientos
Me gustaría agradecer a aquellos a que han hecho posible este trabajo de fin de
grado.
A mi tutor, José Francisco Parra Azor, por la estrecha colaboración durante el

mismo. A mi padre, por su dedicación y apoyo a mis estudios. A mi novia Marie,
que ha sido mi cómplice durante esta etapa.
2
Resumen/abstract
El presente trabajo pretende mostrar las ventajas para las organizaciones del
uso de técnicas de business inteligence basadas en Big Data.
Relacionamos el Marketing con la era digital, analizamos el marketing digital y

las principales técnicas, y mostramos una serie de herramientas basadas en Big
Data que inciden directamente en la efectividad de las campañas de Marketing.
El trabajo consta de una parte teórica basada en varios autores y de una parte
práctica en la que exponemos empresas que aplican estas técnica y casos en
los que se ha aplicado con éxito.
La motivación subyacente de este trabajo es el de acercar esta tecnología no

sólo a las grandes empresas sino también de abrir una disposición a las PYMES
para su uso.
3
Índice
Resumen/abstract_______________________________________________2
Índice_________________________________________________________3
Introducción____________________________________________________6
1.Big Data_____________________________________________________9
1.1. Definición__________________________________________________9
1.2. Características______________________________________________10
1.3. Ventajas y desventajas________________________________________14
2.El Marketing__________________________________________________16
2.1.1. El marketing actual_________________________________________16
2.2. El marketing digital___________________________________________16
2.2.1.Técnicas de marketing digital__________________________________18
3.La utilización servicios de Big Data para el MK_______________________25
3.1. El uso empresarial de la Big Data_______________________________27
3.2. Los desafíos del Mk con Big Data_______________________________29
3.3. Tendencias del mk___________________________________________30
3.4. Servicios Big Data___________________________________________34
3.4.1. Herramientas Big Data para el Marketing digital _____________ 34
3.5. Return on Investment Marketing_________________________________43
4. Estudio de casos______________________________________________47
4.1. Comparación Beabloo y Datatons_______________________________53

4
4.2. Casos de éxito: t -mobile y Unilever______________________________55
4.3. Comparación T mobile y Unilever________________________________59
5.Conclusiones_________________________________________________67
Referencias___________________________________________________70
5
Introducción
El presente trabajo expone la relación entre la tecnología de Big Data y el

marketing digital y como las empresas pueden utilizar diferentes herramientas
que mejoren su Marketing. El marketing es el conjunto de procesos que difunden
e intercambian ofertas de valor entre el cliente y la sociedad (AMA, 2015). Esta
definición engloba el significado de Marketing digital, aunque se puede matizar
como “un sistema interactivo de comunicación telemática dentro del conjunto de
acciones del Marketing” (El marketing digital, 2010).
Innumerables empresas realizan campañas de marketing digital para atraer a

nuevos clientes, fidelizar a los suyos y conocer mejor sus gustos. La conectividad
de los dispositivos móviles y la mejora tecnológica provocan que cada vez más
empresas dispongan de herramientas de marketing digital.
No sólo el uso de estas herramientas es para darse a conocer sino también para
dar un mejor servicio ya existente. En palabras de Chávez (2017), “es una
completa innovación que las empresas están ejecutando para poder darse a
conocer, conocer a los clientes, interactuar con ellos, saber sus gustos y
preferencias y promocionarse. El internet es una herramienta de gran utilidad
para poder tener contacto con los clientes y público en general de una empresa
y poder de esa manera atender sus dudas y quejas de una manera rápida”.
La consolidación de la nueva Web con las redes sociales (en adelante RRSS),
las opciones de chat, la mayor facilidad de grabación, los blogs, etcétera
permiten crear una experiencia de más participación para el consumidor y la
empresa, asimismo también provoca un aumento de señales de todo tipo, «el
90% de los datos del mundo han sido generados en los dos últimos años»
(Plummer et al, 2014, pár.66). De ahí surge la idea, de los datos que son
almacenados y que hasta hace muy poco no se sabía que hacer. Es entonces
cuando surgen las herramientas de Business Inteligence basadas en Big Data.
Para Lohr (2012) la Big Data empieza a difundirse en el año 2008 y supone
actualmente una nueva posibilidad para empresas que a la vez supone un reto
y una oportunidad para diferenciarse de la competencia y acertar más con las
campañas.
6
En la actual época digital y de un entorno cambiante, las organizaciones deben

investigar más en los potenciales consumidores y los ya clientes y sus
preferencias, deben investigar mercados y conocer a la competencia para poder
ofrecer productos de mayor rendimiento económico. Es decir, la información
cada vez adquiere mayor relevancia y las compañías que conozcan bien a sus
clientes podrán ofrecer productos de mayor éxito. El principal problema de las
organizaciones es buscar la manera adecuada de analizar los datos que sus
clientes les aportan. Los empresarios deben buscar la manera no solo de
recopilar datos sino de tratar éstos adecuadamente para obtener estadísticas y
tendencias que nos puedan ayudar en la dirección indicada.
En los últimos años está aumentado el número de empresas que utilizan

herramientas de business inteligence para su negocio. Estas herramientas están
basadas en tecnología Big Data e inciden directamente en el éxito o fracaso de
una organización.
A continuación, presentamos estudios que muestran la dificultad que tienen las

compañías a la hora de alcanzar el máximo potencial de las técnicas de Big Data
y asimismo para obtener información válida sobre los datos que le aportan sus
clientes y su entorno.
El primero de estos estudios por KPMG capital muestra que» el noventa seis por
ciento de las organizaciones analizadas admiten que tienen aspectos por
mejorar en el análisis de los datos y el cincuenta seis por ciento de afirma que
ha modificado la manera de enfocar el negocio para enfrentar las oportunidades
de la Big Data» (KPMG Capital, 2014, traducción propia).
Otro de los estudios realizado por Cisco en 2014 refleja que hasta el 40% de los
CEO (Chief Executive Officer) afirman de la incapacidad de interpretar los datos
como el principal escollo a la hora de conectar procesamientos y los datos en
valor de información útil).
Según el informe Digital Roadblock en Marzo de 2014 hasta el cuarenta y nueve

por ciento de los directores de Marketing toman decisiones basadas en su
instinto sin atender la información que pueden disponer (Adobe Systems
7
Incorporated, 2014, p.11).De hecho este es uno de los principales problemas

que se encuentra en las organizaciones actuales, para el Instituto Mckynsey
Global hasta “el 72 por ciento de los CEO afirman que sus directores de
marketing solicitan cada año más presupuesto pero que no saben comunicar el
nivel de retorno económico previsto y hasta el ochenta por ciento de las
empresas no saben medir el retorno en sus acciones de marketing” (Ticbeat
2013, párr.3 ).
El primer objetivo del presente trabajo es el de mostrar a partir de una parte

teórica y una práctica los principales servicios de Business Inteligence basados
en Big Data y como nos permite mejorar nuestras campañas de Marketing digital.
El segundo objetivo es el de mostrar las eficiencias que presentan estas
herramientas en un mundo cada día más interconectado y de recortar distancias
entre estas herramientas y el mundo empresarial.
Abordaremos la tecnología Big Data y el marketing desde un enfoque teórico y

práctico. Veremos en el apartado 1 las definiciones de que es la Big Data para
continuar con las bases de esta tecnología y veremos los servicios disponibles
para la empresa. El apartado 2 definiremos el marketing para proseguir en el
epígrafe 3 con una explicación del marketing actual y de sus tendencias, así
como un modelo para evaluar el éxito de una campaña de mk. Por último,
veremos la implantación de estas tecnologías en varias organizaciones.
8
1.Big Data
1.1. Definición
Observamos la referencia sobre la Big Data en el informe de Ticbeat (2012) como

“la enorme cantidad de datos que desde hace unos años se genera
constantemente”. En el mismo apartado, pero más adelante este informe afirma
que «la Big Data es el mejor camino para sacar provecho de lo que nos
proporciona esta magnitud de datos».
Cada vez un mayor número de empresas están utilizando el marketing digital

para sus campañas de marketing, y estas campañas están basadas en Big Data.
Las aplicaciones existentes en la nube nos permiten poder utilizar la big data en
el día a día de nuestra empresa que de otra forma no sería posible. Para Manyka
y otros (2011) la Big Data se encarga de capturar subsistemas de datos que
serían incapturables por su dimensión. El mismo autor nos menciona la evolución
de recogida de datos diferenciando las bases de datos convencionales de la Big
Data.
Las bases de datos convencionales o denominadas como relacionales son un

conjunto de tablas que permiten montar diferentes agrupaciones de datos sin
necesidad de tocar la tabla de base (Rouse,2015).
La principal de diferencia con éstas, como afirma el autor Gartner (2012) es el

volumen, la variedad y la velocidad de la Big Data.
Además, el carácter de los datos de la Big Data puede ser de diversa forma, así
la revista Fidelity Worldwide Investment (2012) matiza la imposibilidad por parte
de bases de datos convencionales de obtener información de esos datos sin usar
la Big Data.
El concepto de Big Data surge tras el incremento de dispositivos que emiten

nuevas señales y de nuevas maneras de captarlas (Gutiérrez, 2016). Es en esta
situación donde emerge la relación con el marketing. Es el uso de dispositivos
móviles y de otros aparatos que emiten señales susceptibles de ser analizadas
lo que suscita el interés en las organizaciones. De ahí, Arcilla y Calderón (2016)
9
matiza sobre la Big Data que el fin de la misma es el de obtener conclusiones de

valor añadido.
Los campos de aplicación de esta tecnología no son sólo el marketing

empresarial, sino también campos como el sanitario, el armamentístico, el
gubernamental y otros.
La cantidad enorme y la complejidad del almacenaje causa que las bases de

datos más simples no sean capaces de proporcionar el servicio óptimo. Los
«challenge» de esta tecnología son la búsqueda, la compartición, la
transferencia, el analizar, y el visualizar. Se prevé un aumento de estos datos de
unas 50 veces para el año 2020. Esta cantidad de datos que se almacenan
inunda la sociedad y también a las urbes. La solución de la Big Data es
convertida de esta manera en el recurso a utilizar y es una gran ventaja para las
empresas, Sevillano (2015).
A continuación, expondremos las características de esta tecnología.
1.2. Características
Big data o macrodatos es, uno de los campos con mayor relevancia actualmente,
no existe área que no esté relacionada con las implicaciones que este concepto
incorpora. Modifica soluciones y cambia estrategias. Pese a que el nombre
macrodatos o big data haría referencia a la cantidad, existen otras variables que
también ocupan un lugar destacado, Tascón (2013).
A pesar de lo confuso del término, ya que, si son enormes datos, pero ¿que
volumen es el referido?
A partir de la bibliografía provista no está asociado a un tamaño de información

particular (IBM, 2014), la unidad básica de medida son los bytes y a partir de éste
se construye una escala de medida.
• Kylobyte (KB) = 103 = 1,000 bytes

10
• Megabyte (MB) = 106 = 1,000,000 bytes
• Gigabyte (GB) = 109 = 1,000,000,000 bytes
• Terabyte (TB) = 1012 = 1,000,000,000,000 bytes
• Petabyte (PB) = 1015 = 1,000,000,000,000,000 bytes. BIG-DATA
• Exabyte (EB) = 1018 = 1,000,000,000,000,000,000 bytes
• Zettabyte (ZB) = 1021 bytes
• Yottabyte (YB) = 1024 bytes
• Quintillón (QB)= 1030 bytes
Si comparamos con lo que con una acción humana contendría obtendríamos

esta equivalencia.
• 1 Byte -Una letra
• 10 Bytes – Dos palabras
• 100 Bytes -Un poema corto
• 1 kylobyte -Un cuento
• 10 kylobytes -Una página de diccionario
• 100 kylobytes -Una foto con resolución estándar
• 1 Megabyte -Un libro
• 10 Megabytes -El antiguo testamento
• 100 Megabytes -un metro cuadrado ocupado con libros
• 1 Gigabyte -tamaño estándar para los pendrives
• 1 Terabyte -50.000 árboles convertidos en texto.
• 10 Terabytes -La biblioteca del congreso de los EE. UU.
11
• 1 Quintabyte – Datos generados en el planeta en un único día (Historia y

comunicación social, 2015).
Además del volumen, otra de la característica más distintiva de la big data es la

velocidad, que se relaciona con el emerger de nuevas fuentes y la urgencia de
utilizar estas fuentes más eficientemente. Diversas fuentes de carácter
automático, como los sensores y los GPS son capaces de generar datos de
diverso corte en las que la empresa aún no ha sido preparada para almacenarlos
e interpretarlos. Este flujo constante de datos hacia la empresa y su diverso
origen son la fuente de esta característica de la big data. La necesidad de una
transformación de esta recogida de datos a una información útil es primordial.
La variedad es otra de las características de la Big Data. La gran cantidad de

datos tiene variedad, es decir, estos datos provienen de datos que están
estructurados y otros que no lo están. Datos estructurados como no
estructurados en audio, video, secuencias de clic o archivos. Con fin de
simplificar, podemos imaginar la cantidad de datos que percibe una red social de
Internet como por ejemplo Facebook que alberga texto, imágenes, audio, video,
de millones de personas. La big data analiza estas fuentes a través de su
clasificación en tres grupos, datos estructurados (bases de datos
convencionales), datos semiestructurados que se caracterizan por no formar
parte de una base de datos pero que son fáciles de clasificar, en este grupo
encontramos los documentos XML. Vemos un ejemplo en el cuadro 1:
Cuadro 1: Documentos XML
<xml version= »1.0» encoding= < utf>

<autor> JOAN MANUEL SERRAT
<album> Mediterráneo
<titulo> Joan Manuel Serrat</titulo>
<formato>MP3<7formato>
<localizacion> varios CD5
</localizacion>
<album>
Fuente: elaboración propia
12
Por último, encontramos los datos no estructurados que son relacionados con el
contenido digital más nuevo se ponen a disposición en un formato que no es
digital, en este grupo encontramos los archivos de texto, de imagen, de audio,
etc.
Algunos autores afirman la existencia de una cuarta «V» la Veracidad, que indica
el grado de confianza asociado a cierto tipo de datos, de hecho, Big Data asocia
un factor de incertidumbre ante algunos datos, es decir, ante contenido
posiblemente asociado a error o mentira la big data incluiría este factor. Un
ejemplo característico del sesgo que se puede producir lo encontramos en el
sector de la energía renovable en el que para obtener x producción de energía
es indispensable viabilizar al máximo las variables como el viento, etcétera para
ver donde se pondría pongamos por ejemplo una estación eólica. La big data
utilizaría en este caso herramientas como matemáticas avanzadas o fusión de
datos múltiples.
La última característica que definiría Big Data es la complejidad que estaría

relacionada con la manera de gestionar las otras características vistas
anteriormente. En la figura 1 enumeramos las más importantes.
Figura 1: Características de los datos
Volumen Variedad Velocidad
Datos a escala Datos en muchas

Datos en movimiento:
formas:
De terabytes a estructurados no Streaming, sensores,
petabytes de datos estructurados etc
Fuente: Sarmiento y otros (2014)
13
1.3. Ventajas e inconvenientes
A continuación, vamos a mostrar las ventajas e inconvenientes de la big data en

las organizaciones para la revista SG (2013).
• Permite mejorar la gestión del cambio.

• Genera un mayor acierto en la búsqueda de oportunidades de negocio.
• Aumenta la efectividad en la oferta de servicios a clientes (mejora de la
segmentación).
• Incrementar la cartera de clientes a través del uso compartido de las redes
sociales.
• Desarrollar técnicas de marketing digital más efectivas basadas en un mayor
estudio del consumidor objetivo.
• Proporciona información en tiempo real sobre indicadores de negocio.
• Permite detectar fraudes.
Todas las ventajas mencionadas anteriormente se podrían reunir en

la «obtención de mayor conocimiento «de los clientes de la organización para
ofrecer productos más acertados a los clientes o incluso ofrecer productos que
aún no tienen pero que tienen una gran propensión a consumirlos. Los siguientes
puntos son los inconvenientes (SG,2013).
Inconvenientes
Entre los inconvenientes que tiene la big data para su implantación en las
empresas es:
• Elevado coste de implantación si se quiere obtener la infraestructura

estándar.
• Falta de infraestructura en PYMES por lo general.
• La big data requiere de seguridad, si nos roban los datos almacenados de
nada serviría. Esta inversión en seguridad no está al alcance de todas las
empresas.
14
• Gasto de formación.
• Problemas de la privacidad.
• «Ventajas del retraso». En ocasiones muchas empresas esperan a que sus
competidores instalen estos programas para ver que errores ocurren y así
ellos posteriormente implementar esta tecnología aprendiendo de los errores
de los competidores.
Tras haber seguido las principales ventajas e inconvenientes de la Big Data

antes de iniciar un proyecto sugerimos hacernos estas tres preguntas.
¿Es necesario para la organización? ¿Se dispone de los recursos necesarios

para afrontar el proyecto? ¿Cuál será su coste y lo podemos soportar? Si la
respuesta a estas tres preguntas es afirmativa entonces nos tendríamos que
plantear seriamente la incorporación de business inteligence en nuestra
organización.
15
2.El marketing
El Marketing
Según la definición proporcionada por Kotler y Armstrong (2012) «proceso por el

cual las compañías crean valor para sus clientes y construyen sólidas relaciones
con ellos».
Lo anterior sucede sin tener que dejar a un lado que las organizaciones no solo
deberían tener como resultado vender, sino que el objetivo de crear relaciones
en el largo plazo y que la interacción con los consumidores potencie esta
relación.
2.1.1El marketing actual
En el año 2014 tenemos constancia de la consolidación de la tecnología big data

y de las redes sociales como catalizadoras del social media marketing, y se está
planteando la combinación de redes sociales y big data para conseguir
resultados cuantificables. «la aplicación de Big data a las redes sociales consiste
en la monitorización y medición de los datos que circulan por las redes de una
empresa» (CIO América Latina, 2014, párr. 2). De igual manera, los
departamentos responsables del marketing saben de la relevancia de la big data.
El marketing de la era digital podría traer consigo un gran número de
oportunidades y ventajas a las empresas que apuestan por él.
2.2. El marketing digital
Para la agencia de Marketing Digital MD “El marketing digital es la aplicación de

las estrategias de comercialización llevadas a cabo en los medios digitales.
Todas las técnicas del mundo off-line son imitadas y traducidas a un nuevo
mundo, el mundo online.” Y surge con el auge de las nuevas tecnologías y la
nueva manera de entender Internet y consiste en aplicar las nuevas técnicas de
marketing digital en entornos digitales (Castaño y Jurado, 2016).
16
El objetivo “es promover a las marcas, crear preferencia e incrementar las ventas
(en los casos que esto aplica, pues también se usa para otros fines), todo a
través de diferentes técnicas”
Para los autores anteriores “el marketing digital va dirigido a una gran masa, y
en la que cada uno de los individuos debe sentirse único y especial volviendo al
trato personal que ofrecían los dependientes a sus clientes habituales en otras
épocas, pero todo ello en un entorno digital” (Castaño y Jurado,2016). Esto se
consigue gracias a basar tecnología Big Data con marketing digital. De hecho,
uno de los principales catalizadores del surgimiento del marketing digital ha sido
el buscar la personalización del mensaje.
Para los autores Almodóvar y otros (2014) la diferencia que presenta con el
marketing común es que los medios digitales permiten el acceso e cualquier
momento y lugar. Además, son cada vez más un lugar de comunicación entre
consumidores. Los consumidores creen más a otros consumidores que a la
publicidad.
Almodóvar y otros (2014) relacionan las claves de éxito en el marketing digital

con;
El manejo de las relaciones con los clientes en todos los canales.
Los autores ponen especial énfasis en: web, redes sociales, móviles, correo
directo, punto de venta, etc. Parten de la premisa de “conoce al cliente como a
alguien de tu familia”.
Desarrollo de interacciones dinámicas y relevantes con los clientes. La

inmediatez y la velocidad de la tecnología digital junto a soluciones analíticas. A
través de esta combinación podemos monitorear, medir y calcular el ROI de
nuestras campañas (Almodóvar y otros, 2014).
El concepto de marketing digital se empieza a utilizar en los años 90. Se solía

referir al uso de la publicidad. A partir del año 2000 al 2010, con el aumento de
las herramientas tecnológicas se amplía su definición. En este momento de
comienza a crear una publicidad más participativa con el usuario. (Velázquez,
2015). De hecho, en 2010 existían 4.5 billones de anuncios en línea, con un
incremento de la publicidad en un 48%.
17
La facilidad de acceso a la información y las mejoras técnicas en los dispositivos

móviles aumentan el interés de publicitarse en línea.
En el siguiente epígrafe los autores afirman la necesidad de hacer uso de la Big

Data. Con Big Data afirman, podemos tomar decisiones de manera más rápida
y acertada.
Para Almodóvar y otros (2014), el uso compartido de la información de historial

de nuestros clientes y el historial de marketing, permiten adquirir una mejor
perspectiva de nuestro conocimiento del cliente.
También podemos analizar los datos de experiencia con los datos de

comportamiento del cliente independientemente del canal.
A continuación, vamos a referirnos a las técnicas de marketing digital.
2.2.1. Técnicas de Marketing digital
Definimos las principales técnicas del marketing digital.
Analítica Web
Esta técnica se basa en el seguimiento de la información que hacen los usuarios

al interactuar en el sitio web para luego analizar esa información con el objetivo
de mejorar la experiencia de navegación y mejorar el rendimiento del negocio
(Erro y Michel, 2016). La imagen 1 es el panel de control de una herramienta de
18
Analítica Web.
Imagen 1: Analítica web
Fuente: Google Imagen
Publicidad en buscadores
Posicionamiento en buscadores y marketing de contenidos
“Se denomina posicionamiento en buscadores, posicionamiento web,

optimización en motores de búsqueda o SEO por sus siglas en inglés, de Search
Engine Optimization al proceso de mejorar la visibilidad de un sitio web en los
diferentes buscadores, como Google, Bing o Yahoo de manera orgánica, es decir
sin pagarle al buscador para tener acceso a una posición destacada en los
resultados, según un determinado criterio de búsqueda. Este posicionamiento se
logra de manera natural realizando tareas de optimización en las páginas web,
que pueden incluir ajustes en la navegabilidad del sitio web, optimización del
código fuente, estrategias de posicionamiento mediante enlaces en páginas de
terceros que apunten a la web a optimizar, entre otros” (Erro y Michel, p16, 2016).
Cuando existe mucha competencia en el posicionamiento de la página web en

los buscadores las empresas pueden complementar las técnicas de
posicionamiento web con la creación de campañas publicitarias en los
19
buscadores más populares como Google, Yahoo, Bing o Aol. (Erro y Michel,
2016). El producto más característico de este tipo de marketing digital es Google
AdWords. La imagen 2 muestra un ejemplo gráfico:
Imagen 2: Publicidad en buscadores
Fuente: Seosve (2016)
Email Marketing
El email marketing consiste en la creación de campañas comerciales a través

del correo electrónico permitiendo una mejora sustancial tanto en alcance como
en coste a las organizaciones. Además, permite acoger distintos formatos. Lo
vemos en la imagen 3.
Imagen 3: email marketing
Fuente: Google imagen
20
Redes sociales
La noción de red social estaría vinculada a un grupo de personas que tienen

algún vínculo. En los últimos años se ha actualizado el término para ser aplicado
a comunidades virtuales dentro del Internet, en la que los integrantes comparten
fotografía, vídeos e información en general (Porto y Gardey, 2014). Lo vemos en
la imagen 4:
Imagen 4: redes sociales
Fuente: Google imágenes
Publicidad display
“La publicidad display constituye un formato publicitario online en el que el

anuncio (conocido generalmente como banner y formado por texto, imagen,
audio, e incluso video) se muestra en una página web de destino, por lo general
presentado en la parte superior o lateral”, (Erro y Michel, p17, 2016).
Marketing móvil
Para la Mobile Marketing Asociation (MMA en sus siglas en inglés) es el conjunto

de acciones de ofrecen a las empresas la posibilidad de interactuar con sus
clientes comunicarse con sus clientes de una forma relevante e interactiva a
través de los dispositivos móviles (MMA,2013). Por otra parte, se podría definir
el marketing móvil como la capacidad de presentar productos en la forma, tiempo
21
y lugar y sobre bases móviles, que presentan beneficio para ambas partes,
cliente y vendedor (Dickinger y otros, 2004). Lo vemos en la imagen 5:
Imagen 5: marketing móvil
Automatización de marketing
“Es el proceso a través del cual, mediante diferentes plataformas o programas

de software, se consigue mejorar y agilizar la experiencia del cliente potencial
hasta el momento que llega a ser cliente de la empresa, automatizando las
diferentes fases de mercadotecnia que comprenden la adquisición de un cliente”
(Erro y Michel, 2016).
CRM
“Administración basada en la relación con los clientes, del inglés Customer

Relationship Management, define una estrategia de negocio enfocada al cliente
en la que el objetivo es reunir la mayor cantidad posible de información sobre los
clientes para generar relaciones a largo plazo y aumentar así su grado de
satisfacción. Esta tendencia se inscribe en lo que se denomina Marketing
Relacional que también considera a los clientes potenciales y la manera de
22
generar relaciones con ellos. La idea central es hacer foco en el cliente,

conocerlo en profundidad para poder aumentar el valor de la oferta y lograr así
resultados exitosos” (Erro y Michel, p17, 2016). En la imagen 9 encontramos el
panel de control de un programa de CRM. Lo vemos en la imagen 6.
Imagen 6: CRM
Comercio electrónico
Para la revista electrónica el comercio en su artículo “el comercio electrónico” es

aquel conjunto de transacciones comerciales y financieras realizadas a través de
procesar y transmitir información con texto, sonido e imagen. Esta información
podría ser el objeto principal de una transacción o un elemento anexo. Esta
definición tan amplia incluye cualesquiera de las formas de transacción
electrónica en lugar de física. El proceso de comercio electrónico incluye el
23
contacto con los clientes, el intercambio de información y la venta y también al

soporte comúnmente llamado servicio postventa (El comercio,2017).
Tras estas definiciones de marketing digital debemos precisar que las anteriores
se encuadran dentro del grupo “analítica web” ya que tienen que ver con un sitio
web concreto. Las técnicas de marketing digital que contemplan big data utilizan
más fuentes y más diversas, para una precisión en la toma de decisiones más
efectiva. Este grupo de que contempla técnicas de Big Data aúna las técnicas de
analítica web y la cibermetría. La cibermetría son aquellas técnicas de predicción
como la analítica web pero que contemplan también el entorno online y los
competidores (El profesional de la información, 2014).
Estamos una vez más ante las características descritas anteriormente que
distinguen a la big data sobre el uso de métodos analíticos tradicionales: la
variedad, el volumen y la velocidad.
Para el autor Serrano autor del artículo en el profesional de la información se

hace cada vez más importante de realizar análisis cada vez más precisos debido
al auge de la competencia en los entornos online. Ya no sólo es importante tener
una buena analítica del sitio web sino también del entorno online (El profesional
de la información, 2014). Es por ello que las técnicas de Big Data también cubren
estos aspectos. Para la página corporativa de Cuba (Ecured) “la cibermetría es
la disciplina cuantitativa de los contenidos y procesos de comunicación que se
producen en el ciberespacio. Ciberespacio es el conjunto de contenidos
accesibles en formato electrónico”.
24
3.La utilización de los servicios big data para el marketing
En la época de la big data los servicios que proporciona la Web son importantes
para dar a conocer los nichos de mercado, con el objetivo de proporcionar los
productos más adecuados. El uso de las aplicaciones y el mayor número de
dispositivos permite personalizar la oferta según los intereses de la persona
usuaria. Los encargados de marketing pueden así realizar campañas de
marketing basándose en el registro de usuarios y su conducta llegando a ellos
en un menor tiempo y menor coste que anteriormente. De igual manera también
para una empresa es menor el darse a conocer o lanzar un producto nuevo al
mercado. Incluso se puede llegar a proporcionar comentarios positivos de
terceros para otorgar mayor credibilidad a la marca. La opción de ofrecer una
mejor oferta basada en un mayor conocimiento del cliente es la principal
característica de la big data al servicio del marketing, sin embargo, también
podría haber comentarios negativos que perjudicasen la imagen de la marca.
Para el autor Ramos (2009, p.71) “la definición de Web 2.0 ha sido motivo de
discusión y esto se debe en parte al hecho de que el cambio que introducen sus
principios implica más un cambio de actitud que un cambio tecnológico”.
La relación entre el marketing digital y la Big Data es establecida cuando ya

hemos obtenido información valida procedente de nuestros datos. Es en ese
momento cuando podemos saber que le interesa más de nuestra marca, que
productos está más interesado, entre otros. Las estrategias de Marketing
tomadas a partir de este momento son en función de la información extraída de
nuestros datos.
Las dos funciones primordiales en las que la Big Data ayuda al Marketing son
la segmentación y las redes de influencia (Mañe, 2016). La segmentación se
puede dividir en comportamiento de compra, comportamiento de consumo e
interacción con la marca. La primera es para ver que compra, su gasto y con
que frecuencia. La segunda es para categorizar los productos comprados. Y la
de interacción se refiere a su comportamiento en la web y las redes sociales
“ibidem”. Es a partir de esta segmentación que el marketing mejora, se
convierte en más personalizado y con mayor probabilidad de éxito. Con
respecto a la última variable, de interacción, el marketing propone crear redes
25
de influencia, en la que un cliente pueda aconsejar a otro cliente hacerse de la

compañía a cambio de beneficios.
Tomando como base que las organizaciones quieren generar captación,

fidelidad y posicionamiento exponemos en la tabla siguiente los servicios de la
web para la generación de estos tres objetivos. Lo vemos en la tabla 1.
Tabla 1: Aspectos del Marketing
RR. SS Servicios de Internet
Captación -Coste bajo para llegar al -Mensajería inmediata.

cliente target. Facilitación online con
-Oferta personalizada y clientes.
promociones -Blogs. Facilitan la
-Estadísticas y datos compartición el
sobre usuarios corregimiento o la
-Mejora en el enfoque de edición de información
las campañas de de productos, etc.
captación. -RRSS y web. Se
publicitan antes de
lanzarse al mercado -
prototipos-para corregir
errores.
Fidelización -Mejora la consulta de -Facilitación de las

productos, la manera de novedades a los
utilizarse, la forma de clientes.
dirigirse a los clientes, la -Soporte online.
atención de soporte. -Explicación de cómo
usar los productos a
26
través de videos de
Youtube.
Posicionamiento -Reportar información - El consumidor como

de la relación que los reputador de la marca; el
usuarios o potenciales mismo cliente
clientes tienen con la promociona el producto
marca. en la red a través de
comentarios favorables
-Información sobre el e influye en la forma de
posicionamiento de la pensar de otros
marca. potenciales clientes.
Fuente: Ortiz Morales y otros (2016)
3.1. El uso empresarial de la Big Data
¿Qué uso hacen las empresas de la Big Data?
El volumen de posibilidades que Big Data brinda a las organizaciones es amplio,

en el siguiente gráfico basado en el estudio realizado por IBM (2012)
distinguimos los usos primordiales; lo vemos en la imagen 7:
27
Imagen 7: Uso por parte de las empresas
Fuente: Orientación al Big Data IBM (2012)
Entre otras funciones que puede brindar esta tecnología en la empresa podemos
destacar:
• Generación de cupones descuento basados en estudio de compras

anteriores del mismo cliente.
• Oferta personalizada a través de dispositivos móviles a los clientes basado
en estudio de su comportamiento de compra.
• Identificación de los clientes por orden de importancia y clasificación de los
mismos.
• Recalculación de carteras.
• Analiza los datos y los presenta visualizados ayudando a los gerentes a
conocer mejor su entorno.
• Preparación de reports basados en un pormenorizado estudio de clientes
facilitando un mayor acierto en cuanto a la oferta.
El report de la Dirección de Industria y la PYME destaca la relevancia de las

pequeñas y medianas empresas en la Unión europea. La unión europea, que
tiene 27 naciones (con muchas probabilidades 26 en un futuro tras el brexit),
tiene alrededor de 23 millones de Pymes que constituyen el 99% de las
organizaciones que existen en la Unión europea y son cerca de 75 millones de
puestos laborales directos.
28
3.2. Los desafíos del marketing en la era big data
En la próxima figura se plantean cuatro aspectos con respecto a las

organizaciones en la era digital. El primero de ellos son los aspectos inherentes
a la big data, es decir sus características. El segundo de ellos está formado por
los objetivos de estrategia, de tecnología y de operatividad que tienen que llevar
a cabo las empresas para la toma de decisiones. El penúltimo son las corrientes
de marketing que a diario se actualizan. Lo vemos en la figura 2:
Figura 2: organizaciones en la era digital
Las 3 v: volumen, variedad y

velocidad
ROMI (retorn on
Challenges Objetivos de
investment
del mk en la estrategia,
marketing)
era digital tecnología y
operatividad.
Tendencias del MK
29
3.3. Tendencias del marketing
A la hora de tomar decisiones en las organizaciones no importa solo el hecho de

tener conocimiento de lo que existe en el mercado actualmente referente a
tecnología, la gestión y el marketing, también es importante conocer los
challenges que se debe retar, por ello en la siguiente tabla concretamos las
líneas de marketing planteadas como las oportunidades de mayor relevancia
para ofrecer algo diferente a la competencia. Los tres pilares básicos de esta
diferenciación son la innovación, la captación y la fidelización del cliente. Es de
suma importancia considerar que la clave de la big data no reside en ser similar
al resto de empresas e implementar tecnologías de igual corte para ser lo mismo,
la clave está en el aprovechamiento de la información única obtenida sobre los
clientes, los productos y la operativa y considerar aplicarla a la reestructuración
de la cadena de valor, optimizando las iniciativas organizativas más importantes
y originando nuevas posibilidades de monetización (Schmarzo, 2014)
A continuación, definiremos dos conceptos de suma importancia y en relación

con las tendencias del marketing. Una de ellas es la interconexión que genera el
internet de las cosas,» El internet de las cosas es la red de objetos físicos que
contienen tecnología integrada para comunicarse y sentir o interactuar con sus
estados internos o el ambiente externo» (El internet de las cosas,2015, parr 1).
En segundo lugar, definiremos los «llevables» (traducción propia del inglés,
wearables en el original) que son aquellos productos susceptibles de ser usados
a diario y que son tecnológicos. Un ejemplo de estos «llevables» es la ropa
inteligente, y los smartwatchs. Para el autor Ordieres-Mere estos usuarios
consideran que la importancia del producto reside en sus prestaciones más que
en el mero hecho de poseerlo. (Ordieres-Meré, 2014). Lo vemos en la tabla 2.
30
Tabla 2: líneas de Marketing
Línea de marketing o Información Utilización

tendencia
Wearebles -En el año 2020 existirán -Personalización de la
26 mil M de unidades oferta a usuarios según
(Plummer et al, 2014). a la información
. En el año 2016 el generada por objetos
mercado de «llevables (relojes, móviles,
tuvo un valor de 10 mil M coches, etcétera) que
de dólares (Brito, 2015) aportan el lugar, el
gusto, la tendencia al
consumo.
-Publicidad más
concreta y
personalizada a través
de lugares conectados
en las calles que
estudiarán las
reacciones de los
caminantes. (Marketing
Directo, 2014).
-Sincronización de todos
los dispositivos y de su
publicidad con
tecnología auditiva por
ejemplo cuando un
anuncio pasa por la tele
que se sincronice con el
móvil.
31
Mk móvil -2017: 7 de cada 10 -Mayor personalización

minoristas utilizan de los servicios a través
sistemas de de interceptación de
posicionamiento en el transacciones.
interior.
-Tecnología de
interiores que a través
de sensores Wifi o
térmicos detecta las
posiciones de los
consumidores para
optimizar la colocación
de los anuncios o los
estantes por ejemplo en
un supermercado.
Mk redes sociales -Las redes sociales -Conocer los

como catalizador de segmentos, los hábitos,
todas las líneas de la frecuencia de la
negocio de la compra, entre otras
organización. (Fouts, variables. Por ejemplo,
2014). Spotify conecta con
Facebook, lo que
permite que sepas lo
que también están
escuchando tus amigos
y podáis compartir
música. A raíz de saber
lo que escuchas las
organizaciones pueden
32
ofrecerte música más

personalizada.
-Los denominados
embajadores de la
marca son trabajadores
de la empresa que
ejercen de factores de
influencia.
-Está previsto un mayor

entre todos los
dispositivos ese es el
objetivo del mk de
contenidos.
Análisis de la -Hasta el 57% de los -El departamento de

información o datos negocios de la UE hacen marketing debe ser
uso de algún sistema de pionero en la
procesamiento de los constitución de esta
datos. (Altares, 2014) tecnología porque las
estimaciones predicen
que para el 2020 el 80%
de los negocios de éxito
se basarán en esta
tecnología (Plummer et
al, 2014).
33
3.4. Servicios de Big Data
La tecnología Big Data está a disposición de todas las empresas, no obstante,

depende del tamaño de las mismas, empresas de pequeño tamaño y mediano
eligen herramientas en la nube. Éstas presentan un coste en términos de
infraestructura y capital mucho menores. En cambio, empresas más grandes,
pueden implantar su propia infraestructura Big Data.
A continuación, presentaremos las principales herramientas de Big Data para

empresas.
3.4.1. Herramientas basadas en Big Data para la mejora del Marketing

digital
Como hemos visto debido a la fuerte inversión las PYMES no pueden acceder a
estos productos, pero ello no quiere decir que no puedan beneficiarse de la
tecnología de la big data, aquí encontramos algunas herramientas disponibles:
Sumall
Sumall es un software en la nube que analiza los datos en redes sociales y que
tiene capacidad de analizar múltiples servicios como twitter, Facebook,
YouTube, Google+, Instagram, WordPress, entre otros. Lo vemos en la imagen
8.
Imagen 8: principales redes sociales
34
Esta herramienta nos permite identificar usuarios importantes para la empresa

a través del seguimiento de términos y etiquetas. Con Sumall tenemos la opción
de realizar análisis en tiempo real y recibir informes personalizables.
Sumall es recomendable para aquellas empresas que tiene diferencias en sus

clientes y que están activos en las redes sociales.
Existen diferentes opciones de suscripción SumAll tracking que es gratis, SumAll

Reports, que cuesta 59$ al mes y SumAll insight que tiene un coste de 99$ al
mes.
Google Analytics
Google analytics es una herramienta proporcionada por Google que nos permite
comprender el tráfico de nuestros clientes en el entorno web. Existen diferentes
aspectos que analiza:
- Público: esta sección permite analizar el número de visitas de la página, los

usuarios, el porcentaje de visitas nuevas, los datos sociodemográficos e
información el sistema que utilizan para utilizar la web.
-Publicidad: nos permite seguir también la campaña de AdWords si la

hubiéramos contratado.
- Fuentes de tráfico: en esta sección nos permite ver cómo han llegado nuestros
clientes a nuestra página web.
- La sección de contenido nos permite analizar los productos que suscitan mayor
interés en los usuarios.
- Conversiones. Esta sección es referida a donde queremos que nuestros

usuarios accedan en la página para ser analizados. Dependiendo del tipo de
empresa el lugar donde queremos que llegue, por ejemplo, en un en los
35
comercios que no tienen puntos de venta físicos será el apartado de la venta

mientras en otros que si dispongan se primará el apartado del escaparate de
productos. Lo vemos en la imagen 9.
Imagen 9: Panel de control Google analytics
Fuente: Google analytics
36
Kompyte
Kompyte proporciona información sobre el tráfico en redes sociales de nuestros

competidores y los cambios en sus sitios web. Proporciona estadísticas en
tiempo real, informes de tráfico y fuentes del mismo.
Kompyte permite además sugerir nuevos competidores.
El precio es de 59€ mensuales si queremos monitorizar a cinco competidores,

159€ si queremos monitorizar a 15 y si se requiere más se pide presupuesto. Lo
vemos en la imagen 10:
Imagen 10: Panel de control Kompyte
Fuente: Kompyte
37
Canopy labs
Este servicio de análisis de marketing nos permite evaluar el impacto que ha

tenido cada punto de venta en las decisiones de los clientes. Este servicio
funciona a través de un panel en el que podemos adquirir la vista global y la vista
por cliente particular. Lo vemos en la imagen 11.
Imagen 11: Panel de control Canopy labs
Fuente: Canopy labs
Smetrica
Esta herramienta es gratuita y forma de parte Facebook. Está pensada para las
empresas de la red social. Esta basada en dos apartados uno que nos muestra
los “hablando de esto” y otra en la que podemos visualizar los comentarios
recibidos, el número de me gusta y las publicaciones compartidas.
38
También nos permite analizar esta métrica en la página de nuestros

competidores sólo siguiendo su página de Facebook.
Es muy recomendable para PYMES por su facilidad de uso y su gratuidad.

Ejemplo gráfico en la imagen 12.
Imagen 12: panel de control Smetrica
Fuente: Smetrica
Movintracks
Movintracks se encarga del marketing móvil. Hace uso de Bancos para

incorporar campañas publicitarias personalizadas a través del móvil a sus
clientes.
Cuenta con una aplicación móvil para enviar comunicaciones a los clientes,
sugerencias, etc.
Desde el mismo panel podemos dirigir la aplicación. A continuación en la imagen

13:
39
Imagen 13: Panel de control Movintracks
Fuente: Movintracks
Métrica
Metrikea está especialmente diseñada para comercios ya que analiza

parámetros como el recorrido y el tiempo en que se paran nuestro cliente y a
partir de ahí elaborar informes para informarnos sobre los espacios de nuestro
local. Lo vemos en la imagen 14:
Imagen 14: transeúntes en la tienda
40
Las señales se recogen a través de los dispositivos móviles. Lo vemos en la

imagen 15:
Imagen 15: panel de control metrikea
Fuente: Metrikea
TC store
Tc store es otro servicio para comercios, capaz de analizar:
-Los clientes del local, su tiempo de espera, su recorrido, estadísticas de paso

frente a promociones puntuales y ratios como frecuencia de repetición,
fidelización de visitas y porcentaje de nuevos clientes.
-Las personas en el exterior del local: capaz de realizar ratios sobre clientes
potenciales y evaluar el impacto del local a través de medir cuantos entran de
los que observan el escaparate.
41
-Reconocimiento facial: Permite medir el estado emocional de los clientes a

través de sus gestos y reacciones cuando observan determinados puntos de la
tienda.
Este servicio es posible gracias a las tecnologías de reconocimiento facial a

través de cámaras, sensores de temperatura y dispositivos móviles. De esta
forma ayudamos a obtener una visión global de las zonas más eficientes de la
tienda y el personal óptimo de la tienda.
Insight Squared
Este servicio permite calcular las ratios de ventas del departamento comercial y
calcula las predicciones del número de ventas por empleado. EL precio oscila
entre 35$ y 100$ y depende del número de usuarios, de vendedores y de
productos. Lo vemos en la imagen 16:
Imagen 16: panel de control Insight Squared
Fuente: Insight Squared
42
Cubre puestos como gerente de ventas, financieros, responsable de marketing

y gerencia.
3.4. Return on marketing investment
Para la consultora Awareness Inc (2012) el return on marketing investment es el

rendimiento generado por una campaña de marketing teniendo en cuenta los
factores dispuestos y el retorno de la inversión (incremento de cuota de mercado,
ventas, etc.) Para el experto Marco Serrano (2012) el Return on marketing
investment se calcularía a partir de los costes en medios sociales como los
gastos de trabajadores, el gasto en eventos y acciones de marketing y lo que
han costado las herramientas de marketing. De igual manera calcularemos los
resultados derivados de las propias campañas para obtener el rendimiento de la
campaña y así poder calcular el beneficio neto de la campaña (Awareness,
2012).
Para efectuar el cálculo del Return on Marketing investment hay que tener en
cuenta «las 4r» (IAB, 2007): la primera de las r es reconocimiento: es decir, el
impacto en el reconocimiento de la marca en la campaña o como ha influido en
el incremento de éste. La r2 tiene que ver con revalorización: Es decir, tras hacer
la marca reconocida se debe establecer una participación por parte de los
usuarios. Lo buscado es la involucración de los miembros de la comunidad a
través de comentarios, me gusta, etc. Esto aumenta el valor de la marca entre
la comunidad. La siguiente R tiene que ver con a la reacción, ya que si la marca
ha sido reconocida y se ha hecho actuar al usuario (a través de like, por ejemplo)
el siguiente paso es el de hacer al usuario registrase, que descargase una
aplicación o que incluso suba contenido relativo a la marca a la red. La última r
tiene que ver con la implicación por parte del usuario como embajador de la
marca hacia otros posibles usuarios, en este grupo se incluye la compartición de
contenidos, retuitear y otras acciones que muestran que el usuario además de
gustarle el producto también es capaz de aconsejarlo a otros.
43
La cuantificación del return on marketing investment se basa en métricas.
Una métrica es un número vinculado a un significado previamente establecido.

(Lovvet, 2012). Hay cuatro tipos de métricas:
-Las fundamentales: las cuales deben incluir el interactuamiento, la capacidad

de influir, la capacidad de impactar y de defensa.
-Las de valor de empresa: son los ingresos, las acciones conducentes a ganar
cuota de mercado y las de estándar de calidad para el cliente.
-Las de resultados: éstas son variables y son en función de los objetivos de la

campaña.
-De recuento: son buenas como complemento a las anteriores ya que éstas
miden las visitas, comparticiones y clics.
En la próxima figura exponemos el análisis que las organizaciones deben hacer

comparando sus campañas según las 4R y la instauración del return on
marketing investment.
El próximo cuadro refleja un esquema válido para implementar en los

departamentos de marketing y su función es aclarar según los factores más
determinantes cuál es la relación efectiva rendimiento económico/campañas de
marketing que tienen las organizaciones. Lo vemos en la figura 3:
44
Figura 3: evaluación de campaña de marketing
Donde estamos según las 4 r
Objetivos en Reconocimiento Consideración Acción Fidelizar

redes sociales
Interacción Resultados Nivel de

KPI Alcance
obtenidos satisfacción
(ventas)
¿Donde En CPM Coste Coste Coste por

se unidades por por incidencia
encuen monetarias interac venta
tra la ción
organiz
ación?
(Beneficio campaña-coste) /(coste)x (100) =Return on marketing investment
Fuente: Elaboración propia basándonos en Elosegui (2012)
45
A continuación, vamos a presentar la parte práctica del trabajo, en la que

presentaremos casos de empresas y los analizaremos.
46
4.Estudio de casos
4.1. Beabloo y Datatons
Beabloo
Beabloo es una empresa de marketing digital. Con una organización pionera en

desarrollar tecnologías de online a offline, la sede se encuentra en Barcelona y
tiene presencia en más de 20 países. Esta organización lidera el mercado de
soluciones de marketing digital omnicanal con productos y de análisis de big data
para el entorno offline y online. Logo de la empresa en la imagen 16:
Imagen 16: Beabloo
La ventaja competitiva que presenta es que ofrece productos que permiten a los
empresarios acerca a conocer más de cerca a sus consumidores ayudándoles a
personalizar sus compras. Los productos de Beabloo permiten optimizar el
espacio y la inversión.
Beabloo es especialista en tecnología big data aplicada a comercios y aspira a

ser uno de los mayores proveedores en tecnologías big data del mundo en unos
años.
Las soluciones de esta empresa se dirigen a tiendas, centros comerciales,

universidades, aeropuertos, hoteles, ferias y otros espacios de cara al público.
Organizaciones como Mango, Inditex o Halcón Viajes han confiado en las
campañas en la tecnología de Beabloo para optimizar sus puntos de venta y
como afectan las campañas online en sus tiendas físicas y viceversa.
47
La misión de esta organización es de crear controladores de rendimiento que se

puedan medir con el fin de crear campañas de marketing óptimas y efectivas y
también para mejorar la experiencia de compra del cliente.
Veamos alguno de sus productos:
Beabloo analytics:
La solución Beabloo analytics ofrece a los comerciantes la posibilidad de mejorar

su toma de decisiones basándose en datos más verídicos, aumentando el
impacto generado en sus tiendas y aumentando la fidelidad. La solución es
creada para aumentar el nivel de medición de cada tienda con el fin de procurar
una mayor recogida de información y basarnos en mayores verdades cuando
tomamos decisiones y hacer los ajustes correspondientes.
Entre las ventajas que presenta Flow analytics encontramos:
-Optimiza la eficacia operativa a través de mejorar el rendimiento por conocer los

horarios en los que su tienda está más afluida o menos y así poder optimizar el
gasto en personal y la inversión en marketing.
-Traslada las mejoras prácticas a otras tiendas. A través de dilucidar que

prácticas son las que mayores beneficios están dando se consigue optimizar
aquellas más productivas de las que menos.
-Fideliza y optimiza compras. Identifica, prueba y adopta conceptos y

distribuciones que consiguen lograr una mayor interacción con nuestro
consumidor proporcionando una mayor fidelidad y mayor número de ventas.
-Mejora el rendimiento del comercio ya que al ser conscientes de los

rendimientos de nuestras tiendas con mayor detalle podemos establecer
medidas para equilibrar los rendimientos.
La solución Beabloo analytics consiste en tres partes; Flow analytics, Wifi

analytics y video analytics.
48
Flow analytics:
Consiste en el entendimiento de como los clientes de mueven en el comercio.

Esta información optimiza el posicionamiento de los productos y mejora la
gestión de tiempos de espera de los clientes. Es posible también medir las
acciones promocionales de marketing además de que mejora la experiencia de
compra del cliente. Interior de una tienda en la imagen 17:
Imagen 17: Interior de una tienda
Traffic analytics
Es un contador de huellas que consigue medir el tráfico interior y exterior en los

comercios lo hace utilizando dos tecnologías el WIFI analytics o el Video
analytics. Si se utiliza el video analytics se montan sensores de Webcam en el
escaparate y así se mide que cantidad de personas pasa enfrente de la tienda o
en el interior. Si se hace a través de WIFI analytics instalan sensores WIFI en la
entrada para localizar los dispositivos móviles con acceso a Internet
Zone analytics
Con esta solución se ofrece información a partir de tecnología Wifi que permite
localizar un espacio estrecho de una gran superficie. Es decir, se logra medir el
49
tiempo que determinados dispositivos estuvieron colocados en un lugar y en que

otros lugares solo estaban de paso permitiendo conocer que áreas de la tienda
suscitan mayor interés.
Dentro de las soluciones Video analytics encontramos:
Audience analytics:
Es una combinación de wifi analytics y de video analytics y permite establecer

un estudio demográfico de la población de consumidores que atiende el
comercio. La tecnología identifica a partir de los rasgos de la cara el rango de
edad y el sexo y utiliza la detección anónima.
Digital signage analytics
Ofrece un panel de control sobre que cantidad de contenido se ha descargado

con mayor frecuencia dentro de una red de cartelería digital.
On site Survey Analytics
Es una encuesta de opinión a los clientes con un formato más sencillo. Presenta
resultados globales sobre las contestaciones y los cruza con la información
obtenida con el audience analytics.
La siguiente solución está basada en mejorar la experiencia de compra del

consumidor en el comercio. Se consigue a través de la identificación de los
clientes mientras están visitando la tienda y se le envían mensajes al móvil con
personalizaciones.
La solución Beacons permite eliminar la distancia que existe entre compras por
Internet y comercios al igualar los espacios físicos con aplicaciones de compras
y así conseguir una mayor fidelización. Este sistema es muy sencillo de instalar
y utiliza un conjunto de reglas de marketing integrado con un sistema de análisis
del Wifi para generar una visión más detallada del proceso de venta en la tienda.
Aplicaciones móviles en la imagen 18:
50
Imagen 18: las aplicaciones móviles
Datatons
Otra de las empresas que utilizan soluciones basadas en tecnología Big data y
de business inteligence es Datatons con sede en Madrid esta empresa se
encarga de proporcionar soluciones digitales a aquellas empresas que quieran
sacar mayor provecho de sus datos. Logo de la empresa en la imagen 19:
Imagen 19: Datatons
51
Datatons es un equipo multidisciplinar con diferentes perfiles como arquitectos

de big data, ingenieros de sistemas y científicos de datos que permiten dar una
visión global en los proyectos que ejecutan. La imagen 20 presenta un conjunto
de datos.
Imagen 20: los datos
Esta empresa realiza soluciones de big data aplicada al análisis de negocio,

soluciones de arquitectura de big data aplicado a la inteligencia de negocio.
El producto más característico de esta empresa es el almacenamiento a bajo

coste de grandes volúmenes de datos y el análisis predictivo sobre ellos. Entre
las ventajas que este producto ofrece tenemos:
Un mayor aumento de capacidad de almacenaje y mayor facilidad de acceso a

los datos.
Datos replicados lo que aporta mayor seguridad.
Alto grado de escalabilidad.
Posibilidad de integrar estos datos con herramientas de business inteligence

para mostrar la información e una forma sencilla y clara.
Bajo precio.
52
El producto por destacar de esta empresa es SUR que provee de un espacio

web donde se consigue clasificar el valor de los usuarios de la empresa, obtener
patrones de comportamiento de los clientes y realizar análisis de segmentación
de los mismos.
4.3. Comparación de casos Beabloo y Datatons
Los casos prácticos de empresas vistos anteriormente reflejan distintas formas

que la tecnología big data tomar. En la primera empresa (Beabloo) vimos como
cumple las funciones para catalogar esta tecnología como big data al utilizar para
la medición datos procedentes de diferentes fuentes, datos tanto estructurados
como no estructurados. Las soluciones ofrecidas por Beabloo al estar
especializadas en comercios se enfocan en la recogida de datos a través de
sensores, cams de detección facial (anónima) y usando los dispositivos WI-FI.
Esta organización es reciente y pese a que es multinacional, las soluciones más

novedosas que incorporan tecnología de recogida de diversas fuentes no están
avanzadas en el mercado, de hecho, habría que tener en cuenta que pese a que
han trabajado con grandes marcas como Mango o La Caixa ahora su visión es
implantar sus soluciones en los pequeños comercios.
En el segundo caso, Datatons, esta empresa se dedica a proveer de

almacenamiento a bajo coste para grandes volúmenes de información al
contrario de Beabloo que si bien también cumple las características de big data
(variedad, velocidad, etcétera) los datos no se mueven en volúmenes tan
grandes como en Datatons. En la figura 3 recordamos las características
principales de la big data.
53
Figura 3: Características Big Data
Volumen
Big
Data
Variedad Velocidad
Fuente: Elaboración propia.
Según los autores Tabares y Hernández (2016, p 2) «La mayor utilidad de la

tecnología Business inteligence se encuentra en los comercios
mayoritariamente. En Retail se puede observar el beneficio que se obtiene de
analizar los datos en lo que se conoce como la fidelización de clientes y el
análisis de mercadeo, los cuales permiten crear estrategias de venta efectivas,
basadas en las relaciones existentes en los diferentes objetos de negocio. La
banca utiliza el análisis de big data en ocasiones como el reconocimiento de
perfiles de consumidores para su clasificación y posterior lanzamiento de
estrategias de marketing y/o fidelización»
54
así como postulan estos autores tanto la empresa Datatons como Beabloo se
dedican a establecer un mayor provecho del marketing digital de los comercios,
si bien este hecho es demostrable hay diferencias respecto a la tipología de
empresas a quien van dirigidas, Datatons se enfoca en empresas de comercio
pero de carácter ligeramente más industrial mientras Beabloo es en puro retail
salvo excepciones como sus colaboraciones con la Universitat Pompeu
Fabra(Beabloo, 2017) en las que mejoró la accesibilidad de los alumnos a la
intranet.
4.2. Casos de éxito: t-mobile y Datatons
T-Mobile
A continuación, vamos a estudiar el caso de éxito de cómo la empresa T mobile

consiguió reducir la portabilidad al 50% gracias a la tecnología de big data. Logo
de la empresa en la imagen 21:
Imagen 21: T mobile
Como hemos denominado con anterioridad a la big data por sus características
de volumen y variedad de tipología de datos esta empresa de telefonía se
encontraba con grandes cantidades de datos de diversas fuentes (llamadas,
páginas web visitas desde el móvil, aplicaciones, etcétera) con toda esta
información esta empresa se propuso reducir el número de cambios de
55
compañía hacia otros competidores. Para realizar tal reducción la empresa se

centró en el análisis de tres factores y descubrieron que eran éstos los que
aumentaban el número de portabilidades.
Estos tres factores eran:
Facturas.
Llamadas interrumpidas por mala señal.
Mediciones de la satisfacción del cliente cuando la compañía los llamaba.
Estas variables a medir fueron asociados al factor reputación en las redes, así
se partía de la base de que estos clientes descontentos podían influir en el resto
e influir en la valoración de la marca.
Con esta combinación de factores T mobile realizó un cálculo para cada cliente
denominado (vida del cliente) basado en la estabilidad de los clientes
(permanencia) y en el beneficio. La información suministrada por el cálculo
llegaba a cada agente comercial en tiempo real con el fin de presentar a cada
cliente ofertas ajustadas a sus necesidades antes de que éstos solicitasen la
portabilidad.
T mobile redujo en el año 2011 de 100.000 portabilidades en los primeros tres

meses del año a la mitad en los meses del cuarto al sexto, esto supuso una
reducción del 50% con la correspondiente reducción de costes y aumento de
flujo de caja. Logo de la empresa en la imagen 22:
Unilever
Imagen 22: Unilever
56
Unilever cuenta con 400 o más marcas; sin embargo, la compañía se centra en
las llamadas «marcas de mil millones de dólares»: trece marcas, cada una de
las cuales factura anualmente más de mil millones de euros.
La empresa Unilever nace en Holanda a principios del siglo XX comercializando

margarina y que actualmente tiene una amplia gama de productos como de
droguería, alimentación e higiene.
En 2012 el reto que esta empresa se propuso para tratar de incrementar la

fidelidad de sus clientes fue relacionar los comentarios publicados en redes
sociales, webs, etcétera sobre productos de consumo (alimentación, higiene)
con su disposición a comprar.
«Lo que esta empresa descubrió fue que existen tres procesos de compra:
conversaciones, soluciones y compras.
Otra de las conclusiones que alcanzaron fue que los factores que influían en el
proceso de compra eran además del precio o de la comunicación, la salud y el
bienestar o la preparación de las comidas. Zenith, 2013)»
Por este motivo la empresa comenzó a realizar actividades marketing

conducentes a promover el bienestar, la salud y la preparación de comidas. Lo
vemos en la siguiente imagen:
57
Imagen 23: Compra de los usuarios
Fuente: Google analytics
En definitiva, el alcanzar el conocimiento de lo que se comentaba en las redes

sociales permitió a Unilever saber que querían sus consumidores y de esta
manera realizar campañas de marketing más efectivas.
Para el autor Zenith (2013):
En definitiva, con la combinación de tres herramientas como

CybrTrack90, Compete y Cymfony, Unilever fue capaz de
comprobar que lo que los consumidores dicen en entornos online
difiere, en ocasiones, de la vida real. Y que acercarse a sus
consumidores más fieles para simplificar la compra y el consumo
pueden ser claves en el futuro de la marca y en el bienestar de sus
clientes. (p1)
Y prosigue:
Unilever combina los resultados provenientes del sistema de

detección de social media‘ y los clics en sus diferentes
páginas web asociadas para comprender el comportamiento de
sus potenciales consumidores y adoptar su oferta de manera más
personalizada y una comunicación a dichos hábitos en tiempo real,
lo que permite definir estrategias diferentes en sus canales a diario
58
y en cada momento de la semana para que los consumidores

encuentren aquello que se ajusta más a sus necesidades. (p2)
4.4. Comparación casos de Éxito Unilever y T mobile
En los casos de éxito vistos anteriormente (T-Mobile y Unilever) vemos que las
técnicas que utilizaron fueron diferentes. En el primer caso el problema surgía
por la alta portabilidad y en el segundo para aumentar la fidelidad de sus clientes
hacia la marca. La estrategia tomada por T-mobile fue analizar los datos de
facturas, llamadas cortadas por comunicación y comprobaron la satisfacción de
los consumidores a través de llamadas. Esta estrategia está basada (según la
teoría vista anteriormente) en datos tanto estructurados (facturas) como no
estructurados (opiniones de los clientes) y obtuvieron la conclusión de que
mejorando estos parámetros reducirían la portabilidad. En el segundo caso los
datos tratados son desestructurados (comentarios en redes sociales)
principalmente, aunque también ahonda en estructurados (clics, cookies). El
resultado fue un incremento en la fidelidad hacia Unilever.
En cuanto a los sectores dirigidos varían sustancialmente, T-mobile es una

empresa de referencia en telefonía donde el volumen de los datos es muy
grande, pueden disponer de señal Wifi, facturas, comportamiento online,
etcétera un gran abanico que permite un mayor desarrollo y comprensión de la
relación con el cliente mientras que Unilever al ser una empresa de alimentación
este abanico es más estrecho.
En ambos sectores la opinión es un factor muy importante por ello realizaron

estudios sobre la misma en ambos casos, uno sobre el grado de satisfacción del
consumidor y la otra sobre los comentarios en RRSS. No obstante, el grado de
fidelidad que se presenta por lo general en empresas de telefonía es menor que
59
en el mercado de la alimentación y droguería, por ello la respuesta de T mobile

a este hecho fue de una campaña más agresiva.
En el caso de Unilever es más complicado conocer las causas de porque un

cliente no decide acudir a un establecimiento ya que es un sector con una alta
competencia y en la que los márgenes son más estrechos, por ello el factor de
descubrir cuál eran los mayores condicionantes a la hora de la compra fue clave.
La importancia de adquirir información a través de clics y leads ya que los
canales en este sector son más limitados.
No podemos confirmar que el aumento de los beneficios en estas empresas se

deba sólo a una mejora de sus campañas. Pero si podemos mostrar el
comportamiento que tuvieron tras estos cambios.
Resultados de Unilever para el año 2012 como observamos en el siguiente

gráfico 1:
Gráfico 1: Resultados de Unilever
Resultados Unilever
60
51
50 46
44
40
40
30
20
10
0
2009 2010 2011 2012
Fuente: Elaboración propia basado en resultados

oficiales del grupo Unilever.
60
Lo que supone en términos de crecimiento (en el gráfico 2):
Gráfico 2: Incremento del beneficio interanual de

Unilever
Incremento del beneficio internanual de Unilever

12 10,82
10
10
6 4,54
4
0
beneficios (%) 2010 beneficios (%) 2011 beneficios (%) 2012
Fuente: Elaboración propia basándonos en

resultados oficiales de la compañía Unilever.
Observamos un fuerte crecimiento entre el año 2011 y el 2012 con un 10.82%

de incremento de beneficios mientras que del año 2010 al 2011 presenta unos
beneficios del 4.54%. Esto supone que doblan su crecimiento en un año.
Ahora el análisis gráfico para T mobile difiere. La situación de Unilever es de una

situación de aumento de las ventas, mientras la situación de T mobile es de
reducir las portabilidades. T mobile de enfrenta a una situación de pérdida de
cuota mercado (2011-2012).
La tabla 3 refleja el descenso en la caída experimentado por T mobile del primer

trimestre de 2011 al segundo.
61
Tabla 3: Estadística T mobile
(+/-) Q1 2012 2011 Q4 2011 Q3 2011 Q2 2011 Q1 2011

Clientes
Clientes (510) (2206) (706) (389) (536) (574)
contrato
Cliente 249 321 220 254 (71) (82)
prepago
Clientes 262 556 (95) 204 256 192
aconsejados
por amigos
Beneficio 187 (549) (526) 126 (50) (99)
Fuente: Elaboración propia basándonos en cuentas
oficiales de la empresa T mobile para el mismo período.
La tendencia es negativa. En esos años T mobile enfrenta una pérdida de cuota

de mercado. El descenso producido por el número de portabilidades se reduce
del primer trimestre al segundo. Lo que prueba la eficacia de la tecnología
aplicada.
En ambos casos la información proporcionada por la big data fue clave para
ofrecer un mejor servicio y una mayor fidelidad. La clave de esta tecnología es
que les ha permitido personalizar el mensaje y conocer los factores que más
influían en la decisión de compra. En otras épocas no era tan sencillo conocer
esto. Lo vemos en la figura 3:
62
Figura 3: Big Data y campañas
Mejor Mejores
Big Data
Información campañas
Fuente: Elaboración propia
Y es solo el comienzo, los procesos de compra para por ejemplo el caso de

Unilever pueden verse analizados a nivel de producción y de colocación en los
estanques los productos para ofrecer un impacto mayor gracias a tecnología de
sensores y móvil.
La relación de Unilever y Big Data se fundamentará en el análisis de los datos

estructurados de sus clientes gracias a data mine y machine learning vistas
anteriormente.
Basándonos en nuestro esquema (enlazado en la teoría) por el autor corporativo

IAB (2007) los factores clave de una campaña de marketing efectiva deben ser:
Los fundamentales: los cuales deben incluir el interactuamiento, la capacidad de

influir, la capacidad de impactar y de defensa.
Vemos que en el caso de Unilever ha habido un impacto fuerte en este aspecto.

Las redes sociales y su análisis han promovido una comprensión mejor del
cliente. Vemos que Unilever si que cumple este factor de éxito en la campaña.
63
Para T-mobile vemos que este factor se cumple parcialmente ya que vemos que,
si mejora la interacción, pero no la capacidad de influir.
-Los de valor de empresa: son los ingresos, las acciones conducentes a ganar
cuota de mercado y las de estándar de calidad para el cliente.
En ambos casos (Unilever y t-Mobile) se cumplen los factores de valor de

empresa.
-Los de resultados: éstos son variables y son en función de los objetivos de la

campaña.
Para el caso de T mobile las portabilidades se redujeron en un 50% mientras que

Unilever mejoró sustancialmente sus campañas de comunicación con el cliente.
Por lo tanto, podemos decir que este factor de resultados si se cumplió en ambos
casos.
-De recuento: son buenos como complemento a las anteriores ya que éstas
miden las visitas, comparticiones y clics.
En el caso de T mobile no se cumple debido a la inexistencia de campañas

relativas a redes no obstante si lo vemos en el caso de Unilever ya que su
campaña fue destinada a entender mejor al consumidor en su “círculo pequeño”.
El uso de las redes sociales y su entendimiento provocó un impacto positivo en
las comparticiones, los clics y las visitas.
Por lo tanto, vemos que:
Estudio de las “r” para una campaña de marketing efectiva según la consultora
AIB (2007). Lo vemos en la tabla 4:
Tabla 4: Return on Marketing investment
64
T mobile Unilever
Fundamentales Parcialmente Si
Valor Si Si
Resultados Si Si
De recuento No Si
Fuente: Elaboración propia basándonos en la consultora AIB

(2007)
Por lo tanto y basándonos en los autores estudiados podemos decir que la

campaña de T mobile fue efectiva, pero la campaña de Unilever cumple con más
factores clave. Se determina de mejor calidad la campaña de Unilever.
Para contrastar el éxito de estas campañas con el modelo propuesto por

Almodóvar y otros (2014) habrían de cumplirse estas tres variables:
El manejo de las relaciones con los clientes en todos los canales.
Los autores ponen especial énfasis en: web, redes sociales, móviles, correo
directo, punto de venta, etc. Parten de la premisa de “conoce al cliente como a
alguien de tu familia”.
Desarrollo de interacciones dinámicas y relevantes con los clientes. La

inmediatez y la velocidad de la tecnología digital junto a soluciones analíticas. A
través de esta combinación podemos monitorear, medir y calcular el ROI de
nuestras campañas (Almodóvar y otros, 2014). Por lo tanto (tabla 5);
Tabla 5: Modelo Almodóvar
Unilever T mobile
Manejo de las relaciones Si Si
con los clientes
Desarrollo de Si Si
interacciones dinámicas
Fuente: Elaboración propia
65
Desde el modelo de estos autores consideramos que cumplen los requisitos para
considerarse acertadas. Unilever habilita las redes sociales para obtener
información del gusto de sus clientes, por lo tanto, cumple la función de “Manejo
de las relaciones”: T mobile descubre que son una serie de variables telefónicas
las que producen rechazo en sus clientes, y provocan la portabilidad. Por lo tanto,
vemos que en ambos casos se amplía el grado de conocimiento del cliente en
diferentes canales.
La segunda variable relacionada con la capacidad de medición de esta campaña

es afirmativa en ambos casos. Unilever comprueba un aumento en sus ventas
tras la medida mientras T mobile reduce la portabilidad.
66
5.Conclusiones
Una de las conclusiones es que las aplicaciones de Big Data en el mundo

empresarial son:
-Más económicas.
-De mayor alcance.
-Previenen los giros inesperados en el rumbo de la empresa.
Una vez comprobadas las ventajas de estas aplicaciones podemos observar

que,
-Generan un mensaje de marketing mucho más personalizado.
-Amplían el grado de conocimiento sobre el cliente.
Además de estas ventajas también podemos observar aptitudes referentes a

recomendaciones de amigos en redes sociales, difusión del mensaje publicitario
en varios canales y aumento de la fidelidad. También evitamos errores en
seguridad y nos permite trazar planes en el medio largo plazo con mayor
seguridad para nuestra empresa.
La big data en el mundo del marketing se concluye que ha abierto un rango

mayor de oportunidades para acceder al cliente. Redes, buscadores, publicidad
display, CRM, entre otros son técnicas de marketing digital creadas al amparo
de tecnología Big Data.
¿Pero acaso cual sería el grado de apertura en el campo empresarial?
Se extrae la conclusión de que esta tecnología se está implantando en cada vez

más negocios. Aquellos que no se adapten tendrán que reducir su tamaño.
También el coste de implantar una infraestructura estándar de Big Data es mayor

que utilizar herramientas de business inteligence en la nube.
La Big data y sus aplicaciones al marketing es un campo con gran potencialidad.

No obstante, el éxito y fracaso de una organización en sus campañas de
marketing no se puede ceñir sólo a si utiliza business inteligence o no. No
obstante, la capacidad que permite el internet actual permite a las empresas de
67
gozar de más ventajas que con los espacios físicos. Cada vez mayor número de
empresas que tenían su modo de operar en espacios físicos están haciendo su
actividad también online. Se extrae la conclusión de que el negocio en los
próximos años irá de la mano del campo online.
Otra de las conclusiones que se extrae es si debe existir un marco legal para
regular la privacidad de los usuarios de la red que proteja la privacidad de los
usuarios en según que circunstancias.
Actualmente tenemos un enfoque diferente de Marketing. El modelo fordiano de

consumo en masa ha sido modificado por uno en el que el consumidor es el
centro de la política de las organizaciones. La facilidad de acceso a la
información ha provocado que el consumidor esté más informado y que pueda
difundir, influir y cocrear en las campañas de marketing. La gran cantidad de
información procedente de distintas fuentes que almacenan las empresas
supone una oportunidad para acercarnos al consumidor y diferenciarnos de la
competencia. Conocer sus hábitos de compra y los factores de mayor relevancia
en el proceso de adquisición de un producto son hoy más accesibles que antaño.
La big data y la business inteligence nos aportan estadísticas que nos permiten
basarnos en mayores verdades a la hora de decidir en cuanto a nuestras
campañas de marketing.
Esta época también está caracterizada por la interconectividad de los

dispositivos, la velocidad de esta interconectividad nos permite poder ofrecer
productos ajustados a los gustos de nuestros consumidores a una rapidez que
antes no podíamos. La telefonía móvil, el uso de aplicaciones, las redes sociales
son todo campos en los que la empresa que apueste por ellos tiene mucho que
ganar.
Las facturaciones de los establecimientos físicos van en detrimento y el coste de

mantenerlos es alto, mientras que las aplicaciones móviles y el comercio digital
tienen un coste mucho más bajo. De ahí la importancia de no solo grandes
empresas sino también PYMES en acercarse a los métodos big data para ofrecer
en tiempo y calidad las propuestas a sus clientes y potenciales clientes.
68
La innovación en la web, con la aparición de la web 2.0. y la posibilidad de

interactuar nos permite poder acoger a los consumidores como propios
embajadores de las marcas, por ello aspectos como las redes sociales, la
reputación en la red y la compartición por parte de los clientes se convierten en
una pieza clave dentro del engranaje de una campaña de marketing actual en la
era de la digitalización. Estos factores son clave a la hora de fidelizar, segmentar
el público al que nos dirigimos y expandir nuestro mercado.
Además de ello las empresas que sepan captar la mayor información por parte
de los consumidores tendrán una ventaja competitiva y podrán enfrentar mejor
las situaciones de una economía cambiante. El contar actualmente con un buen
proceso de recogida de información basado en big data vistas anteriormente
permite tener bajo control aspectos clave de los clientes. La información es
poder.
La nueva empresa es aquella que puede captar información tanto del pasado
como del presente y poder difundir información a sus clientes en tiempo real.
Esta empresa opera y gestiona según los enfoques del mundo actual.
Empresas como Unilever y T mobile reducen caídas y aumentan productividad.

Proveedoras de servicios como Beabloo y Datatons emergen en el mercado.
El asumir la época de la digitalización para gerentes y directivos es todo un reto

y una oportunidad de poder tomar distancia respecto a competidores y fortalecer
la empresa a través de las nuevas herramientas que la época de la digitalización
nos ofrece.
Herramientas como the Internet of things, «llevables», el GPS, las RRSS, el

análisis de los datos, etc.
En el presente trabajo hemos ofrecido una posible medición de la efectividad de

las campañas de marketing a través del Return on Investment Marketing
teniendo en cuenta los objetivos de la empresa, de la social media, los KPI,
además hemos analizado aspectos del marketing digital e inspeccionado las
principales técnicas de Big Data.
Tal vez en un futuro los establecimientos físicos desaparezcan o quizás exista

establecimientos donde incluso no se haya que pagar-
69
Referencias
Adobe Systems Incorporated (06/06/2013) Los departamentos de Marketing se

reinventan, Disponible en URL: http:www.adobe.com [Consulta el 23 de Junio
de 2017]
Antonio Rivas (08/11/2011) Aprendiendo Business Intelligence. Disponible en

URL: http://www.bi.dev42.es/2011/12/17/hadoop-en-proyectos-de-
businessintelligence/ [Consulta el 22 de marzo de 2017]
Arcila-Calderón, Carlos; Barbosa-Caro, Eduar; Cabezuelo-Lorenzo, Francisco

(2016). “Técnicas big data: análisis de textos a gran escala para la investigación
científica y periodística”. El profesional de la información, v. 25, n. 4, pp. 623-631.
Asociación de Marketing de America. (2015). Marketing Dictionary.
Bloggin Zenith. (2013) El Big Data según los expertos: implantación retos y
situación española http://blogginzenith.zenithmedia.es/actualidad/el-big-data-
segun-los-expertosimplantacion-retos-y-situacion-espanola-v/
Carrizosa, S. (12/11/2014). Los correos electrónicos y las páginas web tienen los
días contados Disponible en URL:
https://economia.elpais.com/economia/2014/12/05/actualidad/1417774968_011
014.html [Consultado en 21 de Marzo de 2017]
Castaño, J. J., & Jurado, S. (2016). Marketing digital (Comercio electrónico).

Editex.
Chavez y otros (2017). Diseño de plan de Marketing Digital. Tesis doctoral por la
Universidad del Salvador. Salvador.
Cluster Informática (03/15/2017) Cluster informática. Disponible en URL:

http://wwwclusterinformatica.blogspot.com.es/2011/05/cluster-informatica.html
[Consultado el 25 de Julio de 2017]
Conchas A. (24/04/2017) Machine learning. Disponible en URL:

https://www.inbest.me/comunidad/8-aplicaciones-de-machine-learning
[Consultado el 26/07/2017]
70
Crystal Anderson (08/12/2013) What is Big Data

http://www.smartercomputingblog.com/big-data/what-is-big-data-and-why-does-
it-matter [Consultado en 12 de Marzo de 2017]
Docs.Microsoft (2017) Disponible en URL: https://docs.microsoft.com/es-

es/azure/hdinsight/hdinsight-apache-storm-tutorial-get-started-linux [Consultado
el 25 de Julio de 2017].
Fidelity (28/07/2012): Fidelity Disponible en URL:

https://www.fondosfidelity.es/static/pdfs/informesfondos/Fidelity_ArgInvSXXI_Bi
gData_Sept12_ES.pdf [Consultado el 25 de Julio de 2017]
Fouts, R. (07/15/2014). Agenda de tendencias en el mercado tecnológico, 2014.

Disponible en URL: https://www.gartner.com/doc/2746317 {Consulta el 15 de
Julio de 2017]
Garcia Almodóbar, José; Mabel Sánchez,Dariana; Roa Fernández, Laura M.

(2014) ”Marketing digital” Tesis de fin de grado de la Universidad
Iberoamericana.
El Blog de German. Artículo escrito por German Piñeiro “Big Data ¿Qué es?”
(07/11/2013)
El Comercio, D. (07/07/2014). El comercio. com. Disponible en URL:
https://www.elcomercio.com [Consultado el 18 de Julio de 2017]
El marketing Digital (2010) Marketing y publicidad, Publicaciones Vértice.

Málaga, España.
Gartner. (2012). The Importance of Big Data, Top Technology Predictions for
2013 and Beyond. Consultoría Gartner: Autor
Gutiérrez-Puebla, J.; García-Palomares, J.C.; Salas-Olmedo, M.H. (07/15/2016):

Big (Geo)Data en Ciencias Sociales: Retos y Oportunidades. Revista de
Estudios Andaluces, vol. 33 (1), 1-23.
Greiner, L. (12/11/2014). Sistemas de información no. 2: Data Warehousing.

Revista de sistemas de información no.2, pp2.
IBM. (2016) ¿What is Big Data? Empresa IBM: Autor

71
Infazón, A. (07/12/2015) ¿Cómo empezar con Haddop, Analytica y Big Data? El

diario del profesional TI. Disponible en URL: https://diarioti.com/como-empezar-
con-hadoop-analitica-y-big-data/91506 [Consultado el 5 de Septiembre de 2017]
INTERXION (2013) “Big Data más allá del ruido”

http://www.interxion.com/Documents/Whitepapers%20and%20PDFs/Big%20Da
ta/Big_DataBeyond-hype-es.pdf
Java (07/12/2017) ¿What is Java? Disponible en URL:

https://www.java.com/es/download/faq/whatis_java.xml [Consulta el 21 de Junio
de 2017]
Joyanes, A. L. (2014). Big Data: To analyse big amounts of data. Barcelona:

Marcombo.
Kotler, P., y Armstrong, G. (2012). Principles of Marketing. New Jersey: Pearson

Prentice Hall.
Kotler, P., Kartajaya, H., y Setiawan I. (2013). Marketing 3.0:
How to get new customer based on values. Madrid: LID Editorial Empresarial.
KPMG Capital. (2014). LLendo tras los datos. Disponible en URL:
http://www.kpmg.com
Manyika. J; Chul M.; Brown M. (2011). Big Data: The next frontier for innovation,
competition and opportunity; Mckinsey Global Intitute
Monleón Getino, A. (07/15/2015) El impacto del Big-data en la Sociedad de la

Información. Significado y utilidad. Historia y Comunicación Social.Vol. 20, Núm.
2 de la Universidad Complutense de Madrid pp 427-445.
Michel, A., & Erro, I. E. (2016). Diseño e implementación de un sistema de

soporte para el análisis y toma de decisiones de Marketing Online Tesis de final
de grado para optar al titulo de Ingeniero Informático (Bachelor's thesis,
Universidad Tecnológica Nacional. Facultad Regional Santa Fe). Santa Fe,
México.
72
NoSQL (07/12/2010). NoSql Disponible en

URL:http://www.nosql.es/blog/nosql/mapreduce.html [Consulta el 24 de Marzo
de 2017]
Lohr, S. (07/07/2012). Como la Big Data se hizo tan grande. Periodico El tiempo
de Nueva York. Disponible en URL: http://www.nytimes.com
Oljhorst, F. (03/05/2012) Como utilizar Hadoop para superar las limitaciones de

almacenamiento. Revista CIO Perú. Disponible en URL:
https://cioperu.pe/articulo/9876/como-utilizar-hadoop-para-superar-las-
limitaciones-de/ [Consultado el 5 de Septiembre de 2017]
Ortiz Morales, D. (2016) Big Data E IoT: claves del modelo de negocio para la
empresa industrial del siglo XXI. Revista Economía Industrial, Ministerio de
Industria, Energía y Turismo, Gobierno de España, 392, 113-122. Universidad
de Puerto Rico, portal De revistas académicas,
Outsourceando. (12/12/2013) Tipos de datos. Disponible en

URL:http://outsourceando.blogspot.com.es/2013/05/tipos.datos.big.data.html
[Consultado el 22 de Febrero de 2017]
Raul G. Beneyto (28/07/2013). Cuanta información se genera en el mundo

Disponible en URL: http://documania20.wordpress.com/2013/09/16/cuanta-
informacion-se-genera-yalmacena-en-el-mundo/ [Consulta el 23 de Marzo de
2017]
Rose, M. (15/01/2015). Base de datos relacional. Disponible en URL:

http://searchdatacenter.techtarget.com/es/definicion/Base-de-datos-relacional
[Consulta el 05 de Septiembre de 2017]
Santana, C. Y. P., & López, P. H. M. (2016). Propuesta de plataforma de

procesamiento de datos para marketing directo. Universidad y Sociedad, 8(2).
Sarmiento y otros (07/02/2014). Herramientas y antecedentes Big Data. Revista

digital I+D en TIC. Disponible en
URL:http://publicaciones.unisimonbolivar.edu.co/rdigital/ojs/index.php/identic/art
icle/view/1524/1453 [Consultado en 17 de Marzo de 2017]
73
Serrano-Cobos, J. (2014). Big data y analítica web. Estudiar las corrientes y

pescar en un océano de datos. El profesional de la información, 23(6), 561-565.
Sevillano P. (2015) Big Data, Madrid, España: Economía Industrial, pp 2-3.
Schmarzo, B. (2014). Big Data: power of data. Madrid: Ediciones Anaya

Multimedia.
Tascón M. (07/07/2013), Introducción big data, pasado, presente y futuro,

Madrid, España: Cuadernos de comunicación e innovación Telos, pp 2.
TICBeat: Firma de referencia en análisis de Técnologia y Tendencias web en

español http://www.ticbeat.com
Vauzza: Expertos en estrategia e implementación de proyectos tecnológicos.

http://vauzza.es/es/
Valenzuela A. (24/07/2017) Tecnología verde: Green computing: disponible en

URL: http://tecnologiaverde212.blogspot.com.es/p/green-computing.html
Vecdis. Artículo (2012) “Como crear ventajas competitivas a partir de la

información: Big Data”
Disponible en URL: http://www.vecdis.es/como-crear-ventajas-competitivas-a-

partir-de-la-informacionbigdata-2012/
Velazquez K. (25/08/2015) “Marketing digital: Definición, historia y tendencias.”
WIKIPEDIA (2017) Disponible en URL:

https://marketing4ecommerce.mx/marketing-digital-definicion-historia-y-
tendencias/
74
75

Big Data y Marketing

Cargado por

Copyright:

Formatos disponibles

Big Data y Marketing

Cargado por

Información del documento

Descripción original:

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Big Data y Marketing

Cargado por

Copyright:

Formatos disponibles

Universidad Miguel Hernández

Facultad de Ciencias Sociales y Jurídicas de Orihuela

Trabajo Fin de Grado

Curso académico 2016/2017

Riveran Martínez Montesinos

A mi tutor, José Francisco Parra Azor, por la estrecha colaboración durante el

Relacionamos el Marketing con la era digital, analizamos el marketing digital y

La motivación subyacente de este trabajo es el de acercar esta tecnología no

1.3. Ventajas y desventajas________________________________________14

2.1.1. El marketing actual_________________________________________16

2.2. El marketing digital___________________________________________16

2.2.1.Técnicas de marketing digital__________________________________18

3.La utilización servicios de Big Data para el MK_______________________25

3.1. El uso empresarial de la Big Data_______________________________27

3.2. Los desafíos del Mk con Big Data_______________________________29

3.3. Tendencias del mk___________________________________________30

3.4. Servicios Big Data___________________________________________34

3.4.1. Herramientas Big Data para el Marketing digital _____________ 34

3.5. Return on Investment Marketing_________________________________43

4.1. Comparación Beabloo y Datatons_______________________________53

4.2. Casos de éxito: t -mobile y Unilever______________________________55

4.3. Comparación T mobile y Unilever________________________________59

El presente trabajo expone la relación entre la tecnología de Big Data y el

Innumerables empresas realizan campañas de marketing digital para atraer a

En la actual época digital y de un entorno cambiante, las organizaciones deben

En los últimos años está aumentado el número de empresas que utilizan

A continuación, presentamos estudios que muestran la dificultad que tienen las

Según el informe Digital Roadblock en Marzo de 2014 hasta el cuarenta y nueve

Incorporated, 2014, p.11).De hecho este es uno de los principales problemas

El primer objetivo del presente trabajo es el de mostrar a partir de una parte

Abordaremos la tecnología Big Data y el marketing desde un enfoque teórico y

Observamos la referencia sobre la Big Data en el informe de Ticbeat (2012) como

Cada vez un mayor número de empresas están utilizando el marketing digital

Las bases de datos convencionales o denominadas como relacionales son un

La principal de diferencia con éstas, como afirma el autor Gartner (2012) es el

El concepto de Big Data surge tras el incremento de dispositivos que emiten

matiza sobre la Big Data que el fin de la misma es el de obtener conclusiones de

Los campos de aplicación de esta tecnología no son sólo el marketing

La cantidad enorme y la complejidad del almacenaje causa que las bases de

A continuación, expondremos las características de esta tecnología.

A partir de la bibliografía provista no está asociado a un tamaño de información

• Kylobyte (KB) = 103 = 1,000 bytes

• Megabyte (MB) = 106 = 1,000,000 bytes

• Gigabyte (GB) = 109 = 1,000,000,000 bytes

• Terabyte (TB) = 1012 = 1,000,000,000,000 bytes

• Petabyte (PB) = 1015 = 1,000,000,000,000,000 bytes. BIG-DATA

• Exabyte (EB) = 1018 = 1,000,000,000,000,000,000 bytes

• Zettabyte (ZB) = 1021 bytes

• Yottabyte (YB) = 1024 bytes

• Quintillón (QB)= 1030 bytes

Si comparamos con lo que con una acción humana contendría obtendríamos

• 1 Byte -Una letra

• 10 Bytes – Dos palabras

• 100 Bytes -Un poema corto

• 1 kylobyte -Un cuento

• 10 kylobytes -Una página de diccionario

• 100 kylobytes -Una foto con resolución estándar

• 1 Megabyte -Un libro