MACHINE LEARNING APLICADO A LA MERCADOTECNIA DIGITAL

GALVÁN ESPINOZA, ALAN

Ver Estadísticas

Tesis Validadas: 2,591

Tesis de Posgrado: 2650

Número de Visitas:

Repositorio Institucional del Tecnológico Nacional de México (RI - TecNM)

Tesis de Posgrado

Morelos

Instituto Tecnológico de Cuautla

TÉSIS DE MAESTRÍA

MAESTRÍA EN INGENIERÍA ADMINISTRATIVA

Please use this identifier to cite or link to this item: https://rinacional.tecnm.mx/jspui/handle/TecNM/6671

Full metadata record

DC Field	Value	Language
dc.contributor.advisor	PÉREZ MACHORRO, JULIO	-
dc.contributor.advisor	ÁNGELES HERNÁNDEZ, LEONOR	-
dc.contributor.author	GALVÁN ESPINOZA, ALAN	-
dc.creator	GALVÁN ESPINOZA, ALAN	-
dc.date.accessioned	2023-12-18T16:16:03Z	-
dc.date.available	2023-12-18T16:16:03Z	-
dc.date.issued	2023-12-05	-
dc.identifier.uri	https://rinacional.tecnm.mx/jspui/handle/TecNM/6671	-
dc.description	El presente estudio se enfocó en mejorar las estrategias de marketing digital de la microempresa de servicios fotográficos profesionales "Estudio Isabel Taracena" ubicada en Ciudad de México durante el año 2022. El problema a abordar radicaba en las dificultades que enfrentaba la microempresa para alcanzar una mayor visibilidad y alcance en el mercado digital, lo que afectaba su competitividad y crecimiento. El objetivo principal de esta tesis es mejorar las estrategias de marketing digital de la microempresa de servicios fotográficos profesionales Isabel Taracena mediante el análisis de datos y técnicas de machine learning. Tanto en su página web como su presencia en redes sociales, y se recopilaron datos relevantes sobre el tráfico del sitio, el alcance y el compromiso en redes sociales, tasas de conversión, entre otros. Con el fin de solucionar este desafío, se realizó una investigación que empleó diversas técnicas y metodologías de análisis de datos, combinadas con el uso de machine learning. Los objetivos del estudio fueron identificar áreas de mejora en las estrategias de marketing digital, proponer recomendaciones específicas para optimizar dichas estrategias y proporcionar una base teórica sólida para comprender la aplicación del machine learning en el marketing digital. Los resultados del análisis de datos proporcionaron una visión profunda del rendimiento de las estrategias de marketing digital de la microempresa. Se encontraron áreas de mejora, como la optimización del posicionamiento en motores de búsqueda y el contenido en redes sociales, la implementación de estrategias de engagement y la selección adecuada de imágenes para aumentar la interacción con el público. Como resultado de la investigación, se presentaron recomendaciones concretas para mejorar las estrategias de marketing digital de "Estudio Isabel Taracena". Estas recomendaciones incluyeron la aplicación de técnicas avanzadas de machine learning para personalizar el contenido y las ofertas, la segmentación efectiva del público objetivo y la utilización de análisis de palabras clave y hashtags para optimizar el contenido en redes sociales. A pesar de los resultados obtenidos, aún queda trabajo por hacer. La implementación práctica de las estrategias propuestas requerirá un seguimiento y análisis continuo para evaluar su impacto en el crecimiento y éxito de la microempresa en el mercado digital. Además, se abre el camino para futuras investigaciones que exploren otras estrategias en el posicionamiento de contenido y otras metodologías para un análisis más profundo y efectivo en el ámbito del marketing digital. La investigación busca contribuir al campo del marketing digital y servir como referencia para otras microempresas interesadas en mejorar su presencia en línea y alcanzar un público más amplio.	es_MX
dc.language.iso	spa	es_MX
dc.publisher	Tecnológico Nacional de México	es_MX
dc.rights.uri	http://creativecommons.org/licenses/by-nc-nd/4.0	es_MX
dc.subject	info:eu-repo/classification/cti/5	es_MX
dc.subject.other	Marketing digital, análisis de datos, machine learning, Open source, engagement.	es_MX
dc.title	MACHINE LEARNING APLICADO A LA MERCADOTECNIA DIGITAL	es_MX
dc.type	info:eu-repo/semantics/masterThesis	es_MX
dc.contributor.director	PUEBLA SERRANO, SILVESTRE GUILLERMO	-
dc.contributor.director	GONZÁLES LORENCE, ARMIDA	-
dc.rights.access	info:eu-repo/semantics/openAccess	es_MX
dc.publisher.tecnm	Instituto Tecnológico de Cuautla	es_MX
Appears in Collections:	MAESTRÍA EN INGENIERÍA ADMINISTRATIVA