Monitoreo del comportamiento del consumidor digital,
mediante datos extraídos con
un Eye-Tracking
Autores: Yenifer Lisseth Villaprado Ortiz, Leticia
Azucena Vaca Cárdenas
Universidad Técnica de Manabí,
UTM yvillaprado0120@utm.edu.ec leticia.vaca@utm.edu.ec Portoviejo, Ecuador
DOI: https://doi.org/10.56124/encriptar.v7i14.002
Resumen
Las compras en línea han revolucionado la manera de
ofrecer un producto; por lo tanto, conocer el comportamiento del consumidor es
muy importante para los comercios. Los datos se recaban de diversas fuentes; como las
redes sociales, sitios web y dispositivos móviles para comprender cómo
interactúan los usuarios con los productos y servicios en línea. El objetivo de
esta investigación fue monitorear el comportamiento del consumidor digital a
través de un Eye-Tracking. Se realizó una revisión
bibliográfica sobre los algoritmos y las métricas más utilizadas con dispositivos de seguimiento ocular.
Para determinar la conducta del usuario digital se ejecutaron pruebas de
la experiencia y satisfacciones del usuario, con 40 participantes de la Universidad Técnica de Manabí ubicada
en la ciudad de
Portoviejo-Ecuador, con los sitios
web
(Amazon y Booking) plataformas de comercio electrónico altamente
usadas a nivel mundial, de las cuales se escogieron once interfaces que
fueron valoradas por los usuarios. Los resultados mostraron que las métricas
(Fijación y Sacadas) seleccionadas fueron útiles para evaluar el comportamiento de los
consumidores digitales, puesto que la primera, por ejemplo, da a conocer el
tiempo que el cliente sostuvo la mirada en un área u objeto en el sitio en
cuestión, por otra parte la sacadas son los movimientos voluntarios o
involuntarios desde un punto a otro en una interfaz; determinando que hay
zonas(encabezados) que visiblemente pasan desapercibidas por el usuario
en su primera interacción con la plataforma de ventas. En conclusión, el análisis de las Áreas
de Interés (AOI),
ofrecen datos precisos
con los que se pueden
tomar decisiones estratégicas informadas para mejorar el diseño de los sitios
web de comercialización para
incrementar las ventas.
Palabras clave:
algoritmos, inteligencia artificial, seguimiento ocular,
marketing, consumidor digital.
Monitoring of digital consumer
behavior, using data extracted with an
eye – tracking
Abstract
Online shopping has
revolutionized the way a product is offered; Therefore, knowing consumer behavior is very important for businesses. Data is collected from various sources;
such as social networks, websites and mobile devices to understand how users
interact with products and services online.
The objective of this research
was to monitor digital consumer
behavior through Eye-Tracking. A literature review
was carried out on the algorithms and metrics most used with eye tracking
devices. To determine the behavior of the
digital user, tests of user experience and satisfaction were carried out, with 40 participants from the Technical
University of Manabí located in the city of Portoviejo-Ecuador, with the
websites (Amazon and Booking) highly e- commerce platforms. used worldwide, of which eleven interfaces were chosen
that were rated by users.
The results showed
that the selected
metrics (Fixation and Extraction) were useful to evaluate the behavior of digital consumers, since the first, for example, reveals the time that the client
held his gaze on an area or object on the site. In question, on the other
hand, saccades are voluntary or involuntary movements from one point to another on an interface; determining that there are areas (headers)
that visibly go unnoticed by the user in their first
interaction with the sales platform. In conclusion, the analysis of Areas of
Interest (AOI) offers accurate data with which informed strategic
decisions can be made to
improve the design of marketing websites to increase sales.
Keywords: algorithms, artificial
intelligence, eye tracking, marketing, digital consumer.
1.
Introducción
En la era de la información, es muy complicado entender al consumidor digital; la forma de interactuar con los sitios web y páginas
dedicadas al comercio electrónico han llevado
a que se utilicen herramientas que permitan analizar
y comprender su comportamiento. Las máquinas en las que se ha implementado
el aprendizaje automático, profundo, reconocimiento de imágenes, y demás
relacionadas con la Inteligencia Artificial (IA), permiten que los negocios
reestructuren su marketing y tengan una visión más profunda acerca de sus
clientes (Cutiva, 2018).
Por otra parte, para monitorear el comportamiento del
consumidor digital se pueden aplicar algoritmos de Inteligencia Artificial y
analizar grandes cantidades de datos que son extraídos mediante
un dispositivo de seguimiento
ocular, como lo es el Eye -
Tracking. Desde años atrás se han llevado a cabo estudios sobre este tema, mismos
que se mencionan a continuación.
Juárez et al. (2019), realizaron una
comparativa sobre las emociones que experimentaron los usuarios de una tienda
virtual de ropa infantil; donde por medio de técnicas de Eye
-Tracking (dispositivo de seguimiento ocular); se detectó que las zonas que llamaron
la atención del cliente en un 50 %, fueron imágenes de niños con prendas de vestir. Mientras
que en la investigación de Shima et al. (2021), hicieron un
estudio sobre el comportamiento que tenían los usuarios de una tienda de
artículos, en donde se analizó mediante un electroencefalograma (EGG) y seguimiento ocular los productos
que prefieren los usuarios,
tan solo dejándose llevar por la imagen que está ante sus ojos, sin tomar en
cuenta precios.
Por otro lado, Hernández et al. (2016),
llevaron a cabo una investigación sobre la eficacia publicitaria de diversas plataformas
(Facebook, Blog, y una comunidad de viajeros) que maneja la empresa que
proporciona servicios de viajes, usando un Eye -Tracking, donde se arrojaron los siguientes resultados:
la edad y falta de visión del usuario puede inferir en la
atención visual y que Facebook es la herramienta en que la que se consigue
mayor eficacia en la publicidad.
Fenollar, Juárez & Tur (2016), efectuaron un estudio a
una página correspondiente a un centro de entrenamiento deportivo, en donde se
aplicó la técnica de neuromarketing (Eye-Tracking),
para ello donde se eligió a 20 personas de ambos sexos, entre los 20 - 40 años.
La publicidad consistió en ubicar a dos carteles, en uno la persona implicada
dirige la mirada hacia el usuario, mientras que la otra se dirige
a la marca; como resultado, los clientes se
enfocaron más en la segunda propaganda.
Moreno (2021), realizó
un trabajo en el que se validó el diseño de una página web que se dedica a
la venta de prendas de vestir con temática de fútbol, ubicada en Colombia. Se
aplicaron conocimientos de diseño gráfico y se usó también un Eye- Tracking con el objetivo
de medir la experiencia del usuario y mejorar
la apariencia del sitio web, donde los resultados reflejaron que, aunque la tienda
tiene muy bien ubicada la información, se podía mejorar el aspecto para dar mayor visibilidad a los objetivos de la marca.
También el rediseño
de la página fue de gran impacto para los clientes que se pusieron a
prueba, ya que los mapas de calor muestran que los usuarios se fijaron
exactamente en las zonas de interés que la empresa deseaba.
Sulikowski et al. (2021), llevaron
a cabo un estudio sobre
el seguimiento ocular para evaluar las compras basadas
en recomendaciones, donde el objetivo principal de éste artículo era verificar
la efectividad de recomendar interfaces de sitios web que se dedican al
comercio electrónico, para llevar a cabo esto, se compararon diseños
verticales y horizontales en diferentes posiciones y aspectos visuales a
conocer que el tiempo de fijación en la interfaz de recomendación tuvo un promedio
de 16,3s por participante, que corresponde
al 12 % del tiempo medio para finalizar la actividad. El promedio de
observación fue de 8,2s para la pantalla
vertical, mientras que en la horizontal
se llevó un total de 8,1s lo que mostró que las dos
pantallas se desempeñan de igual manera.
Por lo tanto, con los antecedentes descritos, esta
investigación tiene como objetivo monitorear el comportamiento del consumidor
digital a través de un Eye-Tracking.
Para una mejor comprensión de la investigación a
continuación se detallan algunos conceptos.
1.1
La tecnología y el marketing
La tecnología, ciencia
y el ser humano está expuesto a constantes cambios,
y en consecuencia cada día hay que evolucionar en la forma que se hacen
las cosas. Para las personas que se dedican
al análisis de mercados y estrategias
de ventas, esto ha sido un gran reto, más aún en los últimos años, en donde
todo avanza más rápido y todos compiten para
que su marca sea reconocida y se mantenga presente en el pensamiento de
los consumidores (Castillo et al., 2021).
Para que algo sea recordado
por los clientes, se debe pensar
como ellos, pero es muy complicado saber lo que pasa por la mente de los demás, ya que hay muchos factores que influyen
en la toma de decisiones. Muchas empresas se han dedicado al estudio del
comportamiento humano, con el objetivo de rediseñar las estrategias publicitarias de acuerdo con los gustos
y necesidades de los usuarios,
pero es muy complicado, puesto que en la mayoría de las ocasiones el comprador
decide desde su subconsciente (López & Flores, 2021).
Tradicionalmente se hace uso de
métodos de recolección de información que permiten conocer el
grado de satisfacción del consumidor con el producto o servicio. A través de entrevistas, encuestas
o cuestionarios se intenta conocer la opinión o experiencia que ha provocado el producto o marca adquirida, pero en muchos casos los resultados no son del todo reales, ya
que se puede ocultar la verdad
para empatizar con la empresa
o por vergüenza a hablar
sobre temas
más íntimos (Urbina,
2020).
Es por esta razón que los métodos
que se utilizan en la mercadotecnia deben de cambiarse; para que el cliente
se sienta más cómodo, así como para que se recabe información más acertada. Con
el pasar del tiempo, la forma de recolectar datos ha ido cambiando, pero, con
la llegada de la emergencia sanitaria mundial incrementó aún más el uso de la tecnología, puesto que los investigadores se tenían
que adaptar a nuevas formas de hacer este proceso (Guerra,
2019). Esto dio un giro a la forma de hacer las cosas, todas las personas
tuvieron que hacer uso de la tecnología, ya sea por su trabajo, estudio o
negocio, éstos últimos nunca pararon, por lo tanto, tuvieron que migrar, de lo
físico a digital. Lo que ha traído nuevos sucesos y ha cambiado los hábitos de
consumo, donde ahora se prioriza las compras mediante plataformas web
(Carrillo, 2017).
1.2
Inteligencia Artificial aplicada al comercio
electrónico
Las tiendas virtuales buscan mejorar cada día sus
servicios, por lo tanto, estudian los hábitos de consumo de sus clientes, con el objetivo de que puedan tener
todo lo que necesitan “en un clic”. En éstas se ofrecen opciones como
cotización de artículo, comparaciones entre un producto y otro, pedidos,
recordatorios sobre compras pendientes, entre otros, que permiten la
interacción entre humano-computador (Useche et al., 2023).
En la actualidad los dispositivos de seguimiento ocular son
muy importantes en el marketing, ya que se utilizan como medio de interacción entre el producto y el cliente, en donde el objetivo es hacer un estudio de mercadeo que permita
conocer cuáles son los elementos
que el consumidor tomó en cuenta sobre
un producto, en el proceso de compra (Contreras, 2021).
La Inteligencia Artificial está presente en cada uno de los
dispositivos que se utilizan diariamente, con el objetivo
de mejorar la experiencia del usuario. Hay máquinas que diariamente adquieren
conocimientos sobre la raza humana y tienen la capacidad para recopilar información que luego le permite interactuar
con ellos y adaptarse al entorno en el que se desenvuelven como uno más de
la sociedad.
1.3 Eye-tracking
El “Eye-Tracking”, es una tecnología que permite la evaluación de movimientos
oculares, lo cual indica la dirección de los ojos al interactuar con interfaces de sitios web (Lorca, 2023). Hay que tener en cuenta que, aunque el seguimiento
ocular en el Marketing Digital tiene el objetivo analizar el comportamiento
visual de un usuario, no está precisamente creado para el diseño web, pues se
usa en diferentes áreas; un ejemplo es la investigación realizada por Mateos et
al. (2023) en donde se evalúa mediante un video la discapacidad visual que
pueden presentar niños de entre 0-6 años.
En el caso de diseño de la interfaz de una página web,
permite que las empresas dedicadas a la venta puedan estimar lo que consideren
adecuado para el crecimiento de su negocio,
de acuerdo con sus necesidades. El punto clave en el
marketing, es satisfacer al cliente (AguadoGuadalupe,
2017).
1.4 Métricas
Existen métricas que permiten analizar
el comportamiento que tiene un cliente
o usuario al interactuar con un software. En los medios digitales las métricas
se enfocan en recabar información acerca de las reacciones que tienen los
usuarios ante los contenidos que se presentan
en su pantalla, poder medirla
y posteriormente usarla a favor de la organización (Barrientos-Avendaño
et al., 2019). Las métricas
se describen como un método
utilizado como unidad
que permite medir la eficiencia y facilidad que tuvo un usuario
para completar una actividad en la
interfaz que se le ha presentado; por lo tanto, se establecen zonas objetivas
en los que los internautas deben de realizar acciones (mirar, seleccionar,
completar, buscar) que determinen el nivel de dificultad que tuvieron éstos
para encontrar la información que se ha establecido (RoaMartínez
& Vidotti, 2020).
1.5 Interfaz
Según Aguado-Guadalupe (2017).
El diseño de la interfaz
de una página web permite que
las empresas dedicadas a la venta puedan estimar lo que consideren adecuado
para el crecimiento de su negocio, de acuerdo con sus necesidades, ya que el
punto clave en el marketing, es satisfacer al cliente. Para las organizaciones
que disponen de sitios web o páginas en donde publicitan sus productos, las
métricas son una herramienta muy útil a la hora de hacer un estudio de mercado,
pruebas de diseño y marketing, ya que recaba
información sobre las navegaciones que hacen los clientes sobre estas
plataformas (Gheorghe et al., 2023).
A continuación, se
presenta una tabla que recopila una selección de estudios que investigan los
algoritmos de Inteligencia Artificial utilizados para analizar el
comportamiento del consumidor en entornos digitales. Es fundamental destacar
que estas investigaciones han abordado diversas perspectivas y métodos. Sin
embargo, la Tabla 1 ofrece una muestra representativa de los trabajos más destacados y pertinentes en este ámbito.
Estos estudios no solo
profundizan en la comprensión del comportamiento digital del consumidor, sino que también
resaltan la creciente importancia de los algoritmos de Inteligencia
Artificial en este contexto.
Tabla 1. Revisión
bibliográfica de algoritmos que permiten evaluar el comportamiento del
consumidor digital.
|
Autor y base
de datos
|
Tema y algoritmo
|
Resultados
|
|
Lou et al
(2017)
Springer
Link
|
Using support vector machines to identify
literacy skills: Evidence from eye movements. Support Vector Machines (SVM)
|
Se utilizaron SVM, para analizar los movimientos oculares para analizar párrafos
de un texto, donde se calcula el tiempo de fijación y ruta de regresión. Este
|
|
|
|
algoritmo ayudó a
definir el nivel de alfabetización que tenían los lectores de este estudio.
|
|
Guevara (2019)
Google académico
|
Modelos de redes neuronales profundas para la predicción de
secuencias de áreas de interés, datos de mirada e indicadores mentales, registrados para usuarios de un sitio
web.
|
En el modelo de predicción de estados mentales, los resultados no son positivos, pero hay
la posibilidad de evaluar la excitación, valencia
y carga cognitiva. Con
respecto al AOI, el pronóstico debe de ser mejorado.
|
|
Muñoz(2021)
Google académico
|
Algoritmos de reconocimiento facial mediante
aprendizaje automático Local Binary Patterns para la
identificación de personas
en una institución educativa de Pasco – 2021
|
El algoritmo de reconocimiento facial LBP, ofrece el mejor porcentaje de aciertos, en lo que
corresponde a la métrica de exactitud, en cuanto a la precisión, está entre
unos de los mejores algoritmos de Fisherface, lo que sugiere que
éste es uno de los más convenientes para el proceso de
identificación de personas.
|
|
Birawo &
Kasprowski(202 2)
Google académico
|
Review and Evaluation of Eye
Movement Event Detection Algorithms
|
Se evaluaron tres métricas
(fijaciones, sacadas, y
postsacádicas), y el
|
|
|
|
rendimiento de
clasificación de
algoritmos por
separado para detectar las tres clases; donde se concluyó que Generalmente, los algoritmos CNN (Convolutional Neural Network) y RF
(Random Forest)
superan a los
métodos basados en umbrales.
|
|
Zapata(2023)
|
Clustering de series temporales pertenecientes al consumo de productos para la agrupación por patrones.
K-means
|
Se logró clasificar los productos de acuerdo con su
comportamiento, lo que permite a las empresas seleccionar los artículos de acuerdo con la tendencia del momento, además el modelo de
clasificación
permitirá entender los patrones de cada colección, según la
temporada.
|
|
Šumak et al. (2021)
|
Sensors and Artificial Intelligence Methods and Algorithms for Human– Computer Intelligent Interaction: A
Systematic Mapping Study. Máquina de Soporte de Vectores,
|
Los algoritmos de IA más usados son los de aprendizaje profundo, puesto que son incluidos mayormente en
reconocimiento, y los de instancias que reconocen el
|
|
|
redes neuronales.
|
movimiento humano,
gestos, depresión, y el
comportamiento.
|
2. Metodología (Materiales y métodos)
La metodología utilizada
en esta investigación cumplió los siguientes pasos:
2.1
Revisión de la
literatura científica: Para este estudio se extrajo
información que hace referencia a la evaluación del comportamiento del
consumidor digital mediante algoritmos y métricas de seguimiento ocular;
expuestas en bases de datos como Google Académico, Springer Link, MDPI.
2.2
Diseño del
Experimento: Para monitorear el comportamiento del consumidor
digital mediante un EyeTracking; se determinó:
Lugar y Duración de la Investigación: La investigación se
llevó a cabo en la Facultad de Ciencias Informáticas, de la Universidad Técnica
de Manabí (UTM) en la ciudad de
Portoviejo - Ecuador, misma que tuvo una duración de 6 meses.
Participantes y Criterio
de Selección: Los participantes en este estudio fueron
40 estudiantes (20 mujeres y 20 hombres) de la institución (UTM), los cuales
fueron seleccionados de forma aleatoria
y su rango de edad oscilaba entre los
19 y 26 años.
Recopilación de Datos: Para las pruebas se utilizó un dispositivo de seguimiento ocular (Eye-Tracking), Tobii Pro nano
v1.207, mismo que se conecta mediante cable USB (Universal Serial Bus) al
computador usado en las pruebas. Mediante el mismo se analizó el comportamiento
visual de los participantes durante la interacción con las plataformas (Amazon
y Booking) que fueron seleccionadas porque son grandes
organizaciones que ofrecen
un extenso y variado catálogo de productos y servicios a nivel mundial
mediante internet y por lo tanto
se encuentran en constante innovación para mantenerse en el mercado,
pero sobre todo mantener a sus clientes satisfechos.
Según
Araujo et al. (2022) para Amazon el éxito consiste en la
variedad de sus categorías, recepción de pedidos en la plataforma, como en sus
tiendas físicas. Mientras que Zambrano et al. (2017),
mencionan que para el cliente
es de mucha importancia lo que se le ofrece
al hacer una reserva hotelera, puesto que los servicios incumplidos influyen mucho en el
comportamiento que el cliente tenga con la empresa. El software (Tobi Pro Lab) correspondiente a
este equipo (Tobii pro nano) se instala en el
ordenador que se ha conectado al mismo; el cual permite
hacer experimentos de seguimiento ocular,
recolectar y analizar datos mediante métricas de usabilidad.
Definición de las métricas
usadas: En la investigación se utilizó la métrica de Fijación,
de la cual se extrajo
la duración total de las fijaciones; misma que
permite medir el tiempo en que el usuario mira a un área o elemento en
específico en un tiempo determinado, por lo tanto, mediante ésta se obtiene
información sobre la interacción de los individuos con los estímulos visuales
que más han llamado su atención. Por otra parte,
para las Sacádicas se aplicó el número de
sacadas en un Área de Interés (AOI); por sacada se entienden los movimientos
rápidos que hacen los ojos entre fijaciones; éstos indican cuándo empieza
y termina la exploración ocular,
y si se efectúan por repetidas
ocasiones sobre una región quiere decir que lo que se observa es muy
interesante para el participante (Almeida & Araujo, 2020).
2.3 Procedimiento de pruebas
con el Eye-Tracking
1. Se
configuró un nuevo proyecto en el software ProLab que
controla el Eye- Tracking Tobii
pro nano. Además de escoger las métricas de Sacadas y Tiempo de Fijación para
este proceso.
2. Se
establecieron 11 interfaces (6 en Amazon y 5 en Booking),
a las cuales se les asignó
nombres, tal como, “img1”, “img2”,
y así consecutivamente hasta
llegar a la onceava figura.
3. A cada imagen extraída
de Amazon y Booking se les asignaron
Áreas de Intereses
(AOI); mismas que el participante debería de localizar
visualmente.
4. La
presentación de cada imagen al usuario tuvo un tiempo estipulado de 8 segundos
de duración.
5. Se
invitó de manera voluntaria a estudiantes de la Universidad Técnica de Manabí
para participar en la prueba de investigación.
6. Antes de iniciar la prueba, se les proporcionó a cada uno de los participantes
el proceso de la evaluación y sus objetivos.
7. Se
pidió a los usuarios que adopten una posición en la que se sientan cómodos
mirando al computador; haciendo énfasis en que no pueden mover la cabeza
durante el periodo de prueba.
8. Se calibró
la mirada de los participantes en el EyeTracking.
9. Se solicitó
que miren libremente las interfaces que se presentan
a continuación hasta que finalice la presentación de estas.
10. Se mencionó
a los individuos cuando terminó
el procedimiento y se
agradeció su colaboración.
Amazon: Se utilizaron 6 imágenes, de las cuales,
se muestran las más
relevantes.
En la Figura 1 se observa
la interfaz de la pantalla
principal de Amazon.
Figura 1. Interfaz de inicio de la tienda Amazon, en la que se definieron dos
Área de Interés (AOI); la primera (AOI-1) es el cuadrante de búsqueda y la
segunda (AOI-2), el logo de la empresa.
En el AOI-4, se tiene a la pestaña de “Crear cuenta”,
siendo esto lo que se visualiza en la Figura 2.
Figura 2. En el botón
“Identifícate” se registran los datos
personales(nombre, correo y contraseña) del nuevo
usuario; esto engloba el AOI-4.
En la Figura 3 se muestra
la sección “Ofertas
del día”.
Figura 3. El AOI-5, que hace referencia a la pestaña "Ofertas del día, donde
se destacan los productos que se ofrecen durante un periodo limitado de tiempo.
Booking: Se emplearon 5 representaciones gráficas.
La pestaña
principal de Booking se refleja en la Figura
4.
Figura 4. Interfaz principal de Booking, donde se fijó
como “AOI-8” al botón “Busca oferta de escapada”, mientras que “AOI-9” contiene
el buscador de alojamiento.
Planificador de viajes rápido y sencillos se titula la sección de
paisajes sobre lugares que destacan en la Figura 5.
Figura 5. Muestra la sección “Planificador de viajes rápido y sencillo”, en el
que se muestran los destinos más visitados por los turistas.
3.
Resultados
3.1 Resultados del Experimento con las
interfaces de Amazon
![]()
El siguiente gráfico de barras está conformado en el eje “X” por los participantes
implicados en la investigación y en el “Y” por el tiempo en segundos. En la
interfaz correspondiente a la Figura 1, se encuentran dos áreas de interés:
AOI-1 y AOI-2; de los 40 usuarios, solo el primero se fijó en las dos, mientras
que el tercero observó el “AOI-2” durante 6 segundos, que corresponde a la
mayor fijación en esta interfaz. Tal cual se observa en la Figura 6.
Figura 6. Total, de duración de fijaciones de participantes en áreas de interés
de la pantalla principal de Amazon.
En la Figura 7, se muestra la cantidad de movimientos sacádicos
en la interfaz Login, de Amazon, donde el “AOI-4”
corresponde al cuadrante de campos que debe de llenar cada usuario para
registrarse como cliente en la tienda. Los participantes 15 y 23 fueron los que
ejecutaron más sacadas en esta área, mientras que el número 11 y 21, se
mantuvieron en 0.
Figura 7. Número de movimientos sacádicos
en Login
3.2 Resultados del Experimento con las interfaces de Booking
A continuación, se muestra el recorrido ocular y destino en el que se
fijó por ejemplo el participante número 20, le atraen Ciudad y Relax, y entre
los paisajes de las imágenes inferiores, su fijación estuvo entre Punta Blanca
y Olón, como se observa en la Figura 8.
Figura 8. Mapa de calor de sección “Planificador de viajes rápido
y sencillo”.
En la Figura 9 se puede apreciar el boceto de la página principal de
Amazon, en consecuencia, de los resultados obtenidos en las pruebas realizadas
Figura 9. Rediseño de interfaz principal
de Amazon
El estudio realizado
y los resultados obtenidos ofrecen
una visión clara de que los usuarios normalmente lo primero
que observan al interactuar con un sitio web de marketing digital son los
dispositivos electrónicos, artículos para el hogar, e imágenes correspondientes
a lo que ofrece la plataforma, lo que coincide
con los estudios
realizados por Zuluaga
et al. (2020), donde menciona que en su mayoría los usuarios
utilizan las tiendas en línea para reservar alojamientos en hoteles, paquetes
turísticos, programas y aparatos tecnológicos. En cuestión de hotelería, la
demanda turística se ha incrementado; lo que permite que este sector sea cada
vez más competitivo, ya que se ofrecen los servicios que cubren las necesidades
de los clientes al usar los medios electrónicos por parte de consumidores y
proveedores (Monsalve & Betancur, 2020).
Por tanto, utilizando Balsamiq, un software que permite
realizar diseño de interfaces, se realizó un prototipo de una de las
plataformas seleccionadas para este estudio, como lo es Amazon; el objetivo
principal fue mejorar la experiencia del usuario mediante ajustes a la
interfaz.
Para empezar, se cambió el encabezado, donde se agrandó
la imagen del logo
correspondiente a la empresa y el buscador se colocó en el centro para que sea fácilmente visible e identificable por los compradores, lo que hace que sea óptima la exploración y navegación
por el contenido de interés.
También se sustituyeron las letras por íconos, ya que es
mucho más fácil de identificar, sin necesidad de leer textos extensos que
además ocupan más espacio del verdaderamente necesario.
Adicional a esto se redujeron
los colores haciendo
que el fondo tenga un tono
más sólido, haciendo que las imágenes de los productos ofertados tengan mayor
proyección.
4.
CONCLUSIONES
De los algoritmos de Inteligencia Artificial (IA), mencionados en la Tabla
1, las Redes Neuronales en
conjunto con Support Vector Machine fueron
fundamentales en esta investigación, puesto que en conjunto con el Eye - Tracking permitieron analizar
la interacción del usuario con las plataformas de consumo digital. Por otra parte,
la determinación de las métricas
a usar es
esencial para el manejo del dispositivo de seguimiento ocular,
ya que mediante las mismas se obtuvieron datos exactos sobre los patrones
de atención visual en
los sitios web de Amazon y Booking, plataformas de ventas en línea que se
seleccionaron para este estudio.
Es importante mencionar que hay diversas métricas que se
pueden seleccionar dentro del software (Tobii Pro Lab), se lo debe
de hacer según la necesidad de los objetivos planteados. En esta investigación, por
ejemplo, se evaluaron las zonas en las que los participantes más dirigen su mirada, por lo
tanto, se definieron las áreas de interés para cada figura y las métricas de
Fijación y Sacadas. Los resultados mostraron el nivel
de dificultad que tuvieron
los participantes para interactuar con las interfaces, y como se pudo observar que en algunas áreas de interés
establecidas para esta investigación se obtuvieron fijaciones de 0, es decir,
nadie las miró,
lo que indica problemas de usabilidad con el diseño
en este espacio. Con base en este análisis el prototipo
esbozado al finalizar este estudio sugiere que el diseño de las interfaces de
ventas como la interfaz principal
de Amazon, deberían
cambiarse para ofrecer mayor visibilidad a los artículos
en venta de la tienda en cuestión, esto como estrategia de marketing, así como
también una experiencia más amena para el usuario al momento de relacionarse
con el sitio web. Estas características deben ser consideradas por los
diseñadores de sitios de marketing.
Se concluye además,
manifestando que el Eye -Tracking es un dispositivo fácil de utilizar, que puede ser empleado en diversas áreas de investigación para conocer cómo los
seres humanos perciben y procesan los estímulos visuales presentados, información que posteriormente se utiliza para resolver o mejorar
problemas de diseño web, ubicación de productos en estanterías como estrategia de venta, evaluación de aprendizaje en el área educativa, así como
también en la salud para conocer diversos
trastornos psicológicos; hay un sin número de beneficios, como desafíos, mismos que se presentaron al emplear
el dispositivo en el periodo de prueba; donde uno de ellos es la licencia que solo se puede utilizar en
un dispositivo a la vez, por otra parte, la calibración que conlleva
una postura adecuada
para que se nivele la posición de los ojos, esto toma algunos minutos en el
proceso, también la interpretación de los datos en la obtención de los
resultados se complicó al momento de transferirlos a otro formato
como las hojas de cálculo,
puesto que no tenían el orden esperado
5.
Referencias
P. Medina-Chicaiza
y A. G. Martínez-Ortega, “Tecnologías
en la inteligencia artificial para el Marketing: una revisión
de la literatura”, Pro Sci., vol. 4, núm. 30, pp.
36–47, 2020.
Aguado-Guadalupe, G. Repercusión de
las métricas de audiencia online en la comercialización publicitaria del
producto informativo. Razón Y Palabra, 21(2_97), 142–158. Recuperado a partir
de
https://www.revistarazonypalabra.org/index.php/ryp/article/view/989
Almeida Márquez, L. (2020).
Movimientos sacádicos para el fortalecimiento del proceso lector en estudiantes
de quinto año. https://repositorio.pucesa.edu.ec/handle/123456789/3090
Barrientos-Avendaño, Edwin & Coronel,
Anderson & Quintero, Fabián & Rico- Bautista, Dewar. (2020). Sistema
de administración de ventas tienda
a tienda: Aplicando técnicas
de inteligencia artificial. RISTI - Revista
Iberica de Sistemas e Tecnologias de Informacao. 2020. 677-689. https://www.researchgate.net/publication/339227416_Sistema_de_administra
cion_de_ventas_tienda_a_tienda_Aplicando_tecnicas_de_inteligencia_artifici al
Carrillo González,
C. (2017). El Neuromarketing como instrumento para la eficacia
de la publicidad en televisión.
https://dialnet.unirioja.es/servlet/tesis?codigo=153559&info=resumen&idioma
=SPA
Castillo Campos, L, Galvis Torres, A y
Mirque Canchón, A. (2021). Inteligencia artificial en estrategias de marketing digital para Pymes. Universidad Colegio
Mayor de Cundinamarca..
https://repositorio.unicolmayor.edu.co/handle/unicolmayor/3510
Contreras Espinar, A. (2021). Los
cambios del comportamiento del consumidor en sus hábitos de compra, durante la
pandemia Covid-19. https://hdl.handle.net/20.500.12692/77060
Fenollar Belda, D., Juarez Varón, D., & Tur Viñes,
V. (2016). Empleo de técnicas de
Neuromarketing para el análisis de la mejora de la eficiencia en la
comunicación. De Los Medios y La Comunicación de Las Organizaciones a Las Redes
de Valor, 2016, ISBN 978-9942-25-054-4, Págs. 1269-1279, 1269–
1279.
https://dialnet.unirioja.es/servlet/articulo?codigo=6079771&info=resumen&idi
oma=SPA
Cutiva Manios, J. (2018). Uso de la inteligencia artiificial I. A. en el diseño de estrategias comerciales
mediante el aplicativo IBM Watson Marketing. https://repository.udca.edu.co/handle/11158/1035
Gheorghe,
C. M., Purcărea, V. L., & Gheorghe, I. R. (2023).
Using eye-tracking technology in Neuromarketing. Romanian journal of ophthalmology, 67(1), 2–
6.
https://doi.org/10.22336/rjo.2023.2
Guerra Grande, S.
E. (2019). Factores del comportamiento del consumidor que influyen en la
decisión de compra de productos comestibles en un supermercado en línea, en la
mujer moderna entre 26 y 35 años de niveles socioeconómicos B y C, en el año
2018. Universidad Peruana de Ciencias Aplicadas (UPC).
https://repositorioacademico.upc.edu.pe/handle/10757/656043
Hernández-Méndez, J., Muñoz-Leiva, F., Liébana-Cabanillas,
F. J., & Marchitto, M. (2016). Análisis
de la eficacia publicitaria y usabilidad en herramientas Travel
2.0. Un estudio
experimental a través
de la técnica de eye-tracking. Tourism & Management Studies, 12(2), 7-17.
https://www.redalyc.org/pdf/3887/388746605002.pdf
Juarez Varón, D., Tur Viñes, V., Mengual Recuerda, A., & Peydró
Rasero, M. Á. (2019). Comparativa de resultados de Google Analytics
frente a biometría de neuromarketing (eye tracking):
Caso de estudio: Web ropa infantil. Avances En
El Área de Materiales y Sus Procesos
2018, 2019, ISBN 978-84-949535-3-
8, Págs. 43-66, 43–66.
https://dialnet.unirioja.es/servlet/articulo?codigo=7173579&info=resumen&idi
oma=SPA
López
Campo, V. & Flores Cucchiara, M. (2021). Herramienta biométrica Eye Tracker y su aplicación en los cereales Kellogg’s más
vendidos en Colombia. https://repositorio.unbosque.edu.co/handle/20
500.12495/5997
Moreno Vergara, E. (2021). Eye tracking
como herramienta para mejorar el desarrollo
de páginas web. Caso : amigos mcs.
https://repository.javeriana.edu.co/handle/10554/60571
Roa-Martínez, S. M., & Vidotti, S. A. B. G. (2020). Eye
tracking y usabilidad en ambientes informacionales digitales: revisión teórica
y propuesta de procedimiento de evaluación. Transinformação,
32, e190067.
https://doi.org/10.1590/1678-9865202032E190067
Sulikowski, P., Zdziebko, T., Coussement,
K., Dyczkowski, K., Kluza,
K., & Sachpazidu-Wójcicka, K. (2021). Gaze and Event Tracking for
Evaluation of Recommendation-Driven Purchase. Sensors 2021, Vol. 21, Page 1381, 21(4),
1381. https://doi.org/10.3390/S21041381
