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

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

ISSN: 1852-2300

Argitalpen urtea: 2018

Zenbakien izenburua: Innovación y gestión de la comunicación

Zenbakia: 21

Orrialdeak: 229-243

Mota: Artikulua

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

Beste argitalpen batzuk: Redmarka: revista académica de marketing aplicado

Laburpena

When it seems that online commerce is growing quickly, and when it seems that physical trade begins to decline in favor of the first, there is a need, more than ever, to know the real behavior of consumers in physical and traditional trades. This is: the points of sale must anticipate the purchasing decisions of consumers (and buyers and users) to be able to offer the best conditions and adapt the 4P to each client. For this it is almost essential to know certain habits and personal routines that can be predictable and, consequently, become subsequent purchases in commercial spaces. This is where the emergence of retail intelligence, technology that uses Big Data to approach potential customers in order to increase sales of companies. The objective of this study is to show this use of Big Data for direct and clearly commercial purposes.

Erreferentzia bibliografikoak

  • 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).
Datuen iturria: Dialnet