Las empresas diariamente registran y acumulan una gran cantidad de información proporcionada por sus clientes potenciales, por ello se realizan grandes inversiones en tecnologías de la información utilizando los medios de comunicación para implementar estrategias de marketing con el objetivo de ganar popularidad en el mercado de competencias e incrementar la comercialización de sus productos o servicios. Sin embargo, los datos almacenados no son tratados de la manera más adecuada. En este trabajo en particular se hace mención del uso de la Minería de datos y Machine Learning aplicados en técnicas de marketing con el fin de predecir y recomendar productos y servicios.

1. 1er. Encuentro Regional de Cuerpos Académicos,
22 al 23 de octubre de 2019, Balancán, Tabasco, México.
1
Análisis de Minería de Datos y Machine
Learning en Marketing Digital
P. Arcos-Méndez, E. M. Mil-Chontal, L. A. López-Gómez, F. Pech-May
Instituto Tecnológico Superior de los Ríos. Depto. Ingeniería en Sistemas Computacionales
arcosmp97@gmail.com, mariled7@hotmail.com, luisjezra@gmail.com,
fpech@tamps.cinvestav.mx
Resumen— Las empresas diariamente registran y acumulan una gran cantidad de información proporcionada
por sus clientes potenciales, por ello se realizan grandes inversiones en tecnologías de la información utilizando
los medios de comunicación para implementar estrategias de marketing con el objetivo de ganar popularidad en el
mercado de competencias e incrementar la comercialización de sus productos o servicios. Sin embargo, los datos
almacenados no son tratados de la manera más adecuada. En este trabajo en particular se hace mención del uso de
la Minería de datos y Machine Learning aplicados en técnicas de marketing con el fin de predecir y recomendar
productos y servicios.
Palabras clave. Minería de datos, Machine learning, marketing digital.
1. Introducción
Las nuevas aplicaciones tecnológicas y la implementación de técnicas de inteligencia
artificial forman parte de las nuevas estrategias utilizadas en marketing digital que las
organizaciones aplican. Muchas herramientas están destinadas a ayudar a la toma de
decisiones en donde las grandes cantidades de datos obtenidos complican el análisis por los
expertos en marketing.
Cada día, las empresas producen una enorme cantidad de información, solo por el
hecho de producir servicios; y atender a usuarios, por lo que van acumulando registros de
todo tipo. Los datos pueden ser de gran utilidad para los negocios, pero pocos tienen el
conocimiento y las herramientas necesarias para transformarlos en conclusiones relevantes.
Al no ser procesados, estos se pierden y las empresas siguen trabajando con base a
estándares generales.
Marketing Digital es el conjunto de estrategias para la promoción de una marca en
internet, esta es una de las áreas que está haciendo uso de la Inteligencia Artificial (AI, por
sus siglas en inglés), Minería de datos (DM, por sus siglas en ingles) y Machine learning
(ML, por sus siglas en ingles), ayudando a potenciar la creatividad de los expertos en el
área del marketing, maximizando sus resultados factibles en más campañas.
Por ello, en este trabajo se analiza el uso de técnicas de ciencias de la computación
como la DM y ML en organizaciones y comercio electrónico1
con el fin de mostrar a las
1
https://es.wikipedia.org/wiki/Comercio_electr%C3%B3nico

2. 1er. Encuentro Regional de Cuerpos Académicos,
22 al 23 de octubre de 2019, Balancán, Tabasco, México.
2
medianas y micro empresas que el uso de estas herramientas en marketing incrementa sus
ingresos.
2. Empresas y organizaciones que hacen uso de la Minería de datos y Machine learning
en Marketing Digital
Para poder adentrarnos al tema del uso de herramientas computacionales inteligentes
tenemos que tener conocimiento previo de los temas del cual se estará tratando.
A. Data Mining (minería de datos)
El proceso de extracción de conocimiento a través de datos almacenados ha sido
reconocido por investigadores como una investigación clave en los sistemas de base de
datos de compañías y organizaciones para incrementar sus ganancias.
De acuerdo con la literatura, el minado de datos utiliza metodologías y técnicas para
realizar sus tareas. Las metodologías que actualmente se manejan para el minado de datos
son; metodología KDD (del inglés Knowledge Discovery in Databases)2
, CRISP-DM (del
inglés Cross Industry Standard Process for Data Mining)3
y SEMMA (del inglés Sample,
Explore, Modify, Model, y Assess)4
. Cabe mencionar que la metodología SEMMA no se
hará mención en este trabajo ya que no es utilizado para minar datos predictivos con fines
comerciales. Cabe destacar que las metodologías anteriormente mencionadas tienen tareas
específicas a realizar para el minado de datos, y éstas utilizan múltiples técnicas
(algoritmos) como regresión, redes neuronales, arboles de decisión, cluster, etc.
B. Machine Learning (Aprendizaje automático)
Machine Learning se originó en el campo de la inteligencia artificial, este lo forma un
conjunto de métodos matemáticos y estadísticos, que su tarea involucra reconocimiento,
diagnóstico, predicción, etc., existen múltiples definiciones, autores como (Hurwitz &
Kirsch, 2018), lo definen como una rama de AI que permite a un sistema aprender de los
datos, es decir, a través de programación explícita, sin embargo, el aprendizaje automático
no es un proceso fácil, se requieren técnicas de ML para mejorar los modelos predictivos.
Esto depende del problema de negocio que se presenta, existen varias formas basado en el
tipo y volumen de los datos.
2
https://mnrva.io/kdd-platform.html
3
https://www.sngular.com/es/data-science-crisp-dm-metodologia/
4
https://en.wikipedia.org/wiki/SEMMA

3. 1er. Encuentro Regional de Cuerpos Académicos,
22 al 23 de octubre de 2019, Balancán, Tabasco, México.
3
De acuerdo con la literatura, en ML existen categorías de aprendizaje, los cuales son:
aprendizaje supervisado5
, aprendizaje no supervisado6
y aprendizaje por refuerzo7
(Mohammed, Badruddin, & Mohammed, 2017). En este trabajo se hará mención del
aprendizaje supervisado, ya que permite deducir una información a través de los datos de
entrenamiento, lo cual lleva a predecir un valor correspondiente a cualquier objeto de
entrada válida.
C. Organizaciones que hacen uso de Minería de datos en Marketing digital
En la actualidad existen organizaciones que han optado por el uso de herramientas
inteligentes computacionales para extraer información relevante y ser utilizados en
estrategias de marketing. A continuación, se menciona una compañía líder para la
extracción de información.
Facebook
Recientemente Facebook se convirtió en el centro de atención por la venta de
información extraída mediante la minería de datos para ser vendida a organizaciones que
hacen uso de ellas para mejorar sus estrategias de marketing.
Lo que hacen estas compañías es analizar los datos y las agrupan de manera ordenada
y las venden a empresas dedicados al comercio electrónico. La información ayuda a las
compañías a identificar perfiles de consumidores y encontrar mercados para sus productos:
mientras más información tengan sobre los usuarios, mejores serán sus estrategias de
marketing, sabrán qué canales usar para vender sus productos y a qué perfiles de
consumidores dirigirlos (Lopez, 2018).
Sin embargo, Facebook no lo hace solo, para poder minar datos usa APIS (Interfaz de
Programación de Aplicaciones), uno de estas es Ghrap API Explorer, que pone a Facebook
a disposición del usuario para introducir y extraer datos de la plataforma mediante grafos
podemos cuantificar el grado de conexión (e incluso actividad social) entre todos los
usuarios de Facebook (Martínez, 2017).
D. Empresas que hacen uso de Machine learning en Marketing digital
Frente al crecimiento del comercio electrónico y la evolución de estrategias de
marketing, las compañías líderes están empezando a innovar sus plataformas utilizando
aprendizaje automático, por lo que en este apartado se habla de dos empresas de comercio
electrónico pioneras en el uso de esta herramienta inteligente.
5
https://es.wikipedia.org/wiki/Aprendizaje_supervisado
6
https://es.wikipedia.org/wiki/Aprendizaje_no_supervisado
7
https://es.wikipedia.org/wiki/Aprendizaje_por_refuerzo

4. 1er. Encuentro Regional de Cuerpos Académicos,
22 al 23 de octubre de 2019, Balancán, Tabasco, México.
4
Amazon
La empresa de tienda en línea Amazon es uno de los pioneros en utilizar estas
herramientas de aprendizaje automático en su estrategia de marketing, utilizando la minería
de datos para obtener datos de las interacciones de los usuarios y así poder obtener un
conocimiento de predicción. Amazon.com tiene un sistema de negocios basados
ampliamente en sistemas de aprendizaje automático, sin ella, no podría ampliar su negocio,
mejorar la experiencia y selección de los clientes, optimizar su velocidad y calidad logística
(Amazon Web Services, 2019).
El aprendizaje automático es utilizado a menudo para predecir los resultados futuros
a partir de datos anteriores que ya fueron minados, en esto entra la aplicación de la minería
de datos para hacer más optimo el funcionamiento de estas herramientas. Sin embargo,
Amazon que permite que otras empresas pueda optar por el uso de estas herramientas
tecnológicas a precios accesibles para incrementar sus ingresos, consiguiendo ampliar el
uso que otras empresas opten por el uso de aprendizaje automático (Amazon Web Services,
2019).
3. Proceso de la Minería de datos y Machine learning en Marketing digital
Para llevar a cabo la minería de datos, como se mencionó anteriormente se realizan
unas series de etapas y se aplican técnicas de minado de datos, cabe mencionar que la
minería de datos es una etapa de la extracción de la metodología tanto KDD como CRISP-
DM momento de hacer uso de estas metodologías, en este apartado se explica el proceso de
extracción de ambas metodologías. Los datos obtenidos en la minería de datos solo pueden
ser utilizados por expertos en marketing mediante herramientas de visualización, sin
embargo, estos datos pueden utilizarse para generar conocimiento de manera automática
utilizando Machine learning, lo cual permitirá realizar predicciones de gustos que tienen los
clientes en productos para generar nuevos contenidos y material publicitario.
A. Proceso de la minería de datos en Marketing digital
Para realizar el minado de datos, las organizaciones que aplican la minería de datos
extraen la información que están almacenadas en las bases de datos ya sea de su
organización u otras utilizando algoritmos como: redes neuronales, cluster, regresión,
arboles de decisión entre otras.
En la Figura 1 se observa el proceso que lleva la minería de datos haciendo uso de
cualquiera de las dos metodologías (KDD o CRISP-DM).

5. 1er. Encuentro Regional de Cuerpos Académicos,
22 al 23 de octubre de 2019, Balancán, Tabasco, México.
5
Figura 1. Proceso de Minado de datos de la metodología KDD y CRISP-DM.
Tabla 1. Descripción de las etapas de la metodología KDD y CRISP-DM.
Metodología KDD
• Etapa 1: identifica los objetivos que desea logar.
• Etapa 2: recolecta los datos que serán útiles para alcanzar los objetivos, la base de datos debe ser confiable,
coherente, relevante y que este actualizada.
• Etapa 3: visualiza los datos con gráficas para obtener una perspectiva del comportamiento de la información
y se eliminan los datos atípicos8
.
• Etapa 4: se elige el algoritmo de acuerdo a la problemática que se necesita resolver.
• Etapa 5: verifica que los supuestos de validación siempre se cumplan, si no se obtiene el resultado deseado
se debe replantear el problema e intentar con un algoritmo distinto.
Metodología CRISP-DM
• Etapa 1: determina los objetivos que se desean alcanzar enfocados a la dirección del negocio elaborando
un plan preliminar enfocado a las herramientas, estrategias y el equipo que se necesita para logar la meta.
• Etapa 2: se selecciona la base de datos, explora y analiza la información.
• Etapa 3: se nombran y describen las variables para ubicar la información que se necesita al momento de
procesarla, se limpia la base de datos y verifica que no tenga datos atípicos, si los tiene se eliminan.
8
https://dle.rae.es/?id=4Fgq5fk

6. 1er. Encuentro Regional de Cuerpos Académicos,
22 al 23 de octubre de 2019, Balancán, Tabasco, México.
6
• Etapa 4: selecciona la técnica o técnicas que ayuden a resolver el problema, ni no se obtiene los datos
correctos se debe cambiar de técnicas y regresar a la etapa 2.
• Etapa 5: se verifica la funcionalidad de la propuesta obtenida en el modelado y se compara con los objetivos
propuestos en la etapa 1; y así decidir si se continua con la siguiente etapa.
• Etapa 6: se planifica las medidas que se deben tomar para llevar a cabo el plan preliminar que se propuso
en la etapa 1, se realiza un informe.
B. Proceso del Machine learning en Marketing digital
Una vez realizado el proceso de minado de datos esta queda a disposición para ser
utilizados por expertos, sin embargo, las empresas dedicadas a la minería de datos venden
esta información con fines de uso en estrategias comerciales. Las empresas dedicadas al
comercio electrónico utilizan aprendizaje automático para generar nuevos contenidos de
publicidad y predecir un producto mediante datos introducidos. Para generar conocimiento
se usan datos minados, es decir datos puros con información relevante. Generar un
conocimiento nuevo tiene un proceso utilizando técnicas, los algoritmos más utilizados son:
bayesiano, agrupación, Arboles de decisión, redes neuronales y aprendizaje profundo,
regresión lineal, entre otras.
En la Figura 2 se observar el proceso que se realiza para poder generar conocimiento,
y así predecir información mediante los datos introducidos.
Figura 2. Proceso de Machine Learning.

7. 1er. Encuentro Regional de Cuerpos Académicos,
22 al 23 de octubre de 2019, Balancán, Tabasco, México.
7
• En la etapa de “adquisición de datos” se introducen los datos relevantes que han sido
minados, para darle un nuevo valor agregado.
• Posteriormente se procede a procesarlos, sin embargo, antes de esto se transforman los
datos en lenguaje máquina para que pueda ser entendida, se normalizan los datos y se
procede a darle una limpieza para verificar que no existan datos irrelevantes que no
servirán en el conocimiento que se está creando.
• Luego de haber sido procesado los datos se pasa a la etapa de “modelo de ingeniería”,
en esta se utilizan los algoritmos de aprendizaje ya mencionados anteriormente.
• Después de haber creado el conocimiento procede a ejecutarse haciendo experimentos,
pruebas y alineación para verificar que se ha creado un conocimiento predictivo, si este
no es eficiente, se selecciona otro algoritmo de aprendizaje automático.
• Si el conocimiento nuevo cumple con puntos necesarios que el encargado de marketing
necesita se hace el despliegue, lo cual consiste en almacenar los datos del nuevo
conocimiento e iniciar la aplicación de esta.
4. Conclusiones
Para las empresas el uso de la minería de datos y machine learning son fundamental para
generar nuevas estrategias de marketing, los avances tecnológicos están en constante
desarrollo, sin embargo, la mayoría de las empresas aun no optan por la implementación de
estas tecnologías a pesar de ser eficientes, las herramientas son fáciles de adquirir, solo se
necesita el conocimiento necesario para aplicarla y generar grandes beneficios.
Si se realiza un estudio de cómo se están utilizando la minería de datos y machine
learning en las estrategias de marketing, las medianas y microempresas podrán obtener
conocimiento para cambiar sus estrategias basados en estándares generales, y generar
mayores ingresos.
5. Referencias
Amazon Web Services. (2019). de ¿Que es la inteligencia aritifical? Aprendizaje automático y apredizaje profundo:
https://aws.amazon.com/es/machine-learning/what-is-ai/
Hurwitz, J., & Kirsch, D. (2018). Machine Learning: for Dummies. (IBM Limited Edition, Ed.) United States of
America: John Wiley & Sons, Inc. Recuperado el 07 de octubre de 2019
Lopez, B. (25 de marzo de 2018). Medium. de Privacidad y minería de datos: Facebook y Cambridge Analytica:
https://medium.com/@benjaminlpz31/privacidad-y-miner%C3%ADa-de-datos-facebook-y-
cambridge-analytica-fd94ff0afcba
Martínez, M. (01 de marzo de 2017). Dr. Metrics. De FACEBOOK Y R STATISTICS PARA EL SOCIAL
MINING: https://www.doctormetrics.com/facebook-y-r-statistics-para-el-social-mining/
Mohammed, M., Badruddin, M., & Mohammed, E. B. (2017). Machine Learning: Algorithms and Applications.
Taylor & Francis Group, LLC.