Eects of Articial
Intelligence on
Marketing Strategies:
Literature Review
Efectos de la
inteligencia articial
en las estrategias de
marketing:
Revisión de literatura
aDResearch ESIC
Nº 24 Vol 24 · Primer semestre, enero-junio 2021 págs. 26 a 41
Cuervo Sánchez, C. A., (2021)
Efectos de la inteligencia articial en las estrategias
de marketing: Revisión de literatura
Revista Internacional de Investigación en Comunicación
aDResearch ESIC. Nº 24 Vol 24
Primer semestre, enero-junio 2021 · Págs. 26 a 41
https://doi.org/10.7263/adresic-024-02
Carlos Antonio Cuervo Sánchez
Máster en Marketing
Estudiante de Doctorado en Planeación estratégica
y Dirección de tecnología
Universidad Popular Autónoma del Estado de Puebla
(UPAEP)
carlosantonio.cuervo@upaep.edu.mx
https://orcid.org/0000-0002-6568-8876
Reach of the review: This document reviews the literature about the main contributions that
have been made regarding the relationship between articial intelligence and marketing
strategies.
Period of the publications reviewed: The studies mentioned stretch from 2015 to 2020.
Origin and types of documents reviewed: Most of the literature consists of articles published
in international indexed journals of marketing and technology.
Author’s contribution on the publications analyzed: The author states that, although
there is a large amount of literature about marketing strategies and articial intelligence as
independent concepts, there is no such amount about the links that combine both concepts.
That is why the author has sought to bring together contributions from various international
authors in order to unify concepts and points of view and thus build valuable conclusions in
this regard.
Conclusions on the lines of research studied: The present study concludes that nowadays
most of the organizations seeking to carry out marketing tasks without including articial
intelligence, are destined to gradually fall into obsolescence.
Alcance de la revisión: El presente documento realiza una revisión de literatura sobre las prin-
cipales aportaciones que se han generado acerca de la relación existente entre la inteligencia
articial y las estrategias de marketing.
Período de las publicaciones revisadas: Los estudios considerados abarcan desde el año
2015 hasta el año 2020.
Origen y tipos de documentos revisados: La mayoría de la literatura se compone de artículos
publicados en revistas indexadas internacionales sobre marketing y tecnología.
Aportación de autor sobre las publicaciones analizadas: El autor maniesta que, si bien
existe una gran cantidad de literatura acerca de estrategias de marketing e inteligencia articial
como conceptos independientes, no hay tal cantidad acerca de los vínculos que combinan
ambos conceptos. Es por ello por lo que se ha buscado reunir aportaciones de diversos autores
internacionales para unicar conceptos y puntos de vista, logrando así construir conclusiones
de valor al respecto.
Conclusiones sobre las líneas de investigación estudiadas: El presente estudio concluye que
en la actualidad la mayor parte de las organizaciones que buscan realizar labores de marketing sin
incluir la inteligencia articial, se encuentran destinadas a caer gradualmente en la obsolescencia.
ABSTRACT
RESUMEN
JEL Classication:
M31,N7
Key words:
Articial intelligence,
technology,
marketing,
strategies
Clasicación JEL:
M31,N7
Palabras clave:
Inteligencia articial,
tecnología,
marketing,
estrategias
Nº 24 Vol 24 · Primer semestre, enero-junio 2021 págs. 26 a 41
aDResearch ESIC
28
Nº 24 Vol 24 · Primer semestre, enero-junio 2021 págs. 26 a 41
1. Introducción
En la actualidad, existen una gran cantidad de
organizaciones compitiendo entre ellas y resulta
imprescindible el uso de la tecnología para generar
un mayor impacto en los consumidores potencia-
les. Es así como surgen grandes redes de disposi-
tivos que se encuentran conectados entre ellos y
comparten información de forma automática, sin
necesidad de la intervención directa de los huma-
nos, por lo que puede considerarse inteligencia
articial (IA). Esta situación lleva a los individuos
a pensar acerca de la forma en que se verán afec-
tadas las estrategias de marketing. La participación
de los consumidores tiene un impacto positivo en
la imagen cognitiva y la imagen afectiva, asimismo,
la formación de la imagen y la intención de com-
pra varían según la plataforma utilizada para ac-
ceder a la información (Molinillo, Liébana-Caba-
nillas, Anaya-Sánchez y Buhalis, 2017).
La IA se dene como la simulación de procesos
de inteligencia humana por medio de máquinas
que se extiende a través de capacidades tales co-
mo el reconocimiento de voz, la toma de decisio-
nes, la búsqueda semántica y las diversas técnicas
de aprendizaje automático (Devang, Chintan,
Gunjan y Krupa, 2019). Es una realidad que -
nalmente la adopción de la IA se acelerará en la
frontera digital reduciendo la brecha que existe
entre los consumidores y la tecnología, de tal for-
ma que cada vez se inviertan más recursos en
este sector. Sin embargo, si bien el mundo en el
que vivimos actualmente se encuentra repleto de
ejemplos de tecnología, desde reconocimiento
facial y modulación inteligente de sonido, hasta
automóviles dotados de autoconducción; mucho
de esto es posible gracias a la IA, también deni-
da como la capacidad de un sistema para inter-
pretar correctamente los datos externos y apren-
der de ellos para utilizarlos con el n de alcanzar
objetivos especícos (Haenlein y Kaplan, 2019).
Siguiendo la misma línea de pensamiento, se
sabe que, en el pasado, las personas de diferentes
organizaciones contaban con una gran cantidad
de información y se preguntaban cómo podrían
separarla y organizarla para únicamente acceder
a aquella que podía ser de utilidad llegado el mo-
mento. Fue así como encontraron la respuesta en
la IA, misma que permitía a los humanos dispo-
ner de más tiempo para realizar otras actividades
que fueran más útiles a la organización generan-
do así una mayor satisfacción por parte del clien-
te (Brock y Von Wanger, 2019). Asimismo, la IA
también se reere a una idea generalizada de que
las computadoras mediante el uso de algoritmos
pueden pensar y realizar tareas tal como los hu-
manos y tiene la capacidad de moldear de forma
activa los estilos de vida humanos por medio de
la personalización, aprendiendo de forma conti-
nua y actuando de manera aproximada a la inte-
ligencia humana, centrándose en el análisis de
datos y la toma de decisiones (Kumar, Rajan y
Lecinski, 2019).
En contraste, desde el punto de vista del mar-
keting, se asegura que cada vez alcanza mayor
auge el tema de la IA, mismo que está impactan-
do especialmente a las empresas de investigación
de mercados debido a que la información ya se
encuentra disponible y solo hay que saber admi-
nistrarla de manera adecuada (Wirth, 2018).
Antes de proseguir con la relación entre la AI y el
marketing, es importante denir el marketing
como la capacidad de satisfacer las necesidades y
deseos del consumidor en algún momento, de
algún modo, en algún lugar y de alguna manera
(Godwin, 2019). Es por ello por lo que, siguien-
do la misma línea de pensamiento, saltan a la
vista entre las habilidades de las que dispone la
IA, el aprendizaje automático y el aprendizaje
profundo. Conceptos que gradualmente serán
empleados de forma más frecuente con la nali-
29
Efectos de la inteligencia articial en las estrategias de marketing: Revisión de literatura · págs. 26 a 41
dad de mejorar las estrategias de marketing, li-
mando así algunas de las principales asperezas
existentes entre la oferta y la demanda del mer-
cado. Asimismo, si bien en la actualidad vivimos
una revolución ocasionada por las diferentes
perspectivas en torno a la tecnología, dicho even-
to tendrá aún más impactos de gran magnitud,
ya que enlazará dispositivos totalmente autóno-
mos con otros que aun requieren de la operación
humana. Estos dispositivos serán capaces de
intercambiar información entre ellos, benecian-
do así a diferentes sectores de la industria, desde
casas inteligentes hasta la creación de autómatas
que faciliten considerablemente el trabajo huma-
no (Nguyen y Simkin, 2017).
2. Objetivo, metodología y estructura
del trabajo
El objetivo del presente artículo es realizar una
revisión de la literatura disponible acerca de la IA
y su relación con el marketing, con la nalidad
de actualizar a los investigadores acerca de la re-
lación existente entre ambos conceptos, buscan-
do vínculos estratégicos que puedan beneciar a
los investigadores, facilitando así encontrar las
últimas aportaciones al respecto. Para acometer
dicho objetivo se realizó la recopilación y análisis
sistemático de las principales aportaciones gene-
radas por diversos autores sobre los temas rela-
cionados con la IA desde el enfoque del marketing
desde el año 2015, periodo que se eligió ya que
al tratarse de dos temas que se encuentran en
constante cambio, el uso de información recien-
te resulta de mayor utilidad para el estudio.
Solamente fueron considerados artículos aca-
démicos, revisiones de literatura, reportes de
conferencia y capítulos de libro. Cualquier otro
tipo de documento fue excluido del estudio. El
estudio se realizó mediante un análisis de conte-
nido. Asimismo, la información obtenida se
muestra ya sea mediante la aproximación a con-
ceptos básicos (apartado 3), o bien por medio del
establecimiento de las características más relevan-
tes de la relación directa entre la IA y el marketing
(apartado 3.1), análisis del que se obtienen diver-
sos puntos de vista acerca de la adopción de la IA
para nes de marketing en las organizaciones
(apartado 3.2).
Como puede comprobarse a lo largo del pre-
sente documento, la revisión de literatura relacio-
nada con este tema demuestra la variedad exis-
tente en la relación de los conceptos considerados
desde el punto de vista de los diferentes autores
al referirse a la IA y a las estrategias de marketing,
por lo que, en la última sección de este documen-
to, se proponen una serie de consideraciones -
nales que abren paso a futuras investigaciones
(apartado 4). Con esta aportación se espera con-
tribuir a que los investigadores tengan una actua-
lización detallada respecto a la relación existente
entre la IA y las estrategias de marketing, evitan-
do la proliferación de ideas y conceptos que tan-
to los académicos como los responsables de las
empresas emplean y que, en muchas ocasiones,
resultan obsoletos desde la perspectiva actual.
3. Aproximación al concepto de IA
desde el enfoque de marketing
Actualmente, la IA se ha convertido en un térmi-
no omnipresente para describir innumerables
formas de tecnología avanzada (véase tabla 1 en
pág. 30); sin embargo, su uso coloquial, sin co-
nocimiento de este, puede llevar a una serie de
confusiones. La IA ya no se limita solamente a
tareas y labores computacionales y estadísticas,
sino que realiza cerca de 200.000 operaciones al
día, incluidas aquellas que ocurren en Wall Street
y es capaz de generar millones de predicciones
sobre el comportamiento del consumidor con
base en sus actitudes diarias (Martínez, 2018).
aDResearch ESIC
30
Nº 24 Vol 24 · Primer semestre, enero-junio 2021 págs. 26 a 41
Tabla 1. Aproximación a conceptos anes a la IA
Concepto Denición
Big Data
Grandes conjuntos de datos que requieren análisis avanzados, aprendizaje automático
y sistemas de computación en la nube.
Chatbots
Programas automatizados que interactúan con los humanos a través de medios
textuales o auditivos, típicamente a través de una plataforma de chat, utilizan algoritmos
para procesar datos textuales y determinar una respuesta apropiada (Joshi, 2018).
Agentes Virtuales
Un personaje generado por computadora diseñado para funcionar como representante
de servicio al cliente. Los chatbots son a menudo considerados agentes virtuales.
Asistentes Virtuales
Un asistente digital que responde a los comandos de voz y puede realizar diversas
tareas. Ejemplos conocidos incluyen a Siri de Apple, Alexa de Amazon, Cortana de
Microsoft, Google Now.
Robots
Máquinas que pueden ser programadas para llevar a cabo una serie de acciones,
movimientos o tareas para proporcionar una prestación de servicios similar a la de
los humanos.
Blockchain
Tecnología de la información descentralizada que es una red distribuida de igual
a igual que almacena un registro inmutable de «bloques» (o libros mayores) de datos
a lo largo del tiempo (Jakovljevic, 2018).
Drones
Dispositivos aéreos no tripulados que pueden ser programados para usar el
aprendizaje por máquina.
Internet of Things (IoT)
Extiende la conectividad a dispositivos tales como sistemas de seguridad y aparatos
eléctricos para proporcionar la capacidad de enviar y recibir información a través
de internet.
Dispositivos Inteligentes
Los dispositivos inteligentes se conectan a otros dispositivos en las redes y son
capaces de comunicarse y calcular para diferentes protocolos inalámbricos como
Wi-Fi y Bluetooth operando interactivamente.
Machine Learning
El aprendizaje automático explica la aplicación de la IA usando algoritmos y datos para
permitir que la computadora aprenda sin ser programada para una tarea especíca.
Deep Learning
Un subconjunto de aprendizaje de máquinas de la IA que simula cómo aprendemos de
la experiencia usando algoritmos relacionados con la estructura y función del cerebro.
Redes Neuronales
Las redes neuronales utilizan algoritmos y sistemas de computación para simular el
cerebro humano. Este sistema aprende a realizar tareas sin ninguna regla.
Fuente: Bock, Wolter y Ferrell, 2020.
31
Efectos de la inteligencia articial en las estrategias de marketing: Revisión de literatura · págs. 26 a 41
Si bien se sabe que los datos masivos son el
combustible con el que operan las organizaciones
en la actualidad, desde el año 2010, la cantidad
de datos producidos en el mundo ha alcanzado
nivel ZB (1ZB es aproximadamente 1.000 millo-
nes de GB). Asimismo, la IA es ampliamente uti-
lizada en todos los ámbitos de la vida, desde el
control inteligente de la energía eólica, hasta en
la predicción inteligente de las conductas futuras
del consumidor, por lo que una posible denición
de la IA es considerarla una ciencia que hace que
las máquinas cuenten con inteligencia y razona-
miento casi humanos (Zhang, Ming, Liu, Yin,
Chen y Chang, 2019). Cabe mencionar que los
sistemas de información basados en el conoci-
miento son herramientas que facilitan tomar de-
cisiones en situaciones complejas. Por ejemplo,
la modelización a partir de estudios de mercado
que explican de manera detallada el comporta-
miento del consumidor (Stalidis, Karapistolis y
Vafeiadis, 2015).
Una excelente manera de evaluar a la IA es la
práctica de la prueba de Turing, la cual propor-
ciona una idea de «conversaciones entre extra-
ños» que muestran una visión de lo que consti-
tuye la clasicación de una respuesta lingüística
como «satisfactoria» (Warwick y Shah, 2015). Es
decir, la manera ideal de evaluar la funcionalidad
de la IA en casos tales como el de los chatbots
depende directamente de su habilidad para co-
municarse con los humanos adaptándose a su
lenguaje, por lo que, si la persona que está inte-
ractuando con la IA descubre con facilidad que
no está interactuando con otro ser humano, la
prueba deberá ser considerada como fallida
(Warwick y Shah, 2015).
Asimismo, otro gran ejemplo de la IA es Du-
plex de Google que es un sistema informático con
capacidades de lenguaje natural, casi humano,
que proporciona una conversación con voz hu-
mana mientras realiza una serie de tareas solici-
tadas por el usuario, tales como hacer reservas en
restaurantes. Asimismo, los desarrolladores vieron
en Duplex una oportunidad de poner en práctica
el lenguaje natural para las aplicaciones del mun-
do real, ya que Google proporcionó una guía
para que generaran interfaces de programación
de aplicaciones. Adicionalmente, como punto
favorable para Google, se aseguró que Duplex
había logrado superar la prueba de Turing
(O’Leary, 2019).
3.1. Relación directa entre la IA y marketing
Es importante aclarar que las estrategias de mar-
keting deben tener como base el aprendizaje ob-
tenido de las preferencias del consumidor, logran-
do así ser cada vez más acertadas y cercanas a lo
que resulta más atractivo para el mercado, con el
n de alcanzar mayor credibilidad (Mercadé-
Melé, Molinillo y Fernández-Morales, 2017). La
IA aprovecha tanto las herramientas de comuni-
cación disponibles como los dispositivos electró-
nicos y la información que almacenan y retrans-
miten, con la intención de acercar a la oferta con
la demanda, reduciendo así los costos que gene-
ra la distancia que existe actualmente entre ellas.
Asimismo, si se considera que la inversión nan-
ciera juega un papel fundamental en la innova-
ción, resulta muy útil hacer uso de la IA para
ganar penetración de mercado, conocimiento de
marca y conocer el perl del consumidor, evitan-
do así exceder los recursos disponibles (Molinillo
y Japutra, 2017).
Gradualmente las nuevas tecnologías han traí-
do una serie de cambios innovadores en la vida
cotidiana, lo cual ha ayudado a hacer que los hu-
manos tengan un estilo de vida más simple y có-
modo, sustituyendo una serie de labores tediosas
con tecnologías y aplicaciones (Madakam, Ra-
maswamy y Tripathi, 2015). En este sentido, la
aDResearch ESIC
32
Nº 24 Vol 24 · Primer semestre, enero-junio 2021 págs. 26 a 41
IA ha logrado tener presencia en diversos sectores
que abarcan desde el área de la salud hasta la
manufactura y el marketing. Sin embargo, la re-
lación más evidente entre la IA y el marketing se
encuentra en la semántica, en la cual se basan los
sistemas de hipertexto y la forma de manejar la
creación y mantenimiento de un gran número de
interacciones e incidencias de relaciones sobre una
cambiante colección de información. Adicional-
mente, se ha comprobado que, en la actualidad,
es común que la semántica que emplea la IA al
interactuar con el usuario humano supere la prue-
ba de Turing (Pourabdollah y Brailsford, 2015).
Evidentemente, al utilizar la IA en el área de
marketing a través de los medios de comunica-
ción, se logra que el contacto con el consumidor
resulte más cercano y personal que en el pasado,
ya que se vuelve posible lograr una segmentación
más precisa. Dicha segmentación permite que el
uso de la IA sea considerado inclusive como mar-
keting directo, ya que cada consumidor puede
ser impactado de forma independiente (Abashi-
dze y Dąbrowski, 2016). Es por ello por lo que,
si bien la IA afecta una gran parte de las activida-
des diarias de la población, haciendo hincapié en
las referentes al marketing, se puede resaltar que
existe una retroalimentación por parte del usuario
de forma permanente a las organizaciones, dando
a conocer sus gustos e intereses de tal forma que
solo recibirá publicidad afín a sus preferencias
(Abashidze y Dąbrowski, 2016).
Actualmente, la IA es una de las expresiones
más empleadas en los negocios debido a que ha
demostrado ser una herramienta muy poderosa
para muchas aplicaciones de marketing. Si bien
la IA ha existido durante décadas, su reciente po-
pularidad se debe a tres factores principales: El
crecimiento de Big Data; la disponibilidad de
potencia computacional barata y escalable; y el
desarrollo de nuevas técnicas para su aprovecha-
miento (Overgoor, Chica, Rand y Wieshampel,
2019). En el pasado, uno de los problemas de
muchos métodos de la IA era que requerían mu-
cha información difícil de obtener para poder
ponerla en práctica, pero eso fue antes de la lle-
gada de la revolución de Big Data. Adicionalmen-
te, si bien cuando se disponía de datos a gran
escala, con frecuencia el tiempo empleado para
entrenar los modelos de la IA con estos datos era
excesivo por lo que no resultaba viable.
3.2. Adopción de la IA en el marketing
Los recientes avances en la IA han despertado un
interés cada vez mayor por parte de las organiza-
ciones tanto del sector privado como del sector
público. Debido a que prevén una probabilidad
cada vez mayor de que la maquinaria de produc-
tos de consumo a granel apoyada en la IA e inte-
ligencia aumentada (que se reere al aprovecha-
miento humano de la IA) se convierta en realidad
en un futuro próximo, ya que la IA llegó para
quedarse y debe utilizarse para favorecer a los
individuos y las organizaciones (Sandeep, 2019).
Asimismo, el marketing es uno de estos campos,
que a menudo utilizan estas tecnologías para me-
jorar los trabajos y así obtener resultados más
ecaces y ecientes. Por ejemplo, gracias a la uti-
lización de las tecnologías informáticas y de co-
municación dentro del campo de la comerciali-
zación, se ha creado el marketing de contenidos,
que resulta una estrategia totalmente innovadora
(Kose y Sert, 2017).
Adicionalmente, algunos autores (Weber y
Schütte, 2019), han demostrado que las aplica-
ciones de la IA que se relacionan de forma direc-
ta con el servicio al cliente han sido desarrolladas
especialmente para la digitalización, automatiza-
ción y publicidad en los puntos de venta y la
mayor parte de ellas buscan obtener información
de pantallas, asistentes de idioma y robots emer-
33
Efectos de la inteligencia articial en las estrategias de marketing: Revisión de literatura · págs. 26 a 41
gentes, de tal forma que los cambios en los pro-
cesos y tareas actuales respecto de la aplicación
de la IA tengan como base el autodiagnóstico, el
cual ha sido facilitado desde la implementación
de chatbots (Jyng y Rubasundram, 2020), hasta
el desarrollo de nuevos productos y servicios,
acordes con las necesidades del consumidor. La
IA se ha convertido en la necesidad de las orga-
nizaciones. Por ejemplo, en las PYMES de Arabia
Saudita, la IA es fundamental para promover los
negocios mediante la incorporación de tecnolo-
gías de comercialización de última generación.
En dicho país, las empresas se enfrentan a los
problemas de marketing apoyados por completo
en la IA (Basri, 2019).
Sin embargo, también se ha asegurado que la
IA tiene una serie de nuevas implicaciones res-
pecto del marketing, especialmente en el marke-
ting B2B (Business to business, negocio a negocio),
siendo el principal impacto la gran cantidad de
datos almacenados y debidamente organizados.
Si bien, como en toda tecnología emergente, exis-
te un problema latente y es el hecho de que, por
una parte, los directores de las organizaciones se
encuentran deseosos de adoptar la IA, muchos
de ellos no tienen claro cómo funciona ni sus
posibles impactos respecto de la gestión del co-
nocimiento (Paschen, Gustavson y Kietzmann,
2019). Asimismo, otros autores, resaltaron la su-
ma importancia del uso apropiado de los instru-
mentos analíticos misma que se ha destacado
recientemente en el marketing en general (Wilson
y Bettis-Outland, 2020).
Por otra parte, se ha observado que el efecto
más evidente de la IA en el marketing se encuen-
tra en las compras en línea, las cuales cada vez
son más frecuentes, ya que ofrecen productos y
precios alternativos con entrega directamente a
domicilio. Tales productos son promocionados
acorde con el gusto del consumidor, lo cual re-
sulta en un impacto directo al marketing mix tra-
dicional, el cual se compone de producto, precio,
distribución y promoción (Bhattacharjee, 2019).
Por lo tanto, se puede entender que las perspec-
tivas de la IA se encuentran en aumento y gra-
dualmente afectará por completo al marketing tal
como se conoce hasta el día de hoy. Es además
importante resaltar la implementación de una
nueva tecnología para la recolección de informa-
ción que podría transformar a las organizaciones
en sujetos de prueba, lo cual, si bien puede ser
más económico para las empresas, considerando
que pagarían con la experimentación, también
podría resultar perjudicial en caso de que los re-
sultados no fueran los esperados. En lo que com-
pete al marketing mix, esto podría ocasionar un
impacto negativo que se traduciría directamente
en una disminución en las ventas y por tanto en
los resultados financieros (Jarek y Mazurek,
2019). Por ejemplo, una tendencia en desarrollo
sobre la que los investigadores han generado po-
co material se reere a las ventas y la IA, en par-
ticular para la industria de las televentas, pese a
que la IA tiene el potencial de fortalecer las habi-
lidades y el rendimiento del vendedor considera-
blemente en ese ámbito, es un tema que parece
estar en el olvido (Moncrief, 2017).
Asimismo, cabe resaltar que, si bien el poten-
cial de las nuevas tecnologías como la IA se ha
revisado y discutido de manera conceptual y teó-
rica a lo largo de diversos estudios (Saarikko,
Westergren y Blomquist, 2017; Russo, Marsigalia,
Evangelista, Palmaccio y Maggioni, 2015; Lee y
Lee, 2015), aún quedan pendientes, como cuáles
son los motivadores e inhibidores que le han da-
do el crecimiento que muestra en la actualidad y
porqué ha demostrado un mayor auge en algunas
industrias que en otras. Sin embargo, otros auto-
res (Heinis, Hilario y Meboldt, 2018) han men-
cionado que el uso de la IA ha sido más evidente
aDResearch ESIC
34
Nº 24 Vol 24 · Primer semestre, enero-junio 2021 págs. 26 a 41
en el caso de empresas que están dirigidas al
consumidor nal (B2C). Es por ello, que, si bien
el mundo de los negocios se encuentra dominado
por la tecnología y la publicidad, si una organi-
zación pretende ser competitiva debe adquirir
tácticas más agresivas en ambos rubros y, para
ello, una de las mejores herramientas es la IA. Con
la implementación de IA, las organizaciones pue-
den llegar hasta el corazón de los consumidores,
presentándoles solamente el contenido que les
pueda resultar más relevante con base en sus pre-
ferencias manifestadas previamente, generando
un análisis de conglomerados que permitan crear
nichos de mercado fundamentados en preferen-
cias y no solo en factores geográcos (Geru, Micu,
Capatina y Micu, 2018).
La presencia de la IA apoyada por IoT (Inter-
net of things o Internet de las cosas es español)
permite extender las capacidades de obtención
de información por parte de los dispositivos mó-
viles, de tal manera que gradualmente compartan
la información adquirida por diversos medios
acerca de las preferencias del usuario, así como
de las costumbres de uso de sus dispositivos. La
facilidad de uso de una aplicación genera con-
anza por parte de los usuarios que a su vez se
traduce en un mayor uso de las aplicaciones que
emplean la IA como parte de sus estrategias de
marketing (Muñoz-Leiva, Climent-Climent y
Liébana-Cabanillas, 2016). Cabe mencionar, que
la IA ha demostrado ser útil en muchas aplica-
ciones de automatización de procesos, traducién-
dose en una mayor calidad en lo que se reere
al servicio al cliente, sin embargo, las organiza-
ciones no han sabido implementarla de forma
directa sobre un proyecto de marketing. Se debe
resaltar que existe una gran oportunidad y se
trata del correcto uso de la minería de datos pa-
ra conocer a fondo a los usuarios, de tal forma
que sea posible impactar a los consumidores
solo con productos y servicios de su interés, l-
trando por completo cualquier resultado aparen-
temente irrelevante (Overgoor, Chica, Rand y
Weishampel, 2019).
Partiendo del mismo principio, se debe añadir
que gran parte de la información empleada por
la IA en muchos casos proviene de datos no es-
tructurados y está recongurando los mercados
en la actualidad (Balducci y Marinova, 2018).
Esta es la razón por la cual estos datos existentes
cada vez en mayores cantidades siguen sin ser
aprovechados de manera adecuada por muchas
empresas. Si bien con la ayuda de la IA los datos
previamente recabados han demostrado ser muy
útiles para la gestión de marketing en algunas
organizaciones más avanzadas en lo que a tecno-
logía se reere, también han abierto un panorama
completamente nuevo para la investigación de
mercados. Asimismo, otro punto fundamental en
el que se ven envueltos la IA y las necesidades de
marketing de las organizaciones es el comercio
minorista, el cual ha evolucionado drásticamente,
especialmente desde la proliferación de los telé-
fonos móviles, ya que, si bien han sido bien reci-
bidos los asistentes virtuales como Siri, Cortana
y Alexa, entre otros, aún se encuentran en una
temprana etapa de desarrollo (Grewal, Motyka, y
Levy, 2018). Un claro ejemplo en este caso es el
aprovechamiento que hacen las organizaciones a
partir de las emociones de los consumidores con
el análisis de los sitios emocionalmente extracti-
vos y los procesos a través de los cuales las emo-
ciones y el conocimiento de estas se convierten
en datos para maniobras de marketing y recopi-
lación de información como es el caso de las redes
sociales (Padios, 2017).
Desde el punto de vista de la publicidad, la IA
aún es un terreno fértil para la comunicación de
marketing con una gran cantidad de frentes abier-
tos aunque, pese a todos los benecios que ofre-
35
Efectos de la inteligencia articial en las estrategias de marketing: Revisión de literatura · págs. 26 a 41
ce, no ha sido aprovechada del todo, ya que si
bien puede utilizarse para enviar publicidad per-
sonalizada, no solo en lo que respecta al nombre
del cliente sino también en lo que respecta a los
productos y servicios que resultan de su interés,
también se puede evitar que diversos tipos de
públicos se encuentren expuestos a publicidad
potencialmente idéntica (Deng, Tan, Wang y Pan,
2019). Una parte importante del marketing se
constituye en las relaciones con el cliente, mismas
que mejoran cuando los plazos se cumplen de
manera adecuada (Hurkens y Vulkan, 2015). Es-
to se ve favorecido cuando se emplea la IA en el
marketing especialmente en la cadena de sumi-
nistro, ya que minimiza los posibles errores, lo
cual se traduce en mejores relaciones con el clien-
te y por tanto en más recomendaciones (Grewal,
Motyka y Levy, 2018).
Otro punto que está vinculado de manera muy
cercana con la IA es el marketing de contenidos,
cuyo valor sigue mejorando gracias a la tecnología
y especialmente a las redes sociales, que son el
medio para hacerlo llegar a los consumidores
potenciales (Kose y Sert, 2017). Claramente, el
futuro de este tipo de marketing se alimenta di-
rectamente de la IA, ya que podrán empezar a
construirse contenidos inteligentes que eventual-
mente llegarán a los usuarios mediante el marke-
ting de contenidos inteligentes lo cual se traduce
un avance que surge de combinar la IA con mar-
keting tradicional. Adicionalmente, algunas otras
de estas tendencias también se encuentran basa-
das en cambios socioeconómicos, sin embargo,
los avances tecnológicos han resultado de mayor
relevancia para los investigadores, resaltando la
necesidad de cambiar la tradicional mezcla de
marketing por un nuevo concepto basado en la
IA, Big Data e IoT, de tal forma que las organiza-
ciones no caigan gradualmente en la obsolescen-
cia (Rust, 2019).
Desde otra perspectiva, algo que muchos au-
tores han olvidado es el punto de vista del con-
sumidor, el cual en la actualidad se encuentra
conectado e interactúa con las organizaciones de
forma más cercana que en el pasado. Esto debido
a que cuenta con la ayuda de los medios de co-
municación social, los cuales, a diferencia de los
medios de comunicación masiva, son bidireccio-
nales y le permiten obtener una información mu-
cho más detallada acerca de productos y servicios
(Stephen, 2017). Es decir, en esta era de conec-
tividad, en la que individuos y organizaciones
pueden interactuar en tiempo real sin importar
las distancias físicas. Si bien las tecnologías digi-
tales se han convertido en un catalizador hacia la
transformación de paradigmas, las innovaciones
son la consecuencia de estas tecnologías y crean
una amplia gama de posibilidades durante el cam-
bio de nuestros procesos cognitivos. Eventual-
mente se ha hecho más fácil para los humanos
estar en contacto con chatbots, asumiendo que
estos pueden facilitar una serie de procesos tanto
de marketing como de postventa, resolviendo
desde dudas simples de los usuarios mediante
una programación previa, hasta realizando labo-
res más complejas que aprendan gradualmente
mediante los procesos que repitan de forma cons-
tante (Kaczorowska-Spychalska, 2019).
El papel del marketing sigue evolucionando a
velocidades vertiginosas, tanto el diseño como los
métodos de análisis que utilizan actualmente los
investigadores de estos temas están cambiando
constantemente a partir de las transformaciones
en las capacidades de gestión, las tecnologías de
la información y evidentemente la conducta del
consumidor (Hair, Harrison y Risher, 2018). Aho-
ra bien, para gestionar todos los cambios mencio-
nados, es importante contar con las herramientas
necesarias, siendo la IA la que encabeza la lista, ya
que tiene la capacidad de adquirir y organizar la
aDResearch ESIC
36
Nº 24 Vol 24 · Primer semestre, enero-junio 2021 págs. 26 a 41
información procedente de los consumidores de
manera que esta pueda emplearse llegado el mo-
mento. Es así como, las innovaciones tecnológicas
se han convertido en un estilo de vida, ya que
implementan soluciones de acuerdo con las nece-
sidades individuales de los usuarios, a quienes van
conociendo poco a poco con base en sus decisio-
nes previas y preferencias generales. De esta ma-
nera se inicia un diálogo fascinante entre los dis-
positivos inteligentes y los humanos mediante la
IA que, si bien actualmente estas tecnologías ayu-
dan a resolver solo problemas de tipo trivial, gra-
dualmente, por medio del aprendizaje automático,
serán capaces de resolver situaciones de mayor
envergadura (Constantinescu, 2019).
Un término capaz de vincular los conceptos de
la IA y marketing es la inteligencia de marketing
(Lies, 2019), misma que se fundamenta en las
nuevas tecnologías, tales como la IA. Con este
nuevo concepto pueden incluirse temas más com-
plejos en torno a las estrategias de marketing, que
van desde el alcance a las diversas áreas de apli-
cación digital hasta la inteligencia como técnica
de la ingeniería social, que abarca desde la infor-
mática simple hasta la minería de datos, facilitan-
do un acercamiento entre el consumidor y las
organizaciones, propiciando mejores relaciones
comerciales. Si bien actualmente existen una serie
de tendencias en marketing basadas en tecnología,
las principales son la IA y las redes sociales, pues
ambas pueden vincularse para diversos nes de
marketing, siendo el principal, conocer al usuario.
Asimismo, resulta posible encontrar cuales son los
distintivos comerciales propios de las marcas y
productos a los que el consumidor otorga mayor
importancia y así resaltarlos al máximo en la pu-
blicidad que se le hará llegar por medios digitales
(Grossberg, 2016).
En relación con lo mencionado previamente,
se ha asegurado que las redes sociales permiten a
los usuarios hacer perles abiertos y semiabiertos
dentro de los sistemas de los que forman parte y
así poder saber las actividades que otros usuarios
de su mismo entorno realizan (Liao, Hsiao, Li y
Lin, 2015). Dichas redes están compuestas por
un gran número de individuos que generan inte-
racciones y relaciones entre ellos facilitando a los
profesionales del marketing con el apoyo de la IA
impactar de manera individual a los usuarios.
Partiendo del mismo principio, se ha mencionado
la posible inuencia de los disruptores de merca-
do en el comercio actual resaltando la importancia
de la evolución de la informática cognitiva (tér-
mino con el que se rerió a la IA) y su relación
con las tendencias de marketing actuales. Salta a
la vista un punto clave de dicha relación que fue
el hecho de que el marketing tecnológico deberá
estar orientado al futuro aprovechando los dis-
ruptores actuales como punto de partida para
impactar mercados actuales y potenciales buscan-
do que las organizaciones sigan siendo competi-
tivas pese a los acelerados cambios en el entorno
empresarial (Elbeck, 2018).
En contraste, una vez que la IA y sus platafor-
mas dejen de ser el tema de moda solo quedarán
algunas de ellas en pie y la mayoría de los consu-
midores se adaptarán a la exclusividad de utilizar
solamente una, cuyo asistente incorporarán a sus
hogares, automóviles, teléfonos móviles y otros
dispositivos que utilicen en su vida cotidiana.
Posteriormente se espera que las plataformas co-
nozcan perfectamente a los usuarios y sus prefe-
rencias de tal manera que podrán satisfacer sus
necesidades por completo, prácticamente sin
instrucción alguna y solo deberán ser alecciona-
das en caso de cambios radicales en la vida del
usuario (Dawar y Bendle, 2018). Ahora bien, si
por un lado cada vez la humanidad está más cer-
ca de una era totalmente automatizada, primero
deberá completarse una etapa de heteromación
37
Efectos de la inteligencia articial en las estrategias de marketing: Revisión de literatura · págs. 26 a 41
(misma en la que se encuentra la humanidad ac-
tualmente) en la cual máquinas y humanos coe-
xisten desempeñando puestos de trabajo y fun-
ciones similares dependiendo del nivel de
actualización de las organizaciones, sin embargo,
el momento en que el cambio ocurra por com-
pleto es inminente y es posible que el marketing
resulte entre los primeros afectados, debido a la
facilidad con la que la IA recaba, analiza y cana-
liza la información (Dholakia y Firat, 2019).
Un punto clave respecto a la relación entre las
estrategias de marketing y la IA es tener la capa-
cidad de predecir el rendimiento del desarrollo
de nuevos productos y buscar estrategias que
respondan en consecuencia. Es por ello por lo
que la codicación y desarrollo de un sistema de
la IA para seleccionar las estrategias de crecimien-
to más adecuadas para las organizaciones puede
permitirles ser más competitivas en el mercado
actual por medio su adaptación ante los diferen-
tes productos, servicios y sus respectivos merca-
dos con el n de impactar de manera coherente
al consumidor (Soltani-Fesaghandis y Pooya,
2018). Asimismo, el uso de la IA de la mano con
el aprendizaje automático ha permitido aumentar
la pertinencia de los programas de marketing pa-
ra cada segmento de clientes individuales y even-
tualmente serán la base principal para toda estra-
tegia de marketing futura (Starostin, 2018).
Por otra parte, se debe considerar que existen
variaciones sustanciales en la intención de uso, ya
que esta varía dependiendo de la familiaridad de
los usuarios con los sistemas robóticos y de la IA.
Es recomendable que las organizaciones empleen
estrategias de marketing que impliquen a los con-
sumidores que ya tienen experiencia en la inte-
racción con la IA mientras que por otra parte
establezcan una serie de normas subjetivas para
aquellos que tienen menor experiencia. De esta
manera se podría aprovechar el conocimiento de
aquellos que se sienten más cómodos con tal in-
teracción para que compartan su opinión y cono-
cimientos con los menos identicados de manera
que se logre transmitir a estos últimos la experien-
cia favorable de los primeros por medio de la
publicidad (Belanche, Casaló y Flavián, 2019).
4. Consideraciones nales
La revisión de literatura relativa a este tema pone
de maniesto que, si bien existen una gran can-
tidad de documentos académicos acerca de las
estrategias de marketing y acerca de la IA, no
existe tanto material disponible que vincule am-
bos conceptos. Por lo tanto, resulta difícil cons-
truir más conclusiones que aquellas que resultan
más evidentes tras la revisión de literatura, mis-
mas que se presentan a continuación:
• El enfoque de las marcas debe estar claramen-
te en la audiencia. Esto es algo que los ven-
dedores ya deben saber, pero se vuelve esen-
cial en el caso de los chatbots. Una conversación
exitosa requiere enfocarse en los consumido-
res a nivel individual y ser relevante para
ellos. Por lo que es fundamental adaptar y
personalizar el contenido, los servicios y las
integraciones para satisfacer mejor las nece-
sidades de un individuo; y usar esa conver-
sación para generar aprendizaje automático
en la IA (Jones, 2018). Esto puede evaluarse
mediante la prueba de Turing como ya se
mencionó previamente, de manera que even-
tualmente la IA desarrolle mejores capacida-
des de interacción con el usuario hasta que
resulte casi imperceptible que no se trata de
un ser humano.
• El auge de la IA en el marketing no se pro-
duce de forma aislada, sino que va en con-
junto con el rápido avance de la tecnología
en general, incluyendo las operaciones de
aDResearch ESIC
38
Nº 24 Vol 24 · Primer semestre, enero-junio 2021 págs. 26 a 41
primera línea, como los centros de contacto
o la gestión de los recursos. Este avance con-
tribuye al despliegue de la IA en el marketing,
en el sentido de que informatiza otros aspec-
tos del comercio y genera datos que pueden
utilizarse para apoyar la IA (Stone et al.,
2020). Esto también signica que el uso de
la IA debe integrarse con estas aplicaciones,
tomando automáticamente los datos y ha-
ciendo recomendaciones especializadas tan-
to a los responsables de marketing como a
los consumidores nales.
• Gracias a este concepto de la IA, las empresas
que la incorporan en sus estrategias de mar-
keting pueden predecir las orientaciones y
preferencias de los clientes, monitorear y
analizar el comportamiento de compra y pre-
decir así las próximas acciones del consumi-
dor al respecto (Yegin, 2020). Asimismo, la
llegada de la IA y su uso en todas las estrate-
gias de marketing son algo inminente en el
futuro próximo, ya que su uso como apoyo
a las mismas, reduce considerablemente la
distancia existente entre la oferta y la deman-
da y facilita la toma de decisiones por parte
de los responsables del marketing en las or-
ganizaciones.
• En los últimos años, el interés por la IA y su
impacto en el marketing y, en particular en
aquel de bienes de consumo, ha vuelto a co-
brar impulso. Una vez más se habla de cam-
bios radicales, pero esta vez ya no se limitan
al ámbito de las decisiones de comercializa-
ción, sino que abarcan un horizonte consi-
derablemente más amplio (Grandinetti,
2020). Cabe mencionar que el 28 % de los
comercializadores están utilizando la IA para
la recomendación de productos (Kotane,
Znotina y Hushko, 2019). Esto podría tra-
ducirse en que una herramienta útil para
medir la eciencia de la IA, además de la
prueba de Turing es evaluar cuantos de los
consumidores potenciales a los que se les
recomendó un producto efectivamente lo
adquieren.
Es por ello por lo que se puede asegurar que
las pocas organizaciones que buscan realizar la-
bores de marketing sin incluir la IA se encuentran
destinadas a caer gradualmente en la obsolescen-
cia ya que la IA facilita cada vez más la investiga-
ción de mercados y el aprovechamiento de los
resultados que se puedan obtener de dicha inves-
tigación. Sin embargo, hasta el momento aún
requiere de la interpretación humana. El presen-
te estudio, abre la puerta a investigaciones futuras
que demuestren de manera empírica y mesurable
los resultados de implementar IA en estrategias
de marketing en alguna industria especíca.
39
Efectos de la inteligencia articial en las estrategias de marketing: Revisión de literatura · págs. 26 a 41
Bibliografía
Abashidze, I., & Dąbrowski, M. (2016). Internet of things
in marketing: Opportunities and security issues. Manage-
ment Systems in Production Engineering,4(24), 217-221.
Balducci, B., & Marinova, D. (2018). Unstructured data in
marketing.Journal of the Academy of Marketing Science,46(4),
557–590.
Basri, W. (2019). Examining the impact of articial intelli-
gence (AI)-assisted social media marketing on the perform-
ance of small and medium enterprises: Toward effective
business management in the Saudi Arabian context. Inter-
national Journal of Computational Intelligence Systems, 13(1),
142-152.
Belanche, D., Casaló, L.V. & Flavián, C. (2019). Articial
intelligence in FinTech: Understanding robo-advisors adop-
tion among customers. Industrial Management & Data Sys-
tems, 119(7), 1411-1430.
Ben-Daya, M., Hassini, E., & Bahroun, Z. (2017). Internet
of things and supply chain management: A literature re-
view.International Journal of Production Research, 1-24.
Bhattacharjee, S. (2019). Metamorphic transformation: Cri-
tically understanding articial intelligence in marketing.Asia
Pacic Journal of Multidisciplinary Research, 7(4), 61-70.
Bock, D.E., Wolter, J.S. & Ferrell, O.C. (2020). Articial
intelligence: Disrupting what we know about services. Jour-
nal of Services Marketing, 34(3), 317–334.
Brock, J. K. U., & Von Wangenheim, F. (2019). Demysti-
fying AI: What digital transformation leaders can teach you
about realistic articial intelligence.California Management
Review,61(4), 110–134.
Conoscenti, M., Vetro, A., & De Martin, J. C. (2016). Bloc-
kchain for the internet of things: A systematic literature re-
view. 2016 IEEE/ACS 13th International Conference of Compu-
ter Systems and Applications (AICCSA).
Constantinescu, E. M. (2019). New marketing solutions for
IoT market.Knowledge Horizons / Orizonturi Ale Cunoaste-
rii,11(2), 26–31.
Dawar, N., & Bendle, N. (2018). Marketing in the age of
Alexa: AI assistants will transform how companies and cus-
tomers connect.Harvard Business Review, 96(3), 80-86.
Deng, S., Tan, C.-W., Wang, W., & Pan, Y. (2019). Smart
generation system of personalized advertising copy and its
application to advertising practice and research.Journal of
Advertising,48(4), 356–365.
Devang, V., Chintan, S., Gunjan, T. & Krupa, R. (2019).
Applications of articial intelligence in marketing.Annals of
the University Dunarea de Jos of Galati: Fascicle: XVII, Medici-
ne,25(1), 28–36.
Dholakia, N., & Firat, A. F. (2019). Markets, consumers and
society in the age of heteromation.European Journal of Mar-
keting, 53(8), 1504-1520.
Elbeck, M. (2018). The fourth industrial revolution’s poten-
tial inuence on marketing education.E-Journal of Business
Education and Scholarship of Teaching,12(1), 112–119.
Geru, M., Micu, A.E., Capatina, A. & Micu, A. (2018).
Using articial Intelligence on social media’s user generated
content for disruptive marketing strategies in eCommer-
ce.Annals of Dunarea de Jos University. Economics and Applied
Informatics, 1(3), 5-11.
Godwin, L.R. (2019). The ultimate denition of marketing.
The Marketing Review, 19(1) 43-49.
Grandinetti, R. (2020). How articial intelligence can change
the core of marketing theory. Innovative Marketing, 16(2),
91-103.
Grewal, D., Motyka, S., & Levy, M. (2018). The evolution
and future of retailing and retailing education. Journal of
Marketing Education,40(1), 85–93.
Grossberg, K. A. (2016). The new marketing solutions that
will drive strategy implementation. Strategy & Leaders-
hip,44(3), 20-26.
Haenlein, M., & Kaplan, A. (2019). A brief history of arti-
cial intelligence: On the past, present, and future of articial
intelligence.California Management Review,61(4), 5–14.
Hair, J. F., Harrison, D. E., & Risher, J. J. (2018). Marketing
research in the 21St century: Opportunities and challen-
ges.REMark: Revista Brasileira de Marketing,17(5), 666-681.
Heinis, T. B., Hilario, J., & Meboldt, M. (2018). Empirical
study on innovation motivators and inhibitors of Internet of
Things applications for industrial manufacturing enterpri-
ses.Journal of Innovation and Entrepreneurship,7(10).
Hurkens, S., & Vulkan, N. (2015). Dynamic matching and
bargaining with heterogeneous deadlines.International Jour-
nal of Game Theory,44(3), 599–629.
Jarek, K. & Mazurek, G. (2019). Marketing and articial
intelligence.Central European Business Review,8(2), 46–55.
aDResearch ESIC
40
Nº 24 Vol 24 · Primer semestre, enero-junio 2021 págs. 26 a 41
Jones V.K. (2018). Voice-activated change: Marketing in the
age of articial intelligence and virtual assistants. Journal of
Brand Strategy, 7(3), 233–245.
Jyng, L.W. & Rubasundram, G.A. (2020). Chatbots in Ma-
laysia – A balanced scorecard approach. International Jour-
nal of Psychosocial Rehabilitation, 24(2), 1118-1128.
Kaczorowska-Spychalska, D. (2019). How chatbots in-
uence marketing.Management 2019,23(1), 251-270.
Kose, U. & Sert, S. (2017). Improving content marketing
processes with the approaches by articial intelligence.Eco-
forum Journal, 6(1).
Kotane, I., Znotina, D. & Hushko, S. (2019). Assessment of
trends in application of digital marketing. Periodyk Naukowy
Akademii Polonijnej, 33(2), 28-35.
Kumar, V., Rajan, B., Venkatesan, R. & Lecinski, J. (2019).
Understanding the role of articial intelligence in personali-
zed engagement marketing. California Management Re-
view,61(4), 135–155.
Lee, I. & Lee, K. (2015). The Internet of things (IoT): Appli-
cations, investments, and challenges for enterprises. Busi-
ness Horizons, 58(4), 431–440.
Liao, S.-H., Hsiao, P.-Y., Li, C.-W. & Lin, Y.-F. (2015). Mi-
ning marketing knowledge to explore social network sites
and online purchase behaviors.Applied Articial Intelligen-
ce,29(7), 697–732.
Lies, J. (2019). Marketing intelligence and big data: Digital
marketing techniques on their way to becoming social engi-
neering techniques in marketing.International Journal of Inte-
ractive Multimedia & Articial Intelligence,5(5), 134–144.
Madakam, S., Ramaswamy, R., & Tripathi, S. (2015). Inter-
net of Things (IoT): A literature review.Journal of Computer
and Communications,3, 164-173.
Marin, L., & Lindgreen, A. (2017). Marketing and corpora-
te social responsibility and agenda for future research.Spa-
nish Journal of Marketing-ESIC,21(1), 1-3.
Martinez, R. (2018). Articial Intelligence: Distinguishing
between types & denitions. Nevada Law Journal, 19(3),
1015-1041.
Mercadé-Melé, P., Molinillo, S., & Fernández-Morales, A.
(2017). The inuence of the types of media on the forma-
tion of perceived CSR. Spanish Journal of Marketing-
ESIC,21(1), 54-64.
Molinillo, S.&Japutra, A.(2017). Organizational adoption
of digital information and technology: A theoretical re-
view.The Bottom Line, 30(1), 33-46.
Molinillo, S., Liébana-Cabanillas, F., Anaya-Sánchez, R. &
Buhalis, D. (2017). DMO online platforms: Image and in-
tention to visit. Tourism Management, 65, 116-130.
Moncrief, W.C. (2017). Are sales as we know it dying . . . or
merely transforming?. Journal of Personal Selling & Sales Ma-
nagement, 37(4), 271-279.
Muñoz-Leiva, F., Climent-Climent, S., Liébana-Cabanillas,
F. (2017). Determinants of intention to use the mobile ban-
king apps: An extension of the classic TAM model. Spanish
Journal of Marketing-ESIC, 21(1), 25-38.
Nguyen, B., & Simkin, L. (2017). The internet of things
(IoT) and marketing: the state of play, future trends and the
implications for marketing. Management Systems in Produc-
tion Engineering, 33(1), 1-6.
O’Leary, D.E. (2019). Google’s Duplex: Pretendig to be hu-
man. Intelligent Systems in Accounting Finance & Manage-
ment, 26(1), 46-53.
Overgoor, G., Chica, M., Rand, W., & Weishampel, A.
(2019). Letting the computers take over: Using AI to solve
marketing problems.California Management Review,61(4),
156–185.
Padios, J.M. (2017). Mining the mind: Emotional extrac-
tion, productivity and predictability in the twenty-rst cen-
tury. Cultural Studies, 31(2), 205-231.
Paschen, J., Kietzmann, J. & Kietzmann, T.C. (2019). Arti-
cial intelligence (AI) and its implications for market
knowledge in B2B marketing.Journal of Business & Industrial
Marketing, 34(7), 1410-1419.
Pourabdollah, A. & Brailsford, T. (2015). On the Turing
completeness of semantic web. Springer Science + Business
Media New York, 56, 291-308.
Russo, G., Marsigalia, B., Evangelista, F., Palmaccio, M. &
Maggioni, M. (2015). Exploring regulations and scope of
the internet of things in contemporary companies: A rst
literature analysis. Journal of Innovation and Entrepreneurship,
4(11), 1-13.
Rust, R. T. (in press). The future of marketing.International
Journal of Research in Marketing.
Saarikko, T., Westergren, U.H. & Blomquist, T. (2017). The
internet of things: Are you ready for what’s coming?. Busi-
ness Horizons, 60, 667–676.
41
Efectos de la inteligencia articial en las estrategias de marketing: Revisión de literatura · págs. 26 a 41
Sandeep, B. (2019). Metamorphic transformation: Critically
understanding articial intelligence in marketing.Asia Paci-
c Journal of Multidisciplinary Research, 7(4), 61-70.
Soltani-Fesaghandis, G., & Pooya, A. (2018). Design of an
articial intelligence system for predicting success of new
product development and selecting proper market-product
strategy in the food industry.International Food & Agribusi-
ness Management Review,21(7), 847–864.
Stalidis, G., Karapistolis, D., & Vafeiadis, A. (2015). Marketing
decision support using articial intelligence and knowledge
modeling: Application to tourist destination manage-
ment.Procedia - Social and Behavioral Sciences,175, 106–113.
Starostin, V. (2018). Transformation of marketing technolo-
gies in machine intelligence era. Вестник Университета,
0(1), 28-34.
Stephen, A. T. (2017). Here comes the hyper-connected
augmented consumer.GfK-Marketing Intelligence Review,9(2),
11–17.
Stone, M., Aravopoulou, E., Ekinci, Y., Evans, G., Hobbs,
M., Labib, A. & Laughlin, P. (2020). Articial intelligence
(AI) in strategic marketing decision-making: A research
agenda. The Bottom Line, 33(2), 183-200.
Warwick, K., Shah, H. (2015). Can machines think? A re-
port on Turing test experiments at the Royal Society. Journal
of Experimental & Theoretical Articial Intelligence, 28(6),
989-1007.
Warwick, K., Shah, H. (2015). Human misidentication in
Turing tests. Journal of Experimental & Theoretical Articial
Intelligence, 27(2), 123-135.
Weber, F.D. & Schütte, R. (2019). State-of-the-art and
adoption of articial intelligence in retailing.Digital Policy,
Regulation and Governance, 21(3), 264-279.
Wilson, R.D., Bettis-Outland, H. (2020). Can articial neu-
ral network models be used to improve the analysis of B2B
marketing research data?. Journal of Business & Industrial
Marketing, 35(3), 495–507.
Wirth, N. (2018). Hello marketing, what can articial inte-
lligence help you with?.International Journal of Market Re-
search,60(5), 435–438.
Yegin, T. (2020). The place and future of articial intelligen-
ce in marketing strategies. Ekev Akademi Dergisi, 24(81),
489-506.
Zhang, X., Ming, X., Liu, Z., Yin, D., Chen, Z., & Chang, Y.
(2019). A reference framework and overall planning of in-
dustrial articial intelligence (I-AI) for new application sce-
narios.International Journal of Advanced Manufacturing Tech-
nology,101(9–12), 2367-2389.