Marketing preditivo: Desafios futuros na implementação e uso de algoritmos e inteligência artificial

Autores

  • Luciano Augusto Toledo Universidade Presbiteriana Mackenzie
  • Abayomi Diana Benone Calazans Muranyi Ki Universidade Presbiteriana Mackenzie

Palavras-chave:

Marketing preditivo, algoritmos, inteligência artificial, comportamento do consumidor

Resumo

Este ensaio apresenta uma reflexão acerca da importância do marketing preditivo como uma abordagem estratégica que utiliza algoritmos e inteligência artificial para prever o comportamento do consumidor e otimizar as campanhas de marketing em tempo real.  No entanto, a implementação do marketing preditivo apresenta desafios para os gestores de marketing, incluindo a falta de habilidades necessárias para lidar com algoritmos e inteligência artificial, a necessidade de gerenciamento de dados precisos e a preocupação com a privacidade do consumidor. Ao abordar aspectos potencialmente relevantes para os gestores que buscam implementar o marketing preditivo em suas campanhas, espera-se contribuir para superar os desafios e alcançar o sucesso em suas estratégias de marketing.

Downloads

Não há dados estatísticos.

Biografia do Autor

Luciano Augusto Toledo, Universidade Presbiteriana Mackenzie

Doutor em administração e professor na Universidade Presbiteriana Mackenzie

Abayomi Diana Benone Calazans Muranyi Ki , Universidade Presbiteriana Mackenzie

Bacharel em administração

Referências

Alantari, H. J., Currim, I. S., Deng, Y., & Singh, S. (2022). An empirical comparison of machine learning methods for text-based sentiment analysis of online consumer reviews. International Journal of Research in Marketing, 39(1). https://doi.org/10.1016/j.ijresmar.2021.10.011

Avinash, V. (2021). The Role of AI in Predictive Marketing Using Digital Consumer Data. Dogo Rangsang Research Journal, 11(6).

Chou, P., Chuang, H. H. C., Chou, Y. C., & Liang, T. P. (2022). Predictive analytics for customer repurchase: Interdisciplinary integration of buy till you die modeling and machine learning. European Journal of Operational Research, 296(2). https://doi.org/10.1016/j.ejor.2021.04.021

Kotras, B. (2020). Mass personalization: Predictive marketing algorithms and the reshaping of consumer knowledge. Big Data and Society, 7(2). https://doi.org/10.1177/2053951720951581

Mack, N., Woodsong, C., MacQueen, K. M., Guest, G., & Namey, E. (2011). Qualitative research metodology: a data collector’s field guide. In Climate Change 2013 - The Physical Science Basis.

Naz, H., & Kashif, M. (2024). Artificial intelligence and predictive marketing: an ethical framework from managers’ perspective. Spanish Journal of Marketing - ESIC. https://doi.org/10.1108/SJME-06-2023-0154

Ramos-Galarza, C., Bolaños-Pasquel, M., & Cruz-Cárdenas, J. (2024). Virtual Reality as a Learning Mechanism: Experiences in Marketing. Smart Innovation, Systems and Technologies, 344. https://doi.org/10.1007/978-981-99-0333-7_43

Santo, A. do E. (1992). Delineamentos de metodologia científica. Edições Loyola.

Silva, C. N. N. da, & Porto, M. D. (2016). Metodologia Científica Descomplicada. In Metodologia Científica.

Silva, V. C., Gorgulho, B., Marchioni, D. M., Araujo, T. A. de, Santos, I. de S., Lotufo, P. A., & Benseñor, I. M. (2022). Clustering analysis and machine learning algorithms in the prediction of dietary patterns: Cross-sectional results of the Brazilian Longitudinal Study of Adult Health (ELSA-Brasil). Journal of Human Nutrition and Dietetics, 35(5). https://doi.org/10.1111/jhn.12992

Überwimmer, M., Frankus, E., Casati, L., Stack, S., Kincl, T., & Závodná, L. S. (2024). The AI Evolution in Marketing and Sales: How Social Design Thinking Techniques Can Boost Long-Term AI Strategies in Companies and Regions. Smart Innovation, Systems and Technologies, 344. https://doi.org/10.1007/978-981-99-0333-7_2

Downloads

Publicado

2024-05-20

Como Citar

Toledo, L. A., & Ki , A. D. B. C. M. (2024). Marketing preditivo: Desafios futuros na implementação e uso de algoritmos e inteligência artificial: . Práticas Em Contabilidade E Gestão, 11(4). Recuperado de https://editorarevistas.mackenzie.br/index.php/pcg/article/view/16962