Métodos matemáticos aplicados a estrategias de comunicación: Una revisión de literatura

Monserrath Amparo Padilla Muñoz, Daniela Tatiana Castañeda Ortiz, Diego Sebastián Santana Alarcón, Julio César Andrade Landeta

Resumen


Este artículo presenta una revisión de la literatura sobre el uso de métodos matemáticos aplicados a estrategias de comunicación. A través de un análisis de estudios recientes y establecidos, se identifican y discuten varios modelos matemáticos clave que han demostrado ser efectivos en optimizar y entender las dinámicas de la comunicación. Los modelos explorados incluyen la teoría de juegos, modelos de difusión de información, modelos de Markov, análisis de redes sociales, y técnicas avanzadas de regresión y aprendizaje automático. Este artículo destaca cómo cada modelo puede ser aplicado para mejorar la eficacia de las campañas de comunicación en diversos sectores como marketing, política y comunicación interna organizacional. Además, se evalúa críticamente la eficacia de estos métodos y se proponen direcciones futuras para la investigación en la intersección de matemáticas y estrategias de comunicación. Se concluye que, los métodos matemáticos optimizan estrategias de comunicación, pero requieren integración de modelos y atención a la ética y privacidad de datos.


Palabras clave


Métodos matemáticos; Estrategias; Comunicación; Redes sociales; Marketing.

Texto completo:

PDF HTML

Referencias


Akter, S., Wamba, S. F., Gunasekaran, A., Dubey, R., & Childe, S. J. (2016). How to improve firm performance using big data analytics capability and business strategy alignment. International Journal of Production Economics, 182, 113-131. https://doi.org/10.1016/j.ijpe.2016.08.018

Artun, O., & Levin, D. (2015). Predictive Marketing: Easy Ways Every Marketer Can Use Customer Analytics and Big Data. John Wiley & Sons.

Bashkirov, A. V., Chirkov, O. N., Romashchenko, M. A., Glotov, V. V., Turetsky, A. V., & Glotova, T. S. (2020). Method of advanced channel estimation in OFDM systems by regression technique. Journal of Physics: Conference Series, 1661, 012001. https://doi.org/10.1088/1742-6596/1661/1/012001

Belfin, R. V., Kanaga, E. G. M., & Kundu, S. (2020). Application of Machine Learning in the Social Network. In S. De, S. Dey, & S. Bhattacharyya (Eds.), Recent Advances in Hybrid Metaheuristics for Data Clustering (Chap. 4). https://doi.org/10.1002/9781119551621.ch4

Buhmann, A., & White, C. L. (2022). Artificial Intelligence in Public Relations: Role and Implications. In J. H. Lipschultz, K. Freberg, & R. Luttrell (Eds.), The Emerald Handbook of Computer-Mediated Communication and Social Media (pp. 625-638). Emerald Publishing Limited. https://doi.org/10.1108/978-1-80071-597-420221036

Davis, M. H. A. (1993). Markov Models & Optimization. First Edition. New York: Routledge. eBook published 24 October 2017. https://doi.org/10.1201/9780203748039

Li, M., Wang, X., Gao, K., & Zhang, S. (2017). Modeling Information Diffusion in Online Social Networks Using SEI Epidemic Model. Procedia Computer Science, 171, 2443-2452. https://doi.org/10.1016/j.procs.2020.04.073

Mor, B., Garhwal, S., & Kumar, A. (2021). A systematic review of hidden Markov models and their applications. Archives of Computational Methods in Engineering, 28(4), 1429-1448.

Ngaboyamahina, M., & Yi, S. (2019). The Impact of Sentiment Analysis on Social Media to Assess Customer Satisfaction: Case of Rwanda. 2019 IEEE 4th International Conference on Big Data Analytics (ICBDA), Suzhou, China, 356-359. doi: 10.1109/ICBDA.2019.8713212

Salado, A., & Kannan, H. (2018). A mathematical model of verification strategies. Systems Engineering, 21(6), 502-515. https://doi.org/10.1002/sys.21463

Taylor, M., Kwasnica, V., Reilly, D., & Ravindran, S. (2019). Game theory modelling of retail marketing discount strategies. Marketing Intelligence & Planning, 37(5), 555-566. https://doi.org/10.1108/MIP-11-2018-0489

Zack, M. H. (2000). Researching organizational systems using social network analysis. In Proceedings of the 33rd Annual Hawaii International Conference on System Sciences (pp. 7 pp. vol.2). Maui, HI, USA. https://doi.org/10.1109/HICSS.2000.926933




DOI: https://doi.org/10.23857/pc.v9i6.7341

Enlaces de Referencia

  • Por el momento, no existen enlaces de referencia
';

Bookmark and Share




Polo del Conocimiento              

Revista Científico-Académica Multidisciplinaria

ISSN: 2550-682X

Casa Editora del Polo                                                 

Manta - Ecuador       

Dirección: Ciudadela El Palmar, II Etapa,  Manta - Manabí - Ecuador.

Código Postal: 130801

Teléfonos: 056051775/0991871420

Email: polodelconocimientorevista@gmail.com / director@polodelconocimiento.com

URL: https://www.polodelconocimiento.com/