Predictive Market Intelligence through Machine Learning
DOI:
https://doi.org/10.70577/dv06tw18Keywords:
market intelligence, machine learning, predictive analytics, big data, consumer behavior.Abstract
Digital transformation has increased the complexity of business decision-making due to large volumes of data and variability in consumer behavior. The objective of the study was to analyze predictive market intelligence through machine learning as a tool to strengthen strategic decision-making. The methodology was based on a quantitative explanatory approach with a non-experimental design and secondary data analysis from international and national institutions. Multiple linear regression, Spearman correlation, and the Random Forest algorithm were applied using Python and SPSS. The results show that investment in artificial intelligence, commercial automation, and digital personalization explain a high proportion of digital sales growth. Additionally, purchase frequency, browsing time, and price sensitivity were key variables in predicting consumer behavior. The Random Forest model demonstrated high predictive accuracy in classifying customer churn and repurchase behavior. It is concluded that predictive market intelligence through machine learning improves decision-making accuracy, enhances consumer segmentation, and strengthens business competitiveness in dynamic digital environments.
Downloads
References
Arango, C. A., & Osorio, C. F. (2021). Aislamiento social obligatorio: Un análisis de sentimientos mediante machine learning. Suma de Negocios, 12(26), 1–13. https://doi.org/10.14349/sumneg/2021.v12.n26.a1
Banco Mundial. (2023). World development report: Data for better lives.
Cáceres, J. D. (2023). La inteligencia artificial y sus implicaciones en el marketing. Palermo Business Review, 27, 39–55.
Comisión Económica para América Latina y el Caribe (CEPAL). (2024). Transformación digital y adopción de inteligencia artificial en América Latina.
Conferencia de las Naciones Unidas sobre Comercio y Desarrollo (UNCTAD). (2024). Digital economy report: E-commerce and data-driven development.
Darad, S., & Krishnan, S. (2023). Análisis de sentimiento de datos de Twitter utilizando aprendizaje profundo. Ingenius. Revista de Ciencia y Tecnología, 29, 108–117. https://doi.org/10.17163/ings.n29.2023.10
De Salvioni, V. V. R. (2023). La importancia de la minería de datos como herramienta estratégica en las empresas. Ciencia Latina Revista Científica Multidisciplinar.
Gutiérrez, D. M., Cerón, M. F., & Barahona, R. (2022). Minería de texto aplicada al análisis de información compleja en contextos sociales. Revista U.D.C.A Actualidad & Divulgación Científica, 25(1). https://doi.org/10.31910/rudca.v25.n1.2022.1947
Instituto Nacional de Estadística y Censos (INEC, Ecuador). (2023). Indicadores de economía digital y empresas.
López, J. J., & Gonzales, F. O. (2021). Análisis de sentimientos en español usando modelos BERT. Ingeniare. Revista Chilena de Ingeniería, 29(3), 557–563. https://doi.org/10.4067/S0718-33052021000300557
Morales, C. F., Pinto, Á. C., Rojas, J. E., & Vásquez, I. L. (2021). Análisis de contenido y minería de textos en entornos digitales. Análisis Político, 34(103), 111–143. https://doi.org/10.15446/anpol.v34n103.102170
Murillo, A., & Vizuete, J. (2023). Inteligencia artificial aplicada al marketing 5.0. SIGMA, 11(1). https://doi.org/10.24133/yz85g716
Núñez, N. A., Crisóstomo, R. A., & Sánchez, S. A. (2021). Minería de textos y análisis de redes sociales en educación superior. Formación Universitaria, 14(1), 111–120. https://doi.org/10.4067/S0718-50062021000100111
Organización Mundial del Comercio (OMC). (2023). Global trade and digital transformation report.
Organización para la Cooperación y el Desarrollo Económicos (OCDE). (2023). Artificial intelligence and competitive dynamics in digital markets.
Ramírez, A. (2022). Transformación digital e inteligencia artificial en empresas latinoamericanas. Revista Economía y Tecnología, 11(1), 45–63. https://doi.org/10.33996/retech.2022.11.1.4
Referencias complementarias alineadas al marco teórico desarrollado
Reyes, N. S. (2023). Inteligencia artificial y personalización de la experiencia del usuario. Polo del Conocimiento, 8(6), 1190–1206. https://doi.org/10.23857/pc.v8i6
Servicio de Rentas Internas (SRI, Ecuador). (2023). Estadísticas de comercio electrónico y facturación digital.
Valdiviezo, C. (2021). Uso de big data y data mining en procesos digitales. GIGAPP Estudios Working Papers.
Zúñiga, F. (2023). Big data y su impacto en el marketing digital. Revista de Comunicación SEECI.
Downloads
Published
Issue
Section
License
Copyright (c) 2026 Jhon Devis Cuenca Cedeño (Autor/a)
This work is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.
