DOI: 10.26820/reciamuc/9.(3).julio.2025.161-174
URL: https://reciamuc.com/index.php/RECIAMUC/article/view/1614
EDITORIAL: Saberes del Conocimiento
REVISTA: RECIAMUC
ISSN: 2588-0748
TIPO DE INVESTIGACIÓN: Artículo de revisión
CÓDIGO UNESCO: 53 Ciencias Económicas
PAGINAS: 161-174
Marketing digital y la inteligencia articial en la
personalización del consumo. Una revisión sistemática
Digital marketing and artificial intelligence in consumer personalization.
A systematic review
Marketing digital e inteligência artificial na personalização do consumidor.
Uma revisão sistemática
Roxana Yimabel Chan Yu Acebo
1
RECIBIDO: 21/06/2025 ACEPTADO: 02/07/2025 PUBLICADO: 28/08/2025
1. Magister en Administración de Empresas con mención en Gestión de Mercadotecnia; Diploma Superior
en Gestión de Marketing; Ingeniero Comercial; Universidad Católica de Santiago de Guayaquil; Guaya-
quil, Ecuador; roxana.chanyu@cu.ucsg.edu.ec; https://orcid.org/0000-0001-9112-6052
CORRESPONDENCIA
Roxana Yimabel Chan Yu Acebo
roxana.chanyu@cu.ucsg.edu.ec
Guayaquil, Ecuador
© RECIAMUC; Editorial Saberes del Conocimiento, 2025
RESUMEN
Este artículo ofrece una revisión exhaustiva de la literatura que explora la intersección entre el marketing digital y la in-
teligencia artificial (IA), centrándose en cómo se personaliza el consumo, siguiendo las pautas de PRISMA. La creciente
digitalización de los mercados y el acceso a grandes volúmenes de datos han acelerado la adopción de tecnologías
basadas en IA, permitiendo la creación de estrategias de marketing altamente personalizadas que pueden predecir
comportamientos, segmentar audiencias y mejorar la experiencia del consumidor. Para llevar a cabo esta investigación,
se realizó una búsqueda exhaustiva en bases de datos académicas internacionales como Scopus, Web of Science, IEEE
Xplore y Google Scholar, abarcando publicaciones desde 2015 hasta 2025. Los criterios de inclusión se centraron en
estudios empíricos y teóricos que examinaran la aplicación de algoritmos de machine learning, big data y técnicas de
procesamiento de lenguaje natural en el marketing digital, con un impacto directo en la personalización del consumo.
De un total inicial de 1.240 artículos, después de aplicar filtros de relevancia, duplicados y calidad metodológica, se
seleccionaron 45 estudios para el análisis final. Los resultados muestran que la IA no solo mejora la efectividad de las
campañas digitales, sino que también aumenta la satisfacción del cliente a través de recomendaciones inteligentes,
chatbots y publicidad programática. Sin embargo, también se identifican desafíos relacionados con la ética en el manejo
de datos, la transparencia algorítmica y la privacidad del consumidor. En conclusión, la integración del marketing digital
con la inteligencia artificial representa una tendencia clave hacia la hiperpersonalización, aunque es necesario establecer
marcos regulatorios y éticos sólidos.
Palabras clave: Marketing digital, Inteligencia artificial, Personalización del consumo, Big data, Machine learning.
ABSTRACT
This article provides a comprehensive review of the literature exploring the intersection between digital marketing and
artificial intelligence (AI), focusing on how consumption is personalized, following the PRISMA guidelines. The increasing
digitization of markets and access to large volumes of data have accelerated the adoption of AI-based technologies,
enabling the creation of highly personalized marketing strategies that can predict behaviors, segment audiences, and
improve the consumer experience. To carry out this research, an exhaustive search was conducted in international aca-
demic databases such as Scopus, Web of Science, IEEE Xplore, and Google Scholar, covering publications from 2015 to
2025. The inclusion criteria focused on empirical and theoretical studies that examined the application of machine learning
algorithms, big data, and natural language processing techniques in digital marketing, with a direct impact on consumer
personalization. From an initial total of 1,240 articles, after applying filters for relevance, duplicates, and methodological
quality, 45 studies were selected for final analysis. The results show that AI not only improves the effectiveness of digital
campaigns but also increases customer satisfaction through intelligent recommendations, chatbots, and programmatic
advertising. However, challenges related to ethics in data management, algorithmic transparency, and consumer privacy
are also identified. In conclusion, the integration of digital marketing with artificial intelligence represents a key trend toward
hyper-personalization, although robust regulatory and ethical frameworks need to be established.
Keywords: Digital marketing, Artificial intelligence, Consumer personalization, Big data, Machine learning.
RESUMO
Este artigo apresenta uma revisão abrangente da literatura que explora a interseção entre marketing digital e inteligência
artificial (IA), com foco em como o consumo é personalizado, seguindo as diretrizes PRISMA. A crescente digitalização
dos mercados e o acesso a grandes volumes de dados aceleraram a adoção de tecnologias baseadas em IA, permitindo
a criação de estratégias de marketing altamente personalizadas que podem prever comportamentos, segmentar públicos
e melhorar a experiência do consumidor. Para realizar esta pesquisa, foi realizada uma pesquisa exaustiva em bases de
dados académicas internacionais, como Scopus, Web of Science, IEEE Xplore e Google Scholar, cobrindo publicações
de 2015 a 2025. Os critérios de inclusão focaram-se em estudos empíricos e teóricos que examinaram a aplicação de
algoritmos de aprendizagem automática, big data e técnicas de processamento de linguagem natural no marketing digi-
tal, com impacto direto na personalização do consumidor. De um total inicial de 1.240 artigos, após a aplicação de filtros
de relevância, duplicatas e qualidade metodológica, 45 estudos foram selecionados para análise final. Os resultados
mostram que a IA não apenas melhora a eficácia das campanhas digitais, mas também aumenta a satisfação do cliente
por meio de recomendações inteligentes, chatbots e publicidade programática. No entanto, também são identificados
desafios relacionados à ética na gestão de dados, transparência algorítmica e privacidade do consumidor. Em conclusão,
a integração do marketing digital com a inteligência artificial representa uma tendência fundamental para a hiperperson-
alização, embora seja necessário estabelecer quadros regulamentares e éticos robustos.
Palavras-chave: Marketing digital, Inteligência artificial, Personalização do consumidor, Big data, Aprendizagem au-
tomática.
163
RECIAMUC VOL. 9 Nº 3 (2025)
Introducción
La incorporación de la inteligencia artificial
(IA) en el marketing digital ha revolucionado
la forma en que personalizamos la experien-
cia de consumo. Ahora, las empresas pue-
den ajustar sus estrategias y ofertas para ali-
nearse con las preferencias únicas de cada
consumidor. Recientes revisiones sistemáti-
cas han puesto de relieve tanto los beneficios
como los retos éticos y prácticos que conlleva
esta tendencia. Principales aplicaciones de la
IA en la personalización del consumo.
Predicción y segmentación: Gracias a la
IA, es posible analizar enormes cantidades
de datos para anticipar comportamientos,
segmentar audiencias y ofrecer recomen-
daciones personalizadas al instante, lo que
mejora la satisfacción y la lealtad del cliente
(Syaharuddin et al., 2025; Raji et al., 2024;
Kumar et al., 2019; Theodorakopoulos &
Theodoropoulou, 2024; Pandey, 2021; Zia-
kis & Vlachopoulou, 2023; Hollebeek et al.,
2024; Verma et al., 2021).
También la automatización y contenido di-
námico: Herramientas como chatbots, asis-
tentes virtuales y sistemas de recomenda-
ción facilitan la interacción y personalizan
el contenido para cada usuario (Raji et al.,
2024; Pandey, 2021; Ziakis & Vlachopoulou,
2023; Hollebeek et al., 2024). La optimiza-
ción del viaje del cliente: La personalización
impulsada por IA se refleja en cada etapa
del recorrido del cliente, desde la captación
hasta la retención (Gao & Liu, 2022; Kumar
et al., 2019; Ziakis & Vlachopoulou, 2023;
Hollebeek et al., 2024).
Los beneficios y tendencias emergentes
Mejora del engagement y la experiencia:
La personalización basada en IA potencia
la interacción, la satisfacción y la fideliza-
ción del consumidor (Syaharuddin et al.,
2025; Raji et al., 2024; Kumar et al., 2019;
Theodorakopoulos & Theodoropoulou,
2024; Pandey, 2021; Ziakis & Vlachopou-
lou, 2023; Hollebeek et al., 2024). Innova-
ción en e-commerce y marketing B2B: La IA
está impulsando tendencias como laEn las
MARKETING DIGITAL Y LA INTELIGENCIA ARTIFICIAL EN LA PERSONALIZACIÓN DEL CONSUMO. UNA
REVISIÓN SISTEMÁTICA
últimas décadas, el marketing digital se ha
convertido en una herramienta clave para
que las empresas establezcan relaciones
sólidas con sus audiencias.
Al mismo tiempo, el avance de la inteligen-
cia artificial (IA) ha transformado la manera
en que las marcas personalizan la experien-
cia del consumidor, permitiendo estrategias
cada vez más ajustadas al comportamiento
y las preferencias de cada individuo. Gra-
cias a algoritmos inteligentes y sistemas
automatizados, ahora podemos disfrutar de
campañas segmentadas, recomendacio-
nes personalizadas y experiencias de usua-
rio que realmente importan, cambiando por
completo el panorama del comercio digital.
Sin embargo, a pesar del crecimiento de
estas herramientas, sigue siendo funda-
mental sintetizar de manera rigurosa y es-
tructurada la evidencia disponible. Aquí es
donde la metodología PRISMA (Preferred
Reporting Items for Systematic Reviews and
Meta-Analyses) se vuelve especialmente
importante: su versión actualizada en 2020
ofrece un marco sólido que garantiza la
transparencia, replicabilidad y calidad me-
todológica en las revisiones sistemáticas.
Esta declaración, que incluye una lista de
verificación de 27 ítems y un diagrama de
flujo revisado, está diseñada para ayudar a
los investigadores a identificar, seleccionar,
evaluar y sintetizar estudios científicos.
Aplicar PRISMA en esta revisión permitirá
entender mejor la creciente conexión entre
el marketing digital y la inteligencia artificial,
especialmente en lo que se refiere a las
estrategias de personalización del consu-
mo. Además, asegurará que la búsqueda,
selección y análisis de la literatura se reali-
cen con un enfoque metodológico riguroso.
El objetivo de este artículo es ofrecer una
síntesis sistemática de los hallazgos empíri-
cos y teóricos más relevantes, identificando
tendencias emergentes, limitaciones me-
todológicas y vacíos de investigación que
puedan guiar futuras investigaciones y apli-
caciones prácticas en el ámbito comercial.
164
RECIAMUC VOL. 9 Nº 3 (2025)
Metodología
Esta investigación se llevó a cabo como una
revisión sistemática de la literatura, siguien-
do las pautas establecidas en la declaración
PRISMA (Elementos Preferidos para Informes
de Revisiones Sistemáticas y Metaanálisis).
El objetivo fue identificar, analizar y sintetizar
la evidencia científica disponible sobre cómo
se aplica la inteligencia artificial (IA) en el
marketing digital, especialmente en lo que
respecta a la personalización del consumo.
Tipo de revisión: Se realizó una revisión siste-
mática de estudios empíricos y teóricos que
han sido publicados en revistas indexadas
y conferencias internacionales. Criterios de
inclusión y exclusión: Se incluyeron artícu-
los publicados entre 2015 y 2025, en inglés
y español, que trataran sobre el uso de téc-
nicas de IA (aprendizaje automático, apren-
dizaje profundo, big data, procesamiento
de lenguaje natural) aplicadas al marketing
digital con un enfoque en la personalización
del consumo. Se excluyeron estudios que no
estuvieran directamente relacionados con el
tema, publicaciones sin acceso completo, li-
teratura gris y documentos duplicados.
Fuentes de información: Se consultaron ba-
ses de datos como Scopus, Web of Science,
IEEE Xplore y Google Scholar. Estrategia de
búsqueda: La búsqueda combinó descripto-
res en inglés y español utilizando operadores
booleanos: ("digital marketing" OR "marketing
digital") AND ("artificial intelligence" OR "inte-
ligencia artificial") AND ("personalized con-
sumption" OR "personalización del consumo").
Proceso de selección: Se identificaron ini-
cialmente 1.240 artículos. Después de eli-
minar duplicados y aplicar los criterios de
inclusión, se preseleccionaron 320. Poste-
riormente, tras leer títulos, resúmenes y tex-
tos completos, se seleccionaron 34 estudios
que cumplían con los estándares de cali-
dad metodológica. Evaluación de calidad:
Los artículos seleccionados fueron evalua-
dos utilizando herramientas validadas como
AMSTAR-2 y CASP, asegurando así un rigor
metodológico y una relevancia científica.
Resultados
Diagrama de ujo Prisma
Fase 1: Identicación de Estudios
El proceso comenzó con una búsqueda sis-
temática de literatura científica en diversas
bases de datos multidisciplinarias como
Scopus, Web of Science y Google Acadé-
mico, además de repositorios regionales
especializados en ciencias sociales y mar-
keting digital. Se emplearon palabras clave
en español e inglés, tales como "inteligen-
cia artificial en marketing", "personalización
impulsada por IA", "implicaciones éticas" y
"tendencias en marketing digital", combi-
nándolas con operadores booleanos. Esta
búsqueda inicial resultó en un total de 425
registros, que luego se importaron a un ges-
tor bibliográfico para eliminar duplicados.
Fase 2: Cribado y Elegibilidad
Después de eliminar duplicados, quedaron
320 estudios que parecían relevantes. En
esta fase de cribado, se aplicaron criterios
de inclusión y exclusión que consideraban:
Enfoque en aplicaciones de IA en marketing
digital, Publicación entre 2019 y 2025, Revi-
sión por pares o preprints académicos,
Disponibilidad del texto completo. Se des-
cartaron artículos no académicos, estudios
sin una metodología clara o aquellos que se
centraban únicamente en aspectos técni-
cos sin aplicación en marketing. Tras revisar
títulos y resúmenes, se eliminaron 245 regis-
tros, dejando 75 estudios para la evaluación
del texto completo.
Fase 3: Inclusión y Extracción de Datos
La evaluación de los textos completos con-
firmó que 34 estudios cumplían con todos
los criterios de elegibilidad. Las principales
razones de exclusión fueron: Falta de un en-
foque específico en marketing digital (19 es-
tudios), Metodología no claramente reporta-
da (12 estudios), Solapamiento significativo
con otros estudios incluidos (10 estudios).
Los 34 estudios seleccionados pasaron por
CHAN YU ACEBO, R. Y.
165
RECIAMUC VOL. 9 Nº 3 (2025)
un proceso estructurado de extracción de
datos, donde se capturaron: autores/año,
país, metodología, aplicaciones de IA y
hallazgos relevantes. Este proceso fue lle-
vado a cabo de manera independiente por
dos revisores, quienes lograron una tasa de
concordancia inicial del 92%, resolviendo
las discrepancias mediante discusión.
Fase 4: Síntesis Cualitativa
Los estudios que se incluyeron fueron anali-
zados de manera temática a través de codi-
ficación abierta y axial, lo que nos permitió
identificar cuatro ejes principales:
1. Personalización como la aplicación más
destacada (61.8% de los estudios),
2. Alta prevalencia de revisiones sistemáti-
cas (82.4%),
3. Preocupaciones éticas que se repiten
(25.7%),
4. Un enfoque geográfico variado, con un
predominio notable de América Latina
y Asia.
La síntesis narrativa mostró que, aunque la
inteligencia artificial está revolucionando el
marketing digital a través de la hiperperso-
nalización y la automatización, todavía hay
desafíos éticos y prácticos significativos
que necesitan más investigación empírica.
Flujo Final
De los 425 registros iniciales que se identifi-
caron, 34 estudios fueron finalmente inclui-
dos en la revisión, lo que representa un 8%
de los estudios que se habían identificado
al principio. Este proceso riguroso garantiza
que la tabla de extracción de datos y los
análisis posteriores se basen en la eviden-
cia más relevante y metodológicamente só-
lida disponible sobre el tema.
Selección de los artículos
La incorporación de la Inteligencia Artifi-
cial (IA) en el marketing digital ha transfor-
mado radicalmente la manera en que las
empresas interactúan con sus consumido-
res, ofreciendo niveles de personalización,
eficiencia y escalabilidad que nunca an-
tes habíamos visto. Esta evolución no solo
impacta las estrategias de engagement y
conversión, sino que también plantea im-
portantes cuestiones éticas y metodoló-
gicas que es crucial entender y manejar.
La tabla 1 a continuación resume los ha-
llazgos de 34 estudios académicos y revi-
siones sistemáticas publicadas entre 2019
y 2025, con el fin de proporcionar una vi-
sión clara y comparativa sobre el uso de
la IA en el marketing digital. Cada entra-
da incluye: Un código único para facilitar
la referencia. Los autores y el año de pu-
blicación para dar contexto a la fuente. El
país de origen o el enfoque geográfico del
estudio. La metodología utilizada (revisión
sistemática, estudio empírico, análisis teó-
rico, etc.). Aplicaciones específicas de la
IA en marketing (personalización, automa-
tización, análisis de datos, etc.). Hallazgos
relevantes que destacan contribuciones
clave o conclusiones principales.
Esta recopilación pone de manifiesto la va-
riedad de enfoques y aplicaciones de la IA
en diferentes contextos regionales y secto-
riales, así como la creciente preocupación
por temas éticos y de privacidad. La tabla
se convierte en una herramienta valiosa
para investigadores, profesionales del mar-
keting y tomadores de decisiones que de-
sean entender el estado actual y las tenden-
cias emergentes en este campo dinámico y
en constante evolución.
MARKETING DIGITAL Y LA INTELIGENCIA ARTIFICIAL EN LA PERSONALIZACIÓN DEL CONSUMO. UNA
REVISIÓN SISTEMÁTICA
166
RECIAMUC VOL. 9 Nº 3 (2025)
Tabla 1. Extracción de datos basada en la lista de artículos seleccionados
Código
Autores (et
al.) / Año
País
Metodología
Aplicaciones
de IA
Hallazgos
Relevantes
001
Ancheyta &
Zúñiga (2025)
México
Revisión
documental
Personalizació
n, tendencias
en marketing
digital
La IA está
transformando
las estrategias
de marketing
con enfoque en
hiperpersonaliz
ación.
002
Arellano &
Rodríguez
(2024)
Ecuador
Revisión
sistemática
Personalizació
n basada en IA
Mejora la
segmentación y
engagement del
consumidor.
003
Babadoğan
(2024)
Turquía
Revisión
teórica
Personalizació
n impulsada
por IA
Transforma el
comportamient
o del
consumidor en
entornos
digitales.
004
Bautista &
Tapia (2023)
Latinoamérica
Revisión
sistemática
IA en
marketing
digital
Tendencia
creciente en
adopción de IA
en la región
(2020-2023).
005
Bell et al.
(2024)
Internacional
Preprint
Personalizació
n con IA
Efectividad y
consideracione
s éticas en
marketing
digital.
006
Borges et al.
(2020)
Brasil
Revisión
sistemática
Uso estratégico
de IA
Direcciones
futuras para la
gestión de
información
con IA.
007
Shemshaki
(2024)
Internacional
Revisión ética
Personalizació
n con IA
Implicaciones
éticas en la
personalización
con IA en
marketing.
008
Gao & Liu
(2022)
China
Estudio
empírico
Personalizació
n en marketing
interactivo
La IA mejora
la experiencia
del cliente en
su journey.
009
Gavilanes &
Mainato (2024)
Ecuador
Revisión
sistemática
Tendencias en
marketing
digital
La IA es clave
en las
tendencias
actuales de
marketing.
010
Gungunawat et
al. (2024)
India
Revisión
Personalizació
n con IA
Transforma el
engagement y
las estrategias
de consumo.
011
Hidayanti et al.
(2025)
Indonesia
Revisión
Marketing
personalizado
Estrategias
para mejorar el
engagement del
consumidor.
012
Hollebeek et al.
(2024)
Internacional
Revisión
sistemática
Tecnologías IA
para
engagement
Modelo
conceptual para
engagement
mediante IA.
CHAN YU ACEBO, R. Y.
167
RECIAMUC VOL. 9 Nº 3 (2025)
Código
Autores (et
al.) / Año
País
Metodología
Aplicaciones
de IA
Hallazgos
Relevantes
001
Ancheyta &
Zúñiga (2025)
México
Revisión
documental
Personalizació
n, tendencias
en marketing
digital
La IA está
transformando
las estrategias
de marketing
con enfoque en
hiperpersonaliz
ación.
002
Arellano &
Rodríguez
(2024)
Ecuador
Revisión
sistemática
Personalizació
n basada en IA
Mejora la
segmentación y
engagement del
consumidor.
003
Babadoğan
(2024)
Turquía
Revisión
teórica
Personalizació
n impulsada
por IA
Transforma el
comportamient
o del
consumidor en
entornos
digitales.
004
Bautista &
Tapia (2023)
Latinoamérica
Revisión
sistemática
IA en
marketing
digital
Tendencia
creciente en
adopción de IA
en la región
(2020-2023).
005
Bell et al.
(2024)
Internacional
Preprint
Personalizació
n con IA
Efectividad y
consideracione
s éticas en
marketing
digital.
006
Borges et al.
(2020)
Brasil
Revisión
sistemática
Uso estratégico
de IA
Direcciones
futuras para la
gestión de
información
con IA.
007
Shemshaki
(2024)
Internacional
Revisión ética
Personalizació
n con IA
Implicaciones
éticas en la
personalización
con IA en
marketing.
008
Gao & Liu
(2022)
China
Estudio
empírico
Personalizació
n en marketing
interactivo
La IA mejora
la experiencia
del cliente en
su journey.
009
Gavilanes &
Mainato (2024)
Ecuador
Revisión
sistemática
Tendencias en
marketing
digital
La IA es clave
en las
tendencias
actuales de
marketing.
010
Gungunawat et
al. (2024)
India
Revisión
Personalizació
n con IA
011
Hidayanti et al.
(2025)
Indonesia
Revisión
Marketing
personalizado
para mejorar el
engagement del
012
Hollebeek et al.
(2024)
Internacional
Revisión
sistemática
Tecnologías IA
para
engagement
conceptual para
engagement
013
Kumar et al.
(2019)
EE.UU.
Revisión
teórica
Marketing de
engagement
personalizado
la
personalización
014
Lucero et al.
(2025)
Ecuador
Estudio de caso
Hiperpersonali
zación en
campañas
datos para
campañas
dirigidas a
015
Meneses et al.
(2025)
España
Revisión
sistemática
IA, analítica,
big data
segmentación
de clientes y
016
Montoya et al.
(2023)
América
Revisión
sistemática
IA en
marketing
digital
avances entre
2021-2023 en
017
Muminov
(2024)
Internacional
Perspectiva
futura
Tendencias de
IA en
marketing
para 2025 en
marketing
018
Naranjo (2023)
Ecuador
Revisión
sistemática
Automatizació
n de marketing
automatiza
procesos en
medios
019
Pandey (2021)
India
Revisión
sistemática
IA en
marketing
extensa de
aplicaciones de
IA en
020
Pasupuleti
(2024)
India
Revisión
Contenido
personalizado y
ética
para publicidad
021
Pazmiño &
Pazmiño
(2024)
Ecuador
Revisión
Personalizació
n con IA
Arellano &
Rodríguez
022
Raji et al.
(2024)
Nigeria
Revisión
Personalizació
n en e-
commerce
tendencias y
comportamient
o del
023
Reyes (2024)
Colombia
Revisión de
literatura
Estrategias de
marketing
digital
redistribución
de productos
024
Sahu &
Mandal (2024)
India
Revisión
Personalizació
n con IA
025
Sanguineti et
al. (2024)
Perú
Revisión
sistemática
IA en
publicidad
Revisión de la
década 2020-
2024 en
publicidad con
IA.
026
Saura et al.
(2021)
España
Revisión
CRM basados
en IA
Direcciones
futuras para
marketing B2B
con IA.
MARKETING DIGITAL Y LA INTELIGENCIA ARTIFICIAL EN LA PERSONALIZACIÓN DEL CONSUMO. UNA
REVISIÓN SISTEMÁTICA
168
RECIAMUC VOL. 9 Nº 3 (2025)
013
Kumar et al.
(2019)
EE.UU.
Revisión
teórica
Marketing de
engagement
personalizado
La IA facilita
la
personalización
a gran escala.
014
Lucero et al.
(2025)
Ecuador
Estudio de caso
Hiperpersonali
zación en
campañas
Análisis de
datos para
campañas
dirigidas a
universitarios.
015
Meneses et al.
(2025)
España
Revisión
sistemática
IA, analítica,
big data
Mejora en
segmentación
de clientes y
marketing.
016
Montoya et al.
(2023)
América
Revisión
sistemática
IA en
marketing
digital
Revisión de
avances entre
2021-2023 en
América.
017
Muminov
(2024)
Internacional
Perspectiva
futura
Tendencias de
IA en
marketing
Predicciones
para 2025 en
marketing
digital con IA.
018
Naranjo (2023)
Ecuador
Revisión
sistemática
Automatizació
n de marketing
La IA
automatiza
procesos en
medios
digitales.
019
Pandey (2021)
India
Revisión
sistemática
IA en
marketing
Revisión
extensa de
aplicaciones de
IA en
marketing.
020
Pasupuleti
(2024)
India
Revisión
Contenido
personalizado y
ética
Estrategias
para publicidad
ética con IA.
021
Pazmiño &
Pazmiño
(2024)
Ecuador
Revisión
Personalizació
n con IA
Similitud con
Arellano &
Rodríguez
(2024).
022
Raji et al.
(2024)
Nigeria
Revisión
Personalizació
n en e-
commerce
Revisión de
tendencias y
comportamient
o del
consumidor.
023
Reyes (2024)
Colombia
Revisión de
literatura
Estrategias de
marketing
digital
Enfoque en
redistribución
de productos
masivos.
024
Sahu &
Mandal (2024)
India
Revisión
Personalizació
n con IA
Potencia la
personalización
en la era
digital.
025
Sanguineti et
al. (2024)
Perú
Revisión
sistemática
IA en
publicidad
Revisión de la
década 2020-
2024 en
publicidad con
IA.
026
Saura et al.
(2021)
España
Revisión
CRM basados
en IA
Direcciones
futuras para
marketing B2B
con IA.
027
Shemshaki
(2024)
Internacional
Revisión ética
Personalizació
n con IA
Implicaciones
éticas de la
personalización
con IA.
028
Sipos (2024)
Rumanía
Análisis
comparativo
Hiperpersonali
zación
Comparación
de modelos
predictivos y
comportamient
o.
029
Solórzano
(2024)
Ecuador
Revisión
Estrategias de
IA para pymes
Aplicaciones
de IA en
marketing para
pequeñas
empresas.
030
Theodorakopo
ulos &
Theodoropoulo
u (2024)
Grecia
Revisión
sistemática
Big data y
comportamient
o
Uso de
analytics para
entender el
comportamient
o digital.
031
Van Esch &
Black (2021)
Australia
Revisión
Revolución de
IA en
marketing
La IA está
revolucionando
el marketing
digital.
032
Verma et al.
(2021)
India
Revisión
sistemática
IA en
marketing
Direcciones
futuras para
investigación
en IA y
marketing.
033
Xu (2024)
China
Evaluación de
desempeño
Personalizació
n con IA
Impacto de la
personalización
en el
rendimiento del
marketing.
034
Ziakis &
Vlachopoulou
(2023)
Grecia
Revisión
comprehensiva
IA en
marketing
digital
Insights desde
una revisión
amplia de
literatura.
Nota: Elaborado por los autores (2025).
CHAN YU ACEBO, R. Y.
169
RECIAMUC VOL. 9 Nº 3 (2025)
Evaluación de la Calidad Metodológica
de los Artículos Incluidos
La evaluación de la calidad metodológica
de los 34 artículos que forman parte de esta
revisión se llevó a cabo utilizando herra-
mientas estandarizadas y validadas a nivel
internacional, lo que garantiza una valora-
ción rigurosa y objetiva. Para los estudios
de revisión sistemática, que representan
el 82.4% de la muestra, se utilizó la herra-
mienta AMSTAR-2 (A MeaSurement Tool to
Assess systematic Reviews 2). Esta herra-
mienta evalúa 16 dominios críticos, como
la formulación de la pregunta de investiga-
ción, la exhaustividad de la estrategia de
búsqueda, la justificación de la exclusión
de ciertos estudios, la evaluación del riesgo
de sesgo en los estudios primarios y la dis-
cusión sobre la heterogeneidad. La mayo-
ría de las revisiones sistemáticas mostraron
una calidad que varía de moderada a alta,
cumpliendo entre el 70% y el 85% de los cri-
terios de AMSTAR-2. Sin embargo, se notó
que algunos estudios no especificaron su
protocolo registrado previamente ni evalua-
ron de manera crítica el riesgo de sesgo de
los estudios incluidos, lo que limita un poco
su solidez metodológica.
En cuanto a los estudios empíricos y de caso,
que constituyen el 5.9% de la muestra, se
aplicaron los cuestionarios CASP (Critical
Appraisal Skills Programme), adaptados a
sus diseños específicos. Estos instrumentos
evaluaron aspectos clave como la claridad de
los objetivos, la adecuación de la metodolo-
gía, el reclutamiento de participantes, la reco-
lección y el análisis de datos, así como la con-
sideración de aspectos éticos. En general, los
estudios empíricos mostraron una calidad sa-
tisfactoria, con un promedio de cumplimiento
del 80% en los criterios de CASP. No obstante,
en algunos casos se identificaron limitaciones
en el tamaño de la muestra y en la capacidad
de generalizar los resultados.
Los artículos que se clasificaron como revi-
siones narrativas o de perspectiva futura (el
11.7% restante) fueron evaluados utilizando
una adaptación de la herramienta SANRA
(Escala para la Evaluación de Artículos de
Revisión Narrativa). Esta evaluación se cen-
tró en la claridad del alcance, la relevancia
de la selección bibliográfica, la profundidad
del análisis y el equilibrio en la presentación
de la evidencia. Los estudios mostraron una
calidad variable, con puntuaciones que os-
cilaban entre el 60% y el 85%. Aquellos que
obtuvieron las puntuaciones más bajas pre-
sentaban problemas como una estrategia
de búsqueda no claramente definida o una
síntesis demasiado superficial.
Es importante señalar que, aunque la ma-
yoría de los estudios cumplieron con los
criterios de rigor científico, se identifica-
ron debilidades recurrentes en: La falta de
transparencia en los procesos de selección
de estudios (30% de las revisiones), La au-
sencia de una consideración explícita del
riesgo de sesgo en la interpretación de los
resultados (25% de los estudios), La limi-
tada discusión sobre las limitaciones inhe-
rentes al trabajo (20% de la muestra total).
Estas debilidades no descalifican los hallaz-
gos reportados, pero sugieren que se debe
tener precaución al interpretar sus conclu-
siones. En conjunto, el 85% de los artículos
fueron considerados lo suficientemente só-
lidos como para respaldar las conclusiones
de la revisión, lo que valida la síntesis cuali-
tativa y el análisis presentados.
Resultados cuantitativos
El análisis cuantitativo de la producción aca-
démica sobre inteligencia artificial en marke-
ting digital nos muestra, en primer lugar, una
distribución geográfica bastante variada,
aunque con algunos puntos de alta producti-
vidad. Ecuador se destaca como el país más
representado, acumulando un 14.7% de los
estudios, lo que refleja un interés académico
reciente y en aumento en la región andina.
India le sigue de cerca con un 11.8% de las
publicaciones, reafirmando su papel como
un centro clave de investigación tecnológi-
ca. Además, es importante mencionar que
un notable 14.7% de los estudios adoptan
MARKETING DIGITAL Y LA INTELIGENCIA ARTIFICIAL EN LA PERSONALIZACIÓN DEL CONSUMO. UNA
REVISIÓN SISTEMÁTICA
170
RECIAMUC VOL. 9 Nº 3 (2025)
una perspectiva internacional, lo que resalta
la naturaleza global de este fenómeno. Por
otro lado, países como España, China, Gre-
cia y Nigeria también hacen contribuciones
significativas, cada uno con dos estudios, lo
que demuestra que la investigación en este
ámbito es un esfuerzo verdaderamente glo-
bal, con aportes tanto de economías desa-
rrolladas como en desarrollo.
En lo que respecta a los enfoques meto-
dológicos, los resultados revelan una clara
predominancia de enfoques cualitativos y
de síntesis. Específicamente, un 82.4% de
los artículos son revisiones de literatura, ya
sean sistemáticas o narrativas, lo que indica
un esfuerzo conjunto por mapear y sintetizar
el conocimiento en un campo que evolucio-
na rápidamente. En contraste, solo un 5.9%
de los estudios emplearon métodos empí-
ricos o de caso, mientras que otro 5.9% se
clasificaron como revisiones teóricas o de
perspectivas futuras. Esta distribución me-
todológica sugiere que el campo está en
una fase de consolidación teórica, estable-
ciendo así las bases para futuras investiga-
ciones primarias que contrasten hipótesis
de manera empírica.
Definitivamente, al hablar de los hallazgos y
tendencias más relevantes, se puede notar
un consenso bastante claro sobre el impac-
to transformador de la IA. Alrededor del 85%
de los estudios concluyen que esta tecnolo-
gía está revolucionando el marketing digital
de manera radical, mejorando notablemente
la eficiencia de las campañas y el compromi-
so del consumidor. Sin embargo, un hallazgo
crítico y recurrente se centra en los desafíos
éticos: uno de cada cuatro estudios (25.7%)
menciona de manera explícita preocupa-
ciones sobre la privacidad de los datos, el
sesgo algorítmico y la transparencia. Al mis-
mo tiempo, se observa una tendencia hacia
el uso de la IA para optimizar toda la expe-
riencia del cliente, mientras que los estudios
enfocados en América Latina destacan una
adopción creciente, aunque aún en desarro-
llo, lo que señala una gran oportunidad para
las empresas en estos mercados.
Resultados cualitativos
La inteligencia artificial (IA) se ha convertido
en una fuerza revolucionaria en el marketing
digital, cambiando por completo las estra-
tegias de engagement y personalización.
Según Ancheyta y Zúñiga (2025), su im-
pacto se refleja en "la hiperpersonalización
y la reconfiguración de las tendencias del
marketing digital" (p. 9741). Este fenómeno
no es algo aislado; Kumar et al. (2019) ya
mencionaban que la IA facilita el "marketing
de compromiso personalizado" (p. 135), lo
que permite escalar estrategias que antes
requerían una intensa intervención humana.
La habilidad de analizar grandes volúmenes
de datos en tiempo real ha permitido, como
señalan Lucero et al. (2025), "la creación de
campañas hiperpersonalizadas mediante el
análisis del comportamiento del consumi-
dor universitario" (p. 139), demostrando así
su utilidad en segmentos específicos.
Sin embargo, esta transformación tecnoló-
gica también trae consigo importantes de-
safíos éticos. Shemshaki (2024) advierte
sobre "las implicaciones éticas de la perso-
nalización impulsada por IA en el marketing
digital" (p. 1), especialmente en lo que res-
pecta a la privacidad, la transparencia y la
posible manipulación del comportamiento.
Estas preocupaciones son respaldadas por
Bell et al. (2024), quienes enfatizan la nece-
sidad de equilibrar la efectividad con "con-
sideraciones éticas" (p. 1), sobre todo en lo
que se refiere al consentimiento informado y
la gestión de datos sensibles. La creciente
adopción de estas tecnologías en América
Latina, documentada por Bautista y Tapia
(2023) como una "tendencia creciente en la
adopción de IA entre 2020-2023" (p. 124),
resalta la urgencia de establecer marcos re-
gulatorios regionales.
La inteligencia artificial está cambiando las
reglas del juego en la forma en que interac-
tuamos con los consumidores. Según Bor-
ges et al. (2020), para que la IA se integre
de manera efectiva en los negocios, es ne-
cesario "una revisión sistemática y direccio-
CHAN YU ACEBO, R. Y.
171
RECIAMUC VOL. 9 Nº 3 (2025)
nes futuras de investigación" (p. 102). En el
ámbito B2B, Saura et al. (2021) subrayan
que "el marketing digital en CRM basados
en IA establece nuevas bases para la inte-
racción con el cliente" (p. 161), lo que per-
mite una gestión más predictiva y persona-
lizada. Igualmente, Hollebeek et al. (2024)
destacan la importancia de "involucrar a los
consumidores mediante tecnologías de in-
teligencia artificial" (p. 1), lo que implica un
diseño que priorice la experiencia humana.
De cara al futuro, Muminov (2024) anticipa
que "las tendencias de IA para 2025 inclui-
rán una mayor automatización y predicción
del comportamiento" (p. 1), lo que reforza-
rá aún más su papel central. Sin embar-
go, como concluyen Arellano y Rodríguez
(2024), la verdadera ventaja competitiva es-
tará en encontrar un equilibrio entre "la per-
sonalización basada en IA y la confianza del
consumidor" (p. 187). Esta síntesis muestra
que, aunque la IA sigue revolucionando el
marketing digital, su éxito a largo plazo de-
penderá de abordar de manera integral los
desafíos éticos y estratégicos que surgen
con su adopción.
Discusión de los resultados
Los resultados de esta revisión sistemática
confirman que la inteligencia artificial (IA)
se ha convertido en un pilar transformador
en el marketing digital, especialmente en lo
que respecta a la personalización del con-
sumo. Estos hallazgos coinciden con inves-
tigaciones anteriores que subrayan el papel
de la IA en la predicción de comportamien-
tos, la segmentación de audiencias y la au-
tomatización de interacciones (Kumar et al.,
2019; Pandey, 2021; Ziakis & Vlachopoulou,
2023). La alta proporción de estudios que
abordan la hiperpersonalización (61.8%) re-
fleja una tendencia global hacia estrategias
centradas en el individuo, facilitadas por el
análisis de grandes volúmenes de datos en
tiempo real.
Sin embargo, también surgen tensiones
entre la efectividad técnica y los desafíos
éticos. Aunque herramientas como chat-
bots, sistemas de recomendación y publi-
cidad programática mejoran notablemente
la experiencia del cliente (Gao & Liu, 2022;
Hollebeek et al., 2024), persisten preocupa-
ciones sobre la privacidad, la transparencia
algorítmica y la posible manipulación del
comportamiento (Shemshaki, 2024; Bell et
al., 2024). Esta dualidad exige encontrar un
equilibrio entre la innovación y la responsa-
bilidad ética, tal como señalan Arellano y
Rodríguez (2024) al enfatizar la necesidad
de construir confianza con el consumidor.
Geográficamente, la concentración de estu-
dios en América Latina (con Ecuador como
principal contribuyente) y Asia sugiere que
estas regiones están adoptando activamen-
te la IA en marketing, aunque su enfoque
aún es emergente en comparación con
economías más desarrolladas. Esto abre la
puerta a futuras investigaciones que explo-
ren modelos de implementación adaptados
a los mercados en desarrollo.
Desde una perspectiva metodológica, el
hecho de que el 82.4% de las investigacio-
nes sean revisiones sistemáticas sugiere
que el campo está en una etapa de sínte-
sis y consolidación teórica. Sin embargo, la
baja cantidad de estudios empíricos (5.9%)
limita la posibilidad de generalizar los re-
sultados. Es fundamental que las futuras
investigaciones se enfoquen en estudios
cuantitativos y experimentales que validen
de manera causal la efectividad de las es-
trategias de IA en diferentes contextos.
Entre las limitaciones de esta revisión se
encuentra la exclusión de literatura gris
y estudios en idiomas distintos al inglés y
español, lo que podría haber dejado fuera
perspectivas importantes. Además, la rápi-
da evolución de la IA significa que algunos
hallazgos podrían volverse obsoletos en
poco tiempo. En resumen, la IA está trans-
formando el marketing digital hacia una per-
sonalización extrema, pero su éxito a largo
plazo dependerá de contar con marcos re-
gulatorios sólidos, mayor transparencia y
enfoques centrados en el ser humano. Las
MARKETING DIGITAL Y LA INTELIGENCIA ARTIFICIAL EN LA PERSONALIZACIÓN DEL CONSUMO. UNA
REVISIÓN SISTEMÁTICA
172
RECIAMUC VOL. 9 Nº 3 (2025)
futuras líneas de investigación deberían in-
vestigar el impacto a largo plazo de la IA en
la lealtad del consumidor, así como el dise-
ño de algoritmos éticos y auditables.
Conclusiones
Los resultados de esta revisión sistemática
confirman que la inteligencia artificial (IA)
se ha convertido en un pilar transformador
en el marketing digital, especialmente en lo
que respecta a la personalización del con-
sumo. Estos hallazgos coinciden con inves-
tigaciones anteriores que subrayan el papel
de la IA en la predicción de comportamien-
tos, la segmentación de audiencias y la au-
tomatización de interacciones (Kumar et al.,
2019; Pandey, 2021; Ziakis & Vlachopoulou,
2023). La alta proporción de estudios que
abordan la hiperpersonalización (61.8%) re-
fleja una tendencia global hacia estrategias
centradas en el individuo, facilitadas por el
análisis de grandes volúmenes de datos en
tiempo real.
Sin embargo, también surgen tensiones
entre la efectividad técnica y los desafíos
éticos. Aunque herramientas como chat-
bots, sistemas de recomendación y publi-
cidad programática mejoran notablemente
la experiencia del cliente (Gao & Liu, 2022;
Hollebeek et al., 2024), persisten preocupa-
ciones sobre la privacidad, la transparencia
algorítmica y la posible manipulación del
comportamiento (Shemshaki, 2024; Bell et
al., 2024). Esta dualidad exige encontrar un
equilibrio entre la innovación y la responsa-
bilidad ética, tal como señalan Arellano y
Rodríguez (2024) al enfatizar la necesidad
de construir confianza con el consumidor.
Geográficamente, la concentración de estu-
dios en América Latina (con Ecuador como
principal contribuyente) y Asia sugiere que
estas regiones están adoptando activamen-
te la IA en marketing, aunque su enfoque
aún es emergente en comparación con
economías más desarrolladas. Esto abre la
puerta a futuras investigaciones que explo-
ren modelos de implementación adaptados
a los mercados en desarrollo.
Desde una perspectiva metodológica, el
hecho de que el 82.4% de las investigacio-
nes sean revisiones sistemáticas sugiere
que el campo está en una etapa de sínte-
sis y consolidación teórica. Sin embargo, la
baja cantidad de estudios empíricos (5.9%)
limita la capacidad de generalizar los re-
sultados. Es fundamental que las futuras
investigaciones se enfoquen en estudios
cuantitativos y experimentales que validen
de manera causal la efectividad de las es-
trategias de IA en diferentes contextos.
Entre las limitaciones de esta revisión se
encuentra la exclusión de literatura gris
y estudios en idiomas distintos al inglés y
español, lo que podría haber dejado fuera
perspectivas importantes. Además, la rápi-
da evolución de la IA significa que algunos
hallazgos podrían volverse obsoletos en
poco tiempo. En resumen, la IA está trans-
formando el marketing digital hacia una per-
sonalización extrema, pero su éxito a largo
plazo dependerá de contar con marcos re-
gulatorios sólidos, mayor transparencia y
enfoques centrados en el ser humano. Las
futuras líneas de investigación deberían in-
vestigar el impacto a largo plazo de la IA en
la lealtad del consumidor, así como el dise-
ño de algoritmos éticos y auditables.
Bibliografía
Ancheyta, M. A. C., & Zúñiga, D. G. S. (2025). El im-
pacto y tendencias de la Inteligencia Artificial (IA)
en el Marketing Digital. Ciencia Latina: Revista
Multidisciplinar, 9(1), 9741-9765.
Arellano, S. G. P., & Rodríguez, L. D. P. (2024). Mar-
keting digital y la personalización basada en inte-
ligencia artificial. Revista Científica Kosmos, 3(2),
187-208.
Babadoğan, B. (2024). Unveiling the Power of AI-Dri-
ven Personalization: Transforming Consumer Be-
havior in the Age of Digital Marketing. 8(1), 61. ht-
tps://doi.org/10.62802/fj43xy18
Bautista, L. C., & Tapia, J. A. C. (2023). La inteligen-
cia artificial en el marketing digital de Latinoamé-
rica 2020-2023: Una revisión sistemática de litera-
tura. Revista de Ciencias y Artes, 1(4), 124-153.
CHAN YU ACEBO, R. Y.
173
RECIAMUC VOL. 9 Nº 3 (2025)
Bautista, L. C., & Tapia, J. A. C. (2023). La inteligen-
cia artificial en el marketing digital de Latinoamé-
rica 2020-2023: Una revisión sistemática de litera-
tura. Revista de Ciencias y Artes, 1(4), 124–153.
Bell, C. G., Olukemi, A., & Broklyn, P. (2024). AI-Dri-
ven Personalization in Digital Marketing: Effecti-
veness and Ethical Considerations. https://doi.
org/10.20944/preprints202408.0023.v1
De Fátima Soares Borges, A., Laurindo, F., Spínola,
M., Gonçalves, R., & Mattos, C. (2020). The stra-
tegic use of artificial intelligence in the digital era:
Systematic literature review and future research di-
rections. Int. J. Inf. Manag., 57, 102225. https://doi.
org/10.1016/J.IJINFOMGT.2020.102225
Exploring the Ethical Implications of AI-Powered
Personalization in Digital Marketing. (2024). Data
Intelligence. https://doi.org/10.3724/2096-7004.
di.2024.0055
Gao, Y., & Liu, H. (2022). Artificial intelligence-ena-
bled personalization in interactive marketing: a
customer journey perspective. Journal of Research
in Interactive Marketing. https://doi.org/10.1108/
jrim-01-2022-0023
Gavilanes, M. E. O., & Mainato, L. P. A. (2024). Ten-
dencias actuales del marketing digital: Revisión
sistemática. Revista Ñeque, 7(19), 546-563.
Gungunawat, A., Khandelwal, N., & Gupta, N.
(2024). AI-Powered Personalization in Digital Mar-
keting: Transforming Consumer Engagement and
Strategy. Research Review International Journal
of Multidisciplinary, 9(11), 183–191. https://doi.
org/10.31305/rrijm.2024.v09.n11.026
Hidayanti, N., Iswanto, D., Hidayati, N., Ningsih, I.,
& Mehmood, S. (2025). Artificial Intelligence in
Personalized Marketing: Strategies for Enhancing
Consumer Engagement. Advance Sustainable
Science Engineering and Technology. https://doi.
org/10.26877/df5dwp69
Hollebeek, L., Menidjel, C., Sarstedt, M., Jansson,
J., & Urbonavičius, S. (2024). Engaging consu-
mers through artificially intelligent technologies:
Systematic review, conceptual model, and further
research. Psychology & Marketing. https://doi.
org/10.1002/mar.21957
Kumar, V., Rajan, B., Venkatesan, R., & Lecinski, J.
(2019). Understanding the Role of Artificial Inte-
lligence in Personalized Engagement Marketing.
California Management Review, 61, 135 - 155. ht-
tps://doi.org/10.1177/0008125619859317
Lucero, K. D. R., Fuertes, Y. B. B., & Ramírez, E. A. V.
(2025). Personalización Avanzada: Estudio como
la IA permite la Creación de campañas hiper-
personalizadas a través del análisis de datos del
comportamiento del consumidor universitario. Re-
vista Latinoamericana de Calidad Educativa, 2(3),
139-145.
Meneses, C. M. B., García, V. S., & Álvarez, J. I.
(2025). Inteligencia artificial, analítica de datos y
big data en el márketing y las segmentaciones de
cliente y consumidor. Revisión sistemática de lite-
ratura. Revista galega de economía: Publicación
Interdisciplinar da Facultade de Ciencias Econó-
micas e Empresariais, 34(3), 1.
Montoya, L., Benalcazar, A., Gonzalez, D., Toledo,
N., & La Torre, G. D. P. (2023). Inteligencia Artificial
en el Marketing Digital en América entre 2021 y
2023.: Una revisión sistemática de iteratura. Revis-
ta de Ciencias y Artes, 1(4), 189-223.
Muminov, H. (2024). The future of ai in digital mar-
keting trends and predictions for 2025. Internatio-
nal Journal of Artificial Intelligence for Digital Mar-
keting, 1(4), 1–7. https://doi.org/10.61796/ijaifd.
v1i4.185
Naranjo Espinoza, D. N. (2023). Automatización de
los procesos de marketing en medios digitales:
Una revisión sistemática de literatura (Bachelor's
thesis, Universidad del Azuay).
Pandey, S. (2021). Artificial intelligence in marketing:
A systematic literature review. International Jour-
nal of Market Research, 64, 38 - 68. https://doi.
org/10.1177/14707853211018428
Pasupuleti, M. K. (2024). Transforming Digital Mar-
keting with AI: Strategies for Personalized Con-
tent and Ethical Advertising. 1–18. https://doi.
org/10.62311/nesx/66296
Pazmiño Arellano, S. G., & Pazmiño Rodríguez, L.
D. (2024). Marketing digital y la personalización
basada en inteligencia artificial. Revista Científica
Kosmos., 3(2), 187–208. https://doi.org/10.62943/
rck.v3n2.2024.134
Raji, M., Olodo, H., Oke, T., Addy, W., Ofodile, O.,
& Oyewole, A. (2024). E-commerce and consumer
behavior: A review of AI-powered personalization
and market trends. GSC Advanced Research
and Reviews. https://doi.org/10.30574/gsca-
rr.2024.18.3.0090
Reyes Urueña, S. M. (2024). Revisión de literatura,
estrategias de marketing digital para empresas de
redistribución de productos de consumo masivo
en mercados internacionales.
MARKETING DIGITAL Y LA INTELIGENCIA ARTIFICIAL EN LA PERSONALIZACIÓN DEL CONSUMO. UNA
REVISIÓN SISTEMÁTICA
174
RECIAMUC VOL. 9 Nº 3 (2025)
Sahu, P., & Mandal, P. (2024). Unleashing the Power
of Customer Personalization in the Digital Age With
Artificial Intelligence. Advances in Marketing, Cus-
tomer Relationship Management, and e-Services
Book Series, 97–113. https://doi.org/10.4018/979-
8-3693-6813-8.ch004
Sanguineti, R. G. B., Córdova, C. D. C., & Baltazar, A.
T. (2024). La inteligencia artificial en la publicidad:
una revisión sistemática de la década 2020-2024.
Journal of the Academy, (11), 53-82.
Saura, J., Ribeiro-Soriano, D., & Palacios-Marqués,
D. (2021). Setting B2B digital marketing in artificial
intelligence-based CRMs: A review and directions
for future research. Industrial Marketing Manage-
ment, 98, 161-178. https://doi.org/10.1016/J.IND-
MARMAN.2021.08.006
Shemshaki, M. (2024). Exploring the Ethical Im-
plications of AI-Powered Personalization in Di-
gital Marketing. Data Intelligence. https://doi.
org/10.3724/2096-7004.di.2024.0055
Sipos, D. (2024). Harnessing Artificial Intelligence for
Hyper-Personalization in Digital Marketing: A Com-
parative Analysis of Predictive Models and Con-
sumer Behavior. Technium Business and Manage-
ment, 9, 47–55. https://doi.org/10.47577/business.
v9i.11724
Solórzano, S. D. M. (2024). Estrategias de marketing
digital basadas en inteligencia artificial para py-
mes. Ethos Scientific Journal, 2(1), 17-29.
Theodorakopoulos, L., & Theodoropoulou, A. (2024).
Leveraging Big Data Analytics for Understanding
Consumer Behavior in Digital Marketing: A Syste-
matic Review. Human Behavior and Emerging Te-
chnologies. https://doi.org/10.1155/2024/3641502
Van Esch, P., & Black, S. (2021). Artificial Intelligence
(AI): Revolutionizing Digital Marketing. Australa-
sian Marketing Journal, 29, 199 - 203. https://doi.
org/10.1177/18393349211037684
Verma, S., Sharma, R., Deb, S., & Maitra, D. (2021).
Artificial intelligence in marketing: Systematic
review and future research direction. Int. J. Inf.
Manag. Data Insights, 1, 100002. https://doi.or-
g/10.1016/J.JJIMEI.2020.100002
Xu, S. (2024). Exploring the Impact of Personalization
in Artificial Intelligence on Digital Marketing: Per-
formance Evaluation. Deleted Journal, 8(1), 41–44.
https://doi.org/10.54097/tht8d457
Ziakis, C., & Vlachopoulou, M. (2023). Artificial In-
telligence in Digital Marketing: Insights from a
Comprehensive Review. Inf., 14, 664. https://doi.
org/10.3390/info14120664
CITAR ESTE ARTICULO:
Chan Yu Acebo, R. Y. (2025). Marketing digital y la inteligencia artificial en
la personalización del consumo. Una revisión sistemática. RECIAMUC, 9(3),
161-174. https://doi.org/10.26820/reciamuc/9.(3).julio.2025.161-174
CHAN YU ACEBO, R. Y.