Marketing digital e inteligencia artificial en restaurantes de comida rápida de Ibarra: un análisis correlacional
Digital Marketing and Artificial Intelligence in Fast-Food Restaurants in Ibarra: A Correlational Analysis
Febe Abigail Anguaya Aguilar1, Ibeth Jazmín Bisarrea Espinosa2, Erick David Colcha Granada3, Paola Lizbeth Cuzco Cuzco4, Ashley Aracely Gallegos Tamba5 y Lesly Gabriela Paredes Vinueza6
1Universidad Técnica del Norte, faanguayaa@utn.edu.ec, https://orcid.org/0009-0004-2738-9973, Ecuador
2Universidad Técnica del Norte, ijbisarreae@utn.edu.ec, https://orcid.org/0009-0007-0666-6304, Ecuador
3Universidad Técnica del Norte, edcolchag@utn.edu.ec, https://orcid.org/0009-0007-4768-9780, Ecuador
4Universidad Técnica del Norte, plcuzcoc@utn.edu.ec, https://orcid.org/0009-0001-1942-118, Ecuador
5Universidad Técnica del Norte, aagallegost@utn.edu.ec, https://orcid.org/0009-0000-7981-782, Ecuador
6Universidad Técnica del Norte, lgparedesv@utn.edu.ec, https://orcid.org/0009-0001-3027-5887, Ecuador
|
Información del Artículo |
|
RESUMEN |
|
|
Trazabilidad: Recibido 23-05-2026 Revisado 25-05-2026 Aceptado 15-07-2026
|
|
Este estudio analizó la relación entre las estrategias de marketing digital, el uso de inteligencia artificial (IA) y la satisfacción del cliente en restaurantes de comida rápida de la ciudad de Ibarra, Ecuador Se realizo un enfoque cuantitativo de corte transversal y de alcance correlacional. Nuestra población, compuesta por 378 clientes y 24 propietarios de restaurantes de comida rápida en Ibarra, quienes respondieron los cuestionarios aplicados de manera virtual. Las variables ordinales se analizaron el coeficiente de correlación de Spearman y evaluó la fiabilidad de los instrumentos con Alfa de Cronbach (0,835 en clientes; 0,610 en propietarios). Los resultados resaltaron las correlaciones positivas y estadísticamente significativas (p < 0,001) entre la percepción de efectividad del marketing digital y la personalización del servicio mediante IA para conocer la satisfacción del cliente. Los propietarios, en la disposición a capacitarse se relacionó con el incremento percibido de clientes (rho = 0,631), mientras que los años de operación de los negocios se correlacionaron negativamente con la adopción e integración de herramientas de IA (rho= -0,657). |
|
|
Palabras Clave: Marketing digital Inteligencia artificial Satisfacción del cliente Restaurantes de comida rápida Correlación de Spearman |
|||
|
|
|||
|
Keywords: Digital marketing Artificial intelligence Customer satisfaction Fast-food restaurants Spearman correlation |
|
ABSTRACT This study analyzed the relationship between digital marketing strategies, artificial intelligence (AI) use, and customer satisfaction in fast-food restaurants in the city of Ibarra, Ecuador. A quantitative, cross-sectional, and correlational approach was carried out. Our population consisted of 378 customers and 24 fast-food restaurant owners in Ibarra, who responded to the questionnaires administered virtually. The ordinal variables were analyzed using Spearman's rank correlation coefficient, and the reliability of the instruments was evaluated using Cronbach's alpha (0.835 for customers; 0.610 for restaurant owners). The results highlighted positive and statistically significant correlations (p < 0.001) between the perceived effectiveness of digital marketing and service personalization through AI in understanding customer satisfaction. Among the restaurant owners, willingness to receive training was associated with the perceived increase in the number of customers (ρ = 0.631), while the years of business operation were negatively correlated with the adoption and integration of AI tools (ρ = −0.657).
|
||
|
||||
INTRODUCCIÓN
La transformación digital ha modificado de forma sustancial la manera en que los negocios de servicio de alimentos se relacionan con sus clientes. La adopción de redes sociales, aplicaciones móviles y, más recientemente, de herramientas de inteligencia artificial (IA) se ha convertido en un factor determinante de competitividad para las pequeñas y medianas empresas (pymes) gastronómicas de América Latina (Mogollón y Sáenz, 2021). En Ecuador, este fenómeno no es ajeno: las tecnologías de la información y comunicación han reconfigurado el comportamiento del consumidor y las estrategias comerciales de los negocios locales, incluidos los restaurantes de comida rápida (Lalaleo et al., 2021).
Diversos estudios han documentado el papel de las redes sociales digitales en la comunicación entre restaurantes y consumidores. Cruz-Estrada y Miranda-Zavala (2020) evidenciaron que la presencia activa en plataformas como Facebook e Instagram fortalece la relación con el cliente en el sector gastronómico. En la misma línea, Coral Reyes et al. (2023) señalan que el marketing en redes sociales, incluido el uso de influencers, impacta directamente en las decisiones de compra, hallazgo corroborado por Campines Barría (2024), quien destaca la efectividad de las colaboraciones con creadores de contenido locales para captar nuevos clientes.
Paralelamente, la incorporación de inteligencia artificial en la atención al cliente ha ganado terreno en el sector alimentario. Chen et al. (2021) demostró que la usabilidad y capacitación de respuesta de los chatbots influyen realmente en la experiencia de compra en línea, mientras que Hsu y Lin (2023) asegura que la satisfacción y lealtad hacia los chatbots de servicio dependen de su ejecución percibido. En el ámbito ecuatoriano, Guamán Tacuri et al. (2025) encontraron altos niveles de satisfacción del consumidor al relacionarse con chatbots cognitivos en cadenas de restaurantes de Ambato, y Vivas y Cueva (2024), acreditaron, en un caso de estudio realizado exactamente en Ibarra, cómo la integración de chatbots de IA mejora la administración de pedidos en servicio de alimentación. Asimismo, García Mendoza et al. (2025) reportan que los chatbots impulsados por IA pueden aumentar la intención de compra del consumidor hasta en un 60%, y Núñez (2025) resalta el papel de la personalización algorítmica en la generación de recomendaciones relevantes para el cliente.
La literatura también ha vinculado la confianza digital con la intención de compra. Hanaysha et al. (2025) y Handoyo (2024) coinciden en que las reseñas en línea, la calidad percibida del sitio web y la confianza median la intención de compra en entornos digitales, mientras que Mercado et al. (2019) y Jílková y Králová (2021) subrayan que la experiencia de compra en línea está mediada por la seguridad percibida y la calidad de la información disponible. En Ecuador, Suárez Nicolalde (2026) confirmó empíricamente, en un estudio realizado en Quito, que la experiencia digital y la confianza se asocian de forma significativa con la decisión de compra en línea.
A pesar de esta evidencia, son escasos los estudios que analicen de forma simultánea la perspectiva de los propietarios de restaurantes y la de sus clientes respecto al marketing digital y la inteligencia artificial en una ciudad intermedia como Ibarra. En el actual estudio tuvo como objetivo establecer entre estrategias de marketing digital, la adopción de herramientas de inteligencia artificial y la satisfacción del cliente en restaurante de comida rápida de Ibarra, constatando la percepción de 378 clientes y 24 propietarios o administradores.
Se formuló la hipótesis general que exista una asociación positiva y significancia demostrada entre la percepción de efectividad del marketing digital, el uso de inteligencia artificial y la satisfacción, así como entre la inversión en publicidad digital y el incremento percibido de los comensales por parte de los dueños
MATERIALES Y MÉTODOS
La investigación siguió un enfoque cuantitativo, de diseño no experimental, corte transversal y alcance correlacional, orientado a determinar el grado de asociación entre variables de marketing digital, inteligencia artificial y satisfacción del cliente, sin manipular deliberadamente ninguna variable (Handoyo, 2024).
La población objetivo estuvo compuesta por dos grupos: clientes de restaurantes de comida rápida de la ciudad de Ibarra y propietarios o administradores de dichos establecimientos. La investigación utilizo un muestreo no probabilístico por conveniencia, a través del cual se obtuvieron 378 encuestas válidas de clientes y 24 de propietarios o administradores de restaurantes de comida rápida en la ciudad de Ibarra. Aunque inicialmente se tenía previsto incluir 20 establecimientos, la difusión del cuestionario nos permitió que participarán 24 negocios.
Para la recolección de datos se elaboraron dos cuestionarios estructurados y auto aplicados, distribuidos a través de formularios digitales. El cuestionario destinado a los clientes estuvo dirigido por 30 preguntas de opción múltiple, enfocadas en conocer aspectos sociodemográficos, los hábitos de consumo en medios digitales, apreciación sobre la publicidad y el contenido digital, interacción con chatbots y recomendaciones basadas en inteligencia artificial, confianza en las reseñas en línea y mayor satisfacción. Por el contrario, el cuestionario destinado a los propietarios o administradores estuvo compuesto por 10 preguntas relacionadas con las características del negocio, su presencia en plataformas digitales, la inversión en publicidad, la implementación de herramientas de inteligencia artificial, las principales barreras para su adopción y el interés por recibir capacitación en estás tecnologías. Ambos instrumentos emplearon escalas ordinales de cuatro categorías, recodificadas numéricamente (1 a 4) preservando el orden semántico de cada respuesta, de menor a mayor frecuencia, importancia o acuerdo percibido.
Para el análisis estadístico se utilizó el coeficiente de correlación de Spearman (rho), apropiado para datos ordinales que no cumplen el supuesto de normalidad (Handoyo, 2024), estableciendo un nivel de significancia de p < 0,05. La fiabilidad de cada instrumento se evaluó mediante el coeficiente Alfa de Cronbach. El procesamiento se realizó con Python 3 (bibliotecas pandas y SciPy).
Respecto a las consideraciones éticas, la participación fue voluntaria y anónima, no se recopiló información personal reconocible y se informó a los participantes sobre el propósito académico del estudio antes de responder el cuestionario. A través de las limitaciones del estudio destacan el muestreo no probabilístico, que limita la generalización de los resultados a la totalidad de la población, la naturaleza auto informada de las respuestas, susceptible a sesgos de deseabilidad social y el diseño transversal que obstaculiza establecer relaciones de casualidad entre las variables estudiadas.
RESULTADOS Y DISCUSIÓN
De acuerdo con el perfil sociodemográfico de los clientes encuestados (n= 378), el 40,7% se determinó como género masculino, el 38,4% como femenino y el 20,9% prefirió no indicarlo. El 33,3% se colocó en el rango de 35 a 44 años, y el 30,7% siguiendo por el rango de 25 a 34 años. El nivel de instrucción predominante fue Bachillerato con el (49,5%) y el 38,4% informó que aporta ingresos familiares mensuales inferiores a $500.
Referente a la frecuencia de consumo, el 37,8% asiste a restaurantes de comida rápida una o dos veces al mes. Previo al análisis correlacional, se evaluó la fiabilidad de los instrumentos aplicados. Como se observa en la Tabla 1, el cuestionario de clientes (12 ítems relacionados con marketing digital, inteligencia artificial y satisfacción) obtuvo un Alfa de Cronbach de 0,835, valor considerado bueno según los criterios convencionales de consistencia interna. El cuestionario de propietarios (7 ítems), con una muestra considerablemente menor (n = 24) y de naturaleza más heterogénea, obtuvo un Alfa de Cronbach de 0,610, aceptable para instrumentos exploratorios aplicados a poblaciones reducidas.
Tabla 1: Fiabilidad de los instrumentos aplicados (Alfa de Cronbach)
|
Instrumento |
Alfa de Cronbach |
N° de ítems |
n |
|
Cuestionario de clientes |
0,835 |
12 |
378 |
|
Cuestionario de propietarios |
0,610 |
7 |
24 |
La Figura 1 presenta la media y el intervalo de confianza del 95% de las principales variables de marketing digital e inteligencia artificial percibidas por los clientes. Las puntuaciones medias más altas correspondieron a la satisfacción general (M = 2,85) y a la percepción de que los anuncios pagados motivan el pedido (M = 2,64), mientras que la variable con menor puntuación fue seguir en redes sociales a un restaurante local (M = 2,42), lo que sugiere un margen de mejora en la estrategia de fidelización digital de los negocios estudiados.
Fig. 1: Media e intervalo de confianza al 95% de las variables de marketing digital e IA percibidas por los clientes (n = 378)
La Tabla 2 resume las correlaciones de Spearman entre las variables de marketing digital e inteligencia artificial y la satisfacción general del cliente. Todas las correlaciones fueron positivas y estadísticamente significativas (p < 0,001), aunque de magnitud débil a moderada, un patrón habitual en estudios de percepción con muestras grandes (Handoyo, 2024). La variable con mayor asociación de la satisfacción fue el conocimiento de efectividad del marketing digital en los restaurantes de comida rápida (rho = 0,321), seguida de la identificación mediante IA (rho = 0,302) y la anterior consulta de reseñas online (rho = 0,297). Estos resultados son consistentes con Hanaysha et al. (2025), quienes observaron que la calidad recibida y la confianza influyen en la intención de compra en línea, y con Hsu y Lin (2023), quienes relacionan la satisfacción hacia los chatbots con el desempeño recibido del servicio.
Tabla 2: Correlación de Spearman entre variables de marketing digital / IA y la satisfacción general del cliente
|
Variable (clientes, n = 378) |
rho de Spearman |
valor p |
|
Percepción de efectividad del marketing digital |
0,321 |
< 0,001 |
|
Personalización mediante IA aumenta la intención de compra |
0,302 |
< 0,001 |
|
Consulta de reseñas antes de visitar |
0,297 |
< 0,001 |
|
Anuncios pagados motivan el pedido |
0,288 |
< 0,001 |
|
Disposición a compartir datos por ofertas de IA |
0,286 |
< 0,001 |
|
Influencia de publicaciones digitales |
0,271 |
< 0,001 |
|
Interacción con chatbots / asistentes virtuales |
0,259 |
< 0,001 |
|
Utilidad de recomendaciones generadas por IA |
0,246 |
< 0,001 |
|
La IA mejora la experiencia de compra |
0,242 |
< 0,001 |
|
Una mala reseña disuade la visita |
0,201 |
< 0,001 |
|
Frecuencia de exposición a anuncios pagados |
0,199 |
< 0,001 |
La Figura 2 muestra la matriz de correlación completa entre las doce variables analizadas. Las relaciones más importantes se observaron entre la utilidad observada de las recomendaciones realizadas por IA y la consulta de comentarios en línea (rho = 0,407), y entre el motivo de compra generado por anuncios pagados y la relación con chatbots (rho = 0,405). Esta secuencia permite ver que los clientes que confían en herramientas de recomendación automáticas también suelen apoyarse en otros medios digitales de su confianza, como las reseñas y la interacción conversacional, en línea con lo señalado por García Mendoza et al. (2025) sobre el rol combinado de la IA en la experiencia y la intención de compra.
Fig. 2: Matriz de correlación de Spearman entre variables de marketing digital, IA y satisfacción del cliente (n = 378)
En el grupo de propietarios (n = 24), la Tabla 3 evidencia que la inversión mensual en publicidad digital se asoció significativamente con la frecuencia de publicación de contenido (rho = 0,493), con la adopción de herramientas de IA (rho = 0,472) y con la disposición a capacitarse (rho = 0,506). El hallazgo más relevante fue la fuerte relación entre la disposición a invertir en capacitación y el incremento percibido de clientes (rho = 0,631, p < 0,001), lo que sugiere que la formación en marketing digital e IA es un factor clave para traducir la inversión digital en resultados comerciales percibidos, coincidiendo con los planteamientos de Mogollón y Sáenz (2021) sobre las brechas de capacitación digital en las pymes latinoamericanas.
Tabla 3: Correlaciones de Spearman significativas entre variables del cuestionario de propietarios
|
Par de variables (propietarios, n = 24) |
rho de Spearman |
valor p |
|
Años de operación ↔ Adopción de herramientas de IA |
-0,657 |
< 0,001 |
|
Incremento de clientes percibido ↔ Disposición a capacitarse |
0,631 |
0,001 |
|
Inversión mensual ↔ Disposición a capacitarse |
0,506 |
0,012 |
|
Inversión mensual ↔ Frecuencia de publicación de contenido |
0,493 |
0,014 |
|
Inversión mensual ↔ Adopción de herramientas de IA |
0,472 |
0,020 |
Un hallazgo particularmente relevante fue la correlación negativa entre los años de operación del restaurante y la adopción de herramientas de inteligencia artificial (rho = -0,657, p < 0,001). Como ilustra la Figura 3, los negocios con menos de un año de funcionamiento presentaron el mayor nivel promedio de adopción de IA (M = 3,67 sobre 4), mientras que los establecimientos con más trayectoria mostraron niveles considerablemente menores. Este resultado coincide con lo reportado por Vivas y Cueva (2024) en su estudio de caso realizado en un establecimiento de Ibarra, y podría explicarse porque los emprendimientos más recientes nacen ya integrados a plataformas digitales, mientras que los negocios tradicionales enfrentan mayores barreras de conocimiento y resistencia al cambio para adoptar estas herramientas (Lalaleo et al., 2021; Ochoa y Flores, 2024).
Fig. 3: Adopción de herramientas de inteligencia artificial según los años de operación del restaurante (propietarios, n = 24)
En conjunto, los resultados de clientes y propietarios convergen en una misma conclusión: la efectividad percibida del marketing digital y de la inteligencia artificial no depende únicamente de la disponibilidad tecnológica, sino de la capacidad del negocio para implementarla de forma consistente y de la disposición del cliente para confiar en estos canales. Según el artículo de Souza & Alencastro (2025), el uso de tecnologías como la IA no se pueden mantener solas si no existe un acompañamiento formativo anterior a la implementación de esta. Asimismo, en los datos lanzados por las encuestas, el 58.3%, de los encuestados está de acuerdo con las limitaciones de falta de conocimiento y poca capacitación sobre la formación de uso de IA dentro de las pymes gastronómicas locales.
Análisis e Interpretación de Resultados
Las encuestas analizadas en este estudio se han enfocado en evaluar aspectos relacionados con el marketing digital e inteligencia artificial, no “marketing sostenible” (prácticas ambientales o de responsabilidad social). La información recopilada corresponde a restaurantes ubicados en la ciudad de Ibarra los cuales fueron encuestados. En consecuencia, a lo anterior, el análisis fue desarrollado de acuerdo con el alcance de los datos obtenidos. Por otro lado, para realizar un estudio enfocado al marketing sostenible sería necesario aplicar instrumentos de investigación con preguntas adaptadas a esos objetivos.
Perfil sociodemográfico de los clientes (n = 378)
En cuanto a las características de los asistentes, se logró observar que la mayoría de estos eran hombres con el 40,7%, seguidos muy de cerca por las mujeres con un 38,4%, mientras que el 20,9% prefirió no indicar esta información. En relación con la edad, el grupo más representativo fue de los 35 a 44 años con el 33,3% y de 25 a 34 años con el 30,7%. Estos resultados han demostrado que la mayor parte de los clientes pertenece a una población de jóvenes y adultos, los cuales son caracterizados por estar familiarizados con el ecosistema digital.
Tabla 4: Rango de Edad
|
Rango de edad |
n |
% |
|
35 – 44 años |
126 |
33,3% |
|
25 – 34 años |
116 |
30,7% |
|
15 – 24 años |
101 |
26,7% |
|
45 años o más |
35 |
9,3% |
Perfil de los restaurantes encuestados (propietarios, n = 24)
Los resultados obtenidos reflejan una información confiable, ya que la mayoría de los asistentes ocupan cargos en la toma de decisiones dentro de los restaurantes. En base a esto el 45,8% corresponde a los administradores generales y 37,5% a los propietarios. En cuanto al tiempo que llevan en el mercado, el 54,2% lleva funcionando entre uno y tres años. Además, el 50% de los restaurantes cuenta con la ayuda de 6 a 15 colaboradores, característica común en pequeños y medianos negocios de la zona.
Tabla 5: Inversión mensual
|
Inversión mensual en publicidad digital |
n |
% |
|
Menos de $100 mensuales |
14 |
58,3% |
|
No invertimos en publicidad digital |
5 |
20,8% |
|
$100 – $500 mensuales |
3 |
12,5% |
|
Más de $500 mensuales |
2 |
8,3% |
En respecto a la inversión en marketing digital se ha podido observa que la inversión es limitada. El 58,3% de los restaurantes han destinado menos de $100 mensuales a estas actividades mientras que el 20,8% indico que no asigna recursos para estas. A pesar de esto, el marketing digital demuestra una alta efectividad, ya que el 87,5% de los negocios encuestados manifestaron a ver obtenidos resultados positivos en la captación de clientes, del cual el 45,8% percibe un gran impacto y el 41,7% un impacto moderado. Estos datos han evidenciado que las estrategias de marketing digital pueden generar grandes beneficios a pesar de inversiones bajas lo que respalda el incremento gradualmente de presupuestos para así obtener mejores resultados.
Fiabilidad de los instrumentos
Previo al análisis de las relaciones entre las variables se verifico la confiabilidad de los cuestionarios mediante el coeficiente Alfa de Cronbach. Esto permitió evaluar los instrumentos utilizados y así confirmar que ofrecen resultados adecuados para el desarrollo de la investigación.
Tabla 6: Fiabilidad de los instrumentos
|
Instrumento |
Alfa de Cronbach |
Interpretación |
|
Cuestionario de clientes (12 ítems, n=378) |
0,835 |
Buena fiabilidad |
|
Cuestionario de propietarios (7 ítems, n=24) |
0,610 |
Aceptable (muestra pequeña) |
Análisis correlacional — Clientes
Se aplico el coeficiente de correlación de Spearman. Los resultados evidenciaron que las correlaciones fueron positivas y estadísticamente significativas ($p < 0,001$), con niveles de asociación entre débiles y moderados. Aunque la intensidad de estas no es elevada, estos hallazgos demuestran que las estrategias digitales ejercen gran influencia medible sobre la percepción y satisfacción de los clientes.
Tabla 7: Relación entre variables y satisfacción
|
Variable relacionada con satisfacción |
rho |
p |
|
Percepción de efectividad del marketing digital |
0,321 |
< 0,001 |
|
Personalización mediante IA aumenta intención de compra |
0,302 |
< 0,001 |
|
Consulta de reseñas antes de visitar |
0,297 |
< 0,001 |
|
Anuncios pagados motivan el pedido |
0,288 |
< 0,001 |
|
Disposición a compartir datos por ofertas de IA |
0,286 |
< 0,001 |
|
Influencia de publicaciones digitales |
0,271 |
< 0,001 |
|
Interacción con chatbots / asistentes virtuales |
0,259 |
< 0,001 |
|
Utilidad de recomendaciones generadas por IA |
0,246 |
< 0,001 |
|
La IA mejora la experiencia de compra |
0,242 |
< 0,001 |
|
Una mala reseña disuade la visita |
0,201 |
< 0,001 |
|
Frecuencia de exposición a anuncios pagados |
0,199 |
< 0,001 |
Interpretación
El análisis permitió identificar que la variable con mayor relación con la satisfacción del cliente fue la percepción de un adecuado uso del marketing digital ($\rho = 0,321$), mostrando una asociación superior a la obtenida por acciones de personalización mediante la inteligencia artificial. Este hallazgo indica que los consumidores valoran más una estrategia de comunicación digital antes que el uso de herramientas tecnológicas específicas. De igual manera, se ha encontrado relaciones importantes como la revisión de reseñas de otros usuarios ($\rho = 0,297$) y la disposición de los clientes para compartir información personal a cambio de beneficios ($\rho = 0,286$) lo cual evidencia que la confianza en medios digitales ayuda al fortalecimiento de la satisfacción del cliente. Por otra parte, el estudio a identificado asociaciones relevantes entre diferentes herramientas digitales, la utilidad percibida de las recomendaciones generadas por la inteligencia artificial presento la correlación más alta con la consulta de reseñas en línea ($\rho = 0,407$, el valor más alto del análisis). Así mismo la efectividad de la publicidad pagada ha demostrado una estrecha relación con el uso de chatbots ($\rho = 0,405$). Estos resultados han permitido concluir que los consumidores interactúan con diferentes herramientas digitales, evaluando así la experiencia en conjunto y no como acciones independientes.
Análisis correlacional — Propietarios
Tabla 8: Correlación entre las variables de los propietarios
|
Par de variables |
rho |
p |
|
Años de operación ↔ Adopción de IA |
-0,657 |
< 0,001 |
|
Incremento de clientes percibido ↔ Disposición a capacitarse |
0,631 |
0,001 |
|
Inversión mensual ↔ Disposición a capacitarse |
0,506 |
0,012 |
|
Inversión mensual ↔ Frecuencia de publicación |
0,493 |
0,014 |
|
Inversión mensual ↔ Adopción de IA |
0,472 |
0,020 |
Interpretación
El hallazgo del estudio revela una correlación negativa y considerable entre la antigüedad de los establecimientos y la implementación de herramientas de inteligencia artificial ($\rho = -0,657$). Los restaurantes con menos de un año de apertura exhiben los índices de adopción más elevados (con una media de 3,67 sobre 4), en contraste con los negocios de mayor trayectoria, cuyos niveles son notablemente inferiores. Estas tendencia indica que las nuevas empresas emergen de manera rápida aprovechando las herramientas de inteligencia artificial, mientras que las organizaciones consolidadas muestran resistencia al cambio o brechas cognitivas, lo cual se alinea con el hecho de que el 58,3% de los propietarios identificó la falta de capacitación como su principal limitante, la asociación más robusta respecto a los resultados comerciales se observó entre la apertura a la formación profesional y el incremento percibido en la captación de usuarios ($\rho = 0,631$).
Síntesis general
Al comparar la información obtenida de los clientes con la de los propietarios, se observa una relación clara. Los clientes suelen preferir y valorar mejor a los restaurantes que mantienen una buena estrategia de marketing digital, independientemente de que utilicen o no herramientas de inteligencia artificial.
Por otro lado, los propietarios consideran que, contar con un presupuesto adecuado es importante, la capacitación y el aprendizaje sobre marketing y herramientas digitales son los factores que más contribuyen a atraer nuevos clientes. Por otra parte, los locales gastronómicos con más años de funcionamiento tienden a no usar tecnologías digitales, lo cual dificulta su adaptación a nuevas tendencias. Mostrándonos que no hace falta solamente implementación de herramientas digitales, sino también capacitaciones que se adapten a las necesidades de cada negocio.
CONCLUSIÓN
El estudio demuestra que el marketing digital y la inteligencia artificial (IA) funcionan y traen excelentes resultados en la ciudad de Ibarra. Al analizar las respuestas de 378 clientes y 24 propietarios, quedó claro que el consumidor actual (predominantemente entre 25 y 44 años) vive en las redes sociales y siempre investiga en internet antes de comprar. Dado que consumen comida rápida una o dos veces al mes, los restaurantes tienen una oportunidad enorme para fidelizarlos si mejoran su estrategia digital. Aunque la mayoría de los locales invierte muy poco (menos de 100 dólares al mes o nada), los dueños reconocen que el marketing digital sí les ayuda a atraer más gente, lo que prueba que incluso un presupuesto bajo bien administrado da frutos. Como dato curioso, los restaurantes más nuevos adoptan la IA con total naturalidad, mientras que los más antiguos muestran mayor resistencia al cambio. Al final, la clave del éxito está en la mente del consumidor: su satisfacción se activa cuando ve un marketing digital efectivo, cuando recibe una atención personalizada mediante IA y cuando lee buenas reseñas de otras personas. Los restaurantes que decidan capacitarse en estas herramientas no solo serán más competitivos, sino que verán un impacto directo y positivo en sus ventas.
REFERENCIAS
Chaubey, G., Gavhane, P. R., Bisen, D., & Arjaria, S. K. (2022). Customer purchasing behavior prediction using machine learning classification techniques. Journal of Ambient Intelligence and Humanized Computing. https://doi.org/10.1007/s12652-022-03837-6
Chen, J. S., Le, T. T. Y., & Florence, D. (2021). Usability and responsiveness of artificial intelligence chatbot on online customer experience in e-retailing. International Journal of Retail & Distribution Management, 49(11), 1512-1531. https://doi.org/10.1108/IJRDM-08-2020-0312
Coral Reyes, G. A., Corella Arroba, P. R., Machado Morejón, A. D. C., & Pinto Molina, S. G. (2023). Impacto de las redes sociales en el comportamiento del consumidor. Dominio de las Ciencias, 9(3), 590-601. https://doi.org/10.23857/dc.v9i3.3461
Cruz-Estrada, I., & Miranda-Zavala, A. M. (2020). Redes sociales digitales en la comunicación con los consumidores de restaurantes de la zona gastronómica de Tijuana. Estudios Sociales: Revista de Alimentación Contemporánea y Desarrollo Regional, 30(55). https://doi.org/10.24836/es.v30i55.936
García Mendoza, J., Negrete Viveros, S. K., & Díaz de Cossío Priego, S. X. (2025). El impacto de los chatbots por inteligencia artificial en la experiencia y la intención de compra del consumidor. Transdigital, 6(12), e530. https://doi.org/10.56162/transdigital530
Guamán Tacuri, J. D., Solís Barrionuevo, A. P., & Labre Tixe, W. J. (2025). El uso de chatbots cognitivos en la satisfacción del consumidor de cadenas de restaurantes. Ciencia y Reflexión, 4(2), 253-270. https://doi.org/10.70747/cr.v4i2.327
Handoyo, S. (2024). Purchasing in the digital age: A meta-analytical perspective on trust, risk, security, and e-WOM in e-commerce. Heliyon, 10(8), e29714. https://doi.org/10.1016/j.heliyon.2024.e29714
Hanaysha, J. R., Ramadan, H. I., & Alhyasat, K. M. K. (2025). Exploring the impact of customer reviews, website quality, perceived service quality, and product assortment on online purchase intention: The mediating role of trust. Telematics and Informatics Reports, 19, 100236. https://doi.org/10.1016/j.teler.2025.100236
Hsu, C.-L., & Lin, J. C.-C. (2023). Understanding the user satisfaction and loyalty of customer service chatbots. Journal of Retailing and Consumer Services, 71, 103211. https://doi.org/10.1016/j.jretconser.2022.103211
Jílková, P., & Králová, P. (2021). Digital consumer behaviour and eCommerce trends during the COVID-19 crisis. International Advances in Economic Research, 27(1), 83-85. https://doi.org/10.1007/s11294-021-09817-4
Lalaleo, F., Bonilla, D., & Robles, R. (2021). Tecnologías de la Información y Comunicación exclusivo para el comportamiento del consumidor desde una perspectiva teórica. RETOS. Revista de Ciencias de la Administración y Economía, 11(21), 147-164. https://doi.org/10.17163/ret.n21.2021.09
Langarano, M. J., Montaluisa, F. D., & Navas, M. G. (2022). Implementación de un chatbot con NLP para recibir pedidos en una plataforma de delivery. Revista Tecnológica ESPOL, 34(3), 157-170. https://doi.org/10.37815/rte.v34n3.958
López, A. C., Muñoz, J. P., & Valle, D. P. (2022). Percepción de la calidad en restaurantes: un análisis mixto con redes neuronales. Estudios Gerenciales, 38(165), 449-463. https://doi.org/10.18046/j.estger.2022.165.5235
Mercado, E., Pérez, B., Castro, A., & Macías, F. (2019). Estudio cualitativo sobre el comportamiento del consumidor en las compras en línea. Información Tecnológica, 30(1), 109-120. https://doi.org/10.4067/S0718-07642019000100109
Mogollón, G., & Sáenz, E. (2021). Avances en la economía del ecosistema digital en algunos países de Latinoamérica. Horizontes Empresariales, 20(1), 4-29. https://doi.org/10.22320/hem.v20i1.4822
Moro, M., de Souza, A., & de Andrade, D. (2023). COVID-19 pandemic accelerates the perception of digital transformation on real estate websites. Quality & Quantity, 57(3), 2165-2181. https://doi.org/10.1007/s11135-022-01449-y
Núñez, M. (2025). Inteligencia artificial en la personalización del marketing. Saberes, 8(1), 160-174. https://doi.org/10.48204/j.saberes.v8n1.a6797
Ochoa, D. R., & Flores, M. F. (2024). La inteligencia artificial como el Prometeo digital. Biblioteca Universitaria, 26(2), 119-133. https://doi.org/10.22201/dgbsdi.0187750xp.2023.2.1510
Pionce Arteaga, M. A., Caicedo Plúa, C. R., Delgado Lucas, H. B., & Murillo Quimiz, L. R. (2022). Chatbots para ventas y atención al cliente. Journal TechInnovation, 1(1), 107-116. https://doi.org/10.47230/Journal.TechInnovation.v1.n1.2022.107-116
Suárez Nicolalde, C. D. L. Á. (2026). Comportamiento del consumidor y decisión de compra online: un estudio empírico sobre factores determinantes en Quito, Ecuador. Revista Científica Arbitrada Multidisciplinaria PENTACIENCIAS, 7(5), 505-518. https://doi.org/10.59169/pentaciencias.v7i5.1686
Vidal, C. P., & Alencastro, E. R. (2025). Artificial intelligence in food production and services: A bibliographic review of research published from 2014 to 2024. Research, Society and Development, 14(1), 1-12. https://doi.org/10.33448/rsd-v14i1.47904
Vivas, M. E., & Cueva, A. J. (2024). Integración de chatbots de IA para la optimización de pedidos en servicios alimentarios: Caso de Estudio en “Cafetería La Estación 04 - Ibarra Ecuador”. 593 Digital Publisher CEIT, 9(3), 790-802. https://doi.org/10.33386/593dp.2024.3.2477