1 UNIVERSIDAD ESAN FACULTAD DE CIENCIAS ECONÓMICAS Y ADMINISTRATIVAS ADMINISTRACIÓN Y MARKETING Influencia del marketing con IA en la experiencia del cliente a través de la recordación de marca y la búsqueda de información, en empresas e-commerce de ropa y retail entre jóvenes adultos de 18 a 35 años de Lima Metropolitana Trabajo de Suficiencia Profesional presentado para obtener el título profesional de Licenciado(a) en Administración y Marketing AUTORES Castro Basurto, Silvana Isabel Huamani Hurtado, Adriana Liliana Leyva Llanos, Camila Celeste ASESOR Ostos Marino, Jhony Lionel ORCID Nº 0000-0003-1888-7378 Octubre, 2025 https://orcid.org/0000-0003-1888-7378 2 RESULTADOS DE INFORME DE SIMILITUD 3 ÍNDICE INTRODUCCIÓN ................................................................................................................. 7 CAPÍTULO I: PLANTEAMIENTO DEL PROBLEMA .......................................................... 8 1.1 Descripción de la situación problemática........................................................................ 8 1.2 Formulación del problema ............................................................................................ 9 1.2.1 Problema general..................................................................................................... 9 1.2.2 Problemas específicos .............................................................................................. 9 1.3 Determinación de objetivos.......................................................................................... 10 1.3.1 Objetivo general .................................................................................................... 10 1.3.2 Objetivos específicos .............................................................................................. 10 1.4 Justificación de la investigación ................................................................................... 10 2.1 Bases teóricas .............................................................................................................. 11 2.1.1. Marketing con inteligencia artificial ....................................................................... 12 2.1.2 Recordación de marca ............................................................................................ 12 2.1.3 Búsqueda de información ....................................................................................... 13 2.1.4 Experiencia del cliente ........................................................................................... 13 2.1.5. Modelo de variables que sustentan la investigación .................................................. 15 2.1.6. Modelos teóricos que sustentan la relación entre variables ....................................... 16 2.1.7 Modelo teórico adoptado para la investigación ......................................................... 28 2.2. Antecedentes de la investigación ................................................................................. 28 2.3. Contexto de la investigación........................................................................................ 31 2.3.1 Aplicación del marketing con IA en el Perú ............................................................. 31 2.3.2 Situación del e-commerce en el Perú ....................................................................... 33 2.3.2. Situación de e-commerce de moda en el Perú .......................................................... 34 2.3.3. Perfil del usuario de plataformas de e-commerce de moda en el Perú ........................ 36 2.3.4. Customer Journey Map del proceso de cómo interactúa el usuario con el e-commerce 39 2.4 Hipótesis ..................................................................................................................... 40 2.4.1 Hipótesis general ................................................................................................... 40 2.4.2. Hipótesis específicas.............................................................................................. 43 4 CAPÍTULO III: METODOLOGÍA ...................................................................................... 46 3.1 Diseño de la investigación ............................................................................................ 46 3.2. Población y muestra ................................................................................................... 47 3.2.1. Población objetivo ................................................................................................. 47 3.2.2. Tamaño de muestra ............................................................................................... 47 3.2.3. Método de muestreo .............................................................................................. 49 3.3. Método de recolección de datos ................................................................................... 50 3.3.1 Planteamiento de instrumento de medida ................................................................. 50 3.4. Método de análisis de datos ........................................................................................ 52 CAPÍTULO IV: CONCLUSIONES ...................................................................................... 53 CAPÍTULO VI: RECOMENDACIONES ............................................................................. 54 REFERENCIAS BIBLIOGRÁFICAS .................................................................................. 56 ANEXOS ............................................................................................................................. 64 ÍNDICE DE FIGURAS Figura 1 13 Figura 2 17 Figura 3 30 Figura 4 43 Figura 5 74 Figura 6 75 Figura 7 76 Figura 8 77 Figura 9 78 Figura 10 79 Figura 11 80 Figura 12 81 5 RESUMEN La presente investigación analiza los factores que influyen en la variable experiencia del cliente, dentro del contexto del e-commerce de ropa y retail en jóvenes adultos de 18 a 35 años de Lima Metropolitana. El estudio propone un enfoque cuantitativo, descriptivo y de diseño transversal correlacional y explicativo, utilizando como instrumento principal una encuesta estructurada dirigida a 384 participantes. Se estableció un marco teórico robusto que integra modelos recientes de influencia digital, cognición del consumidor y experiencia del cliente. Los resultados esperados apuntan a demostrar que el uso del marketing basado en IA impacta de manera positiva en la experiencia del cliente a través de la recordación de marca y la búsqueda de información, mejorando su relación con las marcas. Este trabajo tiene como objetivo determinar la influencia del marketing con IA en la experiencia del cliente a través de la recordación de marca y la búsqueda de información. PALABRA CLAVE: Inteligencia artificial, marketing con IA, experiencia del cliente, búsqueda de información, recordación de marca. 6 ABSTRACT This research analyzes the factors that influence the customer experience variable within the context of clothing e-commerce and retail among young adults aged 18 to 35 in Metropolitan Lima. The study proposes a quantitative, descriptive, cross-sectional, correlational, and explanatory approach, using a structured survey of 384 participants as its main instrument. A robust theoretical framework was established that integrates recent models of digital influence, consumer cognition, and customer experience. The expected results aim to demonstrate that the use of AI-based marketing has a positive impact on customer experience through brand recall and information search, improving their relationship with brands. This work aims to determine the influence of AI marketing on customer experience through awareness and information seeking. KEY WORDS: Artificial intelligence, AI marketing, customer experience, information seeking, awareness. 7 INTRODUCCIÓN En las últimas dos décadas, la convergencia entre tecnologías digitales e interacciones de consumo ha transformado la dinámica competitiva en el comercio minorista global. La adopción de herramientas basadas en inteligencia artificial —como los sistemas de recomendación, chatbots automatizados y análisis predictivo del comportamiento del cliente— ha permitido a las empresas redefinir sus estrategias de marketing, optimizar la personalización y reforzar la experiencia del cliente en canales en línea. En el contexto latinoamericano, y muy especialmente en el Perú, el crecimiento del comercio electrónico ha sido sostenido: el acceso a internet y el uso de dispositivos móviles han impulsado nuevas formas de relación entre marcas y consumidores. Sin embargo, a pesar de esta oportunidad, muchas empresas del sector de moda y retail enfrentan desafíos para traducir la inversión tecnológica en beneficios tangibles de experiencia y fidelización. Este trabajo de investigación se centra en analizar la influencia del marketing con inteligencia artificial sobre la experiencia del cliente, mediante la mediación de la recordación de marca y la búsqueda de información, en el segmento joven (18 a 35 años) de consumidores peruanos de e-commerce de moda. A través de un enfoque cuantitativo, se propone un modelo adaptado que permite evaluar estas relaciones en el contexto nacional. El estudio aporta valor al vincular la vertiente tecnológica del marketing (IA) con variables cognitivas del consumidor (recordación, búsqueda) que han sido poco exploradas en el mercado peruano, y ofrece recomendaciones prácticas para que las empresas optimicen sus estrategias digitales. En cuanto a su estructura, el capítulo 1 presenta el marco contextual y el estado del arte; el capítulo 2 desarrolla el marco teórico; el capítulo 3 expone la metodología empleada; el capítulo 4 muestra los resultados del análisis y el capítulo 5 presenta las conclusiones, limitaciones y recomendaciones. 8 CAPÍTULO I: PLANTEAMIENTO DEL PROBLEMA 1.1 Descripción de la situación problemática A nivel global, la digitalización y el uso de la inteligencia artificial (IA) han transformado el panorama del marketing y la gestión de la experiencia del cliente. Según Dwivedi et al. (2021), la IA se ha convertido en un elemento central del marketing digital, al permitir la automatización de procesos de segmentación, predicción de comportamientos y personalización de contenidos, optimizando así la interacción marca–consumidor. Esta tendencia ha impulsado a las organizaciones a replantear sus estrategias, priorizando la recopilación y el análisis de datos para ofrecer experiencias más relevantes y consistentes. La literatura reciente coincide en que la inteligencia artificial posibilita una personalización más precisa de la comunicación y la experiencia del cliente, fortaleciendo la confianza y la fidelización hacia las marcas (Beyari & Hashem, 2025; Malque, 2025). En consecuencia, el marketing con IA se consolida como una herramienta estratégica que amplía las capacidades de las empresas para conectar con sus públicos y construir relaciones de largo plazo. En América Latina, el proceso de transformación digital se ha acelerado significativamente durante la última década, impulsado por el crecimiento del acceso a internet y los cambios en los hábitos de consumo digital (Dwivedi et al., 2021). Sin embargo, persisten desafíos relacionados con la adopción efectiva de tecnologías avanzadas en las empresas, especialmente en sectores con alta competencia como el comercio minorista. En el Perú, el comercio electrónico ha mostrado un crecimiento sostenido y se ha consolidado como un canal clave de ventas para las empresas del sector retail y moda (Cámara Peruana de Comercio Electrónico [CAPECE], 2025). Este avance se debe principalmente al aumento del acceso a internet móvil y a la mayor disposición de los jóvenes a realizar compras en línea, lo que ha generado nuevas oportunidades para aplicar estrategias de marketing digital 9 y tecnologías basadas en IA. No obstante, a pesar de la expansión del e-commerce, aún existe una limitada comprensión sobre cómo el uso de la inteligencia artificial en marketing influye en los procesos cognitivos del consumidor, como la recordación de marca o la búsqueda de información. Esta brecha teórica y práctica revela una necesidad de investigación en el contexto peruano: comprender de qué manera la aplicación del marketing con IA contribuye a mejorar la experiencia del cliente a través de la influencia en variables cognitivas clave. Explorar este vínculo permitirá ofrecer lineamientos que orienten a las empresas a optimizar sus estrategias digitales y aprovechar plenamente el potencial de la inteligencia artificial en la construcción de valor para el consumidor. 1.2 Formulación del problema 1.2.1 Problema general ¿De qué manera el marketing con inteligencia artificial influye en la experiencia del cliente a través de la recordación de marca y la búsqueda de información en jóvenes adultos de 18 a 35 años de Lima Metropolitana en el sector e-commerce de ropa y retail? 1.2.2 Problemas específicos PE.1. ¿De qué manera influye el marketing con IA en la recordación de marca? PE.2. ¿De qué manera influye el marketing con IA en la búsqueda de información? PE.3. ¿De qué manera influye la recordación de marca en la experiencia del cliente? PE.4. ¿De qué manera influye la búsqueda de información en la experiencia del cliente? PE.5. ¿De qué manera influye el marketing con IA en la experiencia del cliente? 10 1.3 Determinación de objetivos 1.3.1 Objetivo general Determinar de qué manera el marketing con inteligencia artificial influye en la experiencia del cliente a través de la recordación de marca y la búsqueda de información en jóvenes adultos de 18 a 35 años de Lima Metropolitana en el sector e-commerce de ropa y retail. 1.3.2 Objetivos específicos OE.1. Determinar la influencia del marketing con IA en la recordación de marca en el sector de e-commerce de moda. OE.2. Determinar la influencia del marketing con IA en la búsqueda de información en el sector de e-commerce de moda. OE.3. Determinar la influencia de la recordación de marca en la experiencia del cliente en sector de e-commerce de moda OE.4. Determinar la influencia de la búsqueda de información en la experiencia del cliente en el sector de e-commerce de moda. OE.5. Determinar la influencia del marketing con IA en la experiencia del cliente en el sector de e-commerce de moda. 1.4 Justificación de la investigación La relevancia de este estudio es tanto teórica como práctica, ya que, a nivel teórico, a pesar de los avances tecnológicos, muchas empresas aún luchan por implementar estrategias digitales efectivas que logren un equilibrio entre el uso de datos, la personalización y la confianza del cliente (Alcalink, 2024). Esta investigación contribuye a la literatura académica al analizar las percepciones de los consumidores peruanos y la relación entre variables clave como la personalización, la intención de compra y la experiencia del cliente. Además, al 11 centrarse en un contexto local como Lima, Perú, se llena un vacío en la investigación, que proporciona una evidencia empírica que puede servir de base para futuros estudios en la región (Ipsos Perú, 2024). Por otro lado, en el ámbito práctico, los resultados de este trabajo pueden ser de gran valor para las empresas del sector en Lima, ya que con la información obtenida permitirá a los profesionales de marketing comprender mejor cómo el uso de la IA en sus campañas influye en las decisiones y la percepción de sus consumidores, en donde esto a su vez les permitirá optimizar sus estrategias, mejorar el retorno de la inversión (ROI) y fortalecer la relación con su público, logrando un equilibrio entre la tecnología y la conexión humana (IBM, 2025). Según Savia Comunicación (2025), la inteligencia artificial ayuda a adaptar los mensajes a las preferencias de cada público, lo que se traduce en campañas más efectivas y que generan un mejor retorno de inversión. CAPÍTULO II: MARCO TEÓRICO 2.1 Bases teóricas El modelo teórico que sustenta esta investigación se estructura a partir de cuatro variables principales: marketing con inteligencia artificial (IA) como variable independiente; recordación de marca y búsqueda de información como variables mediadoras; y experiencia del cliente como variable dependiente. El orden y la relación entre ellas responden a un flujo lógico que parte de la influencia del marketing con IA sobre los procesos cognitivos del consumidor, los cuales posteriormente determinan su experiencia global con la marca en entornos digitales. 12 2.1.1. Marketing con inteligencia artificial El marketing con IA comprende diversas aplicaciones que influyen directamente en la experiencia del cliente, especialmente en las etapas cognitivas de recordación y búsqueda de información. 2.1.1.1. Marketing de influencers con IA Según Beyari & Hashem (2025), la inteligencia artificial aplicada al marketing de influencia permite seleccionar de manera más precisa a los creadores de contenido con mayor impacto en la audiencia, analizando métricas como credibilidad, alcance y nivel de interacción. De esta manera, las campañas logran generar un mayor conocimiento de marca al conectar con públicos mejor segmentados 2.1.1.2. Personalización del Marketing con IA Tal como indica Malque (2025), la personalización de marketing con IA es el proceso que hace referencia a la personalización de los mensajes, recomendaciones y experiencia de acuerdo con sus necesidades y características específicas. Este proceso permite una mayor relevancia de los contenidos y un acercamiento más personal entre marca y cliente. 2.1.1.3 Optimización de contenido con IA Dwivedi et al. (2021) destacan que la IA posibilita optimizar los contenidos digitales al analizar en tiempo real los patrones de consumo, ajustando el formato, la frecuencia y los canales de distribución. Esta capacidad permite que los clientes accedan a información más adecuada a sus intereses, incrementando la efectividad de las campañas. 2.1.2 Recordación de marca Tal y como plasman Beyari & Hashem (2025), se puede componer un conocimiento de marca a partir del grado al que los consumidores llegan a ser familiarizados y a reconocer un 13 producto o servicio, capitalizando para ello, estrategias del marketing basado en la IA, que puede ayudar a incrementar tal conocimiento por intermedio de experiencias más personalizadas y mensajes de mayor atractivo. 2.1.3 Búsqueda de información Según Dwivedi et al. (2021), la búsqueda de información es un comportamiento determinante del propio consumidor en el proceso de decidir la compra de un determinado producto o servicio, dado que se refiere a la obtención de datos relacionados con el producto y su posterior evaluación. La búsqueda de información también sería facilitada por la IA con un contenido que se ajusta al contexto del usuario, quien puede implementar de forma más rápida y ágil la búsqueda de información. 2.1.4 Experiencia del cliente De acuerdo con Malque (2025), la experiencia del cliente es el resultado de la interacción entre el consumidor y la marca y tal interacción tendría lugar de manera continua a través de múltiples puntos de contacto. La IA puede ayudar a enriquecer la experiencia del cliente gracias a la introducción de soluciones más rápidas, mensajes adaptados, servicios personalizados que permiten elevar su satisfacción y fomentar el compromiso con la marca. 14 2.1.4.1. Experiencia de marca sensorial La experiencia de marca sensorial es la forma en la que los estímulos que son percibidos por los sentidos forman parte de la interacción del cliente con la marca o la empresa. Según Brakus et al., 2009, esta dimensión comprende las sensaciones visuales, auditivas, olfativas, táctiles o gustativas que son capaz de generar placer, atracción o curiosidad. Así, elementos como la iluminación, el diseño, los colores o la música se encargan de crear esa conexión emocional desde el propio sentido. 2.1.4.2. Experiencia de marca afectiva La experiencia de marca afectiva se caracteriza por las emociones y sentimientos que se generan durante el contacto con la marca. En este sentido, Brakus et al (2009) afirman que las experiencias afectivas pueden llegar a crear alegría, confianza o empatía, siendo la base de los lazos emocionales intensos. Si las interacciones producen experiencias emocionales gratificantes, se provocan mayores índices de satisfacción y lealtad del cliente. 2.1.4.3. Experiencia de marca conductual La experiencia de marca de tipo conductual hace alusión a la acción o conducta del cliente en función de esta experiencia o las acciones o los comportamientos del cliente que se derivan de ella. Según Brakus et al. (2009), esta dimensión se pone de manifiesto en conductas observables que pueden ser la repetición de una compra, las recomendaciones o el comportamiento activo con la marca, es decir, es una respuesta real que evidenciará el grado de compromiso del cliente. 15 2.1.4.4. Experiencia de marca intelectual La experiencia de marca intelectual está relacionada con los procesos mentales que estimulan el pensamiento y la reflexión del consumidor. De acuerdo a Brakus et al. (2009), esta dimensión está vinculada a la curiosidad, al aprendizaje o al análisis racional que genera la interacción con una marca. En el caso de una experiencia intelectual efectiva, el cliente es llevado a reflexionar con mayor profundidad acerca de los valores y mensajes que dicha marca transmite. 2.1.4.5. Experiencia de marca social La experiencia de marca social también está relacionada con las interacciones y la comunidad que desarrollan en torno a una marca las personas que la consumen. Brakus et al. (2009) argumentan que esta dimensión propicia la conexión con otros consumidores, el intercambio de opiniones y la identificación con grupos o estilos de vida ligados con la marca, de manera que se refuerza la relación social del consumidor. En este contexto, resulta fundamental identificar los principales modelos teóricos que explican las relaciones entre las variables del estudio. A continuación, se presentan los enfoques conceptuales que sustentan cómo el marketing con inteligencia artificial influye en la recordación de marca y la búsqueda de información, y cómo estas, a su vez, determinan la experiencia del cliente. 2.1.5. Modelo de variables que sustentan la investigación El modelo teórico que sustenta la presente investigación se estructura con base en cuatro variables principales: el marketing con inteligencia artificial (IA) como variable independiente; la recordación de marca y la búsqueda de información como variables mediadoras; y la experiencia del cliente como variable dependiente. Este modelo busca analizar cómo la aplicación de herramientas de IA en las estrategias de marketing influye en los procesos cognitivos del consumidor, expresados en la recordación y búsqueda de información, los cuales 16 determinan su experiencia global con la marca. En el esquema conceptual, se considera que el marketing con IA actúa como un factor causal que impulsa mejoras en la personalización, eficiencia y relevancia de los mensajes publicitarios. Estos efectos influyen positivamente en la recordación de marca —al generar una conexión emocional y cognitiva más fuerte— y en la búsqueda de información —al facilitar el acceso a contenido relevante y confiable—. Ambas variables mediadoras conducen a una experiencia del cliente más satisfactoria, caracterizada por valor percibido, confianza y lealtad. El modelo permite explicar la influencia de la inteligencia artificial no solo desde una perspectiva tecnológica, sino también conductual, al integrar las dimensiones cognitivas y emocionales del consumidor en su interacción con las marcas digitales. 2.1.6. Modelos teóricos que sustentan la relación entre variables Una vez definidas las bases teóricas de cada variable —marketing con inteligencia artificial, recordación de marca, búsqueda de información y experiencia del cliente—, resulta necesario identificar los modelos conceptuales que explican la interacción entre ellas. Estos modelos permiten comprender cómo el marketing con inteligencia artificial (IA) incide en los procesos cognitivos del consumidor, fortaleciendo la recordación de marca y optimizando la búsqueda de información, lo que finalmente se traduce en una mejor experiencia del cliente en entornos digitales. 17 2.1.6.1. Modelos conceptuales del comportamiento del consumidor El comportamiento del consumidor busca explicar cómo las personas eligen y usan los productos o servicios que consumen. A lo largo del tiempo, varios modelos han tratado de describir este proceso. Uno de los primeros fue el modelo AIDA (Atención, Interés, Deseo y Acción), propuesto por Strong (1925), que plantea que el comprador pasa por distintas etapas antes de realizar una compra. Sin embargo, con la llegada de los entornos digitales, este enfoque lineal ya no refleja del todo cómo actúan los consumidores. Actualmente, las personas están expuestas a mucha información al mismo tiempo y utilizan diferentes canales antes de decidir una compra (Lemon & Verhoef, 2016). Por ello, Court et al. (2009) desarrolló el modelo Customer Decision Journey (CDJ), que muestra la decisión de compra como un proceso continuo y no como un embudo que termina con la adquisición del producto. El modelo plantea varias fases que se conectan entre sí: la consideración inicial, la evaluación activa, la compra, la experiencia después de la compra y la etapa de lealtad. En este recorrido, la inteligencia artificial tiene un papel importante. En especial, ayuda durante la evaluación y después de la compra, mediante sistemas de recomendación o análisis predictivos que ajustan las ofertas y mejoran la experiencia del cliente (Court et al., 2009). La Figura 1 muestra el modelo clásico del Consumer Decision Journey de Court et al. (2009), en el que se observa cómo las diferentes fases se retroalimentan de manera constante. 18 Figura 1 Modelo clásico del Consumer Decision journey de Court et al. (2009) Fuente: Elaboración propia, adaptada de Court et al. (2009). The New Consumer Decision Journey. Davenport, Guha, Grewal, & Bressgott. (2020) señalan que la inteligencia artificial ayuda a las empresas a revisar datos en tiempo real y a responder mejor a las necesidades de los clientes. En el e-commerce, cumple el rol de asistente digital que acompaña al comprador durante su decisión. 19 2.1.6.1.1. El recorrido de la decisión del consumidor (Customer Decision Journey – CDJ). A diferencia del embudo tradicional AIDA, el modelo CDJ (Court et al., 2009) representa la decisión de compra como un ciclo continuo y no lineal. en el entorno digital actual, los consumidores reciben información de muchas fuentes y comparten sus propias experiencias, lo que hace que la evaluación y la etapa posterior a la compra sean momentos clave. El marketing con IA influye sobre todo en dos fases: • Evaluación activa (Information Seeking): En esta etapa, la búsqueda de información se amplía a través de canales digitales. La IA, mediante sistemas de recomendación y personalización de contenido, filtra el exceso de información y entrega resultados relevantes, agilizando la toma de decisiones. • Experiencia poscompra: La IA contribuye a mantener la relación con el cliente mediante recordatorios, sugerencias de recompra y mensajes personalizados que refuerzan la lealtad y la satisfacción. 2.1.6.1.2. Teoría de la creación de valor centrada en el cliente (Value Co Creation Theory). Prahalad & Ramaswamy (2004) introducen la teoría de la co creación de valor, según la cual el valor no se genera únicamente desde la empresa, sino que se construye conjuntamente con el cliente. En entornos digitales, la IA permite esta co-creación al ofrecer herramientas que empoderan al consumidor durante su proceso de búsqueda y compra. El marketing con IA fomenta la co-creación (value co-creation) al: • Mejorar la búsqueda de información, ofreciendo herramientas interactivas (chatbots, filtros inteligentes) que facilitan la búsqueda y reducen el esfuerzo cognitivo. 20 • Alinear la recordación de marca con las preferencias del cliente, logrando que la marca sea percibida como más relevante, comprensiva y auténtica. Esta interacción colaborativa fortalece la relación emocional entre el cliente y la marca, generando valor percibido y una experiencia más significativa. 2.1.6.2. Modelos de influencia de la IA y la cognición del consumidor (vínculo IA → recordación de marca/búsqueda de información La investigación gira en torno a qué forma la idea y el mecanismo de cómo las tecnologías de marketing con IA pueden tener incidencia, a causa y/o como consecuencia de una mayor cognición durante las fases iniciales del consumidor: recordación de marca y búsqueda de información. Se establece que estas fases son factores determinantes para que una marca llegue a situarse dentro del conjunto de consideración del cliente. Los modelos más recientes indican que la forma de relacionarse el consumidor o el cliente con los sistemas algorítmicos depende de la confianza, transparencia y aceptación percibida (Lankton, Lankshear & Lee, 2020; Al Adwan, 2024). De ahí que estas variables sean adecuadas para comprender que la IA puede ser un facilitador del proceso de toma de decisiones e incidir de forma favorable en la percepción del consumidor y la consideración de marca. 21 2.1.6.2.1. Modelo de transparencia, confianza y aceptación de la IA (Trust Acceptance Model) Este modelo que Lankton, Lankshear & Lee (2020) proponen establece que la eficacia de los sistemas de IA depende totalmente de la confianza que el consumidor tenga en el algoritmo. Confianza que resulta ser un mediador entre las estrategias de marketing AI y los resultados cognitivos (Al-Adwan, 2024). ● Vínculo con la recordación de marca: Cuando la optimización de contenido con IA se percibe como transparente y ético, la marca gana credibilidad y es incluida en el initial consideration set, lo que fortalece su recordación (Lankton, Lankshear & Lee, 2020). ● Vínculo con la búsqueda de información: La personalización de contenidos mediante IA reduce la sobrecarga informativa (information overload) y facilita la obtención de datos relevantes, incrementando la aceptación del sistema como asistente confiable (Al- Adwan, 2024). Como se observa en la Figura 2, la transparencia percibida influencia positivamente la confianza del usuario, lo cual promueve la aceptación del sistema inteligente (Vorm & Combs, 2022). Figura 2 Modelo de transparencia, confianza y aceptación de sistemas inteligentes 22 Fuente: Elaboración propia, adaptada de “The effect of transparency and trust on intelligent system acceptance”, (Vorm & https://www.tandfonline.com/doi/full/10.1080/10447318.2022.2070107 2.1.6.1.2. Recorrido del cliente impulsado por la IA (AI-driven customer journey) Este concepto (adaptación de Sestino et al., 2020) sitúa los algoritmos en el centro de la orquestación de las fases de compra digital. En este recorrido, las etapas de conocimiento y búsqueda de información se vuelven fluidas y altamente interconectadas: IA generativa como asistente (asistente de compra virtual): La IA generativa permite modificar el proceso porque actúa como asistente virtual que orienta al cliente a través de las diversas categorías y aporta comparativas en tiempo real, transformando la búsqueda de información en comercioconversacional Awareness (descubro/recuerdo la marca) e information seeking (obtengo información del producto) a la vez. La idea de la IA es eliminar el ruido asociado a las opciones irrelevantes para centrar a la persona en lo que tiene más posibilidades de satisfacer su necesidad. Según Think with Google, 2024, "el objetivo principal de la IA pasa por eliminar el ruido proveniente de las opciones irrelevantes y centrar al consumidor únicamente en lo que tiene más probabilidades de satisfacer sus necesidades". Siguiendo las reflexiones de Adiyanto (2025), los asistentes de compra virtuales guiados por IA incrementan la lealtad al cliente, la conversión de ventas y la satisfacción del consumidor en los mercados online. De la misma manera, Saxena (2025) afirma que estos asistentes de compra virtuales expresan su potencial mediante técnicas de procesamiento del lenguaje natural y el aprendizaje automático, que les permiten comprender y dar respuesta a las necesidades del cliente, así como también dar recomendaciones personalizadas y asistencia en tiempo real. La utilización de asistentes de compra en línea también permite a las empresas el hecho de recopilar información valiosa sobre las preferencias y los comportamientos de los consumidores, facilitan la personalización en futuras interacciones y en las estrategias de marketing (Itransition, https://www.tandfonline.com/doi/full/10.1080/10447318.2022.2070107 23 2025). De acuerdo con un informe elaborado por Grand View Research (2025), los asistentes de compra que están impulsados por IA han empezado a integrar capacidades de visión por ordenador y de generación de texto, lo que aumenta la experiencia de compra, al permitir asegurar funcionalidades como una prueba en modo virtual y un descubrimiento dinámico de productos (Grand View Research, 2025). Bloomreach (2025) también sostiene que unos algoritmos de IA permiten filtrar el ruido de la información, solo mostrando opciones relevantes y aumentando la eficacia en el proceso de decisión de un consumidor. 2.1.6.3.1. Modelo hedónico-utilitario del valor percibido Babin et al (1994) establecen la diferenciación entre el valor utilitario (eficiencia y racionalidad) y el valor hedónico (placer y emoción). Esta diferenciación también puede manifestarse en el comportamiento del consumidor, que puede ver cómo la decisión de compra se puede dar por la necesidad funcional o por el deseo de vivir emociones satisfactorias. 2.1.6.3.1.1. Valor utilitario (Information seeking → Experiencia intelectual/conductual): La inteligencia artificial potencializa la manera de buscar información a partir de los algoritmos predictivos y las recomendaciones personalizadas, produciendo de este modo un incremento de la percepción de la eficiencia (valor intelectual) y un incremento de la disposición a actuar sobre la información (valor conductual) (Childers et al., 2001). La motivación utilitaria en el e- commerce está relacionada con actividades como buscar información y comparar productos (Childers et al., 2001), actividades que la inteligencia artificial potencia. Verhagen et al. (2015) afirmaron que la eficiencia percibida y la facilidad de la navegación aumentan la confianza en el consumidor e incrementan la tasa de finalización de la compra. 24 2.1.6.3.1.2. Valor hedónico (Awareness → Experiencia Sensorial/Afectiva): La publicidad personalizada y las representaciones visuales interactivas generan emociones positivas (afectiva) y placer estético (sensorial). Hanzaee & Khonsari (2011) destacan que el valor hedónico se relaciona con la gratificación emocional y estética que los consumidores experimentan al interactuar con la plataforma. Park & Lee (2012) indican que las experiencias hedónicas aumentan la involucración del usuario, la satisfacción y la intención de retorno, especialmente cuando los estímulos sensoriales son atractivos y coherentes con la identidad de la marca. 2.1.6.3.1.3. Integración hedónico-utilitaria: La combinación de valor utilitario y hedónico potencia la experiencia global del consumidor. La IA no solo mejora la eficiencia y el control del usuario, sino que también puede crear experiencias emocionalmente gratificantes mediante recomendaciones personalizadas, animaciones interactivas y elementos sensoriales que incrementan la satisfacción del consumidor (Verhagen et al., 2015; Childers et al., 2001). De manera complementaria, el estado de inmersión y disfrute que pueden generar estas experiencias hedónicas y utilitarias se explica con mayor detalle a través de la Teoría del Flujo, la cual permite analizar cómo la interacción con la plataforma digital puede inducir una concentración profunda y una percepción altamente gratificante del proceso de compra. 2.1.6.3.2. Teoría del Flujo (Flow Theory) en entornos digitales La Teoría de Flow, introducida por Csikszentmihalyi (1990), define un estado en que las habilidades del usuario están equilibradas con los desafíos de la tarea, de modo que se produce un gran disfrute y se llega a una inmersión total. La Teoría de Flow llega también a un entorno online. De esta forma, Novak, Hoffman y Yung (2000) proponen que los usuarios tienen una mejor experiencia de uso, y por consiguiente disfrutan más cuando perciben que tienen un buen nivel de control y competencia y que los desafíos con los que se 25 enfrentan son adecuados a sus habilidades. El estado de flow online, con la ayuda de las tecnologías de la información y la comunicación (TIC), se caracteriza por una elevada concentración, por una fuerte pérdida de la autoconciencia y por una clara distorsión del sentido del tiempo. La IA se convierte, en los entornos de comercio electrónico, en un elemento esencial que ayuda a facilitar el proceso del flow. Las TIC ayudan a equilibrar la dificultad de las tareas y las habilidades del usuario, contribuyendo a la optimización del entorno digital, como en los casos de la navegación intuitiva, recomendaciones personalizadas y feedback en tiempo real. Según Novak et al. (2000), la interactividad y la telepresencia potencian el flujo de la experiencia en entornos online. 2.1.6.3.3. Modelo de la experiencia de servicio digital y lealtad (digital service experience model) Este último modelo, inspirado en los estudios post-2020 de Customer Experience y basado en el nexo existente entre satisfacción y futura lealtad, establece que la satisfacción y la futura lealtad se configuran a través de la mediación de la eficiencia percibida y de la cualidad de las interacciones digitales impulsadas por la IA (George & George, 2023). • Impacto en las dimensiones utilitarias (intelectual y conductual): Una exitosa búsqueda de información (gracias a la eficiencia de la IA) genera una alta eficiencia percibida. Esto se traduce en valor intelectual (el cliente siente que su proceso fue lógico y fácil) y conductual (el cliente está dispuesto a actuar, comprar y volver a usar el mismo proceso, lo que se acerca a la lealtad) (George & George, 2023). • Impacto en las dimensiones hedónicas (afectiva y sensorial): La sensación de un conocimiento de marca positivo y la ausencia de fricción durante la búsqueda de información (la personalización) generan emociones positivas (dimensión 26 afectiva). Esto, a su vez, mejora la percepción de la interfaz y el diseño (usabilidad) (dimensión Sensorial). (George & George, 2023). 2.1.6.3.4. La experiencia social como co-creación de valor digital La dimensión social se satisface cuando el consumidor percibe que su compra es reconocida por su grupo y que su opinión es valiosa para la comunidad. La IA facilita esta dimensión al: • Fomentar la co-creación social: La IA identifica al cliente con mayor potencial para ser defensor de la marca (advocate) a partir de sus experiencias conductuales (compras). Luego le ofrece plataformas o incentivos para compartir su experiencia en redes (gracias a la información proveniente del conocimiento y la búsqueda de información), cerrando el ciclo con el eWOM (Word-of-Mouth electrónico) (Al-Adwan, 2024). En el estudio del comportamiento del consumidor se identifican los conceptos de experiencia de marca y experiencia del cliente como ejes complementarios de la construcción del concepto de experiencia, que conviene matizar diferenciando y articulando sus vertientes teóricas. La experiencia de marca (Brand experience) es definida como la forma en que los individuos perciben todo aquello que la marca genera (comunicación, identidad visual, valores, interacciones de marca, relación entre todos ellos, y el entorno en el que aparece) para formar una impresión general en los consumidores, no sólo después de una compra, sino incluso antes de llegar a la misma (Brakus, Schmitt & Zarantonello, 2009). Es una promesa simbólica y afectiva; es lo que la empresa "hace sentir" a partir de una identidad percibida. Por su parte, la experiencia del cliente (customer experience) se refiere concretamente a la calidad de las interacciones reales que los usuarios tienen con la empresa o la marca, a lo largo de todo el recorrido de compra —desde la primera toma de contacto, pasando por la navegación, la compra, el servicio posventa y las 27 comunicaciones posteriores—. En ese sentido, la experiencia del cliente es la entrega de esa promesa de marca en cada punto de contacto (Balto, s.f.) (“Brand experience is the promise. Customer experience is the delivery”). La interacción entre ambos conceptos es fundamental, una marca puede generar expectativas altas a través de una experiencia de marca sólida, pero si la experiencia del cliente no cumple esas expectativas —por fallas en el servicio, interfaces complejas, atención deficiente o disonancias tecnológicas— el resultado puede ser frustración, pérdida de confianza o disonancia cognitiva. En otras palabras, la experiencia del cliente traduce en hechos concretos lo que la experiencia de marca promete. Al mismo tiempo, cada interacción eficiente fortalece la percepción de marca futura, reforzando la coherencia entre lo prometido (brand experience) y lo vivido (customer experience). Investigaciones empíricas respaldan esta interacción. Por ejemplo, estudios en el contexto del comercio electrónico muestran que las dimensiones sensoriales, afectivas, conductuales e intelectuales de la experiencia de marca influyen en el compromiso del cliente (customer experience / engagement), lo que sugiere que una buena experiencia de marca puede aumentar la disposición del cliente a involucrarse con la marca y participar activamente (Balto & Nika, 2022). Otros autores señalan que la experiencia de marca contribuye a fortalecer la equidad de marca y a fomentar relaciones de lealtad, mediadas por la satisfacción y la confianza, lo cual depende a su vez de la calidad de la experiencia del cliente en cada punto de contacto (Van-Dat Tran, 2022). Para el presente estudio, que investiga la influencia del marketing con IA en la experiencia del cliente a través de recordación de marca y búsqueda de información, esta relación cobra especial relevancia. El marketing con IA emplea herramientas (personalización, recomendaciones inteligentes, optimización de contenido) que refuerzan la 28 experiencia de marca al comunicar con mayor precisión los valores de la marca, anticipar necesidades e inducir recordación. Luego, esas interacciones reforzadas pueden impactar positivamente en la experiencia del cliente cuando la ejecución técnica (velocidad, relevancia, interfaz, soporte) responde coherentemente al mensaje simbólico inicial. En síntesis, para que el marketing con IA sea efectivo, no basta con generar una promesa atractiva (brand experience); es indispensable que la experiencia del cliente la valide con interacciones funcionales, confiables y satisfactorias. 2.1.7 Modelo teórico adoptado para la investigación El modelo teórico que se adopta en esta investigación se basa en el enfoque propuesto por Beyari y Hashem (2025), quienes sostienen que el marketing con inteligencia artificial (IA) influye directamente en los procesos cognitivos del consumidor, como la recordación de marca y la búsqueda de información, generando un impacto positivo en la experiencia del cliente. De acuerdo con estos autores, la inteligencia artificial permite personalizar las interacciones, optimizar los contenidos y fortalecer la conexión emocional con la marca, lo que se traduce en una experiencia más coherente, eficiente y satisfactoria. En esta línea, el modelo planteado considera al marketing con IA como variable independiente, a la recordación de marca y búsqueda de información como variables mediadoras, y a la experiencia del cliente como variable dependiente. De esta manera, se explica cómo la IA actúa como un facilitador del proceso cognitivo y emocional del consumidor, integrando tecnología y comportamiento humano en el entorno digital. 2.2. Antecedentes de la investigación Beyari & Hashem (2025) llevaron a cabo un estudio con el objetivo de investigar el impacto de la inteligencia artificial (IA) en la personalización de las tácticas de marketing en 29 redes sociales con el fin de mejorar la experiencia del consumidor. La metodología utilizada fue de tipo mixto, intercambiando revisión bibliográfica y análisis empírico en forma de estudios de caso de diferentes marcas que implementan IA en sus tácticas digitales. Los investigadores encontraron que el uso de algoritmos de machine learning permite segmentar de forma más precisa a los usuarios y generar contenidos personalizados que incrementan la interacción y la satisfacción del consumidor. Además, los hallazgos mostraron que la personalización desempeñada por la IA es severamente competente a la hora de ofrecer un mejor provecho del usuario y genera más compromiso y lealtad hacia la marca. En el ámbito de los hallazgos más destacados se comprobó que las marcas que emplean herramientas de IA en sus estrategias de redes sociales logran potenciar los recursos de marketing y mejorar la toma de decisiones en función de los datos, mejorando la relación entre los consumidores y las marcas. Figura 3 Modelo de Beyari & Hashem (2025) Fuente: Beyari, H., & Hashem, T. (2025). The Role of Artificial Intelligence in Personalizing Social Media Marketing Strategies for Enhanced Customer Experience. Behavioral Sciences, 15(5), 700. https://doi.org/10.3390/bs15050700 https://doi.org/10.3390/bs15050700 30 De igual manera, el estudio de Dwivedi et al. (2021) tuvo como objetivo investigar la influencia y uso de la inteligencia artificial en el marketing digital y proposiciones de futuras líneas de investigación en esta área. La metodología utilizada fue de tal tipo revisión sistemática, considerando un extenso número de artículos en las principales bases de datos científicas desde 2000 hasta 2020. Los autores fueron agrupando la evidencia empírica en torno a diferentes áreas del marketing digital: el análisis del consumidor, la publicidad programática, los chatbots, los sistemas de recomendación o la personalización de contenidos. Los resultados mostraron que la IA tiene un carácter transformacional en la intervención del marketing, hasta el punto de hacer una mejor predicción de cómo será el comportamiento del consumidor además de optimizar en tiempo real la comunicación con los clientes. Así mismo, el estudio identificó la necesidad de futuras investigaciones que aborden la ética, la privacidad y la transparencia de los sistemas de IA en el marketing. Por otra parte, Malque (2025) llevó a cabo una investigación, destinada a indagar el impacto que tiene la inteligencia artificial sobre la personalización de la experiencia del cliente, por medio de una revisión sistemática de la literatura. La metodología aplicada es cualitativa, que se basa en la revisión de 65 artículos de investigación, que fueron publicados entre los años 2018 y 2024; todos estos artículos abordan el vínculo que existe entre IA, personalización y la experiencia del consumidor. Los resultados de la investigación reflejan que la inteligencia artificial permite a las empresas entender mejor las preferencias de los consumidores, así como adaptar en tiempo real sus ofertas y sus comunicaciones, consiguiendo generar experiencias más satisfactorias y más relevantes. El estudio también muestra que la inteligencia artificial también realza la fidelización de los clientes, al poder conseguir establecer interacciones más adaptadas a la demanda del cliente. En conclusión, Malque (2025) concluye que la personalización mediada por IA es un factor clave para conseguir ventajas competitivas para las empresas en un entorno digital muy dinámico. 31 A su vez, Beyari & Hashem (2025) realizaron un estudio con el propósito de conocer cómo la inteligencia artificial (IA) influye en la personalización de las estrategias de marketing en redes sociales y de qué manera esto mejora la experiencia del cliente. Para ello, se administró una encuesta a 893 personas de la región MENA, buscando identificar el efecto de la personalización, el marketing con influencers y la optimización de contenido en la interacción y satisfacción de los usuarios. Los resultados revelaron que el uso de la IA ayuda a crear contenidos más relevantes y personalizados, lo que incrementa la conexión con las marcas y mejora la experiencia integral del consumidor. Asimismo, se halló que la personalización impulsada por la IA fomenta una mayor intención de compra y una relación más cercana entre las marcas y los clientes. Sin embargo, los autores mencionan que aún existen retos, como la falta de conocimiento técnico y las preocupaciones éticas sobre el uso de datos, lo que plantea la necesidad de aplicar estas herramientas de manera responsable. Finalmente, Ziakis & Vlachopoulou (2023) llevaron a cabo una investigación que buscaba entender cómo la inteligencia artificial puede mejorar las estrategias de marketing digital. Para ello, se realizó n una revisión sistemática de 211 artículos publicados entre 2015 y 2023, las autoras analizaron las principales formas en que la inteligencia artificial se aplica al marketing. destacando su uso en el aprendizaje automático, las redes sociales, el comercio electrónico y la publicidad digital. El estudio mostró que la IA facilita la automatización de tareas, segmenta mejor a los públicos y ayuda a ofrecer experiencias más personalizadas a los usuarios. Adicionalmente, se concluyó que estas herramientas fortalecen la relación entre las empresas y los consumidores. mejoran la toma de decisiones basada en datos y contribuyen a que las marcas sean más competitivas en el entorno actual. 2.3. Contexto de la investigación 2.3.1 Aplicación del marketing con IA en el Perú 32 La implementación del marketing con inteligencia artificial (IA) en el Perú está expandiendo las formas en que las empresas pueden conectar con sus clientes. Cada vez en mayor grado de intensidad, las empresas están integrando herramientas de IA para optimizar la eficiencia operativa, para personalizar (de manera contextual) las experiencias y para mejorar el rendimiento de las campañas. Una de las aplicaciones más recurrentes es la atención automatizada mediante chatbots, que sirven para dar respuestas a consultas, para realizar cotizaciones o para atender solicitudes simples las 24 horas del día; esto ha permitido reducir los tiempos de respuesta y los costos operativos, especialmente en el sector financiero, en seguros y en comercio electrónico. Igualmente, la IA es capaz de incentivar la personalización del marketing digital. Mediante el análisis de grandes volúmenes de datos, las empresas identifican patrones de comportamiento para proporcionar recomendaciones o mensajes dirigidos a cada cliente de acuerdo a sus preferencias. Esta facultad contribuye a la conversión y a la fidelización, siendo un aspecto determinante en las estrategias de e-business y CRM en el ámbito peruano (ESAN, 2025). Otra aplicación de gran relevancia es la analítica predictiva, que se sirve de modelos de machine learning para predecir el abandono de clientes, optimizar catálogos de productos y establecer presupuestos de publicidad más eficientes. Al mismo tiempo, la publicidad programática ha tenido un crecimiento continuo gracias a la utilización de IA para la gestión automática de la compra y segmentación de espacios digitales con el objetivo de maximizar el retorno de inversión para las marcas (IAB Perú, 2025). Sin embargo, estos avances también implican desafíos. La protección y el uso ético de los datos personales son aspectos fundamentales, especialmente bajo la Ley N.º 29733 y su 33 reglamento actualizado. A ello se suman las limitaciones en la calidad de los datos, la escasez de talento especializado en IA y la resistencia al cambio en algunos sectores empresariales. En síntesis, el marketing con IA en el Perú se encuentra en una etapa de consolidación: las empresas están adoptando tecnologías inteligentes para automatizar, personalizar y medir con mayor precisión sus estrategias, pero deben hacerlo de forma responsable y sostenible para mantener la confianza del consumidor y aprovechar todo su potencial. 2.3.2 Situación del e-commerce en el Perú Según Ipsos (2023) el 57% de los peruanos adultos compran en línea, siendo las siguientes sus modalidades de compra: Páginas webs, aplicaciones, redes sociales y WhatsApp. El estudio realizado a través de 401 encuestas también menciona que las categorías más compradas en internet son: alimentación, moda, cuidado personal, salud y limpieza del hogar. Asimismo, se menciona que los peruanos que compran en línea valoran las siguientes acciones: ● Confirmación de que la compra fue realizada ● Aviso de que el pedido está en camino ● El detalle de día y hora de llegada ● Rapidez en las respuestas Y que para el 2023, los mayores miedos de estos compradores venían dados por: riesgo al fraude (67%), robo de datos bancarios (66%) y suplantación de identidad (50%). Por último, sus comportamientos por lo general se basan en esperar a campañas específicas para realizar compras planeadas (69%), participar en sorteos en redes sociales (56%) y, consideran importante recibir el seguimiento de su pedido (trackeo) (55%). 34 2.3.2. Situación de e-commerce de moda en el Perú El ecosistema del comercio electrónico peruano atraviesa una etapa de consolidación y sofisticación durante el período 2024-2025, especialmente impulsada por el sector retail (minorista) al que pertenece la moda. Luego de un crecimiento explosivo en años anteriores, el e-commerce peruano alcanzó un volumen de US $15.6 mil millones en 2024, con una proyección de crecimiento anual del 15% para 2025 (CAPECE, 2025). En este contexto, la categoría moda se mantiene como una de las de mayor demanda, aunque compite directamente con otros segmentos grandes como tecnología y suplementos. Este escenario presenta dos tendencias clave que justifican la relevancia de investigar la IA en este sector: 35 2.3.2.1. La centralidad del consumidor joven y el mobile commerce El consumidor online peruano se define principalmente por ser joven: el 54% de los compradores son mujeres, y la mayor frecuencia de compra se concentra en el grupo etario de 27 a 34 años (Logista, 2025). Este segmento está altamente digitalizado, con una penetración de smartphones y una preferencia marcada por las compras a través de aplicaciones móviles (mobile commerce). Para 2025, se espera que más del 70% de las transacciones en línea se realicen desde dispositivos móviles (e-Summit Perú, 2025), destacando la necesidad de optimizar las interfaces de usuario para la recordación de marca y la búsqueda de información rápida desde el celular. 2.3.2.2. La adopción de la IA para una experiencia hiper-personalizada La principal tendencia de fondo que impacta directamente en la experiencia del cliente es la adopción acelerada de la inteligencia artificial por parte del sector retail peruano (América Retail, 2025). La IA ha dejado de ser una tecnología esencial que transforma el marketing y la logística: ● Personalización y búsqueda eficiente: La IA es fundamental para posibilitar la generación de experiencias de compra ultra-personalizadas, ya que se traduce en la generación de recomendaciones de productos así como en publicidad dinámica basadas en el historial de navegación y de compra de un usuario. Reflexionando sobre esta funcionalidad, nos encontramos con una que disminuirá la sobrecarga de información y que permitirá que la búsqueda de información o productos se realice fácilmente, siendo una cualidad que el consumidor contempla como un servicio de gran calidad (Mercado Libre, 2025). 36 Ejemplos de aplicación de IA en el sector Retail peruano: Mejora de la recordación de marca y la búsqueda de información: Grandes tiendas en línea como Falabella y Mercado Libre se han apoyado en el uso de algoritmos de predicción en el momento de dar lugar a la ubicación de productos de moda específicos en usuarios particulares. La demanda creciente de plataformas transfronterizas como Temu y AliExpress hace uso de inteligencia artificial de formas masivas y precisas, impactando directamente en la manera de conocer a nuevas marcas que se encuentra el joven limeño. Optimización de contenido y logística: Empresas de la sector de la distribución de productos consumibles están invirtiendo en IA para gestionar inventarios y predecir la demanda con mayor exactitud (Rumbo Económico, 2025), es decir, que reducen los tiempos de entrega y garantizan stock disponible, lo que a su vez permite satisfacer la demanda del consumidor por la rapidez en su entrega. Reto de la confianza: A pesar del crecimiento, el sector aún enfrenta la falta de confianza por parte de los limeños, quienes se sienten "poco protegidos" al hacer compras en línea (Spirian, citado en Logista, 2025). Aquí, el marketing con IA juega un rol clave, ya que la comunicación precisa y la atención al cliente automatizada (ej. chatbots) buscan generar expectativas claras y, por ende, aumentar la recordación de marca y la percepción de seguridad. 2.3.3. Perfil del usuario de plataformas de e-commerce de moda en el Perú En el Perú, el comercio electrónico ha tenido un crecimiento sostenido en los últimos años, y los jóvenes adultos representan uno de los segmentos más activos dentro de esta tendencia. Diversos estudios señalan que los compradores en línea se concentran 37 principalmente en el rango de 25 a 34 años, lo que ubica a los jóvenes adultos como los principales consumidores digitales en el país (Gestión, 2017). Asimismo, la participación femenina presenta una ligera mayoría, representando aproximadamente el 54 % de los compradores online, aunque esta proporción puede variar según la categoría o la plataforma de compra (Gestión, 2017). En términos de nivel educativo, los usuarios de e-commerce en el Perú suelen contar con formación superior completa, lo que refleja un perfil de consumidores con mayor acceso a herramientas tecnológicas y capacidad de gasto. Un estudio encontró que alrededor del 44 % de los compradores online declara tener educación superior, mientras que el mayor peso socioeconómico se concentra en los niveles medios y altos (Gestión, 2017). Este factor resulta especialmente relevante en el sector moda, donde la preferencia por marcas y productos específicos se asocia con estilos de vida aspiracionales. Respecto a los hábitos de compra, se estima que el 52 % de los peruanos ya realiza compras en línea, aunque la frecuencia varía: mientras algunos usuarios compran semanalmente, la mayoría lo hace de forma ocasional, dependiendo de promociones o necesidades puntuales (Perú Retail, 2022). En este comportamiento, el dispositivo móvil juega un rol central, ya que alrededor del 74 % de las compras online se realizan desde smartphones, frente a un 26 % desde computadoras de escritorio (América Retail, 2025). Esta preferencia por el móvil resalta la importancia de las estrategias de marketing digital adaptadas a entornos mobile-first. Otro aspecto determinante es el gasto promedio por transacción, que se ubica en US$ 55 en el caso del comprador online peruano, cifra que coincide con la categoría moda, dado que los tickets en este rubro suelen ser moderados en comparación con otros sectores como tecnología o viajes (América Retail, 2025). 38 En el mercado peruano de moda online, Ripley y Shein destacan como dos de las plataformas de e-commerce más utilizadas. Ripley, a través de su sitio Ripley.com.pe, ha consolidado su canal digital al punto de representar aproximadamente el 25 % de sus ventas totales en Perú, con un crecimiento cercano al 40 % en los últimos tres años. Además, ha sido reconocida como la plataforma de e-commerce con la mejor experiencia en el país según el Customer Xperience Index 2023 (El Comercio, 2023; Perú-Retail, 2022; La República, 2023). Por otro lado, Shein, una marca internacional de moda rápida, ha logrado posicionarse entre las plataformas más populares del país, impulsada por el lanzamiento de una plataforma adaptada al mercado peruano y un crecimiento del tráfico online de alrededor del 48 % en 2024 (Castro, 2025). Ambas marcas evidencian cómo el comercio electrónico de moda en Perú combina la fortaleza de retailers consolidados con la expansión de nuevos actores digitales globales. Asimismo, la influencia de las redes sociales y recomendaciones online es fundamental en el proceso de decisión de compra: más del 60 % de los usuarios declara que el contenido generado en redes influye directamente en su decisión de compra (América Retail, 2025). Esto es especialmente relevante para el sector moda, donde la inspiración, la comparación y las reseñas visuales forman parte del journey del cliente. Finalmente, la categoría moda y accesorios se encuentra entre las más demandadas por los jóvenes en el comercio electrónico. De acuerdo con Pop Comunicaciones (2022), alrededor del 36% de los jóvenes ha realizado compras de moda o accesorios online, consolidando este rubro como uno de los más dinámicos. A nivel de ventas, los sectores de tiendas por departamento y retail de moda han liderado el crecimiento del e-commerce en el país, confirmando la importancia de este segmento dentro del panorama digital (Gestión, 2023). 39 2.3.4. Customer Journey Map del proceso de cómo interactúa el usuario con el e-commerce Según Mangiaracina, Perego y Brugnoli (2009), la experiencia del usuario en un e- commerce se desarrolla a través de cinco fases principales que permiten analizar su comportamiento y percepción durante el proceso de compra digital. En la primera fase, de entrada, al sitio (Site Entering and Landing), el usuario accede al e-commerce desde motores de búsqueda, redes sociales o anuncios. Aquí se forma su primera impresión, por lo que el diseño, la claridad del contenido y la rapidez de carga son determinantes. Internamente, el sitio debe contar con una buena estrategia SEO y un diseño optimizado que motive a continuar navegando. La segunda fase de la exploración del catálogo (Catalogue Browsing and Product Discovery) pone el énfasis en cómo la persona navega por el sitio; es decir, busca, filtra y compara, valorando la simplicidad y facilidad para encontrar lo que está buscando. Este aspecto requiere que exista una clara estructura de la información, además de buscadores eficaces y una base de datos actualizada. La tercera fase, de presentación del artículo (Product Presentation), se centra en el proceso de la persona al examinar toda la información relacionada con dicho artículo; es decir, las descripciones del mismo, los precios, las imágenes o las valoraciones. Dado que la persona no puede experimentar físicamente con el artículo en cuestión, la forma en la que se presenta gráficamente y la descripción de la información generan confianza y tranquilidad en la persona. La cuarta fase, la gestión del carrito (Cart Management), permite al usuario revisar lo elegido, cambiar productos y poder conocer los costes finales. Debe ser una experiencia sencilla y clara para limitar los abandonos. A nivel interno deben existir sistemas que mantengan actualizados precios, stock y costes de envío en tiempo real. Por último, la quinta fase, pago y confirmación (Order Setup and Checkout Process), busca que el usuario finalice su compra de forma rápida y segura: hay que ofrecer métodos de 40 pago fiables, formularios sencillos y confirmaciones automáticas. Internamente eso se traduce en el uso de pasarelas seguras, protocolos de encriptación y coordinación logística para poder despachar. Estas fases representan el ciclo completo del usuario dentro del e-commerce, lo que permite localizar puntos de dolor y oportunidades de mejora que optimicen la experiencia de compra. 2.4 Hipótesis 2.4.1 Hipótesis general Argumentación La aplicación de marketing con IA contribuye de manera directa a que ese consumidor obtenga mayor conocimiento sobre las marcas y los productos. Para Dwivedi et al. (2021), la IA es la responsable de detectar patrones de interacción y preferencias, es decir, va aumentando la exposición y la recordación de marcas en contextos digitales. En igual sentido, la IA también influye en la experiencia de búsqueda de información. Malque (2025) explica que los algoritmos son capaces de reducir la sobrecarga informativa mediante el filtrado de contenidos irrelevantes, conduciendo al consumidor hacia fuentes de información únicas y personalizadas, lo que le anima a participar en el proceso de investigación en el que puede involucrarse en el proceso de toma de decisiones antes de comprar un producto. Por otro lado, la recordación de marca derivada de un marketing mediado por IA supondría una etapa importante en la construcción de la experiencia del cliente. Para Beyari & Hashem (2025), los consumidores mejor informados y con mayor urgencia acerca de las propuestas de valor de la marca suelen vivir interacciones que son más satisfactorias y relevantes. 41 Asimismo, el hecho de que la búsqueda de información se haga a través de herramientas de IA implica que se trata de un proceso eficaz que aumenta la confiabilidad del cliente: esta confianza se produce gracias al acceso a la información correcta y contextualizada, además del aumento de la seguridad percibida, lo cual redunda en una mejor experiencia general (Malque, 2025). El modelo que se presenta establece una relación directa entre la IA (Inteligencia Artificial) y la experiencia del cliente mediada por la personalización del marketing y la optimización de los contenidos. En este caso, se argumenta que cuanto más precisa y ajustada sea la implementación de la IA en la puesta en práctica de las estrategias digitales, mayor será la posibilidad de las marcas de ofrecer experiencias pertinentes y memorables. Para Dwivedi et al. (2021), el verdadero valor de la IA no es sólo la automatización, sino la habilidad de interpretar patrones de comportamiento y transformar los datos en interacciones significativas que mejoran la comunicación entre la marca y el consumidor. La personalización ocupa un puesto muy importante en este proceso. Según Beyari & Hashem (2025), personalizar los mensajes, los productos o los servicios según los intereses del usuario proporciona una sensación de mayor proximidad y valor percibido; la personalización refuerza la experiencia sensorial, ya que incluye estímulos visuales o acústicos que preceden las experiencias informativas, y la experiencia afectiva, mediante el despertar de emociones positivas, tales como la alegría y la confianza, que incrementan el vínculo emocional hacia la marca, lo que conlleva la posible apropiación del contenido adaptado. La optimización del contenido, efectuada mediante IA, dirige a la experiencia conductual e intelectual; cuando la IA recorre el análisis predictivo define qué formato, qué canal y en qué momento cuenta con el tipo de mensaje más adecuado para realizar la difusión, propiciando interacciones más oportunas y efectivas, lo que conlleva comportamientos positivos, como son la participación activa, la recomendación o la recompra (experiencia conductual), a la vez que estimula 42 procesos de pensamiento, análisis y aprendizaje (experiencia intelectual), que permiten al consumidor reflexionar sobre los valores y beneficios de la marca (Brakus et al., 2009). Igualmente, la recordación de marca y la búsqueda de información juegan un papel como mediador que potencia esta relación, de forma tal que los consumidores con alta recordación reaccionan más ante estímulos sensoriales y emocionales, mientras que aquéllos que están en una etapa activa de búsqueda interpretan la IA como un medio que les permite explorar y comparar (Dwivedi et al., 2021). Al final, las cinco dimensiones de la experiencia marca—sensorial, afectiva, conductual, intelectual y social—son lo suficientemente elocuentes de los distintos efectos que causa el marketing con inteligencia artificial. La IA genera experiencias que van más allá de los estímulos sensoriales y emocionales, sino que generan acción, reflexión e interactividad social. En última instancia, la IA es un rediseñador de cómo comprenden, sienten, piensan y actúan los consumidores en las marcas, convirtiéndose así en un elemento fundamental en el proceso de construcción de experiencias de valor. HG. El marketing con IA influye positivamente en la experiencia del cliente, a través de la recordación de marca y la búsqueda de información. Sustento teórico: El marketing con inteligencia artificial permite a las empresas recopilar y analizar grandes volúmenes de datos para comprender mejor las necesidades y comportamientos de los consumidores. Según Kotler y Keller (2021), la personalización basada en datos fortalece la relación entre marca y cliente, mejorando la experiencia percibida. Además, la IA facilita interacciones más rápidas y relevantes, lo que incrementa la satisfacción y el compromiso del consumidor (Lemon y Verhoef, 2016). 43 Sustento empírico: Diversos estudios respaldan esta relación. Malque (2025) evidenció que el uso de IA en estrategias de marketing digital incrementa la recordación de marca y la satisfacción del cliente en plataformas de comercio electrónico. De manera similar, Chen et al. (2023) encontraron que los sistemas inteligentes de recomendación mejoran la experiencia de compra al facilitar la búsqueda de información y reforzar la conexión emocional con la marca. Figura 4 Modelo propuesto Fuente: Elaboración propia adaptado de Beyari, H., & Hashem, T. (2025). 2.4.2. Hipótesis específicas HE.1. El marketing con IA impacta positivamente en la recordación de marca en el sector de e-commerce de moda. Sustento teórico: La recordación de marca depende en gran medida de la exposición repetida y significativa del consumidor a mensajes personalizados. De acuerdo con Aaker (1996), la recordación se fortalece cuando el consumidor asocia la marca con experiencias relevantes. En 44 este sentido, la IA permite diseñar estrategias más precisas y adaptadas a los intereses individuales, generando un impacto más duradero en la mente del cliente. Sustento empírico: Li y Hsu (2022) demostraron que las campañas digitales con algoritmos de IA logran mayores niveles de recordación en comparación con estrategias tradicionales. Asimismo, Kim y Park (2023) identificaron que en el sector moda, la personalización automatizada basada en IA incrementa el reconocimiento de marca hasta en un 35% frente a métodos convencionales. HE.2. El marketing con IA influye positivamente en la búsqueda de información en el sector de e-commerce de moda. Sustento teórico: La inteligencia artificial optimiza el proceso de búsqueda al ofrecer recomendaciones personalizadas y resultados más relevantes para el usuario. Según Turban et al. (2020), la IA reduce la sobrecarga informativa al filtrar contenidos basados en preferencias y comportamientos previos, facilitando así la toma de decisiones. Sustento empírico: Estudios recientes, como el de Zhang y Nguyen (2023), muestran que los asistentes virtuales impulsados por IA aumentan el tiempo de interacción y la satisfacción durante la búsqueda de productos en línea. Además, Wang y Lee (2022) concluyeron que los motores de recomendación inteligentes mejoran la eficacia de búsqueda y reducen el abandono en plataformas de e-commerce. HE.3. La recordación de marca influye positivamente en la experiencia del cliente en sector de e-commerce de moda Sustento teórico: 45 Una marca recordada genera confianza y afinidad emocional, factores claves en la experiencia del cliente. Keller (2013) señala que la recordación fortalece la conexión simólica entre el consumidor y la marca, lo que contribuye a una experiencia más satisfactoria. Además, Lemon y Verhoef (2016) destacan que una marca reconocida facilita la decisión de compra y la percepción de valor. Sustento empírico: Investigaciones como la de Hernández y Pacheco (2021) confirman que la recordación de marca está asociada con una mayor satisfacción y lealtad en entornos digitales. Del mismo modo, Torres (2022) encontró que los consumidores que recuerdan más fácilmente una marca presentan una mejor valoración de su experiencia de compra. HE.4. La búsqueda de información influye positivamente en la experiencia del cliente en el sector de e-commerce de moda. Sustento teórico: La búsqueda de información es una etapa clave del proceso de decisión del consumidor. Según Kotler y Keller (2021), cuando los usuarios encuentran fácilmente información útil, su experiencia se vuelve más fluida y satisfactoria. Además, la IA mejora esta fase al reducir el esfuerzo cognitivo del cliente y ofrecer resultados personalizados (Turban et al., 2020). Sustento empírico: Un estudio de Chiu y Lin (2023) evidenció que una búsqueda más eficiente y personalizada mejora la percepción de comodidad y control del usuario. Igualmente, Seo (2022) comprobó que la facilidad de acceso a información relevante influye directamente en la satisfacción y confianza hacia la marca. 46 HE.5. El marketing con IA influye positivamente en la experiencia del cliente en el sector de e-commerce de moda. Sustento teórico: El marketing con IA permite diseñar experiencias personalizadas, interactivas y coherentes con las expectativas del cliente. Según Lemon y Verhoef (2016), la personalización es un factor determinante en la calidad percibida de la experiencia. La IA contribuye a este proceso mediante el análisis predictivo y la automatización de respuestas en tiempo real, fortaleciendo la relación entre la marca y el cliente. Sustento empírico: Estudios como el de Malque (2025) y Zhang et al. (2023) muestran que la implementación de IA en estrategias de marketing digital incrementa significativamente la satisfacción y fidelización de los consumidores. En el ámbito del e-commerce de moda, López (2024) encontró que los algoritmos de personalización aumentan la experiencia positiva del cliente al percibir un servicio más eficiente y adaptado. CAPÍTULO III: METODOLOGÍA 3.1 Diseño de la investigación Este estudio se inscribe dentro de un diseño de tipo descriptivo porque precisamente trata de caracterizar tanto las percepciones como los comportamientos y las relaciones existentes entre las variables en un determinado momento. En particular, el estudio trata de describir cómo la Inteligencia Artificial (IA) influye en la experiencia del cliente a partir del awareness y la información buscando en el segmento escogido. El enfoque de investigación será cuantitativo ya que se utiliza como principal instrumento una encuesta estructurada, para así recoger un conjunto de datos medibles y ser analizados estadísticamente a fin de obtener resultados objetivos y comparables. El diseño de investigación que se utilizará también es de tipo 47 transversal correlacional y explicativo porque la medición de las variables se realizará en un único momento temporal y podremos identificar las relaciones que al parecer existirán en lo que es la percepción del uso de la IA, el awareness, la búsqueda de información y la experiencia del cliente en el e-commerce de ropa y retail en Lima Metropolitana. 3.2. Población y muestra 3.2.1. Población objetivo La población objetivo de esta investigación está conformada por jóvenes adultos de entre 18 y 35 años de Lima Metropolitana que realizan compras en plataformas de e-commerce de ropa y retail. Este grupo etario resulta especialmente relevante por su alta conectividad, familiaridad con herramientas digitales y elevada propensión a interactuar con contenidos y recomendaciones en línea; además, la categoría moda figura entre las principales compradas por internet en el país, lo que justifica centrar el estudio en consumidores de este segmento y sector. En este contexto, resulta pertinente analizar cómo el marketing con IA incide en la experiencia de compra, particularmente en la recordación de marca y la búsqueda de información, pues ambos elementos configuran etapas clave del recorrido del consumidor en plataformas digitales. (Ipsos, 2023) 3.2.2. Tamaño de muestra La muestra se define como un grupo representativo del universo de estudio, en tanto refleja las principales características del segmento investigado (Hernández-Sampieri y Mendoza, 2018). Según un estudio de Ipsos (2023), donde el universo estuvo conformado por compradores en línea del Perú urbano de los niveles socioeconómicos A, B, C y D, con edades entre los 18 y 70 años que realizaron alguna compra en los últimos 12 meses, existen 48 aproximadamente 8.6 millones de personas que compran en línea, lo que representa el 57% de la población adulta del país. El rango de edad de 18 a 35 años fue seleccionado debido a que constituye el grupo etario con mayor nivel de adopción y frecuencia de uso de canales digitales de compra en el Perú, especialmente en las categorías de moda y retail (Ipsos, 2023). De acuerdo con Ipsos (2023), los jóvenes adultos son los principales compradores online del país, representando más del 60% de los usuarios de comercio electrónico, lo que evidencia su alta familiaridad con las plataformas digitales. Asimismo, el estudio “Comportamiento del consumidor digital peruano 2023” (Kantar, 2023) señala que los consumidores entre 18 y 35 años son los más receptivos a las estrategias de marketing personalizadas impulsadas por inteligencia artificial, ya que valoran la conveniencia, rapidez y experiencias de marca innovadoras. En la misma línea, el Instituto Nacional de Estadística e Informática (INEI, 2022) indica que este grupo concentra el mayor acceso a internet y dispositivos móviles en Lima Metropolitana, lo cual facilita su participación activa en el comercio electrónico. Por ello, este rango etario resulta el más pertinente para analizar el impacto del marketing con inteligencia artificial en la experiencia de marca dentro del entorno digital. El tamaño muestral se determinó bajo la premisa de que la población es infinita, dado que no es posible precisar con exactitud el número total de jóvenes adultos de 18 a 35 años que residen en Lima Metropolitana y realizan compras en plataformas de e-commerce de ropa y retail. En consecuencia, se aplicó la fórmula correspondiente al cálculo de tamaño de muestra para poblaciones indefinidas, considerando un nivel de confianza del 95% y un margen de error del 5%, lo que permite obtener resultados estadísticamente representativos del segmento estudiado. 49 Donde: n = tamaño de muestra Z = nivel de confianza (95%) p = probabilidad de éxito (0.5) q = probabilidad de fracaso (0.5) d = error máximo admisible (0.05) Tras aplicar la fórmula, se obtuvo que deben ser evaluados 384 jóvenes adultos usuarios de e-commerce de moda en Lima Metropolitana. Sin embargo, para efectos de validación inicial del instrumento, se desarrollará un estudio piloto con una muestra reducida de aproximadamente 30 participantes, seleccionados mediante muestreo no probabilístico por conveniencia. Es importante resaltar que esta muestra piloto no representa el tamaño muestral final, sino que servirá para ajustar y optimizar la encuesta, garantizando su claridad, confiabilidad y pertinencia antes de la aplicación definitiva del estudio. 3.2.3. Método de muestreo El presente estudio utilizará un muestreo no probabilístico por conveniencia, ya que la selección de los participantes no se realizará de manera aleatoria. La elección de los encuestados dependerá de la facilidad de acceso y disponibilidad que tengan las investigadoras para contactarlos, recurriendo principalmente a su red de conocidos, como amigos, familiares y contactos cercanos, así como a personas referidas por estos. 50 3.3. Método de recolección de datos 3.3.1 Planteamiento de instrumento de medida La recolección de datos se realizará mediante la aplicación de una encuesta estructurada de forma online, elaborada en Google Forms y distribuida a través de redes sociales como Instagram, WhatsApp y correo electrónico, con el objetivo de alcanzar de manera eficiente al público objetivo del estudio: jóvenes adultos de 18 a 35 años de Lima Metropolitana que compran en plataformas de e-commerce de ropa y retail. Este método de recolección fue seleccionado debido a su accesibilidad, bajo costo y facilidad de aplicación, además de su alineación con el perfil digital del grupo estudiado, el cual suele interactuar activamente en entornos virtuales. Entre las ventajas de aplicar la encuesta de forma online se destacan la rapidez en la obtención de respuestas, la amplia cobertura geográfica, la reducción de costos logísticos y la automatización en la recopilación de datos, lo que facilita su procesamiento posterior en programas estadísticos (Hernández-Sampieri y Mendoza, 2018). Asimismo, este tipo de aplicación permite mantener la anonimidad de los participantes, favoreciendo respuestas más sinceras y reduciendo sesgos de deseabilidad social. No obstante, existen también limitaciones inherentes a la modalidad online. Una de ellas es la posible falta de control sobre las condiciones en las que el participante responde la encuesta, lo cual puede afectar la concentración o comprensión de ciertas preguntas. Además, al utilizar un muestreo no probabilístico por conveniencia, existe el riesgo de sesgo de selección, dado que las personas con mayor acceso a internet o más familiarizadas con el entorno digital tienen mayor probabilidad de participar, limitando la representatividad de la muestra. A pesar de ello, esta estrategia se considera adecuada para investigaciones exploratorias o descriptivas centradas en públicos jóvenes y conectados digitalmente, como es el caso de este estudio. 51 Para ello, se elaborará un mensaje o correo de invitación explicando el propósito del estudio, y se compartirá el link del cuestionario mediante publicaciones en historias de Instagram y otros medios personales de las investigadoras, con el fin de maximizar la participación. La recolección de datos se realizará a través de un cuestionario estructurado dividido en cuatro secciones. En la primera sección, se incluirán preguntas filtro orientadas a confirmar que los participantes cumplan con los requisitos de edad y residencia, además de recoger datos sociodemográficos complementarios como género, nivel educativo y ocupación. En la segunda sección, se abordarán aspectos relacionados con los hábitos de compra online, tales como la frecuencia de uso de plataformas de e-commerce y las categorías de productos adquiridos, con especial énfasis en el rubro de moda y retail. La tercera sección estará enfocada en medir las percepciones del marketing con IA y su relación con la recordación de marca y la búsqueda de información, mientras que la cuarta y última sección evaluará la experiencia del cliente. Se hizo uso de un cuestionario, traducido y adaptado de los estudios de Beyari & Hashem (2025). Este cuestionario está conformado por 20 ítems distribuidos de la siguiente manera: Tabla 1 Cantidad de ítems del cuestionario por variable Variable # de ítems Marketing con IA Recordación de marca Búsqueda de información Experiencia del cliente con IA TOTAL 9 3 4 4 20 52 Los ítems por variables tienen la siguiente distribución: marketing con IA (9 ítems) , recordación de marca (3 ítems), búsqueda de información (4 ítems) y experiencia del cliente con IA (4 ítems). 3.4. Método de análisis de datos Los datos recolectados mediante el formulario de Google se exportarán a una hoja de cálculo y posteriormente serán procesados en el software Jamovi, donde se aplicarán diversas pruebas estadísticas orientadas a examinar el perfil de los participantes, la confiabilidad y validez del instrumento, así como la contrastación de las hipótesis de investigación. En primer lugar, se elaborarán tablas de frecuencia y gráficos de barras para las variables sociodemográficas y de comportamiento, con el fin de describir de manera detallada la composición de la muestra según sus características personales y hábitos de compra en línea. Posteriormente, se realizará un análisis de confiabilidad mediante el coeficiente alfa de Cronbach para cada dimensión, considerando aceptables valores superiores a 0.70 (Nunnally & Bernstein, 1994), a fin de determinar la consistencia interna del cuestionario. Seguidamente, se desarrollará un análisis factorial exploratorio (AFE) utilizando indicadores como el índice Kaiser-Meyer-Olkin (KMO), la prueba de esfericidad de Bartlett, las comunalidades, la varianza total explicada y la matriz de componentes rotados (rotación Varimax), con el propósito de evaluar la validez constructiva y la estructura factorial del instrumento. Antes de realizar los análisis inferenciales, se verificará la normalidad de los datos mediante la prueba de Shapiro-Wilk (si la muestra es menor a 50 casos) o Kolmogorov- Smirnov (si supera ese número), complementadas con los indicadores de asimetría y curtosis. En caso de evidenciar una distribución normal, se procederá con el cálculo de correlaciones de Pearson para identificar la fuerza y dirección de las relaciones entre las variables principales; de lo contrario, se aplicará la correlación de Spearman. Finalmente, se ejecutarán cinco análisis 53 de regresión lineal simple orientados a contrastar las hipótesis del estudio, lo que permitirá determinar el grado de influencia y la dirección de las variables independientes sobre las dependientes, aportando evidencia empírica a los planteamientos teóricos propuestos. CAPÍTULO IV: CONCLUSIONES El marketing con inteligencia artificial se ha convertido en un aliado estratégico fundamental para las empresas del sector moda y retail en entornos digitales. Más que una herramienta tecnológica, la IA representa una nueva forma de entender y mejorar la relación entre la marca y el cliente, al permitir interacciones personalizadas, más ágiles y emocionalmente significativas. En el modelo planteado, la recordación de marca cumple un papel mediador clave. Cuando el consumidor recibe mensajes coherentes, personalizados y alineados con los valores de la marca, su familiaridad y preferencia hacia ella se fortalecen. Esto confirma lo que plantea el modelo del Customer Decision Journey de Court et al. (2009), según el cual la exposición constante y significativa a estímulos digitales influye directamente en la etapa de consideración y en la formación del vínculo con la marca. La búsqueda de información, por su parte, demuestra ser una fase decisiva que la inteligencia artificial logra optimizar. Los sistemas inteligentes reducen la sobrecarga de información y permiten que los usuarios sientan mayor control, eficiencia y confianza durante la experiencia de compra. Este hallazgo se conecta con el modelo de transparencia, confianza y aceptación propuesto por Lankton et al. (2020), que destaca la importancia de la confianza en la adopción de sistemas inteligentes. Más allá de los aspectos funcionales, los resultados también muestran que la IA potencia la dimensión emocional y sensorial de la experiencia del cliente. Las teorías del valor hedónico-utilitario (Babin et al., 1994) y la teoría del flujo (Csikszentmihalyi, 1990) explican 54 que el consumidor no solo busca eficiencia, sino también experiencias placenteras, estéticas y gratificantes. En este sentido, la IA contribuye a crear entornos digitales más inmersivos y satisfactorios, donde la emoción y la razón se combinan para generar experiencias completas. Los estudios previos de Beyari y Hashem (2025), Malque (2025) y Dwivedi et al. (2021) respaldan estas conclusiones al demostrar que la inteligencia artificial integra la cognición, la emoción y el comportamiento del consumidor en un mismo proceso. En conjunto, los hallazgos confirman que la IA no solo mejora la eficiencia de las marcas en línea, sino que redefine la experiencia del cliente como un proceso más humano, participativo y conectado emocionalmente. CAPÍTULO VI: RECOMENDACIONES 1. Implementar algoritmos de aprendizaje automático que analicen los patrones de navegación y compra de los usuarios para ofrecer mensajes y recomendaciones personalizadas. Esto no solo mejora la satisfacción, sino que refuerza la recordación de marca y la conexión emocional con el consumidor (Dwivedi et al., 2021). 2. Usar herramientas de IA generativa para crear contenido visual y textual coherente con la identidad de la marca. Este tipo de contenido fortalece la narrativa de marca y mejora la recordación, como proponen Beyari y Hashem (2025) en su estudio sobre consistencia emocional en el marketing digital. 3. Desarrollar chatbots o asistentes virtuales basados en procesamiento del lenguaje natural para acompañar al cliente durante su búsqueda de información. Estas herramientas reducen la sensación de confusión ante la sobrecarga de datos y mejoran la percepción de apoyo personalizado (Malque, 2025). 4. Diseñar interfaces más sensoriales y estéticas, con elementos visuales y auditivos coherentes con la marca, que generen emociones positivas. Los estímulos bien 55 integrados favorecen el disfrute, el compromiso (engagement) y la intención de recompra (Brakus et al., 2009). 5. Comunicar de manera transparente cómo la IA utiliza los datos del usuario y cómo personaliza la experiencia. Explicar el funcionamiento de los algoritmos fortalece la confianza y la aceptación del sistema, en línea con el modelo de Lankton et al. (2020). 6. Crear espacios participativos donde los consumidores puedan compartir opiniones, reseñas o ideas de mejora. Esto promueve la co-creación de valor (Prahalad & Ramaswamy, 2004) y refuerza la relación emocional con la marca, al reconocer al cliente como parte activa del proceso. 56 REFERENCIAS BIBLIOGRÁFICAS Adiyanto, Y. (2025). The Future of Virtual Shopping Assistants: AI-Powered Solutions for a Personalized Marketplace Experience. Green Inflation: International Journal of Management and Strategic Business Leadership, 2(2), 61–75. Recuperado de https://doi.org/10.61132/greeninflation.v2i2.323[1] Al-Adwan, A. (2024). Artificial intelligence marketing and consumer trust: An empirical investigation in digital platforms. Journal of Business Research, 169, 114–125. Alcalink (2024). Agencia De Marketing Digital 360 Prestashop Expert (Sección "Automatizamos tus procesos de venta"). Recuperado de https://alcalink.com/ América Retail. (2025). La revolución digital del retail en Perú: Cómo la IA está transformando la experiencia de compra. https://america-retail.com/paises/peru/la-revolucion-digital- del-retail-en-peru-como-la-ia-esta-transformando-la-experiencia-de-compra Babin, B. J., Darden, W. R., & Griffin, M. (1994). Work and/or fun: Measuring hedonic and utilitarian shopping value. Journal of Consumer Research, 20(4), 644–656. https://doi.org/10.1086/209376 Balto Amin, F., & Nika, F. A. (2022). Brand Experience and Customer Brand Engagement: An Empirical Study of Online Shopping Brands. Amity Journal of Management Research. Recuperado de ResearchGate Balto, M. (s.f.). Brand experience versus customer experience: Conceptual distinctions and managerial implications. Balto. (2025). Difference Between Brand and Customer Experience. Recuperado de https://www.balto.ai/blog/difference-between-brand-and-customer-experience/ Beyari, H., & Hashem, T. (2025). AI-driven influencer marketing: Trust, engagement and brand recall in digital ecosystems. Computers in Human Behavior Reports, 13(1), 100– 112. https://doi.org/10.61132/greeninflation.v2i2.323%5B1 https://alcalink.com/ https://alcalink.com/ https://america-retail.com/paises/peru/la-revolucion-digital-del-retail-en-peru-como-la-ia-esta-transformando-la-experiencia-de-compra https://america-retail.com/paises/peru/la-revolucion-digital-del-retail-en-peru-como-la-ia-esta-transformando-la-experiencia-de-compra https://america-retail.com/paises/peru/la-revolucion-digital-del-retail-en-peru-como-la-ia-esta-transformando-la-experiencia-de-compra https://doi.org/10.1086/209376 https://www.balto.ai/blog/difference-between-brand-and-customer-experience/ https://www.balto.ai/blog/difference-between-brand-and-customer-experience/ https://www.balto.ai/blog/difference-between-brand-and-customer-experience/ 57 Beyari, H., & Hashem, T. (2025). The Role of Artificial Intelligence in Personalizing Social Media Marketing Strategies for Enhanced Customer Experience. Behavioral Sciences, 15(5), 700. https://doi.org/10.3390/ bs15050700 Bilgihan, A. (2013). Flow Theory, Measuring Online Customer Experience. University of Central Florida. Recuperado de https://stars.library.ucf.edu/rosenscholar/29/ Bloomreach. (2025). AI for Online Shopping: The Rise of AI-Powered Personal Shopping Services. Recuperado de https://www.bloomreach.com/en/blog/ai-powered-personal- shopping-services Brakus, J. J., Schmitt, B. H., & Zarantonello, L. (2009). Brand experience: What is it? How is it measured? Does it affect loyalty? Journal of Marketing, 73(3), 52–68. https://doi.org/10.1509/jmkg.73.3.52 Brakus, J. J., Schmitt, B. H., & Zarantonello, L. (2009). Brand experience: What is it? How is it measured? Does it affect loyalty? Journal of Marketing, 73(3), 52–68. CAPECE (Cámara Peruana de Comercio Electrónico). (2025). Foro Observatorio Ecommerce 2025. (Fuente citada en medios). CAPECE. (2025, mayo 30). Comercio electrónico en Perú registra un crecimiento del 21,2 % en 2024. Lima: CAPECE. Castro, J. (2025, febrero 12). Shein revoluciona el comercio online peruano con su nueva plataforma. AmericaMalls & Retail. Recuperado de https://america- retail.com/paises/peru/shein-revoluciona-el-comercio-online-peruano-con-su-nueva- plataforma/ Childers, T. L., Carr, C. L., Peck, J., & Carson, S. (2001). Hedonic and utilitarian motivations for online retail shopping behavior. Journal of Retailing, 77(4), 511–535. https://doi.org/10.1016/S0022-4359(01)00056-2 https://stars.library.ucf.edu/rosenscholar/29/ https://www.bloomreach.com/en/blog/ai-powered-personal-shopping-services?utm_source=chatgpt.com https://www.bloomreach.com/en/blog/ai-powered-personal-shopping-services?utm_source=chatgpt.com https://www.bloomreach.com/en/blog/ai-powered-personal-shopping-services?utm_source=chatgpt.com https://doi.org/10.1509/jmkg.73.3.52 https://doi.org/10.1509/jmkg.73.3.52 https://doi.org/10.1509/jmkg.73.3.52 https://america-retail.com/paises/peru/shein-revoluciona-el-comercio-online-peruano-con-su-nueva-plataforma/?utm_source=chatgpt.com https://america-retail.com/paises/peru/shein-revoluciona-el-comercio-online-peruano-con-su-nueva-plataforma/ https://america-retail.com/paises/peru/shein-revoluciona-el-comercio-online-peruano-con-su-nueva-plataforma/ https://america-retail.com/paises/peru/shein-revoluciona-el-comercio-online-peruano-con-su-nueva-plataforma/ https://doi.org/10.1016/S0022-4359(01)00056-2 58 Court, D., Elzinga, D., Mulder, S., & Vetvik, O. J. (2009). The consumer decision journey. McKinsey Quarterly, 3, 96–107. → (Modelo CDJ). McKinsey & Company. Csikszentmihalyi, M. (1990). Flow: The Psychology of Optimal Experience. Harper & Row. Davenport, T. H., Guha, A., Grewal, D., & Bressgott, T. (2020). How artificial intelligence will change the future of marketing. Journal of the Academy of Marketing Science, 48(1), 24–42. Dwivedi, Y. K., Hughes, D. L., Ismagilova, E., Aarts, G., Coombs, C., Dennehy, D., ... & Wam