Descripción del título
Big data para la segmentaci...
The main purpose of this resarch is to analyze how Big Data is related to market segmentation in social media in emerging jewelry industry. For which it was consulted, authors such as Zikopoulos (2012), Provost and Fawcett (2013) for Big Data and Lamb, Hair and McDaniel (2011); Kotler and Keller (2014) in social media and market segmentation. The research is considered descriptive, non-experimental and Cross-sectional. For collecting data, the population consisted of Community managers, clients and potential clients of emerging jewelry brands, both infinite, divided in samples of 384 representatives each. And also a third population consisting of computer experts, which was a census of 3 representatives from Rafael Urdaneta University. Two instruments were designed, the first one consisted of one poll of 9 items and 4 options based on Likert scale, and the second one consisted of two surveys the first one consisting of 23 items and the second one of 25 items and 5 options based on Likert scale. They all were validated by 6 experts in marketing and computer engineering. After the pilot testing was done, the results were 0,89 of Alpha Cronbach reliability, and 0.83 for the second instrument after a test-retest. Which means, they were both high? Afterwards, a program was designed in order to extract data from instagram and 3017 user accounts were analyzed. So it was possible to conclude there were three offline segments: careful-dynamic, explorer-experimenter, practical-balanced; and four online segments: Sociable highly influential, Sociable with low activity, Sociable and very influential and Sociable and active
El objetivo principal de esta investigación es analizar el Big Data para la segmentación de mercados en redes sociales en accesorios de moda emergente. La investigación se desarrolló en torno a la variable Big Data según las teorías de Zikopoulos y otros (2012), Provost y Fawcett (2013) y en cuanto a la segmentación en redes sociales, se consideró el enfoque de Lamb, Hair y McDaniel (2011), Kotler y Keller (2014). El tipo de investigación fue descriptiva, con un diseño no experimental, transeccional, de campo. Para la recolección de datos se trabajó con tres unidades informantes: clientes reales y potenciales de las marcas de accesorios de moda emergente, Community Managers de comunidades online de Facebook orientadas a la gestión de redes, ambas poblaciones infinitas para las cuales se tomó una muestra de 384 sujetos y una última población finita de expertos en computación compuesta por tres profesores de la Universidad Rafael Urdaneta. La técnica de recolección de datos fue la encuesta, se diseñaron dos instrumentos que poseen uno y dos cuestionarios que fueron validados por 6 expertos en mercadeo y computación. El primero, de escala tipo Likert de 9 ítems de 4 alternativas, el segundo de selección simple y consta de 23 ítems; el otro cuestionario es de tipo Likert y consta de 25 ítems con 5 opciones. Al realizar la prueba piloto se obtuvo la confiabilidad de 0,89 de Alfa de Cronbach; 0,83 en el segundo instrumento por medio del coeficiente de interclase mediante la prueba de test-retest, obteniendo una alta confiabilidad. Luego se desarrolló un programa para la extracción de datos de Instagram, analizando 3017 cuentas de usuarios. Concluyendo que existen tres segmentos offline: cautelosos-dinamicos, explorador-experimentador y practico-equilibrado mientras que online existen cuatro: Sociables muy influyentes, Sociables altamente influyentes, Sociables de poca actividad y Sociables activos
Analítica
analitica Rebiun33883027 https://catalogo.rebiun.org/rebiun/record/Rebiun33883027 230421s2017 xx o 000 0 spa d https://dialnet.unirioja.es/servlet/oaiart?codigo=7113491 (Revista) ISSN 2343-5771 S9M oai:dialnet.unirioja.es:ART0001348916 https://dialnet.unirioja.es/oai/OAIHandler 17 DGCNT S9M S9M dc Big data para la segmentación de mercados en redes sociales en accesorios de moda emergente electronic resource] 2017 application/pdf Open access content. Open access content star The main purpose of this resarch is to analyze how Big Data is related to market segmentation in social media in emerging jewelry industry. For which it was consulted, authors such as Zikopoulos (2012), Provost and Fawcett (2013) for Big Data and Lamb, Hair and McDaniel (2011); Kotler and Keller (2014) in social media and market segmentation. The research is considered descriptive, non-experimental and Cross-sectional. For collecting data, the population consisted of Community managers, clients and potential clients of emerging jewelry brands, both infinite, divided in samples of 384 representatives each. And also a third population consisting of computer experts, which was a census of 3 representatives from Rafael Urdaneta University. Two instruments were designed, the first one consisted of one poll of 9 items and 4 options based on Likert scale, and the second one consisted of two surveys the first one consisting of 23 items and the second one of 25 items and 5 options based on Likert scale. They all were validated by 6 experts in marketing and computer engineering. After the pilot testing was done, the results were 0,89 of Alpha Cronbach reliability, and 0.83 for the second instrument after a test-retest. Which means, they were both high? Afterwards, a program was designed in order to extract data from instagram and 3017 user accounts were analyzed. So it was possible to conclude there were three offline segments: careful-dynamic, explorer-experimenter, practical-balanced; and four online segments: Sociable highly influential, Sociable with low activity, Sociable and very influential and Sociable and active El objetivo principal de esta investigación es analizar el Big Data para la segmentación de mercados en redes sociales en accesorios de moda emergente. La investigación se desarrolló en torno a la variable Big Data según las teorías de Zikopoulos y otros (2012), Provost y Fawcett (2013) y en cuanto a la segmentación en redes sociales, se consideró el enfoque de Lamb, Hair y McDaniel (2011), Kotler y Keller (2014). El tipo de investigación fue descriptiva, con un diseño no experimental, transeccional, de campo. Para la recolección de datos se trabajó con tres unidades informantes: clientes reales y potenciales de las marcas de accesorios de moda emergente, Community Managers de comunidades online de Facebook orientadas a la gestión de redes, ambas poblaciones infinitas para las cuales se tomó una muestra de 384 sujetos y una última población finita de expertos en computación compuesta por tres profesores de la Universidad Rafael Urdaneta. La técnica de recolección de datos fue la encuesta, se diseñaron dos instrumentos que poseen uno y dos cuestionarios que fueron validados por 6 expertos en mercadeo y computación. El primero, de escala tipo Likert de 9 ítems de 4 alternativas, el segundo de selección simple y consta de 23 ítems; el otro cuestionario es de tipo Likert y consta de 25 ítems con 5 opciones. Al realizar la prueba piloto se obtuvo la confiabilidad de 0,89 de Alfa de Cronbach; 0,83 en el segundo instrumento por medio del coeficiente de interclase mediante la prueba de test-retest, obteniendo una alta confiabilidad. Luego se desarrolló un programa para la extracción de datos de Instagram, analizando 3017 cuentas de usuarios. Concluyendo que existen tres segmentos offline: cautelosos-dinamicos, explorador-experimentador y practico-equilibrado mientras que online existen cuatro: Sociables muy influyentes, Sociables altamente influyentes, Sociables de poca actividad y Sociables activos LICENCIA DE USO: Los documentos a texto completo incluidos en Dialnet son de acceso libre y propiedad de sus autores y/o editores. Por tanto, cualquier acto de reproducción, distribución, comunicación pública y/o transformación total o parcial requiere el consentimiento expreso y escrito de aquéllos. Cualquier enlace al texto completo de estos documentos deberá hacerse a través de la URL oficial de éstos en Dialnet. Más información: https://dialnet.unirioja.es/info/derechosOAI | INTELLECTUAL PROPERTY RIGHTS STATEMENT: Full text documents hosted by Dialnet are protected by copyright and/or related rights. This digital object is accessible without charge, but its use is subject to the licensing conditions set by its authors or editors. Unless expressly stated otherwise in the licensing conditions, you are free to linking, browsing, printing and making a copy for your own personal purposes. All other acts of reproduction and communication to the public are subject to the licensing conditions expressed by editors and authors and require consent from them. Any link to this document should be made using its official URL in Dialnet. More info: https://dialnet.unirioja.es/info/derechosOAI Spanish big data segmentación de mercados redes sociales moda data mining big data market segmentation social media fashion data mining text (article) Chirinos, Roberth. cre Villalobos, Melissa. cre Marketing Visionario, ISSN 2343-5771, Vol. 6, Nº. 1, 2017 (Ejemplar dedicado a: MAYO 2017 - OCTUBRE 2017), pags. 116-145 Marketing Visionario, ISSN 2343-5771, Vol. 6, Nº. 1, 2017 (Ejemplar dedicado a: MAYO 2017 - OCTUBRE 2017), pags. 116-145 Marketing Visionario, ISSN 2343-5771, Vol. 6, Nº. 1, 2017 (Ejemplar dedicado a: MAYO 2017 - OCTUBRE 2017), pags. 116-145