Acceso usuarios
[1]
;
Serrano-Orellana, Bill Jonathan
[1]
Machala, Ecuador
Este estudio examina el potencial del machine learning para predecir el comportamiento de compra en entornos de retail físico, integrando variables emocionales y factores contextuales. A través de una revisión bibliográfica de literatura académica reciente, se analizan modelos predictivos que trascienden las variables demográficas tradicionales e incorporan dimensiones afectivas como estados emocionales, y contextuales como la hora del día o la ubicación en tienda. Se reconoce que, aunque el comercio electrónico ha avanzado en el uso de tecnologías predictivas, el retail presencial aún enfrenta limitaciones en la recolección de datos significativos. El análisis revela tanto el valor estratégico de estos sistemas para optimizar la experiencia del consumidor como los dilemas éticos emergentes relacionados con la manipulación emocional y el uso intensivo de datos. Los hallazgos contribuyen a la comprensión del consumidor como un sujeto complejo y permiten sentar bases conceptuales para futuras investigaciones y prácticas en marketing sensorial y predictivo aplicado a espacios físicos.
Este estudo examina o potencial da aprendizagem automática para prever o comportamento de compra em ambientes de retalho físico, integrando variáveis emocionais e fatores contextuais. Através de uma revisão bibliográfica da literatura académica recente, são analisados modelos preditivos que transcendem as variáveis demográficas tradicionais e incorporam dimensões afetivas, como estados emocionais, e fatores contextuais, como a hora do dia ou a localização da loja. Reconhece-se que, embora o comércio eletrónico tenha avançado na utilização de tecnologias preditivas, o retalho físico ainda enfrenta limitações na recolha de dados significativos. A análise revela tanto o valor estratégico destes sistemas na otimização da experiência do consumidor como os dilemas éticos emergentes relacionados com a manipulação emocional e a utilização intensiva de dados. Os resultados contribuem para a compreensão do consumidor como um sujeito complexo e estabelecem as bases conceptuais para futuras pesquisas e práticas em marketing sensorial e preditivo aplicado a espaços físicos
This study examines the potential of machine learning to predict shopping behavior in physical retail environments, integrating emotional variables and contextual factors. Through a literature review of recent academic literature, predictive models that transcend traditional demographic variables and incorporate affective dimensions such as emotional states, and contextual dimensions such as time of day or store location, are analyzed. It is recognized that while e-commerce has advanced in the use of predictive technologies, face-to-face retailing still faces limitations in collecting meaningful data. The analysis reveals both the strategic value of these systems in optimizing the consumer experience and the emerging ethical dilemmas related to emotional manipulation and intensive use of data. The findings contribute to the understanding of the consumer as a complex subject and provide a conceptual foundation for future research and practice in sensory and predictive marketing applied to physical spaces.
