Análisis del uso de data mining de las redes sociales y su
influencia en la competitividad de las PYMES
Analysis of the use of data mining of social networks and its
influence on the competitiveness of SMEs
Ing. Sara Abigail Salazar Loor
1
sary_sll@hotmail.com
Ing. Karina Elizabeth Ponce Intriago
1
karinaponce1608@gmail.com
Recibido: 1/12/2017, Aceptado: 1/02/2018
RESUMEN
La presente investigación tiene como finalidad mostrar información documental y
analítica sobre el uso de Data Mining de las redes sociales y su incidencia en la
competitividad de las PYMES en Ecuador. En la misma, se detallan teorías de la
variable Minería de Datos que hacen énfasis en sus procesos, metodologías y sus
beneficios en especial para el análisis de perfiles de los clientes mientras que para la
variable Competitividad se destaca el factor de Tecnología, permitiendo establecer
que las redes sociales deben ser vistas como una oportunidad para las PYMES debido
a la gran cantidad de datos que se encuentran en ellas, ya que al ser procesados
mediante Data Mining es posible la identificación de patrones significativos
relacionados al comportamiento, fidelización e interés de los clientes y de
rentabilidad, campañas, ciclo de vida de un producto o servicio de la empresa, lo cual
conlleva a la generación de información que al ser gestionada correctamente se
convierte en conocimiento para la creación y selección de estrategias que desarrollen
“valor añadido” o competitividad.
Palabras clave: Data Mining, redes sociales, competitividad, PYMES
ABSTRACT
The purpose of this research is to show documentary and analytical information on
the use of Data Mining in social networks and its impact on the competitiveness of
SMEs in Ecuador. The theories of the Data Mining variable are detailed, emphasizing
their processes, methodologies, and their benefits, especially for the analysis of
customer profiles, while for the Competitiveness variable, the Technology factor
stands out, which allows to establish that social networks should be seen as an
opportunity
for SMEs, due to the large amount of data found in them, since when
1
Docente de la Universidad de Guayaquil. Ecuador
Revista científica Ciencia y Tecnología Vol 18 No 18 págs.177-191
http://cienciaytecnologia.uteg.edu.ec
&
Revista Ciencia & Tecnología
No. 18, 30 de abril de 2018
ISSN impreso: 1390 - 6321
Salazar, Ponce. Análisis del uso de data mining de las redes sociales
y su influencia en la competitividad de las PYMES
178
processed through Data Mining, it is possible to identify significant patterns related
to customer behavior, loyalty and interest and profitability, campaigns, life cycle of a
product or service of the company, which leads to the generation of information that
when properly managed becomes knowledge for the creation and selection of
strategies that develop "added value" or competitiveness.
Keywords: Data Mining, social networks, competitiveness, SMEs
Introducción
En la actualidad, vivimos en la era de la información y comunicación, donde sin duda
alguna la “información” es el activo más significativo que existe y en especial para
las empresas, ya que dependiendo de esta se procede al análisis de diversos factores
que posteriormente se convierten en “conocimiento” y cuya aplicación incide en los
objetivos empresariales.
Basado en lo anteriormente mencionado, se destaca la importancia de los “datos”
como la materia prima para la generación de la información. En efecto, los datos por
si solos no significan nada, se requiere de la aplicación del Data Mining como el
proceso de clasificación, regresión y agrupación de datos para de esa forma
establecer correlaciones entre ellos y resumirlos en “información”.
En Ecuador no existe una cultura totalmente orientada hacia la recolección y
procesamiento de la información sino más bien se enfoca en la producción y
generación de rentabilidad inmediata, lo cual conlleva a que gran parte de las
empresas y en especial las PYMES simplemente se remitan a producir, sin elaborar o
implementar estrategias que les ayudarían a optimizar sus procesos y alcanzar sus
objetivos relacionados a la rentabilidad y competitividad.
Una parte fundamental de la era de la información evidentemente son las redes
sociales, que se han convertido en parte del día a día de los seres humanos a causa
de la necesidad de comunicarnos y socializar con individuos o grupos con intereses
en común, desde cualquier lugar o momento. Sin embargo, las redes sociales
guardan un mayor potencial que simplemente “conectar individuos”, de hecho, son un
claro ejemplo de minas de datos debido a la gran cantidad que se producen y acumulan
en las mismas siendo de verdadera utilidad en el ámbito empresarial, sin menospreciar
su aporte como elemento publicitario, permitiendo el desarrollo de negocios, estudios
de mercado, análisis de consumidores e incluso emprendimientos de éxito a nivel
mundial.
Es por ello que el objetivo de esta investigación tiene como finalidad analizar el Data
Mining como una herramienta fundamental para la extracción de datos en las redes
sociales, para de esta manera descubrir o identificar determinados patrones o
relaciones que pueden utilizar las PYMES para el desarrollo de estrategias y toma de
decisiones que les permitan ser más competitivas en el mercado.
Desarrollo
Para realizar la presente investigación se efectuó una revisión bibliográfica y
documental de fuentes oficiales y originales, así mismo se consideraron fuentes
secundarias de diferentes sitios web, con el propósito de tener una perspectiva clara
del tema a tratar. Cabe recalcar, que en este análisis se aplicó el criterio objetivo y
profesional de los autores, para emitir opiniones que realcen la importancia del tema
&
Revista Ciencia & Tecnología
ISSN impreso: 1390 - 6321
No. 18, 30 de abril de 2018
Revista Científica Ciencia y Tecnología. Vol 18 No 18, 2018 / págs. 177 - 191
179
tratado.
Data Mining
De acuerdo con Echeverry, Trujillo y Salazar (2017), el Data Mining es un proceso
que tiene como fin el descubrimiento de conocimientos útiles y entendibles que se
extraen de grandes bases de datos mediante medio de modelos inteligibles.
Para Liao, Chen & Deng (2010) el Data Mining es el proceso de descubrimiento del
conocimiento sobre el cliente, donde se identifican patrones, asociaciones, cambios
y estructuras de grandes cantidades de datos almacenados en bases de datos; a partir
de una perspectiva que integra la minería matemática, de datos tradicional, y técnicas
evolutivas con un sistema multiagente. El Data Mining comprende los métodos y
herramientas más avanzados para el desarrollo de Business Analytics, permitiendo
que las empresas sean capaces de gestionar con “rapidez grandes volúmenes de
datos” y descubrir qué variables son discriminantes o más significativas tales como
la identificación de patrones de comportamiento, propensión de compra, sendas de
desvinculación y fidelidad de los clientes (Braulio & Curto, 2015).
Palma, Palma y Pérez (2009) indican que el Data Mining es un conjunto de
metodologías estadísticas y computacionales, que desde un enfoque de las ciencias
de la conducta permite el análisis de datos y la elaboración de modelos matemáticos
descriptivos y predictivos sobre la conducta del consumidor.
Según Riquelme, Ruiz y Gilbert (2006), el proceso del Data Mining en forma general
considera las siguientes tareas:
Tabla 1. Proceso del Data Mining
Basado en lo que indican los autores anteriormente mencionados, se puede definir al
Data Mining en términos generales como un proceso que permite la clasificación,
regresión y agrupación de datos con el propósito de identificar patrones o
correlaciones entre ellos y posteriormente sean resumidos en “información”.
El Data Mining tiene innumerables áreas de aplicación, metodologías o técnicas de
segmentación o agrupamiento, pero sin duda alguna la más atractiva es la
empresarial donde se estudia el comportamiento de variables económicas o
financieras para de esa forma distinguir entre diversos grupos de objetos o individuos
(Palma, Palma y Pérez, 2009).
&
Revista Ciencia & Tecnología
ISSN impreso: 1390 - 6321
No. 18, 30 de abril de 2018
Salazar, Ponce. Análisis del uso de data mining de las redes sociales
y su influencia en la competitividad de las PYMES
180
Braulio & Curto (2015) señalan que las empresas que realizan Customer Analytics
usan metodologías de minería de datos, entre ellas las más utilizadas son:
• CRISP-DM (Cross Industry Standard Process for Data Mining).
• SEMMA (Sample-Explore-Modify-Model-Assess)
• KDD (Knowledge Discovery and Data Mining)
En la siguiente tabla, detallan sus respectivos procesos donde se puede visualizar sus
similitudes y diferencias.
Tabla 2. Metodología del Data Mining
Sin duda alguna, la información es el recurso más importante para las empresas
debido a que es la “materia prima” para la gestión de sus procesos, es por lo que surge
la necesidad de “extraerla y analizarla” mediante técnicas que permitan su
manipulación (Data Mining), permitiendo a las PYMES tomar decisiones adecuadas
relacionadas a la optimización de recursos y análisis de su comportamiento futuro
(Noreña, Quiceno, & Uribe, 2016).
&
Revista Ciencia & Tecnología
ISSN impreso: 1390 - 6321
No. 18, 30 de abril de 2018
Revista Científica Ciencia y Tecnología. Vol 18 No 18, 2018 / págs. 177 - 191
181
De igual manera, Curto (2010) considera que los resultados analíticos que se
obtienen mediante el Data Mining, les permiten a las empresas a desarrollar “valor
añadido” a sus decisiones. Para Braulio & Curto (2015) las empresas buscan generar
“valor” (beneficios intangibles y tangibles) tanto para ellas como para el cliente
mediante la creación de experiencias de cliente. Por lo cual requieren del Data Mining
para el análisis del perfil del cliente.
Tabla 3. Beneficios del Data Mining
De acuerdo con Riquelme, Ruiz y Gilbert (2006) el interés de las empresas con
respecto a la minería de datos se debe a factores como son (i) el avance de la
tecnología de Internet y sus aplicaciones, (ii) la facilidad en la captura de datos y el
abaratamiento de su almacenaje, (iii) compartir y distribuir los datos en la red, (iv) y
su potencial como soporte a la toma de decisiones frente a situaciones complejas.
Competitividad
Hasta la actualidad no hay un consenso sobre la definición exacta de la
competitividad, debido a que la misma es vista desde diferentes perspectivas. En
efecto, desde el punto de vista macroeconómico la competitividad es definida por
Krugman (1994) y Baldwin (1995) como irrelevante puesto que “aquellas que
compiten en el mercado internacional son las firmas, no el país”. Por otra parte,
Porter (1990) afirma que la competitividad de una nación está relacionada de forma
directa con la capacidad productiva e innovativa de sus industrias (Quiñónez, 2016).
En cuanto a un enfoque microeconómico la competitividad es considerada como la
capacidad de una organización pública o privada, lucrativa o no con la finalidad de
mantener sistemáticamente ventajas comparativas que de una u otra forma permitan
alcanzar, sostener y mejorar una determinada posición en el entorno socioeconómico
&
Revista Ciencia & Tecnología
ISSN impreso: 1390 - 6321
No. 18, 30 de abril de 2018
Salazar, Ponce. Análisis del uso de data mining de las redes sociales
y su influencia en la competitividad de las PYMES
182
(Martínez y García, 2010). Por lo tanto, una empresa es competente cuando utiliza
recursos más eficientemente que su competencia para de esta manera mejorar su
posición en el mercado (Jiménez, 2009).
Figura 1. Factores internos y externos de la competitividad empresarial
Fuente: Bonales, Zamora, Torres, & Ortiz (2015)
Bonales, Zamora, Torres, y Ortiz (2015) señalan que la competitividad empresarial
comprende tres tipos principales de elementos: factores internos, factores externos
e índices, que se resumen en calidad, precio, tecnología, capacitación y canales de
distribución.
Saavedra, Linero y Gutiérrez (2011) consideran que el factor de las nuevas
tecnologías de la información e internet han permitido desarrollar un vínculo entre la
empresa y los grupos de interés constituyendo una verdadera ventaja competitiva
sostenible, donde las redes sociales juegan un papel fundamental al momento de
identificar impresiones, percepciones y sobre todo las expectativas de sus
stakeholders.
Gómez y Otero (2011) consideran que las redes sociales eliminan las barreras de
acceso entre empresa y cliente, permitiendo que pequeñas organizaciones se vuelvan
competitivas a marchas forzadas.
Redes Sociales
Para Merodio (2010) las redes sociales son herramientas que nos permiten compartir
información con individuos, la cual puede ser texto, audio, video, etc., con la finalidad
de socializar con dichos individuos quienes comparten intereses similares. Merodio
(2010) y Richardson, Carroll y Gosnay (2012) indican que las redes sociales desde el
punto de vista empresarial son canales de marketing que permiten crear perfiles de
clientes con quienes el personal de la empresa puede interactuar con el propósito de
&
Revista Ciencia & Tecnología
ISSN impreso: 1390 - 6321
No. 18, 30 de abril de 2018
Revista Científica Ciencia y Tecnología. Vol 18 No 18, 2018 / págs. 177 - 191
183
generar valor a la misma.
Según el INEC (2015) el 41,5% de los ecuatorianos cuentan con redes sociales, los
cuales consumen 6,36 horas semanales en ellas. Estos son unos de los factores que
han hecho que las redes sociales se conviertan en una plataforma ideal para
promocionar a las PYMES.
Tabla 4. Redes Sociales más utilizas en Ecuador
&
Revista Ciencia & Tecnología
ISSN impreso: 1390 - 6321
No. 18, 30 de abril de 2018
Salazar, Ponce. Análisis del uso de data mining de las redes sociales
y su influencia en la competitividad de las PYMES
184
De acuerdo con Alexa (2017) las redes sociales que más utilizan los ecuatorianos son
Facebook, seguido por Twitter, Youtube e Instagram mientras que para Schwartz
(2016) el servicio de mensajería que más se utiliza en Ecuador es el Whatsapp, que
es el medio de comunicación y contacto permanente entre las PYMEs y el cliente
(Schwartz, 2016).
Flores, Asanza y López (2015) manifiestan que las redes sociales más populares para
las empresas ecuatorianas en general son Facebook y Twitter, mientras que
Instagram es la plataforma perfecta para las pequeñas empresas, siempre y cuando
se tenga conocimiento del uso de la red social y de los datos que provienen de ella.
Tal cual como se puede visualizar en la tabla anterior donde se detallan los datos a
los que las PYMES pueden aplicar Data Mining para el posterior análisis del perfil del
cliente (Flores, Asanza y López, 2015).
Braulio & Curto (2015) señalan que existen múltiples análisis dentro de la analítica
de cliente que se pueden clasificar por tipo de estrategia o conocimiento, entre los
que se destacan los de comportamiento, rentabilidad, campañas, fidelización, ciclo
de vida e interés.
&
Revista Ciencia & Tecnología
ISSN impreso: 1390 - 6321
No. 18, 30 de abril de 2018
Revista Científica Ciencia y Tecnología. Vol 18 No 18, 2018 / págs. 177 - 191
185
PYMES
El Servicio de Rentas Internas (2009) define a las Pymes como el “conjunto de
pequeñas y medianas empresas que, de acuerdo con su volumen de ventas, capital
social, cantidad de trabajadores, y su nivel de producción o activos presentan
características propias de este tipo de entidades económicas”.
Tabla 7. Tipo de PYMES en Ecuador
Según Rodríguez (2012), las PYMES en casi todo el territorio ecuatoriano son
afectadas por los siguientes aspectos:
• Escaso nivel tecnológico
&
Revista Ciencia & Tecnología
ISSN impreso: 1390 - 6321
No. 18, 30 de abril de 2018
Salazar, Ponce. Análisis del uso de data mining de las redes sociales
y su influencia en la competitividad de las PYMES
186
• Baja calidad de la producción, ausencia de normas y altos costos
• Falta de crédito, con altos costos y difícil acceso
• Incipiente penetración de PYMES al mercado internacional
• Ausencia total de políticas y estrategias para el desarrollo del sector
Basado en lo anteriormente mencionado, las redes sociales en las PYMES permiten
al público establecer un contacto más cercano con la empresa, donde estos sean
capaces de expresar sus inconformidades y expectativas.
Esta respuesta inmediata no solo “logra fidelizar al cliente, sino que sienta que está
siendo escuchado”. Para las PYMES, la implementación de las redes sociales conlleva:
• Publicidad Accesible: Las estrategias de Redes Sociales no requieren de un gran
presupuesto.
• Naturaleza Viral: Los usuarios comparten información fácilmente economizando
costes de campañas de publicidad con el simple clic de un botón.
• Mejorar la Marca: Las redes sociales permiten la construcción y optimización
continua de su reputación y credibilidad en línea.
• Aumentar el Tráfico: Atrae a un público determinado (tráfico) a su sitio web.
• Clientes Comprometidos: Permite a la empresa establecer contacto con los clientes
en tiempo real” (WSI Novamen Soluciones, 2010).
Resultados
A continuación, se detallan los aspectos más significativos sobre la variable
independiente Minería de Datos y como esta de una u otra forma incide en la variable
dependiente de la investigación que es la competitividad. Además de mostrar su
relación con las Redes Sociales de las Pymes.
&
Revista Ciencia & Tecnología
ISSN impreso: 1390 - 6321
No. 18, 30 de abril de 2018
Revista Científica Ciencia y Tecnología. Vol 18 No 18, 2018 / págs. 177 - 191
187
Tabla 8. Resultados de Variable Independiente: Minería de Datos
&
Revista Ciencia & Tecnología
ISSN impreso: 1390 - 6321
No. 18, 30 de abril de 2018
Salazar, Ponce. Análisis del uso de data mining de las redes sociales
y su influencia en la competitividad de las PYMES
188
Como resultado se puede observar que existe una gran relación entre las redes
sociales, el Data Mining y la competitividad. En efecto, las redes sociales de las PYMES
funcionan como plataformas o minas de datos que pueden ser filtradas o extraídas
mediante el proceso de Data Mining.
Este proceso se basa en las metodologías CRIPS-DM y KDD, donde se seleccionan los
datos de las redes sociales tales como: Seguidores/Suscriptores, Unfollowers,
Likes/Dislikes, Reacciones, Comentarios/Replies, Menciones, Visualizaciones de
imágenes, videos (PC, Smartphone), Retweet, Repost, Comparticiones, Hashtag, Clics
en enlaces de biografía, contacto, pago, etc; los cuales pasan a una fase de Limpieza
donde se consideran solamente los datos objetivos a investigar y estos a su vez son
modelados o transformados en información, para ello se buscan o identifican patrones
o correlaciones entre ellos.
&
Revista Ciencia & Tecnología
ISSN impreso: 1390 - 6321
No. 18, 30 de abril de 2018
Revista Científica Ciencia y Tecnología. Vol 18 No 18, 2018 / págs. 177 - 191
189
El proceso de Data Mining culmina básicamente con la fase de Interpretación o
Evaluación, donde se procede a analizar la información encontrada de las redes
sociales y evaluar su impacto según indicadores, factores u objetivos de la(s) PYMES.
Sin embargo, es necesario acotar que hay un efecto que se produce posteriormente
de desarrollar información y se trata de la generación de conocimiento o mejor
conocida en el ámbito empresarial como Business Intelligence, que puede ser
aprovechado por las PYMES para establecer estrategias y toma de decisiones que
incidan en los factores de competitividad.
Figura 2. Proceso de Data Mining de Redes Sociales y su incidencia en la
competitividad
Fuente: Elaboración propia
En la figura anterior, se detalla la figura del proceso de Data Mining de redes sociales
y su incidencia en la competitividad de las PYMES.
Discusión
Se destaca la importancia de los “datos” como la materia prima para la generación de
la información. En efecto, los datos por sí solos no significan nada, se requiere de la
aplicación del Data Mining como el proceso de clasificación, regresión y agrupación
de datos para de esa forma establecer correlaciones entre ellos y resumirlos en
“información”.
Entre los factores de la competitividad empresarial se enfatiza el factor de Tecnología,
debido a que el mismo elimina las barreras de acceso entre la empresa y cliente donde
&
Revista Ciencia & Tecnología
ISSN impreso: 1390 - 6321
No. 18, 30 de abril de 2018
Salazar, Ponce. Análisis del uso de data mining de las redes sociales
y su influencia en la competitividad de las PYMES
190
las redes sociales están jugando un rol fundamental, ya que se han convertido
literalmente en minas de datos, los cuales al ser extraídos se transforman en
información significativa para la toma de decisiones.
Las Pymes en Ecuador enfrentan problemáticas relacionadas especialmente a la baja
calidad de su producción, escaso nivel tecnológico, falta de políticas y estrategias
dificultando su penetración tanto en el mercado nacional como internacional, muchas
de ellas se refugian en las redes sociales debido a su gran acogida en el pueblo
ecuatoriano, específicamente para la promoción y posicionamiento de su marca mas
no como un medio de gestión de conocimiento.
Las redes sociales deben ser vistas como una oportunidad para la PYMES debido a la
gran cantidad de datos que se encuentran en ellas, ya que al aplicar Data Mining les
permiten identificar patrones significativos relacionados al comportamiento,
fidelización e interés de los clientes y de rentabilidad, campañas, ciclo de vida de un
producto o servicio de la empresa, lo cual conlleva a la generación de información
que al ser gestionada correctamente se convierte en conocimiento para la creación y
selección de estrategias que desarrollen “valor añadido” o competitividad.
Referencias bibliográficas
Alexa (14 de 09 de 2017). Top Sites in Ecuador. Obtenido de Alexa:
https://www.alexa.com/topsites/countries/EC
Baldwin, R. (1995). The problem with competitiveness. Genova: EFTA.
Bonales, J., Zamora, A., Torres, C., y Ortiz, F. (2015). Variables e Índices de
Competitividad de las Empresas Exportadoras, utilizando el PLS. Revista
CIMEXUS, X, 13-32.
Braulio, N., & Curto, J. (2015). Customer analytics: mejorando la inteligencia del
cliente mediante los datos. Barcelona, ESPAÑA: Editorial UOC.
Curto, J. (2010). Introducción al Business Intelligence. Barcelona: Editorial UOC,
Echeverry, C., Trujillo, M., y Salazar, M. (2017). Minería de datos en gestión del
conocimiento de pymes de Colombia. Medellín: Revista Virtual Universidad
Católica del Norte.
Flores, E., Asanza, M., y López, M. (2015). Incremento de pequeñas empresas con
redes sociales por el uso de un smartphone. Revista Contribuciones a la
Economía, febrero 2015. Obtenido de http://eumed.net/ce/2015/1/s
Gómez, A., y Otero, C. (2011). Redes Sociales en la Empresa. La Revolución e Impacto
a Nivel Empresarial y Profesional. Madrid: RA-MA.
INEC (Julio de 2015). E-commerce Day. Obtenido de Instituto Nacional de Estadística
y Censos: http://www.ecuadorencifras.gob.ec/documentos/web-
inec/boletin/Ecommerce.pdf
Jiménez, M. H. (2009). Modelo de competitividad empresarial. Bogotá: Universidad
Manuela Beltrán.
Krugman, P. (1994). The Fight over Competitiveness A Zero-Sum Debate? Foreign
Affair.
Liao, S., Chen, Y., & Deng, M. (2010). Mining customer knowledge for tourism new
&
Revista Ciencia & Tecnología
ISSN impreso: 1390 - 6321
No. 18, 30 de abril de 2018
&
Revista Ciencia & Tecnología
ISSN impreso: 1390 - 6321
No. 18, 30 de abril de 2018
Revista Científica Ciencia y Tecnología. Vol 18 No 18, 2018 / págs. 177 - 191
191
product development and customer relationship management. Expert Systems
with Applications 37 (2010) 4212–4223.
Martínez, M. C., y García, D. (2010). Innovación y gestión del conocimiento en la pyme
de Aguascalientes. Aguascalientes: Universidad Autónoma de Aguascalientes.
Merodio, J. (2010). Marketing en redes sociales: Mensajes de empresa para gente
selectiva.
Noreña, P., Quiceno, G., & Uribe, L. (2016). Visualizaciones analíticas para la toma
de decisiones en pequeñas y medianas empresas utilizando Data Mining.
Cuaderno ACTIVA, 8, 38.
Palma, C., Palma, W., y Pérez, R. (2009). Data Mining: el arte de anticipar. Santiago
de Chile: RIL editores.
Porter, M. (1990). The competitiveness advantage of nations. New York: Free Press.
Quiñónez, M. (2016). Modelo para la gestión competitiva de las pequeñas y medianas
empresas (PYMES) comerciales ecuatorianas. La Habana: Editorial Universitaria.
Richardson, N., Carroll, A., y Gosnay, R. (2012). Guía de acceso rápido al marketing
en Redes Sociales: marketing de alto impacto y bajo costo que sí funciona. Buenos
Aires: Ediciones Granica.
Riquelme, J., Ruiz, R., y Gilbert, K. (2006). Minería de Datos: Conceptos y Tendencias.
Inteligencia Artificial: Revista Iberoamericana de Inteligencia Artificial, 10 (29),
11-18.
Rodríguez, T. (2012). Estudio del uso e impacto de las redes sociales en las
estrategias de marketing de las pymes: Chantal Fontaine, L.E.X.A., El Magnético,
Auto Álvarez; Del Norte de la Ciudad De Guayaquil. Observatorio de la Economía
Latinoamericana (186). Obtenido de
http://www.eumed.net/cursecon/ecolat/ec/2013/marketing.html
Saavedra, J., Linero, O., y Gutiérrez, R. (2011). Community Manager y la Marca como
estrategia organizacional en las redes sociales online. REDHECS, 168-181.
Schwartz, J. (24 de mayo de 2016). The Most Popular Messaging App in Every Country.
Obtenido de SimilarWeb: https://www.similarweb.com/blog/worldwide-
messaging-apps
Servicios de Rentas Internas (14 de 9 de 2017). PYMES. Obtenido de Servicios de
Rentas Internas: http://www.sri.gob.ec/zh_TW/32
WSI Novamen Soluciones (20 de septiembre de 2010). WSI Novamen Soluciones.
Obtenido de http://www.wsinovamensoluciones.com/mediossociales.htm.
&
Revista Ciencia & Tecnología
ISSN impreso: 1390 - 6321
No. 18, 30 de abril de 2018
