EL SISTEMA DE INFORMACIÓN DE MARKETING EN ORGANIZACIONES TURÍSTICAS

Vista previa del material en texto

EL SISTEMA DE INFORMACIÓN DE MARKETING EN ORGANIZACIONES 
TURÍSTICAS 
Los gerentes de marketing necesitan muchísima información para realizar su labor. Cada vez hay mayor 
cantidad de información, pero muchas veces no se tiene el volumen suficiente de la información que 
requieren o tienen demasiada del tipo equivocado. Para superar estos problemas, las empresas 
mejoran sus sistemas de información marketing. 
La gestión de los datos y de la información en las organizaciones turísticas ha sido durante muchos 
años relativamente olvidada y bastante poco considerada (Rey y Castellanos, 2001). 
Para adoptar decisiones sobre estrategias a emplear, reduciendo la incertidumbre lógica de cualquier 
decisión, el responsable de marketing debe conocer las características de su entorno, aspectos claves 
del mercado y sus tendencias, así como su posible impacto en la organización turística. El flujo 
constante de información pertinente y su suministro en el momento oportuno son fundamentales para 
la adopción de decisiones por parte de la dirección de una organización. 
Sin la información, los tomadores de decisiones tan solo podrían apoyarse en su experiencia e 
intuición, factores insuficientes, especialmente en entornos turbulentos y complejos. 
Este conocimiento puede ser adquirido por medio de un sistema de información de marketing (SIM), 
que es un instrumento metodológico (conjunto de personas, procedimientos e infraestructura 
organizativa) que permite captar, tratar y servir la información necesaria para apoyar y orientar la 
toma de decisiones de marketing (Kotler et al., 2014). 
Un SIM debe contar con tres características principales. 
• En primer lugar, debe ser concebido como integral y flexible, ya que las actividades de 
marketing de una empresa turística están relacionadas entre sí y deben adaptarse a cambios 
continuos. 
• En segundo lugar, el SIM debe ser formal y evolutivo, es decir, se debe diseñar 
conscientemente para que satisfaga las necesidades de los directivos de marketing durante un 
tiempo razonable. 
• Finalmente, el SIM debe brindar un flujo organizado de información relevante y oportuna 
(tiempo y coste) para orientar la toma de decisiones de marketing. En la estructura básica del 
SIM se identifican los cuatro subsistemas (figura 4.5). 
 
 
2.1. Subsistema de registro interno 
Este subsistema es el responsable de la recopilación, la clasificación, el registro y el servicio de los 
datos que la organización, como resultado de su actividad cotidiana, genera habitualmente y de modo 
rutinario. Las fuentes de información de naturaleza interna suelen ser la contable, la financiera, la 
analítica, la de personal y la fiscal. Estas suministran datos sobre niveles de producción, costes 
unitarios de producto, pedidos recibidos y servidos, listado de clientes, volumen de ventas, niveles de 
precios, informes sobre cuentas de pérdidas y ganancias o balances anuales, facturas, gastos de 
personal, etc. En el ámbito turístico, las compañías hoteleras llevan un registro diario de los clientes 
que alquilan habitaciones con amplio número de datos sobre características sociodemográficas, 
económicas o de comportamiento, lo que les permite conocer no solo el nivel de ocupación o la 
estancia media, sino características de los huéspedes y otros datos a lo largo del año. 
 
2.2. Subsistema de inteligencia 
Es el encargado de la recogida continua de la información relevante que se genera en el entorno 
externo de la organización turística, tanto en su microentorno externo (proveedores, intermediarios, 
clientes y competidores) como en su macroentorno (factores económicos, medioambientales, físicos, 
políticos, legales, sociales, culturales, tecnológicos, etc.). Las empresas se pueden apoyar en su 
personal y en otros agentes ajenos a ella (proveedores, distribuidores, etc.) para obtener la 
información pertinente sobre estas cuestiones, que quedan reflejadas en informes que, de modo 
continuo, sus integrantes desarrollan. La mayoría de las compañías aéreas tienen un área específica 
dedicada a la revisión sistemática de publicaciones y bases de datos que recogen tendencias 
cualitativas y cuantitativas del entorno en que desarrollan su actividad, entre otros aspectos. 
 
2.3. Subsistema de investigación 
Su función también está relacionada, como las dos anteriores, con la captación de datos, aunque 
presenta una diferencia notable. Su objetivo consiste en diseñar, recoger, captar y analizar datos e 
información relativa a hechos, situaciones y problemas concretos, esto es, ad hoc y no atendidos por 
los subsistemas anteriores para resolver problemas de investigación concretos. 
Las investigaciones de marketing pueden ser ejecutadas por el propio personal del SIM (en este caso 
sería este mismo el sujeto activo de la investigación), por la universidad o por empresas especializadas 
(consultoras o institutos de investigación), y suelen referirse a estudios específicos relacionados con la 
comercialización de productos: estudios de mercado y de demanda, imagen y notoriedad de una 
marca, test de preferencias de productos, eficacia de anuncios publicitarios, etc. Por ejemplo, algunos 
parques temáticos realizan estudios de mercado dirigidos a clientes actuales y potenciales para 
averiguar sus preferencias sobre nuevas atracciones potenciales. 
 
2.4. Subsistema de análisis y apoyo a las decisiones 
Interpreta, clasifica y sintetiza los datos aportados por el resto de los subsistemas del SIM 
traduciéndolos en información útil para el decisor. Para conseguir el máximo aprovechamiento de los 
datos captados por diversas vías, dispone de dos componentes: 
1. Un banco estadístico que incluye técnicas que permiten el análisis de los datos para posibilitar la 
obtención de conclusiones pertinentes en el área de marketing. 
2. Un banco de modelos de aplicación concreta en marketing, como pueden ser modelos sobre 
planificación publicitaria, sobre ciclo de vida del producto, sobre decisiones de compra, sobre 
comportamiento del cliente, etc. 
Así, algunos restaurantes, ante el coste que supone el almacenaje de alimentos (espacio, caducidad...), 
pueden desarrollar o adquirir un software específico de gestión que les aporte información concreta 
sobre la rotación de los alimentos, el histórico de la demanda de los clientes, cuándo y qué cantidad 
comprar de cada producto, posibles cambios en la carta del restaurante, cuándo orientar a los 
camareros para ofrecer ciertos platos, etc. 
 
Ventajas de los Sistema de Información en Mercadeo (SIM) 
- Drástica reducción de los costos operativos. 
- Disponibilidad inmediata de la información. 
- Intercambio instantáneo de los resultados. 
- Rapidez en la toma de decisiones. 
- Actualización constante de la Base de Datos. 
- Mayor eficiencia. 
- Más y mejores servicios a los clientes. 
- Incremento en la eficiencia de la fuerza de venta. 
- Retener el dominio del mercado por parte del líder. 
- Retener a los clientes casuales 
- Incrementar en el tiempo el valor potencial de cada cliente. 
- Ganarle clientes a la competencia. 
 
 
 
3. LOS ESTUDIOS DE MERCADO EN EL MARKETING TURÍSTICO 
Los continuos cambios del entorno en que desarrollan su actividad las organizaciones turísticas les 
obligan a desarrollar puntualmente estudios de mercado o investigaciones comerciales ad hoc que les 
ayuden a reducir la incertidumbre con la que han de tomar determinadas decisiones comerciales ante 
la existencia de hechos y/o eventos especiales. 
El subsistema de investigación es el encargado de efectuar esta tarea. Un estudio de mercado es un 
procedimiento sistemático de recopilación, registro, análisis e interpretación de datos relacionados con 
la comercialización de bienes y servicios. Se concreta, por tanto, en un proceso secuencial con las 
siguientes fases (Kinnear y Taylor, 1993): 
1. Definición del problema y determinación de los objetivos. 
2. Diseño del plan de investigación. 
3. Análisis e interpretación de los datos.4. Elaboración de informes. 
 
3.1. Definición del problema y determinación de objetivos 
Cualquier investigación nace como consecuencia de la percepción que los directivos tienen de la 
existencia de un problema en la organización turística que conviene estudiar y comprender. En el 
ámbito de la investigación comercial, el término problema alude a una situación no necesariamente 
negativa o peyorativa (un descenso en las ventas de un restaurante puede ser la causa que origina un 
estudio de mercado, aunque también lo puede ser un incremento más que destacable y no previsto 
que haga considerar la necesidad de intentar explicarlo). Como consecuencia de ello, una empresa 
puede afrontar directamente su realización o encargarla a profesionales expertos en la materia 
(consultoras especializadas o departamentos universitarios). 
En este punto cabe diferenciar entre objetivo general de una investigación, que está asociado al 
problema de investigación, y los objetivos específicos de esta, vinculados a las necesidades concretas 
de información existentes. Para la definición de estas es clave la ayuda del directivo, que ha de explicar 
con detalle al investigador la situación que rodea su solicitud. Por otra parte, los objetivos de la 
investigación deben especificar las razones por las que se realiza el proyecto y las necesidades 
específicas de información. 
En esta fase también se requiere definir, según los objetivos definidos, la naturaleza o tipología del 
estudio que se pretende realizar (enfoque). Existen tres tipologías básicas de estudios: los 
exploratorios (aproximaciones iniciales que intentan esclarecer la naturaleza del problema de 
investigación), los descriptivos (detallan las características y propiedades concretas del problema 
analizado) y los causales (intentan descubrir las relaciones de causa y efecto entre las variables 
principales de la investigación). 
Por ejemplo, supóngase que una compañía aérea de bajo coste toma conciencia de un problema 
comercial, la creciente insatisfacción de sus clientes. Con el fin de tratar de mejorar, la compañía se 
planteó encargar un estudio de mercado con un objetivo general, identificar las causas o antecedentes 
directos que originaban esta insatisfacción creciente en los clientes y, por ejemplo, dos objetivos 
específicos (necesidades de información): 
1. Principales quejas de sus pasajeros antes, durante y después del vuelo. 
2. Prácticas habituales y procesos empleados en la atención al cliente y prestación del servicio antes, 
durante y después del vuelo. Desde el punto de vista del enfoque de la investigación, habría que 
indicar que es de tipo causal. 
 
3.2. Diseño del plan de investigación 
Tiene por objeto determinar los pasos a seguir para obtener los datos requeridos en los objetivos de la 
investigación. Esta fase incluye la determinación de las fuentes de información necesarias, la elección 
de los métodos de captación de información y la definición del plan de muestreo (en caso de necesitar 
fuentes primarias), así como la recolección y tabulación de datos. 
Atendiendo a su procedencia, las fuentes de información pueden ser internas, si provienen de la propia 
empresa (información de tipo contable, por ejemplo), o externas, que derivan del entorno empresarial 
(opiniones de clientes, estudios sobre competencia...). Atendiendo a su preexistencia al problema 
estudiado, las fuentes pueden ser primarias, que precisan ser recopiladas mediante algún 
procedimiento (encuestas, entrevistas, observación o experimentación), y secundarias, que se refieren 
a información ya existente (bases de datos, revistas, periódicos...). 
Si los datos secundarios son suficientes para solucionar el problema identificado, el investigador puede 
pasar directamente a analizar e interpretarlos. En caso contrario, precisará buscar datos primarios. Los 
métodos más habituales para la obtención de datos primarios son: 
1. Encuestas. Usan cuestionarios y precisan de la colaboración de los individuos que integran la 
muestra (parte de la población estudiada). Los más habituales son la encuesta postal, la telefónica o 
por Internet. 
2. Entrevistas. De carácter cualitativo, permiten una mayor profundidad que la anterior. 
Pueden utilizar también cuestionarios, pero generalmente son flexibles y abiertos. Las más usuales son 
las entrevistas personales o en profundidad y los grupos de discusión. 
3. Observación. El investigador presencia y registra los fenómenos relevantes para la investigación en 
curso tal y como espontáneamente se producen, es decir, sin intervenir en ellos. 
4. Experimentación. Consiste en reproducir fenómenos a voluntad del investigador, quien introduce 
variaciones en los niveles de las variables y controla su incidencia sobre los individuos. 
Si resulta necesaria la utilización de fuentes primarias, lo normal es no poder contactar con toda la 
población objeto del estudio (dificultades de acceso, coste elevado, tiempo necesario...). Es por ello 
que se precisa la identificación de una parte (muestra) que resulte significativa respecto al total para 
obtener los datos requeridos (si posteriormente se quieren generalizar los resultados obtenidos). A 
esta parte del proceso se le denomina plan de muestreo, y consiste en la determinación de los 
elementos que integran la muestra, su selección y tamaño. A partir de ahí se puede llevar a cabo el 
trabajo de campo o captación efectiva de la información primaria, sea por la vía que sea. Esta fase de la 
investigación concluye con la codificación, consistente en la asignación de códigos, generalmente 
numéricos, a cada una de las respuestas efectuadas por el encuestado o entrevistado, y con la 
tabulación de los datos, que supone insertarlos en tablas de software para su tratamiento estadístico 
posterior. 
En el ejemplo propuesto se podrían identificar como fuentes secundarias diversas revistas, así como 
estudios de la Administración que informaran sobre los niveles de satisfacción y principales motivos de 
queja de los usuarios de compañías de bajo coste. Considerando que no es suficiente para dar 
respuesta a los objetivos planteados, como fuente primaria se puede considerar la realización de 
entrevistas personales con un número de clientes habituales para saber más sobre sus quejas (primer 
objetivo). Gracias a ello también se tendría conocimiento sobre prácticas que exasperaban a los 
pasajeros (cubriendo así el segundo objetivo), entre las que podría destacar que la compañía solo 
ofrecía embarque prioritario y asiento a aquellos que pagaban una cantidad extra. La no numeración 
de los demás asientos generaba entre los usuarios carreras, empujones y tumultos. 
 
3.3. Análisis e interpretación de datos 
En esta fase se analizan y valoran los resultados obtenidos a partir de la relación entre las variables 
analizadas con ayuda de distintas técnicas estadísticas (univariables, bivariables o multivariables) y 
diverso software informático (programas como Excel, SPSS, Amos, PLS, S-Plus, Minitab, StatSoft, Stata, 
Epidat, Systat, XLStat, InfoStat, etc.). 
La interpretación debe guardar coherencia con las necesidades reales de información de los directivos 
y los objetivos iniciales de la investigación. 
En el ejemplo presentado, sencillas técnicas estadísticas, como el análisis de frecuencias y el análisis de 
contingencia, permitirían a la compañía aérea obtener la información requerida. 
En otras ocasiones, dependiendo del estudio, puede requerirse la aplicación de algunas técnicas 
estadísticas más complejas (ecuaciones estructurales, análisis clúster, análisis discriminante, análisis 
factorial...) (Hair et al., 1999). 
 
3.4. Elaboración de informes y exposición de resultados 
Es la fase final del proyecto de investigación, y consiste en la presentación de sus resultados en un 
documento escrito o exposición oral. Los hallazgos de la investigación deben presentarse en un 
formato simple, organizado y sintetizado según las necesidades directivas, y dirigidohacia la solución 
del problema identificado en la primera fase. 
La investigación propuesta dejó patente en el ejemplo previo, entre otros aspectos, que la práctica 
totalidad de los clientes de la aerolínea deseaba poder reservar sus asientos antes de embarcar y 
estaba dispuesta a pagar una pequeña cantidad por ello. Así, la compañía decidió asignar asientos a 
todos sus pasajeros, diferenciando entre tres tipos de reservas de asientos: 
«Premium» con asientos ubicados entre la primera y quinta filas a un precio añadido de 10 euros, 
«Estándar» entre la fila 5 y la 15, añadiendo 5 euros, y, por último, a los pasajeros que no quieren 
reservar plaza se les asigna una, de la fila 16 en adelante. 
 
 
4. GESTIÓN DE DATOS Y BIG DATA EN EL ÁMBITO TURÍSTICO 
Nunca en la historia de la humanidad ciudadanos, instituciones y empresas, independientemente de su 
tamaño, han tenido acceso a tantos y tan variados datos. Es por ello que la cuestión que ahora se 
plantean las organizaciones es qué hacer con ellos. Hay una gran variedad de tecnologías, 
herramientas y disciplinas científicas que intentan gestionar esa enorme cantidad de datos dispersos 
que están esperando a ser explotados. 
Tal volumen y calidad provoca que las organizaciones del siglo XXI se enfrenten al reto de construir un 
nuevo modelo de relación con sus clientes (tanto actuales como potenciales) más eficiente, innovador 
y humano en función del caudal de datos al que tienen acceso. Para ello resulta necesario dotarse de 
una cultura empresarial en la que la captación, la gestión y la interpretación de la información inspiren 
la actuación de toda la organización (Agencia Valenciana de Turismo, 2015). De este modo se puede 
afirmar que la información y su análisis se convierten en el recurso básico para la toma de decisiones 
de las organizaciones. 
 
4.1. El Big Data 
En los años noventa, el informático teórico estadounidense John Mashey publicó un artículo titulado 
«Big Data and the Next Wave of Infrastress», popularizando el término Big Data. En él, el autor hacía 
referencia al estrés que iban a sufrir las infraestructuras físicas y humanas de la informática para hacer 
frente al imparable incremento de flujo de datos. 
Hoy en día numerosos autores han publicado libros y artículos sobre este asunto, dando lugar a una 
gran diversidad de denominaciones. Xu et al. (2016) consideran el Big Data como un conjunto de datos 
desestructurado y complejo, que requiere de tecnologías avanzadas y únicas para su almacenamiento, 
análisis y visualización. El Big Data es la gestión de grandes volúmenes de datos que no pueden ser 
tratados de manera convencional, ya que superan los límites y capacidades de las herramientas de 
software habitualmente utilizadas para la captura, gestión y procesamiento de datos. Dicho concepto 
engloba infraestructuras, tecnologías y servicios que han sido creados para dar solución al 
procesamiento de enormes conjuntos de datos estructurados, semiestructurados o no estructurados: 
mensajes en redes sociales, señales de móvil, archivos de audio, sensores, imágenes digitales, datos de 
formularios, e-mails, datos de encuestas y logs, entre otros. 
El objetivo de Big Data, al igual que los sistemas analíticos convencionales, es convertir datos (unidad 
básica de información en estado bruto) en información (concepto más elaborado que se basa en la 
combinación y síntesis de datos) para facilitar la toma de decisiones. Las empresas están utilizando Big 
Data para entender el perfil, las necesidades y las opiniones de sus clientes respecto a los bienes y 
servicios vendidos. 
Existen importantes diferencias entre las aplicaciones analíticas tradicionales y el nuevo concepto de 
Big Data aquí explicado. Las diferencias se asocian a las denominadas cinco «V» del Big Data: Volumen, 
Variedad, Veracidad, Velocidad y Valor. 
 
4.2. Características principales del Big Data 
El concepto de Big Data abarca cinco dimensiones conocidas como el «modelo de las cinco V»: (Abbasi 
et al., 2016). Estas 5 V son (figura 4.6): 
 
1. Volumen. Es la característica que se asocia con mayor frecuencia al Big Data. Las organizaciones 
intentan aprovechar esas cantidades masivas de datos para mejorar la toma de decisiones. Pero, a 
pesar de que los avances tecnológicos permiten tratamientos de volúmenes cada vez mayores, la 
acumulación de datos continúa aumentado a un ritmo sin precedentes, de tal manera que supera la 
capacidad del software habitual para ser gestionados correctamente, lo que obliga a la tecnología Big 
Data a seguir evolucionando. 
2. Variedad. Hace referencia a la diversidad de datos y fuentes que se utilizan. La variedad tiene que 
ver con gestionar la complejidad de múltiples tipos de datos incluidos los estructurados, 
semiestructurados e incluso los no estructurados, procedentes tanto de dentro como de fuera de la 
empresa. Con la profusión de sensores y dispositivos inteligentes, los datos que se generan presentan 
innumerables formas, entre las que se incluyen: texto, datos web, tuits, audio, vídeo, clics, archivos de 
registro, etc. La gestión de datos desestructurados (audios, vídeos, redes sociales...) presenta 
importantes grados de inexactitud que precisan de tecnologías más avanzadas para tomar decisiones. 
3. Veracidad. Se refiere al nivel de confianza y fiabilidad asociado a ciertos tipos de datos. El sistema es 
capaz de tratar y analizar inteligentemente un gran volumen de datos y de obtener una información de 
gran fiabilidad y utilidad, lo que proporciona confianza en la toma de decisiones. Esforzarse por 
conseguir unos datos de alta calidad es un requisito importante y un reto fundamental del Big Data, 
pero incluso los mejores métodos de limpieza de datos no pueden eliminar la imprevisibilidad 
inherente de algunos, como el tiempo, la economía o las futuras decisiones de compra de un cliente. 
4. Velocidad. Se corresponde con la rapidez con que se reciben los datos, procesan, y se toman 
decisiones a partir de ellos. La velocidad a la que se crean, procesan y analizan los datos continúa 
aumentando. La velocidad afecta a la latencia, que es el tiempo de espera entre el momento en que se 
crean los datos, el momento en que se captan y el momento en que están accesibles. Para los procesos 
en los que el tiempo resulta fundamental, como la detección del fraude o la realización de ofertas 
personalizadas a clientes, ciertos tipos de datos deben analizarse en tiempo real para que resulten 
útiles. 
5. Valor. Está relacionado con la capacidad para detectar datos que realmente son relevantes para el 
negocio. El análisis de la información genera ventajas competitivas en distintos ámbitos, por lo que se 
pueden emplear los sistemas de Big Data para generar valor al cliente. La aplicación de analítica 
avanzada y los profesionales con perfil científico, tecnológico y visión de negocio pueden ayudar en 
este sentido. Sin el Big Data, el exponencial crecimiento de los datos disponibles hace difícil la 
generación de valor, y sin este, el resto de elementos no son relevantes, son meros retos. 
 
 
4.3. Tipos de datos en sistemas Big Data 
Los datos que se manejan en sistemas Big Data proceden de fuentes diversas. Para su aplicación hay 
que identificar el tipo de datos utilizados. Lo más usual es clasificarlos en dos grandes grupos: los 
estructurados y los no estructurados. No obstante, los nuevos instrumentos de manejo de Big Data 
han dado lugar a dos nuevos subgrupos entre los no estructurados: datos semiestructurados y datos 
no estructurados propiamente dichos. 
 
1. Datos estructurados 
Por lo general, las fuentes de datos comúnmente usados por las empresas son estructuradas, datos 
con formato o esquema fijo. Son los datos de las bases de datos relacionales y las hojas de cálculo, 
fundamentalmente. Formatos típicos son fecha de nacimiento, documento nacional de identidad o 
pasaporte (8 dígitos y una letra), número de cuenta en un banco, nombre del cliente, facturación delcliente, etc. 
 
2. Datos semiestructurados 
Estos datos tienen un flujo lógico y un esquema que se puede definir, pero para el usuario su 
entendimiento es más complicado, datos que no tienen formatos fijos pero contienen etiquetas y otros 
marcadores que permiten separar los elementos dato. Un ejemplo son los registros Web logs de las 
conexiones a Internet, que se componen de diferentes piezas de información. 
 
3. Datos no estructurados 
La gran mayoría de datos son de este tipo. Son guardados como «documentos» u «objetos» sin 
estructura uniforme: datos de texto, audio, vídeo, fotografías, documentos impresos, cartas, hojas 
electrónicas, imágenes digitales, formularios especiales, mensajes de correo electrónico, mensajes 
instantáneos SMS, artículos, libros, mensajes tipo WhatsApp, etc. 
 
4.4. Utilidad del Big Data en el ámbito del marketing turístico 
Las empresas consideran que el Big Data proporciona la capacidad para comprender y predecir mejor 
los comportamientos de los clientes. Transacciones, interacciones multicanal, redes sociales o datos 
sindicados a través de fuentes como las tarjetas de fidelidad han aumentado la capacidad de las 
empresas para crear una imagen completa de las preferencias y demandas de los clientes. A partir de 
esta comprensión del cliente, empresas de todo tipo encuentran, gracias al Big Data, nuevas formas de 
interactuar con sus clientes actuales y futuros (Paredes, 2015). 
Las herramientas del Big Data permiten obtener utilidades relevantes y oportunas para el mundo del 
marketing turístico. Se presenta como muy significativa la capacidad de predecir y anticipar las 
necesidades y deseos del cliente. En diversas publicaciones (Erevelles et al., 2016; Roca Salvatella y 
Telefónica, 2014) se citan algunas de las aplicaciones más beneficiosas del Big Data en este ámbito: 
1. Mejora del conocimiento de los clientes en las redes sociales. El uso del Big Data permite identificar 
rápidamente a los clientes que más importan, los más influyentes, sus roles sociales..., para maximizar 
la difusión de los productos turísticos. 
2. Conocimiento de los hábitos de consumo online a partir del análisis de datos de navegación web 
(localización del usuario, búsquedas por palabra, páginas visitadas, tiempo de navegación...). Ello 
aporta nuevas y valiosas perspectivas de los clientes para las organizaciones turísticas. 
3. Determinación de los círculos sociales de los clientes a partir de interacciones telefónicas y de las 
redes sociales online. Esto genera una visión completa de los clientes y de su entorno, identificando el 
papel que desempeñan en sus círculos y su grado de influencia. 
4. Mejora de las estrategias de segmentación basadas en la probabilidad de que el cliente contrate 
servicios o productos complementarios o de mayor valor, lo que puede ayudar a las organizaciones 
turísticas a explotar nuevas oportunidades de negocio. La definición de distintos perfiles de clientes 
permite diseñar acciones dedicadas a cada uno. 
5. Optimización de las estrategias de venta cruzada, de los mensajes de marketing y de las ofertas 
específicas y personalizadas. El uso del Big Data permite predecir con mayor exactitud qué productos 
turísticos son los más apropiados para cada cliente. 
6. Desarrollo de nuevos productos turísticos y conocimiento de la combinación adecuada a ofrecer a 
los clientes, lo que mejora la eficacia y la eficiencia de la fuerza de ventas de las organizaciones 
turísticas. Además, la atención más personalizada ayuda a los agentes a forjar lazos estrechos con los 
clientes, lo cual incrementa su satisfacción y lealtad. 
7. Generación de cupones de compras en el punto de venta tomando como referencia compras 
anteriores y actuales de los clientes, e incluso envío de recomendaciones a la medida para dispositivos 
móviles mientras que los clientes están en disposición de aprovechar las ofertas. 
Aunque la capacidad de analizar comportamientos y patrones predictivos de compra gracias al Big 
Data es un valor añadido claro para las organizaciones, conviene considerar un nuevo concepto basado 
en la gestión de datos más reducidos en volumen, más cualitativos y derivados de las emociones, 
opiniones y sentimientos de los clientes. Es el denominado Small Data (Lindstrom, 2016). 
Small Data contempla el análisis y procesamiento de datos con un volumen y formato accesible y 
procesable. Para las empresas, se trata de desarrollar una aproximación exploratoria a la gestión de 
datos que permita responder a numerosas preguntas y resolver múltiples problemas utilizando 
pequeños conjuntos de datos de modo eficiente, sin tener que adquirir y usar los sistemas habituales 
en Big Data. 
Small Data y Big Data no son antónimos, únicamente deben coexistir y complementarse. 
Analizar ingentes cantidades de datos es útil cuando antes se ha obtenido, al menos, una hipótesis 
sobre la que trabajar. El Small Data puede facilitar esa primera teoría. 
 
 
CUESTIONES PARA LA REFLEXIÓN Y EL DEBATE 
1. Una misión de los restaurantes McDonald’s orientada al producto podría ser: «Somos el mejor 
restaurante de comida rápida», y orientada al mercado: «Somos el lugar favorito para comer de 
nuestros clientes». ¿Cómo transformaría la misión de Walt Disney orientada al producto: 
«Gestionamos parques de atracciones» en otra orientada al mercado? 
2. Piense en un restaurante o en un hotel que conozca y descubra sus fortalezas y debilidades. Del 
mismo modo, seleccione una aerolínea de servicio completo (no de bajo coste) y analice sus 
oportunidades y amenazas. 
3. Defina un objetivo relativo a la imagen y otro relativo a la satisfacción del cliente en un parque 
natural. No olvide cuantificarlo. 
4. Discuta cómo se podría emplear el método de observación y el de experimentación para mejorar el 
nivel de servicio ofrecido por los camareros de un restaurante. 
5. Proponga un estudio de mercado propio de una entidad encargada de gestionar un destino turístico 
urbano esbozando las distintas fases que lo integrarían, identificando objetivos y enfoque del estudio. 
Considere la necesidad de captar información secundaria y primaria. Relacione la captación de esta 
última con el Big Data y su utilidad. 
 
 
BIBLIOGRAFÍA 
Abbasi, A., Sarker, S. y Chiang, R. (2016). Big Data research in information systems: toward an inclusive research 
agenda. Journal of the Association for Information Systems, 17 (2). 
Agencia Valenciana de Turismo (2015). Balance turístico de la Comunidad Valenciana, en 
http://www.turisme.gva.es/opencms/opencms/turisme/es/contents/estadistiquesdeturisme/anuario/Armstron
g, G. y Kotler, P. (2013). Marketing: an introduction (11.ª ed.). Harlow (UK): Pearson. 
Barquero, J. D. et al. (2003). Marketing de clientes. Madrid: McGraw-Hill. 
Erevelles, S., Fukawa, N. y Swayne, L. (2016). Big Data consumer analytics and the transformation of marketing. 
Journal of Business Research, 69 (2). 
Hair et al. (1999). Análisis multivariante (5.ª ed.). Madrid: Prentice-Hall. 
Hoteles, Casas y Palacios de España (2014). En http://www.casasypalacios.com/ 
Kinnear, T. y Taylor, J. R. (1993). Investigación de mercados: un enfoque aplicado (4.ª ed.). Madrid: McGraw-Hill. 
Kotler, P. et al. (2014). Marketing for hospitality and tourism (6.ª ed.). Harlow: Pearson. 
Lindstrom, M. (2016). Small data. Barcelona: Deusto. 
Maciá, F. y Gosende, J. (2010). Marketing online. Madrid: Anaya. 
Mashey, J. R. (1999). Big Data and the next wave of infrastress. Proceedings of Usenix Annual Technical 
Conference, junio, Monterrey, California. 
Munuera, J. L. y Rodríguez, A. I. (2002). Estrategias de marketing: teoría y casos. Madrid: Pirámide. 
Paredes, A. (2015). Big Data: estado de la cuestión. 
International Journal of Information Systems and Software Engineering for Big Companies, 2 (1). 
Rey, M. (2004). Fundamentos de marketing turístico. Madrid: Síntesis. 
Rey, M. y Castellanos, M. (2001). Iniciación al marketing. Sevilla: Ceade. 
Rocasalvatella y Telefónica I+D (2014).Big Data y turismo: nuevos indicadores para la gestión turística. 
Conclusiones y recomendaciones para el sector hotelero, en http://www.rocasalvatella.com/es/big-data-y-
turismo-nuevos-indicadores-para-la-gestionturistica 
Sainz de Vicuña, J. M. (2013). El plan de marketing en la práctica (18.ª ed.). Madrid: ESIC. 
Sanz, B. (2001). Guía para elaborar un plan de marketing. Publicación en homenaje al profesor doctor Manuel 
Ortigueira Bouzada. Sevilla: Edición Digital@tres, S.L.L. 
Xu, Z., Frankwick, G. L. y Ramírez, E. (2016). Effects of Big Data analytics and traditional marketing analytics on 
new product success: a knowledge fusion perspective. Journal of Business Research, 69 (5).