Comportamiento de consumo en puntos de venta físicosaplicación de Smart Data

  1. Rodrigo Elías Zambrano 1
  2. Gloria Jiménez-Marín 2
  1. 1 Universidad de Cádiz
    info

    Universidad de Cádiz

    Cádiz, España

    ROR https://ror.org/04mxxkb11

  2. 2 Universidad de Sevilla
    info

    Universidad de Sevilla

    Sevilla, España

    ROR https://ror.org/03yxnpp24

Revista:
Redmarka: revista académica de marketing aplicado
  1. Puentes Rivera, Iván (coord.)

ISSN: 1852-2300

Año de publicación: 2018

Título del ejemplar: Innovación y gestión de la comunicación

Número: 21

Páginas: 229-243

Tipo: Artículo

DOI: 10.17979/REDMA.2018.01.021.4847 DIALNET GOOGLE SCHOLAR lock_openDialnet editor

Otras publicaciones en: Redmarka: revista académica de marketing aplicado

Resumen

En los tiempos en los que parece que el comercio online va creciendo a pasos agigantados, y cuando parece que el comercio físico empieza a decaer en pro del primero, surge la necesidad, más que nunca, de conocer el comportamiento real del consumidor en los establecimientos físicos, tradicionales. Esto es: los puntos de venta deben adelantarse a las decisiones de compra de consumidores (y compradores y usuarios) para poder ofrecerle las mejores condiciones y adaptar las 4P a cada cliente. Para ello se hace casi imprescindible conocer ciertos hábitos y rutinas personales que puedan ser predecibles y, consecuencia, convertirse en posteriores compras en los espacios comerciales. Es ahí donde surge el retail intelligence, tecnología que usa el Big Data para acercarse a los potenciales clientes al objeto de incrementar ventas de las empresas. El objetivo de este estudio es mostrar este uso del Big Data con fines directos y claramente comerciales

Referencias bibliográficas

  • AA. VV. (2017). Estudio anual de redes sociales. IAB Spain.
  • AA. VV. (2017). Informe Big Data sobre el Comportamiento del Consumidor TC Group Solutions.
  • AA. VV. (2017a). The 2015 Global Retail eCommerce Index. A.T. Kearney Consulting.
  • AA. VV. (2017b). Informe Destination retail and leisure. Jones Lang LaSalle consulting. Recuperado el 23 de enero de 2018 de: http://www.jll.com/services/industries/retail/destination-retail
  • Amazon.com
  • Asenador, S.H. (2016). Singles Day: Alibaba logra superar un año más las ventas del 'Black Friday' y el 'Cyber Monday' juntas. Expansión. Recuperado el de enero de 2018 de: http://www.expansion.com/economiadigital/2016/11/12/582752cce5fdea6a0f8b45c6.html
  • Fanjul, S. (2016). El ‘big data’ no es tan listo como se cree. El País. Recuperado de https://elpais.com/elpais/2016/11/07/talento_digital/1478535225_341110.html
  • Fernández Melgarejo, Marta (2017). Retail intelligence. En Jiménez-Marín, G. (2017): La gestión profesional del merchandising. Barcelona: UOC.
  • González, M.J. (1997). Metodología de la investigación social. Técnicas de recolección de datos. Alicante: Aguaclara.
  • Gungor, V.C.; Sahin, D.; Kocak, T.; Ergut, S.; Buccella, C.; Cecati, C.; Hancke, G.P. (2011). Smart Grid Technologies: Communication Technologies and Standards. En IEEE Transactions on Industrial Informatics, Volume 7, Issue 4, pp. 529 – 539.
  • Jiménez-Marín, G. (2017). La gestión profesional del merchandising. Barcelona: UOC.
  • Jiménez-Marín, G. (2016). Merchandising & Retail. Comunicación en el punto de venta. Sevilla: Advook.
  • Kalinin, S.V.; Sumpter, B.B; & Archibald, R.K. (2015). Big–deep–smart data in imaging for guiding materials design. En Nature Materials volume 14, pp. 973-980 (2015).
  • INE: Instituto Nacional de Estadística. Informe económico 2009.
  • INE: Instituto Nacional de Estadística. Informe económico 2010.
  • Ley Orgánica 15/1999, de 13 de diciembre, de Protección de Datos de Carácter Personal (LOPD).
Fuente de los datos: Dialnet