Mostrar registro simples

dc.contributor.advisorSolis Pino, Andres Felipe
dc.coverage.spatialcead_-_josé_celestino_mutis
dc.creatorSanchez Posada, Naydaly Mercedes
dc.date.accessioned2025-08-21T20:33:10Z
dc.date.available2025-08-21T20:33:10Z
dc.date.created2025-08-19
dc.identifier.urihttps://repository.unad.edu.co/handle/10596/73389
dc.description.abstractEl crecimiento del comercio electrónico ha impulsado el uso de técnicas de análisis de sentimientos para interpretar las opiniones de los consumidores en plataformas digitales. Sin embargo, persisten desafíos en su adopción, especialmente en contextos emergentes. Este trabajo aborda dicha problemática mediante una revisión sistemática de literatura científica publicadas entre 2020 y 2025, utilizando la metodología PRISMA. Se analizaron 64 estudios que aplican técnicas de ciencia de datos como aprendizaje automático, aprendizaje profundo y análisis basado en aspectos. Los resultados muestran una tendencia hacia la automatización, el uso de modelos híbridos y la integración de redes sociales como fuente de datos. Se concluye que el análisis de sentimientos mejora la personalización, la reputación digital y la toma de decisiones estratégicas, aunque aún enfrenta retos como la ambigüedad del lenguaje y la necesidad de modelos explicativos.
dc.formatpdf
dc.titleOptimización del marketing digital: revisión sistemática de técnicas de Big Data y monitoreo de redes sociales
dc.typeMonografía
dc.subject.keywordsBig Data
dc.subject.keywordsSentiment Analysis
dc.subject.keywordsEcommerce
dc.subject.keywordsData Mining
dc.description.abstractenglishThe exponential growth of e-commerce has driven the adoption of sentiment analysis techniques to interpret consumer opinions on digital platforms. However, challenges remain, especially in emerging contexts. This study addresses that gap through a systematic literature review of scientific publications from 2020 to 2025, using the PRISMA methodology. A total of 64 studies were analyzed, focusing on data science techniques such as machine learning, deep learning, and aspect-based sentiment analysis. The findings reveal a trend toward automation, hybrid model integration, and the use of social media as a data source. The study concludes that sentiment analysis enhances personalization, digital reputation, and strategic decision-making, although issues like language ambiguity and the need for explainable models persist.
dc.subject.categoryCiencia de Datos y Analítica


Arquivos deste item

Thumbnail

Este item aparece na(s) seguinte(s) coleção(s)

Mostrar registro simples